Anda di halaman 1dari 8

www.monografias.

com

Estadsticas para administradores

Indice 1. Introduccin 2. Definicin y conceptos previos 3. Tipos de muestreo 3.1 Mtodos de muestreo probabilsticos 3.1.1.- Muestreo aleatorio simple 3.1.2.- Muestreo aleatorio sistemtico 3.1.3.- Muestreo aleatorio estratificado 3.1.4.- Muestreo aleatorio por conglomerados 3.1.5 Muestreo por Rutas Aleatorias 3.2.- Mtodos de muestreo no probabilsticos 3.2.1.- Muestreo por cuotas 3.2.2.- Muestreo opintico o intencional 3.2.3.- Muestreo casual o incidental 3.2.4.- Bola de nieve 3.2.5 Muestreo Discrecional 4. Clculo del tamao de la muestra 4.1.- Tamao de muestra para estimar la media de la poblacin 5. Tcnicas de muestreo sobre una poblacin 6. Medidas de tendencia central y dispersin de v.a. 7. Bibliografa

1. Introduccin El propsito de un estudio estadstico suele ser, extraer conclusiones acerca de la naturaleza de una poblacin. Al ser la poblacin grande y no poder ser estudiada en su integridad en la mayora de los casos, las conclusiones obtenidas deben basarse en el examen de solamente una parte de sta, lo que nos lleva, en primer lugar a la justificacin, necesidad y definicin de las diferentes tcnicas de muestreo. Los primeros trminos obligados a los que debemos hacer referencia, definidos en el primer captulo, sern los de estadstico y estimador. Dentro de este contexto, ser necesario asumir un estadstico o estimador como una variable aleatoria con una determinada distribucin, y que ser la pieza clave en las dos amplias categoras de la inferencia estadstica: la estimacin y el contraste de hiptesis.

El concepto de estimador, como herramienta fundamental, lo caracterizamos mediante una serie de propiedades que nos servirn para elegir el ``mejor" para un determinado parmetro de una poblacin, as como algunos mtodos para la obtencin de ellos, tanto en la estimacin puntual como por intervalos. Cmo deducir la ley de probabilidad sobre determinado carcter de una poblacin cuando slo conocemos una muestra? Este es un problema al que nos enfrentamos cuando por ejemplo tratamos de estudiar la relacin entre el fumar y el cncer de pulmn e intentamos extender las conclusiones obtenidas sobre una muestra al resto de individuos de la poblacin. La tarea fundamental de la estadstica inferencial, es hacer inferencias acerca de la poblacin a partir de una muestra extrada de la misma. 2. Definicin y conceptos previos En la investigacin cientfica es habitual que se empleen muestras como medio de acercarse al conocimiento de la realidad. Sin embargo, para que esto sea posible , para que a travs de las muestras sea posible reproducir el universo con la precisin que se requiera en cada caso es necesario que el diseo muestral se atenga a los principios recogidos en las tcnicas de muestreo. Antes de pasar describir algunos de los mtodos de muestreo ms habituales introduzcamos algunos conceptos importantes en este contexto: Poblacin: Es todo conjunto de elementos, finito o infinito, definido por una o ms caractersticas, de las que gozan todos los elementos que lo componen, y slo ellos. En muestreo se entiende por poblacin a la totalidad del universo que interesa considerar , y que es necesario que est bien definido para que se sepa en todo momento que elementos lo componen. No obstante, cuando se realiza un trabajo puntual, conviene distinguir entre 0 : conjunto de elementos accesibles en nuestro estudio. Censo: En ocasiones resulta posible estudiar cada uno de los elementos que componen la poblacin, realizndose lo que se denomina un censo, es decir, el estudio de todos los elementos que componen la poblacin. La realizacin de un censo no siempre es posible, por diferentes motivos: a) economa: el estudio de todos los elementos que componen una poblacin, sobre todo si esta es grande, suele ser un problema costoso en tiempo, dinero, etc; b) que las pruebas a las que hay que someter a los sujetos sean destructivas; c) que la poblacin sea infinita o tan grande que exceda las posibilidades del investigador. Si la numeracin de elementos, se realiza sobre la poblacin accesible o estudiada, y no sobre la poblacin terica, entonces el proceso recibe el nombre de marco o espacio muestral. Muestra: En todas las ocasiones en que no es posible o conveniente realizar un censo, lo que hacemos es trabajar con una muestra, entendiendo por tal una parte representativa de la poblacin. Para que una muestra sea representativa, y por lo tanto til, debe de reflejar las similitudes y diferencias encontradas en la poblacin, ejemplificar las caractersticas de la misma. Cuando decimos que una muestra es representativa indicamos que rene aproximadamente las caractersticas de la poblacin que son importantes para la investigacin. a. Poblacin Los estadsticos usan la palabra poblacin para referirse no slo a personas si no a todos los elementos que han sido escogidos para su estudio. b. Muestra Los estadsticos emplean la palabra muestra para describir un porcin escogida de la poblacin. Matemticamente, podemos describir muestras y poblaciones al emplear mediciones como la Media, Mediana, la moda, la desviacin estndar. Cuando stos trminos describen una muestra se denominan estadsticas. Una estadstica es una caracterstica de una muestra, los estadsticos emplean letras latinas minsculas para denotar estadsticas y muestras. 3. Tipos de muestreo Los autores proponen diferentes criterios de clasificacin de los diferentes tipos de muestreo, aunque en general pueden dividirse en dos grandes grupos: mtodos de muestreo probabilsticos y mtodos de muestreo no probabilsticos.

