INSTITUTO TECNOLOGICO SUPERIOR DE CALKINI

Nombre de la asignatura:

Estadstica para la Administracin I

Carrera: Licenciatura en Administracin. Clave: LAD-1016 Hrs. teora - Hrs. prctica - Crditos: 2 - 3 - 5
EN EL ESTADO DE CAMPECHE

TEMARIO
U N I D A D

RAMIRO JOSE GONZALEZ HORTA A r q u i t e c t o

Arq. Ramiro Gonzlez Horta. Junio 2011

Muestreo y estimacin aplicado al control estadstico de procesos

6.1 Fundamentos tericos del muestreo y estimacin. 6.2 Distribucin de muestreo; caractersticas y aplicacin en el rea administrativa. 6.3 Teorema del lmite central. 6.4 Tipos de estimacin y caractersticas. 6.5 Determinacin del tamao de la muestra. 6.6 Intervalos de confianza aplicados al control estadstico de procesos. 6.7 Grficas de control y tipos de variacin en los procesos.

Muestreo y estimacin aplicado al control estadstico de procesos 6.1 Fundamentos tericos del muestreo y estimacin. Muestreo
Es el procedimiento mediante el cul seleccionamos una muestra representativa de la poblacin objeto de estudio. El diseo y la eleccin de la muestra de estudio El paso siguiente que debe resolver el investigador es el del diseo y la eleccin de la muestra. Ambas acciones est ntimamente unidas puesto que dependiendo del diseo que utilice el investigador as ser la eleccin de los sujetos de estudio. Los elementos, personas, fenmenos, constituyen la muestra de la investigacin. Estos elementos forman parte de un grupo de conceptos bsicos que conviene clarificar y que deben ser definidos en cada investigacin.

Conceptos Bsicos Universo

Es la serie real o hipottica de elementos que comparten unas caractersticas definidas relacionadas con el problema de investigacin.

Es un conjunto definido, limitado y accesible del universo que forma el referente para la eleccin de la muestra. Es el grupo al que se intenta generalizar los resultados.

Muestra
Conjunto de individuos extrado de la poblacin a partir de

algn procedimiento especfico. Los valores que obtenemos del anlisis estadstico de la muestra se denominan estadgrafos o estadsticos.

Poblacin Elemento o individuo (muestral)

Es la unidad ms pequea en la que podemos descomponer la muestra, la poblacin o el universo. Esta unidad puede ser una persona, un grupo, un centro, etc. La identificacin de este elemento est en funcin del problema de investigacin.

Etapas del muestreo Preparacin. En esta se define el universo y la poblacin a partir de la cual se va a extraer la muestra. Muestreo. En esta fase se determina la tcnica ms apropiada en funcin del problema, las hiptesis y el diseo. Aqu cabe diferenciar varios tipos de muestras resultado de las distintas depuraciones que se van haciendo a lo largo del proceso de la recogida de los datos. Nos referimos a:

Muestra invitada. Son los sujetos de la poblacin a quienes se les invita a participar. Muestra participante . Son los sujetos que aceptan formar parte del estudio. Muestra real. Es la muestra productora de los datos que servirn para el anlisis final. La diferencia entre la muestra invitada y la muestra real rara vez aparece especificado en los informes de investigacin.

Tcnicas de muestreo La eleccin de la muestra puede hacerse desde dos perspectiva: probabilsticas o al azar y no probabilsticas.

Las tcnicas probabilsticas tienen su base en el principio de equiprobabilidad, en el sentido de que todos los elementos de la poblacin tienen la misma oportunidad de ser elegidos para formar parte de la muestra de estudio. Las tcnicas ms comunes son:

Probabilsticas: Azar simple.

