República Bolivariana de Venezuela

Ministerio del Poder Popular para la Educación

Universidad Experimental de Los Llanos Occidentales Ezequiel Zamora

Barinas Estado Barinas

Profesor: José Flores

Alumna:

Alvarez Karla

C.I: 25.093.207

Contaduría Sección: M-02

Barinas, diciembre 2015.

 Conceptos claves

Población: Conjunto de seres vivos de la misma especie que habitan en un lugar

determinado.

Objeto: Cosa material inanimada, generalmente de tamaño pequeño o mediano, que

puede ser percibida por los sentidos. Persona o cosa a la que va dirigida una acción o
pensamiento.

Unidades de muestreo: La unidad de muestreo corresponde a la entidad básica

mediante la cual se accederá a la unidad de análisis. En algunos casos, ambas se
corresponden. Por ejemplo, si se desea estimar la prevalencia de daño auditivo en
relación con niveles de ruido ambiental en una muestra de trabajadores de una fábrica,
la unidad de muestreo puede corresponder a la entidad "sujeto", si se dispone de un
registro detallado de cada sujeto.

Unidades de análisis: La unidad de análisis corresponde a la entidad mayor o

representativa de lo que va a ser objeto específico de estudio en una medición y se
refiere al qué o quién es objeto de interés en una investigación.

Marco muestral: Es la parte de la población desde donde se selecciona la muestra.

Idealmente el marco muestral coincide con la población.

Muestra: Parte o cantidad pequeña de una cosa que se considera representativa del
total y que se toma o se separa de ella con ciertos métodos para someterla a estudio,
análisis o experimentación.

Parametro: Elemento o dato importante desde el que se examina un tema, cuestión o

asunto.

Estimador: es un estadístico (esto es, una función de la muestra) usado para estimar
un parámetro desconocido de la población. Por ejemplo, si se desea conocer el precio
medio de un artículo (el parámetro desconocido) se recogerán observaciones del
precio de dicho artículo en diversos establecimientos (la muestra) y la media
aritmética de las observaciones puede utilizarse como estimador del precio medio.

Varianza del estimador:

Error de estimación: Es una medida de su precisión que se corresponde con la

amplitud del intervalo de confianza. Cuanta más precisión se desee en la estimación
de un parámetro, más estrecho deberá ser el intervalo de confianza y, si se quiere
mantener o disminuir el error, más observaciones deberán incluirse en la muestra
estudiada. En caso de no incluir nuevas observaciones para la muestra, más error se
comete al aumentar la precisión. Se suele llamar E, según la fórmula E = (θ2 - θ1)/2.

Nivel de confianza: se indica por 1-α y habitualmente se da en porcentaje (1-α)%.

Hablamos de nivel de confianza y no de probabilidad (la probabilidad implica eventos
aleatorios) ya que una vez extraída la muestra, el intervalo de confianza estará definido al
igual que la media poblacional (μ)y solo se confía si contendrá al verdadero valor del
parámetro o no, lo que si conlleva una probabilidad es que si repetimos el proceso con
muchas medias muestrales podríamos afirmar que el (1-α)% de los intervalos así
construidos contendría al verdadero valor del parámetro.Los valores que se suelen utilizar
para el nivel de confianza son el 95%, 99% y 99,9%
Tamaño de la muestra: es el número de sujetos que componen la muestra extraída de
una población, necesarios para que los datos obtenidos sean representativos de la
población.

Muestreo

Concepto: En estadística se conoce como muestreo a la técnica para la selección de

una muestra a partir de una población.

Utilidad: El muestreo es importante porque:

1) Por lo general no se pueden estudiar a las poblaciones en su totalidad, entonces
estaremos obligados a hacer el muestreo.
2) Es más rápido y económico para conocer los parámetros (características) de interés
de la población.
3) Existe metodología clara y confiable para el muestreo (y tamaño de muestra).
Diseño muestral:

Ventajas: Las principales ventajas del muestreo son:

a. Costo reducido . Si la información se obtienen únicamente para una parte de la

población, los

gastos son menores que los se tendrían si se realiza un censo.

b. Mayor rapidez . La información puede ser recolectada y procesada más

rápidamente cuando se selecciona una muestra que cuando se realiza un censo.

c. 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 más facilidad si la operación es de pequeña escala. Como el
volumen de trabajo se reduce, se puede emplear personal calificado y realizar una
supervisión cuidadosa del trabajo de campo y del procesamiento de la información,
reduciendo así los errores de no muestreo.

d. Posibilidad de hacerse . En la industria algunas pruebas son destructivas, por lo

tanto, ciertas investigaciones sólo pueden realizarse con una muestra de productos.
Por ejemplo, un estudio sobre la duración de los bombillos o la resistencia de cualquier
material.