Muestreos Probabilsticos: o o o o o o Aleatorio Simple Aleatorio Sistemtico Estratificado por Conglomerados Polietpico por Ruta Aleatoria

Muestreos No Probabilsticos: o o o o o de Conveniencia de Juicios por Cuotas de Bola de Nieve Discrecional

3.1 Mtodos de muestreo probabilsticos Los mtodos de muestreo probabilsticos son aquellos que se basan en el principio de equiprobabilidad. Es decir, aquellos en los que todos los individuos tienen la misma probabilidad de ser elegidos para formar parte de una muestra y, consiguientemente, todas las posibles muestras de tamao n tienen la misma probabilidad de ser elegidas. Slo estos mtodos de muestreo probabilsticos nos aseguran la representatividad de la muestra extrada y son, por tanto, los ms recomendables. Dentro de los mtodos de muestreo probabilsticos encontramos los siguientes tipos: 3.1.1.- Muestreo aleatorio simple: El procedimiento empleado es el siguiente: 1) se asigna un nmero a cada individuo de la poblacin y 2) a travs de algn medio mecnico (bolas dentro de una bolsa, tablas de nmeros aleatorios, nmeros aleatorios generados con una calculadora u ordenador, etc) se eligen tantos sujetos como sea necesario para completar el tamao de muestra requerido. Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad prctica cuando la poblacin que estamos manejando es muy grande. 3.1.2.- Muestreo aleatorio sistemtico : Este procedimiento exige, como el anterior, numerar todos los elementos de la poblacin, pero en lugar de extraer n nmeros aleatorios slo se extrae uno. Se parte de ese nmero aleatorio i, que es un nmero elegido al azar, y los elementos que integran la muestra son los que ocupan los lugares i, i+k, i+2k, i+3k,...,i+(n-1)k, es decir se toman los individuos de k en k, siendo k el resultado de dividir el tamao de la poblacin entre el tamao de la muestra: k=N/n. El nmero i que empleamos como punto de partida ser un nmero al azar entre 1 y k. El riesgo se este tipo de muestreo est en los casos en que se dan periodicidades en la poblacin ya que al elegir a los miembros de la muestra con una periodicidad constante (k) podemos introducir una homogeneidad que no se da en la poblacin. Imaginemos que estamos seleccionando una muestra sobre listas de 10 individuos en los que los 5 primeros son varones y los 5 ltimos mujeres, si empleamos un muestreo aleatorio sistemtico con k=10 siempre seleccionaramos o slo hombres o slo mujeres, no podra haber una representacin de los dos sexos. 3.1.3.- Muestreo aleatorio estratificado: Trata de obviar las dificultades que presentan los anteriores ya que simplifican los procesos y suelen reducir el error muestral para un tamao dado de la muestra. Consiste en considerar categoras tpicas diferentes entre s (estratos) que poseen gran homogeneidad respecto a alguna caracterstica (se puede estratificar, por ejemplo, segn la profesin, el municipio de residencia, el sexo, el estado civil, etc). Lo que se pretende con este tipo de muestreo es asegurarse de que todos los estratos de inters estarn representados adecuadamente en la muestra. Cada estrato funciona independientemente, pudiendo aplicarse dentro de ellos el muestreo aleatorio simple o el