Cada miembro de la poblacin tiene la misma probabilidad de ser elegido para formar parte de la muestra. Este tipo de muestreo se suele hacer a travs del uso de tablas de nmeros aleatorios. Este tipo de tablas es fcil encontrarla en muchos libros de estadstica. Las dos variantes de este muestreo se les conoce como exhaustivo o sin reposicin puesto que una vez seleccionado un sujeto no vuelve a formar parte de la poblacin y por consiguiente no puede ser seleccionado de nuevo. No exhaustivo o con reposicin consiste en que un sujeto que ha sido seleccionado vuelve a ser colocado en la poblacin y por tanto volver a ser elegido.

Aleatorio sistemtico.
Un vez ordenados los sujetos de la poblacin, a partir de unos criterios previamente establecidos se procede a la eleccin de los sujetos. Por ejemplo, elegir un sujeto cada K elementos, siendo K una constante que resulta de dividir el nmero de sujetos de la poblacin por el nmero de sujetos que formarn parte de la muestra (K= N/n).

Aleatorio estratificado.
Es un proceso en el que ciertos subgrupos o estratos se seleccionan para forma parte de la muestra. Las variantes de esta tcnica son: simple, consistente en extraer la muestra de cada uno de los estratos en igual nmero. proporcional, consiste en elegir los sujetos manteniendo la proporcionalidad de las elecciones segn sea el tamao de los estratos.

Aleatorio por conglomerados.

En este muestreo la unidad muestral es el grupo (por ejemplo, un grupo de clase ya formado en un centro educativo). La seleccin se aplica a los grupos.

Multietapa.
La eleccin se hace en sucesivas etapas que van desde los niveles ms generales a los ms especficos. Por ejemplo, supongamos que en Espaa se quiere realizar un estudio sobre qu opinan los alumnos de psicopedagoga acerca de la formacin que reciben en esta titulacin. En primer lugar se seleccionaramos 6 universidades de todas las que estn impartiendo la titulacin; a continuacin seleccionaramos los cursos; seguidamente a los alumnos. Estos individuos seleccionados de las diversas universidades y cursos formaran la muestra de estudio. El proceso de seleccin por etapas sigue unos criterios establecidos por el investigador que acaba como podemos apreciar seleccionando los sujetos al azar.

No Probabilsticas: Deliberado.
Consiste en seleccionar la muestra de forma deliberada porque los sujetos poseen las caractersticas necesarias para la investigacin. Los resultados son difciles de generalizar

Accidental o causal.
Esta muestra se forma con sujetos que casualmente se encuentran en el lugar y en el momento decidido por el investigador.

Muestra de voluntarios.
En algunas investigaciones el autor se ve obligado a pedir voluntarios que quieran participar en su estudio dado que por razones ticas o morales no puede utilizar ninguno de los procedimientos explicado ms arriba. Esta muestra presentan ciertos sesgos y suelen presentar determinadas caractersticas como por ejemplo: son sujetos ms educados, tienen mejor estatus social, suelen ser ms inteligentes, son ms sociables, son menos convencionales, son menos conformistas, etc.

Muestreos mixtos.

Dadas las dificultades existentes a la hora de seleccionar una muestra, el investigador puede optar por hacer una combinacin de procedimientos y adaptarlos a las necesidades

de la investigacin. Esta posibilidad es legtima siempre que se justifique por el investigador.

Tamao de la muestra El tamao que debe tener la muestra que se selecciona depende bsicamente del tipo de estudio que se vaya a realizar. Si el trabajo es experimental, la muestra puede ser bastante ms pequea que si realizamos trabajos descriptivos, en los que la nica forma de controlar los muchos factores que pueden aparecer a lo largo del proceso, es aumentar el nmero de elementos en la muestra.
Sin recurrir a procedimientos matemticos, una muestra se considera pequea siempre que es menor de 30, aunque este dato debe aumentarse considerablemente en el caso de investigaciones de campo. En estos estudios, y siempre que el numero de elementos que forman la poblacin sea suficientemente grande como para considerarlo estadsticamente infinito, es recomendable que la muestra sea al menos el 10% de la poblacin total. En una poblacin de 1000 individuos, una muestra puede considerarse suficiente a partir de 100 sujetos, siempre que el tipo de estudio as lo requiera. Ahora bien, existe un procedimiento matemtico para determinar con precisin el tamao de la muestra, asumiendo el investigador un pequeo error en funcin del nivel de confianza.

