Anda di halaman 1dari 9

VENTAJAS DEL MUESTREO Hay dos formas de estudiar las poblaciones: por censo o por muestreo.

En el censo se analizan todos y cada una uno de los elementos de una poblacin y en el muestreo se analiza una parte de la poblacin. Las principales ventajas del muestreo comparadas con el censo son: Costo reducido. Si la informacin se obtiene nicamente para una parte de la poblacin, los gastos son menores que los se tendran si se realiza un censo. Mayor rapidez. La informacin puede ser recolectada y procesada ms rpidamente cuando se selecciona una muestra que cuando se realiza un censo. Mayor exactitud. Cuando los errores ajenos al muestreo son necesariamente grandes, una muestra puede dar mejores resultados que un censo, ya que esos errores se controlan con ms facilidad si la operacin es de pequea escala. Como el volumen de trabajo se reduce, se puede emplear personal calificado y realizar una supervisin cuidadosa del trabajo de campo y del procesamiento de la informacin, reduciendo as los errores de no muestreo. Posibilidad de hacerse. En la industria algunas pruebas son destructivas, por lo tanto, ciertas investigaciones slo pueden realizarse con una muestra de productos. Por ejemplo, un estudio sobre la duracin de los bombillos o la resistencia de cualquier n.

Algunos Criterios a muestreo

tener en cuenta para seleccionar un mtodo de

Sabiendo que una muestra es una parte de una poblacin, implicara tener un concepto equivocado el llamar muestra a cualquier subconjunto simplemente porque se trata de una parte de una poblacin. Para que una muestra sea aceptable es necesario que sea representativa de la poblacin, que tenga una confiabilidad susceptible de medicin y que responda a un plan prctico y eficaz. Para que la muestra represente apropiadamente a la poblacin, se debe atribuir a cada unidad una probabilidad conocida de ser elegida, la que debe ser siempre distinta de cero. La confiabilidad de las estimaciones debe ser susceptible de medir, es decir, que la muestra, adems de dar las estimaciones de las caractersticas de la poblacin debe proporcionar medidas de la precisin de tales estimaciones.

La viabilidad de la muestra se refiere a que el plan de muestreo debe ser prctico, es decir, que el plan debe ser lo suficientemente simple y directo como para poder llevarlo a cabo de la forma proyectada. La economa y eficiencia se refiere a que entre los distintos mtodos de muestreo que satisfacen los tres criterios anteriores, se debe elegir aqul, que en la medida de nuestro conocimiento, sea capaz de producir la mayor cantidad de informacin al menor costo.

MUESTREO ALEATORIO SIMPLE M.A.S

Para obtener una muestra, se numeran los elementos de la poblacin y se seleccionan al azar los n elementos que contiene la muestra. Si un tamao de muestra n es seleccionado de una poblacin de tamao N de tal manera que cada muestra posible tiene la misma probabilidad de ser seleccionada, el procedimiento de muestreo se denomina Muestreo Aleatorio Simple (M.A.S). A la muestra as obtenida se le llama muestra aleatoria simple (m.a.s.). El M.A.S puede ser de dos formas, sin reposicin (muestreo irrestricto aleatorio MIA) y muestreo con reposicin. Procedimiento de Seleccin El procedimiento de seleccin de una m.a.s. consiste en: Enumerar las unidades de la poblacin, desde 1 hasta N. Usando la tabla de nmeros aleatorios seleccionar la primera unidad para la muestra. Continuar la seleccin excluyendo las unidades repetidas (si es sin reposicin) o incluyendo las unidades repetidas (si es con reposicin), hasta completar el tamao de muestra n.

Recomendaciones para el uso de M.A.S Generalmente, el M.A.S est orientado a encuestas de pequea escala y raras veces a encuestas de gran escala, debido a que otros diseos proporcionan mayor precisin a menor costo. En las encuestas por muestreo de gran escala, el M.A.S es usado como parte de un diseo de muestreo mucho ms complejo.