estratificado para elegir los elementos concretos que formarn parte de la muestra. En ocasiones las dificultades que plantean son demasiado grandes, pues exige un conocimiento detallado de la poblacin. (tamao geogrfico, sexos, edades,...). La distribucin de la muestra en funcin de los diferentes estratos se denomina afijacin, y puede ser de diferentes tipos: Afijacin Simple: A cada estrato le corresponde igual nmero de elementos muestrales. Afijacin Proporcional: La distribucin se hace de acuerdo con el peso (tamao) de la poblacin en cada estrato. Afijacin Optima: Se tiene en cuenta la previsible dispersin de los resultados, de modo que se considera la proporcin y la desviacin tpica. Tiene poca aplicacin ya que no se suele conocer la desviacin. 3.1.4.- Muestreo aleatorio por conglomerados : Los mtodos presentados hasta ahora estn pensados para seleccionar directamente los elementos de la poblacin, es decir, que las unidades muestrales son los elementos de la poblacin. En el muestreo por conglomerados la unidad muestral es un grupo de elementos de la poblacin que forman una unidad, a la que llamamos conglomerado. Las unidades hospitalarias, los departamentos universitarios, una caja de determinado producto, etc, son conglomerados naturales. En otras ocasiones se pueden utilizar conglomerados no naturales como, por ejemplo, las urnas electorales. Cuando los conglomerados son rea geogrficas suele hablarse de "muestreo por reas". El muestreo por conglomerados consiste en seleccionar aleatoriamente un cierto numero de conglomerados (el necesario para alcanzar el tamao muestral establecido) y en investigar despus todos los elementos pertenecientes a los conglomerados elegidos. Para finalizar con esta exposicin de los mtodos de muestreo probabilsticos es necesario comentar que ante lo compleja que puede llegar a ser la situacin real de muestreo con la que nos enfrentemos es muy comn emplear lo que se denomina muestreo polietpico. Este tipo de muestreo se caracteriza por operar en sucesivas etapas, empleando en cada una de ellas el mtodo de muestreo probabilstico ms adecuado. 3.1.5 Muestreo por Rutas Aleatorias La seleccin de los miembros de la muestra se realiza como parte del trabajo de campo. Establecida un rea de muestreo, se define un punto de partida, sobre el que se aplica una ruta predefinida en la que se van seleccionan-do los miembros de la muestra con arreglo a un procedimiento heurstico. Busca asegurar una cobertura geogrfica de la muestra y/o suplir la falta de censo. No es aconsejable en planos no lineales o poco homogneos en manzanas y edificacin.