Teora de la estimacin.
Objetivos: La inferencia estadstica se ocupa, entre otras cuestiones, de los procedimientos de estimacin de parmetros desconocidos de la distribucin de una variable aleatoria o de la poblacin, a partir de la informacin suministrada por una muestra de tamao reducido, extrada al azar. La estimacin de parmetros por intervalos, permite construir un intervalo que contendr el parmetro a estimar con un confianza fijada a priori por el experimentador.

El objetivo principal de la estadstica inferencial es la estimacin, esto es que mediante el estudio de una muestra de una poblacin se quiere generalizar las conclusiones al total de la misma. Como vimos en la seccin anterior, los estadsticos varan mucho dentro de sus distribuciones muestrales, y mientras menor sea el error estndar de un estadstico, ms cercanos sern unos de otros sus valores. Existen dos tipos de estimaciones para parmetros; puntuales y por intervalo. Una estimacin puntual es un nico valor estadstico y se usa para estimar un parmetro. El estadstico usado se denomina estimador. Una estimacin por intervalo es un rango, generalmente de ancho finito, que se espera que contenga el parmetro.

Propiedades de un Buen Estimador Insesgado.- Se dice que un estimador puntual es un estimador insesgado de

si , para todo valor posible de . En otras palabras, un estimador insesgado es aquel para el cual la media de la distribucin muestral es el parmetro estimado. Si se usa la media muestral para estimar la media poblacional insesgado. , se sabe que la , por lo tanto la media es un estimador

Eficiente o con varianza mnima.- Suponga que 1 y 2 son dos estimadores insesgados de . Entonces, aun cuando la distribucin de cada estimador est centrada en el valor verdadero de , las dispersiones de las distribuciones alrededor del valor verdadero pueden ser diferentes.

Entre todos los estimadores de

que son insesgados, seleccione al que tenga

varianza mnima. El resultante recibe el nombre de estimador insesgado con varianza mnima (MVUE, minimum variance unbiased estimator) de . En otras palabras, la eficiencia se refiere al tamao de error estndar de la estadstica. Si comparamos dos estadsticas de una muestra del mismo tamao y tratamos de decidir cual de ellas es un estimador mas eficiente, escogeramos la estadstica que tuviera el menor error estndar, o la menor desviacin estndar de la distribucin de muestreo. Tiene sentido pensar que un estimador con un error estndar menor tendr una mayor oportunidad de producir una estimacin mas cercana al parmetro de poblacin que se esta considerando.

Como se puede observar las dos distribuciones tienen un mismo valor en el parmetro slo que la distribucin muestral de medias tiene una menor varianza, por lo que la media se convierte en un estimador eficiente e insesgado. Coherencia.- Una estadstica es un estimador coherente de un parmetro de poblacin, si al aumentar el tamao de la muestra se tiene casi la certeza de que el valor de la estadstica se aproxima bastante al valor del parmetro de la poblacin. Si un estimador es coherente se vuelve mas confiable si tenemos tamaos de muestras mas grandes. Suficiencia.- Un estimador es suficiente si utiliza una cantidad de la informacin contenida de la muestra que ningn otro estimador podra extraer informacin adicional de la muestra sobre el parmetro de la poblacin que se esta estimando. Es decir se pretende que al extraer la muestra el estadstico calculado contenga toda la informacin de esa muestra. Por ejemplo, cuando se calcula la media de la muestra, se necesitan todos los datos. Cuando se calcula la mediana de una muestra slo se utiliza a un dato o a dos. Esto es solo el dato o los datos del centro son los que van a representar la muestra. Con esto se deduce que si

utilizamos a todos los datos de la muestra como es en el caso de la media, la varianza, desviacin estndar, etc; se tendr un estimador suficiente.