Tericamente, el M.A.S sin reposicin es mucho mejor que el M.A.S con reposicin y es el de mayor uso en la seleccin de la muestra. Sin embargo, cuando el tamao de la poblacin es bastante grande ambos esquemas de muestreo son bastante equivalentes. El M.A.S es muy eficiente cuando la poblacin es homognea. Concretando, el muestreo aleatorio simple consiste en seleccionar n elementos con o sin reemplazamiento de entre los N elementos que componen la poblacin, de tal modo que todas las muestras de tamao n que se puedan formar tengan la misma probabilidad de ser elegidas. Si la muestra se selecciona sin reemplazamiento (es decir, cuando un elemento ha sido extrado queda descartado de cara a la siguiente extraccin) se habla de muestreo aleatorio sin reposicin, tambin llamado muestreo irrestrictamente aleatorio. Si la muestra se selecciona con reemplazamiento (es decir, el elemento elegido en cada extraccin vuelve a ser incluido en la poblacin antes de extraer el siguiente elemento) se habla de muestreo aleatorio con reposicin, tambin llamado generalmente muestreo aleatorio simple.

MUESTREO IRRESTRICTO ALEATORIO MIA

Si de una poblacin de tamao N se selecciona una muestra de tamao n, de tal manera que cada muestra posible de tamao n tenga la misma probabilidad de ser seleccionada, el tipo de muestreo utilizado se llama irrestricto aleatorio. En la prctica, una muestra aleatoria simple es seleccionada unidad por unidad. Las unidades de muestreo son numeradas de 1 a N, a continuacin se seleccionan n nmeros entre 1 y N, ya sea utilizando una tabla de nmeros aleatorios o colocando los N nmeros en una urna y las unidades de muestreo que lleven los nmeros seleccionados constituirn la muestra. La muestra se selecciona sin repeticin o sin sustitucin, es decir, que cada unidad de muestreo solo puede aparecer una sola vez en una muestra determinada. Este tipo de muestreo se utiliza cuando: la poblacin es ms o menos homognea con respecto a las caractersticas que se desean estudiar; cuando los elementos de la poblacin no se pueden enumerar fcilmente; cuando las estimaciones que se deben obtener se refieren a todo el conjunto y no a subgrupos de la poblacin.

Cuando se selecciona una muestra el objetivo es tener estimaciones para los parmetros a travs de la informacin suministrada por la muestra. En Muestreo Irrestricto Aleatorio MIA se vern algunos estimadores como el promedio aritmtico, el total y la proporcin con sus respectivas desviaciones estndar o errores etc. ESTIMACIN DE LA MUESTRA En el Muestreo Irrestricto Aleatoria (MIA) la media muestral es una estimacin insesgada del promedio poblacional

Promedio aritmtico

Sesgo: En el campo de la estadstica, el sesgo estadstico es un error que se detecta en los resultados de un estudio y que se debe a factores en la recoleccin, anlisis, interpretacin o revisin de los datos. El sesgo muestral, a veces tambin llamado efecto de seleccin es una distorsin que se introduce debido a la forma en que se selecciona la muestra. Se refiere a la distorsin de un anlisis estadstico, debido al mtodo de recoleccin de muestras. Si el sesgo muestral no es tomado en cuenta, entonces algunas conclusiones propuestas pueden ser errneas. Se denomina sesgo de un estimador a la diferencia entre la esperanza (o valor esperado) del estimador y el verdadero valor del parmetro a estimar. Es deseable que un estimador sea insesgado o centrado, es decir, que su sesgo sea nulo por ser su esperanza igual al parmetro que se desea estimar. EJEMPLO 1. Se desea estimar el promedio de hectreas destinadas al cultivo de caf; para ello se toma una muestra irrestricta aleatoria de 15 fincas de un total de 750 en el departamento de Santander, obtenindose los siguientes resultados en hectreas sembradas en caf: FINCA 1 2 3 4 5 Has.CAFE 12 15 25 30 22 FINCA 6 7 8 9 10 Has.CAFE 10 6 11 24 18 FINCA 11 12 13 14 15 Has.CAFE 15 12 10 19 22

Ejemplo el promedio se calcula con la frmula, reemplazando:

Las muestras tienden a dar estimaciones relativamente ms confiables, es decir se aproximan ms al valor verdadero, a medida que aumenta el tamao de la muestra. La concentracin cada vez mayor de las estimaciones muestrales alrededor del valor verdadero a medida que aumenta el tamao de la muestra, es lo que se conoce como la consistencia del estimador. Desviacin estndar El error en la estimacin del promedio o error de muestreo o desviacin estndar de la media en el MIA. La desviacin estndar es un ndice numrico de la dispersin de un conjunto de datos (o poblacin). Mientras mayor es la desviacin estndar, mayor es la dispersin de la poblacin. La desviacin estndar es un promedio de las desviaciones individuales de cada observacin con respecto a la media de una distribucin. As, la desviacin estndar mide el grado de dispersin o variabilidad. La desviacin estndar ( ) mide cunto se separan los datos.

s2 varianza corregida La varianza es una medida de dispersin utilizada en la estadstica que nos indica cuanto se diferencian las observaciones de una variable con respecto al promedio. Est medido al cuadrado. La varianza muestral es una varianza aplicada a una muestra

Ejemplo la varianza corregida se calcula con la frmula, reemplazando:

S2= ((12-16.733)2+(15-16.733)2+(n-16.733)2)/(15-1) S2= 46,352381

Ejemplo La desviacin estndar se calcula con la frmula, reemplazando:

Los anteriores resultados quieren decir que en el departamento de Santander el promedio de hectreas sembradas en caf por finca es de 16,73 con un margen de error de 1,74 hectreas. En general, el error estndar es utilizado principalmente para cuantificar la dispersin del estimador obtenido.

El intervalo de confianza para la media Intervalo de confianza es un rango de valores (calculado en una muestra) en el cual se encuentra el verdadero valor del parmetro, con una probabilidad determinada. La probabilidad de que el verdadero valor del parmetro se encuentre en el intervalo construido se denomina nivel de confianza, y se denota 1- . La probabilidad de equivocarnos se llama nivel de significancia y se simboliza . Generalmente se construyen intervalos con confianza 1- =95% (o significancia =5%). Menos frecuentes son los intervalos con =10% o =1%

Z = valor crtico de la distribucin normal estandarizada Se llama valor crtico al valor de Z necesario para construir un intervalo de confianza para la distribucin. Ejemplo: El 95% de confianza corresponde a un valor (de 0,05. El valor crtico Z correspondiente al rea acumulativa de 0,975 es 1,96 porque hay 0,025 en la cola superior de la distribucin y el rea acumulativa menor a Z = 0,95+,025 entonces Z = 0,975 donde Z = 1,96 en muestras grandes.

Un nivel de confianza del 95% lleva a un valor Z de 1,96. Ejemplo el intervalo de confianza para la media se calcula con la frmula, reemplazando:

Como hallamos Z para muestras pequeas, buscamos en la tabla de valores crticos de t, de la ubicacin de (1-confibilidad)/2 entonces (10,95)/2=0.05/2=0.025, en la columna 0,025, en la posicin n-1 entonces 151=14, para encontrar un valor de 2,145 Es decir teniendo en cuenta que la muestra es pequea, el valor de Z se halla en una tabla de la distribucin t con 14 grados de libertad, que para una confiabilidad del 95 por ciento es de 2,145. Remplazando en la formula

Esto quiere decir que con una confiabilidad del 95 por ciento, el promedio de hectreas cultivadas en caf por finca en el departamento de Santander, est entre 13 y 20,47. ESTIMACIN DEL TOTAL

En algunas ocasiones se desea estimar el valor total de una variable, como por ejemplo el total de hectreas cultivadas de caf en una regin, el peso total de un grupo de estudiantes, etc. El total estimado de la poblacin es:

El error en la estimacin del total es:

El intervalo de confianza para el total se define como:

Si la muestra es grande (n 30), Z pertenece a una distribucin normal y si la muestra es pequea (n < 30), Z pertenece a una distribucin t con n-1 grado de libertad. EJEMPLO 2. Con la informacin correspondiente al ejemplo 1, estime el total de hectreas cultivadas en caf en el departamento de Santander, y obtenga su correspondiente intervalo de confianza. Solucin Para calcular el total y desviacin estndar se remplaza en las formulas:

El total de hectreas cultivadas en caf en el departamento de Santander, es de 12.550 con un margen de error de 1.305 Has.

Para obtener el intervalo de confianza se utiliza la formula

Con una confiabilidad del 95 por ciento, se puede afirmar que el total de hectreas cultivadas en caf, en el departamento de Santander, est entre 9.751 y 15.349.