3.2.- Mtodos de muestreo no probabilsticos A veces, para estudios exploratorios, el muestreo probabilstico resulta excesivamente costoso y se acude a mtodos no probabilsticos, aun siendo conscientes de que no sirven para realizar generalizaciones, pues no se tiene certeza de que la muestra extrada sea representativa, ya que no todos los sujetos de la poblacin tienen la misma probabilidad de se elegidos. En general se seleccionan a los sujetos siguiendo determinados criterios procurando que la muestra sea representativa. 3.2.1.- Muestreo por cuotas: Tambin denominado en ocasiones "accidental". Se asienta generalmente sobre la base de un buen conocimiento de los estratos de la poblacin y/o de los individuos ms "representativos" o "adecuados" para los fines de la investigacin. Mantiene, por tanto, semejanzas con el muestreo aleatorio estratificado, pero no tiene el carcter de aleatoriedad de aqul. En este tipo de muestreo se fijan unas "cuotas" que consisten en un nmero de individuos que renen unas determinadas condiciones, por ejemplo: 20 individuos de 25 a 40 aos, de sexo femenino y residentes en Gijn. Una vez determinada la cuota se eligen los primeros que se encuentren que cumplan esas caractersticas. Este mtodo se utiliza mucho en las encuestas de opinin. 3.2.2.- Muestreo opintico o intencional : Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener muestras "representativas" mediante la inclusin en la muestra de grupos

supuestamente tpicos. Es muy frecuente su utilizacin en sondeos preelectorales de zonas que en anteriores votaciones han marcado tendencias de voto. 3.2.3.- Muestreo casual o incidental: Se trata de un proceso en el que el investigador selecciona directa e intencionadamente los individuos de la poblacin. El caso ms frecuente de este procedimiento el utilizar como muestra los individuos a los que se tiene fcil acceso (los profesores de universidad emplean con mucha frecuencia a sus propios alumnos). Un caso particular es el de los voluntarios. 3.2.4.- Bola de nieve: Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y as hasta conseguir una muestra suficiente. Este tipo se emplea muy frecuentemente cuando se hacen estudios con poblaciones "marginales", delincuentes, sectas, determinados tipos de enfermos, etc. 3.2.5 Muestreo Discrecional A criterio del investigador los elementos son elegidos sobre lo que l cree que pueden aportar al estudio. Ej.: muestreo por juicios; cajeros de un banco o un supermercado; etc.

4. Clculo del tamao de la muestra A la hora de determinar el tamao que debe alcanzar una muestra hay que tomar en cuenta varios factores: el tipo de muestreo, el parmetro a estimar, el error muestral admisible, la varianza poblacional y el nivel de confianza. Por ello antes de presentar algunos casos sencillos de clculo del tamao muestral delimitemos estos factores. Parmetro. Son las medidas o datos que se obtienen sobre la poblacin. Estadstico. Los datos o medidas que se obtienen sobre una muestra y por lo tanto una estimacin de los parmetros. Error Muestral, de estimacin o standard. Es la diferencia entre un estadstico y su parmetro correspondiente. Es una medida de la variabilidad de las estimaciones de muestras repetidas en torno al valor de la poblacin, nos da una nocin clara de hasta dnde y con qu probabilidad una estimacin basada en una muestra se aleja del valor que se hubiera obtenido por medio de un censo completo. Siempre se comete un error, pero la naturaleza de la investigacin nos indicar hasta qu medida podemos cometerlo (los resultados se someten a error muestral e intervalos de confianza que varan muestra a muestra). Vara segn se calcule al principio o al final. Un estadstico ser ms preciso en cuanto y tanto su error es ms pequeo. Podramos decir que es la desviacin de la distribucin muestral(1) de un estadstico y su fiabilidad. Nivel de Confianza. Probabilidad de que la estimacin efectuada se ajuste a la realidad. Cualquier informacin que queremos recoger est distribuida segn una ley de probabilidad (Gauss o Student), as llamamos nivel de confianza a la probabilidad de que el intervalo construido en torno a un estadstico capte el verdadero valor del parmetro. Varianza Poblacional. Cuando una poblacin es ms homognea la varianza es menor y el nmero de entrevistas necesarias para construir un modelo reducido del universo, o de la poblacin, ser ms pequeo. Generalmente es un valor desconocido y hay que estimarlo a partir de datos de estudios previos. 4.1.- Tamao de muestra para estimar la media de la poblacin Veamos los pasos necesarios para determinar el tamao de una muestra empleando el muestreo aleatorio simple. Para ello es necesario partir de dos supuestos: en primer lugar el nivel de confianza al que queremos trabajar; en segundo lugar, cual es el error mximo que estamos dispuestos a admitir en nuestra estimacin. 5. Tcnicas de muestreo sobre una poblacin La teora del muestreo tiene por objetivo, el estudio de las relaciones existentes entre la distribucin de un carcter en dicha poblacin y las distribuciones de dicho carcter en todas sus muestras. Las ventajas de estudiar una poblacin a partir de sus muestras son principalmente: Coste reducido: Si los datos que buscamos los podemos obtener a partir de una pequea parte del total de la poblacin, los gastos de recogida y tratamiento de los datos sern menores. Por ejemplo,

cuando se realizan encuestas previas a un referndum, es ms barato preguntar a 4.000 personas su intencin de voto, que a 30.000.000; Mayor rapidez: Estamos acostumbrados a ver cmo con los resultados del escrutinio de las primeras mesas electorales, se obtiene una aproximacin bastante buena del resultado final de unas elecciones, muchas horas antes de que el recuento final de votos haya finalizado; Ms posibilidades: Para hacer cierto tipo de estudios, por ejemplo el de duracin de cierto tipo de bombillas, no es posible en la prctica destruirlas todas para conocer su vida media, ya que no quedara nada que vender. Es mejor destruir slo una pequea parte de ellas y sacar conclusiones sobre las dems. De este modo se ve que al hacer estadstica inferencial debemos enfrentarnos con dos problemas: Eleccin de la muestra (muestreo), que es a lo que nos dedicaremos en este captulo. Extrapolacin de las conclusiones obtenidas sobre la muestra, al resto de la poblacin (inferencia).

El tipo de muestreo ms importante es el muestreo aleatorio, en el que todos los elementos de la poblacin tienen la misma probabilidad de ser extrados; Aunque dependiendo del problema y con el objetivo de reducir los costes o aumentar la precisin, otros tipos de muestreo pueden ser considerados como veremos ms adelante: muestreo sistemtico, estratificado y por conglomerados. 6. Medidas de tendencia central y dispersin de v.a. De forma anloga podemos definir para variables aleatorias medidas de centralizacin, dispersin, simetra y forma. Por su inters nos vamos a centrar en dos medidas sobre v.a. que son la esperanza matemtica que desempea un papel equivalente al de la media y el momento central de segundo orden, tambin denominado varianza. Media, nmero calculado mediante determinadas operaciones utilizando todos los elementos de un conjunto y que sirve para representar a ste. La media puede recibir distintos nombres segn las operaciones realizadas para calcularla: media aritmtica, media geomtrica, media armnica, entre otras.1 Mediana, en estadstica, una de las cantidades utilizadas para representar un conjunto de nmeros. Colocando todos los valores en orden creciente o decreciente, la mediana es aqul que ocupa la posicin central.2 Moda (estadstica), valor que aparece con ms frecuencia en un conjunto dado de nmeros. Por ejemplo, en el conjunto {3,4,5,6,6,7,10,13} la moda es 6. Si son dos los nmeros que se repiten con la misma frecuencia, el conjunto tiene dos modas. Otros conjuntos no tienen moda. 3 Desviacin estndar, nmero que representa el alejamiento de una serie de nmeros de su valor medio. Se calcula a partir de todas las desviaciones individuales con respecto de la media. Es un concepto importante en la mayora de los clculos estadsticos porque es una indicacin precisa de la variabilidad entre un grupo de nmeros. Un ejemplo sencillo es considerar las alturas de un grupo de cinco nios: 1,41, 1,45, 1,50, 1,59 y 1,60 m. La media de las alturas es 1,51 m. Las desviaciones son las diferencias con respecto a la media. 1"Media", Enciclopedia Microsoft Encarta 99. 1993-1998 Microsoft Corporation. Reservados todos los derechos. 2"Mediana", Enciclopedia Microsoft Encarta 99. 1993-1998 Microsoft Corporation. Reservados todos los derechos. 3"Moda (matemticas)", Enciclopedia Microsoft Encarta 99. 1993-1998 Microsoft Corporation. Reservados todos los derechos.

No se puede utilizar una media simple de las desviaciones, porque automticamente se obtendra un valor de cero (los valores positivos y negativos se cancelan entre s), y sta es la razn por la que se recurre a un mtodo ms complejo. En la prctica, se promedian los cuadrados de las desviaciones (los cuadrados son siempre positivos), y luego se toma la raz cuadrada. La media de las desviaciones al cuadrado es 0,00564, y su raz cuadrada es 0,075. sta es la desviacin tpica, que se representa normalmente por el smbolo s (sigma). Muchos ordenadores y calculadoras de bolsillo poseen procedimientos para calcularla directamente, una vez que se han introducido las series de nmeros. Otro grupo de nios podra tener alturas de 1,46, 1,48, 1,51, 1,53 y 1,57 m. La altura promedio es de nuevo 1,51 m, pero esta vez la desviacin tpica es 0,038. El segundo grupo est ms agrupado en torno a la media, y el valor menor de la desviacin tpica lo muestra con claridad. Si cada desviacin individual se simboliza por xi, y si existen n valores en la serie, la desviacin tpica viene dada por la frmula:

Anlisis de los datos calculados La muestra la seleccione a las 5:40 p.m. y luego me ubiqu en la columna #5 lnea 40 de la tabla de nmeros aleatorios estableciendo el siguiente criterio, se va a leer 15 nmeros aleatorios menores o iguales a 52 leyendo del lado derecho de la columna en forma horizontal hasta el final de la pgina y se continu con la siguiente lnea de la misma manera: Los resultados de la muestra son: 01 04 07 14 17 18 20 33 34 35 39 45 46 47 49 Explicacin sobre los datos calculados: Tericamente el Coeficiente de Variacin(%) debe ser menor del 15% para considerar que la media es representativa si no lo es, se debe buscar otra medida de tendencia central como lo es la mediana y la moda. Recomiendo que la media no es representativa ya que sus valores originales (valores de los bancos) tienen mucha dispersin. El 50% de los bancos gan aproximadamente 28 millones o menos y el otro 50% de los bancos gan aproximadamente 28 millones o ms ingresos por intereses en el perodo del ao 1999. 7. Bibliografa Abad de Servin, a. y Servin Andrade, L.A. (1978). Introduccin al muestreo. Mexico: Limusa. Azorin, F. (1972). Curso de muestreo y aplicaciones. Madrid: Aguilar. Azorin, F. y Sanchez Crespo, J.L. (1986). Mtodos y aplicaciones de muestreo .Madrid: Alianza. Martinez Arias, M.R.; Macia, A. y Perez Ruy-Diaz, J. (1989). Psicologa Matemtica II. Madrid: UNED. Pardo, A. y San Martin, R. (1994). Anlisis de datos en psicologa II. Madrid: Pirmide. Rodriguez Osuna, J. (1991). Mtodos de muestreo. Madrid: CIS. Rodriguez Osuna, J. (1993). Mtodos de muestreo. Casos prcticos. Madrid: CIS. Manual de La Universidad de Mlaga-Espaa Texto: Estadstica para Administradores, Autor: Richard Levin y David Rubin. Enciclopedia Microsoft Encarta 99 Pginas visitadas en Internet: www.bancoaliado.com

www.altavista.com www.panamafinance.com www.superintendenciadebancos.com www.bgeneral.com www.towerbank.com www.banistmo.com www.bladex.com www.bancolat.com www.banconal.com Trabajo enviado por: Gina George de Moreno ginageorge@unete.com

Anda mungkin juga menyukai