Muestreo Probabilístico

Concepto: es una técnica de muestreo en virtud de la cual las muestras son recogidas
en un proceso que brinda a todos los individuos de la población las mismas
oportunidades de ser seleccionados.

Técnicas:

 Muestreo aleatorio simple (M.A.S: es la técnica de muestreo en la que todos

los elementos que forman el universo y que, por lo tanto, están descritos en el
marco muestral, tienen idéntica probabilidad de ser seleccionados para la
muestra.
 Ejemplo: Se realiza un sorteo justo entre los individuos del universo:
asignamos a cada persona un boleto con un número correlativo, introducimos
los números en una urna y empezamos a extraer al azar boletos. Todos los
individuos que tengan un número extraído de la urna formarían la muestra.

 Muestreo aleatorio estratificado o proporcional: es una técnica de muestreo

probabilístico en donde el investigador divide a toda la población en diferentes
subgrupos o estratos.

Ejemplo: por grupos edades, por sexo. Hecho esto la muestra se escoge
aleatoriamente en número proporcional al de los componentes de cada clase o
estrato.

 Muestreo aleatorio sistemático: es una técnica de muestreo aleatorio que los

investigadores eligen con frecuencia por su sencillez y calidad regular.

Ejemplo: se ordenan previamente los individuos de la población, después se

elige uno de ellos al azar, a continuación, a intervalos constantes, se eligen
todos los demás hasta completar la muestra.

 Muestreo aleatorio por conglomerados: En el muestreo por conglomerados,

en lugar de seleccionar a todos los sujetos de la población inmediatamente, el
investigador realiza varios pasos para reunir su muestra de la población.

Ejemplo: un investigador desea estudiar el rendimiento académico de los estudiantes

secundarios en Venezuela.

1. Puede dividir a toda la población (población de Venezuela) en diferentes

conglomerados (ciudades).

2. Luego, el investigador selecciona una serie de conglomerados en función de su

investigación, a través de un muestreo aleatorio simple o sistemático.

3. Luego, de los conglomerados seleccionados (ciudades seleccionadas al azar) el

investigador puede incluir a todos los estudiantes secundarios como sujetos o
seleccionar un número de sujetos de cada conglomerado a través de un muestreo
aleatorio simple o sistemático.

Lo más importante sobre esta técnica de muestreo es dar a todos los conglomerados
iguales posibilidades de ser seleccionados.

 Muestreo aleatorio mixto o por etapas: este tipo de muestreo combina dos o
mas de los tipos de muestreos anteriores.

Ejemplo: Se pretende determinar la prevalencia de una determinada infección en una

comarca: se dividen las explotaciones en tres grupos en función de su tamaño y se
realiza un muestreo estratificado, en las granjas que forman la muestra se realiza un
muestreo sistemático para elegir los individuos que se analizarán.
 Muestreo No Probabilístico

Concepto: es una técnica de muestreo donde las muestras se recogen en un proceso

que no brinda a todos los individuos de la población iguales oportunidades de ser
seleccionados.

Técnicas:

 Muestreo casual o incidental: es un método donde los individuos se eligen de

manera casual, sin ningún juicio previo. Las personas que realizan el estudio
eligen un lugar o un medio, y desde ahí realizan el estudio a los individuos de
la población que accidentalmente se encuentren a su disposición.

Ejemplo: Se realiza una encuesta de opinión sobre un producto de higiene

personal que se ha lanzado al mercado recientemente. La empresa contrata a
una serie de entrevistadores que realizan las encuestas en la calle. Éstos van
entrevistando a los que se van encontrando accidentalmente por la calle.

Utilizaremos el muestreo casual o accidental únicamente para hacernos una

idea de cual es la opinión de la gente respecto a algún producto o tema de
actualidad.

 Muestreo por conveniencia: El muestreo de o por conveniencia es una

técnica donde los sujetos son seleccionados dada la conveniente accesibilidad
y proximidad de los sujetos para el investigador.

Ejemplo: supongamos que queremos conocer la opinión de los estudiantes

universitarios venezolanos acerca de la política. Una muestra probabilística
requeriría acceder a un censo del total de estudiantes de todas las
universidades venezolanas con el fin de seleccionar al azar un grupo de
individuos y encuestarlos. Una muestra por conveniencia podría consistir en
dirigirme a 3 universidades cercanas, simplemente porque están en la
población en la que reside el encuestador, y encuestar a unos cuantos
individuos que acepten participar.

 Muestreo por cuotas: El muestreo por cuotas es una técnica en donde la

muestra reunida tiene la misma proporción de individuos que toda la población
con respecto al fenómeno enfocado, las características o los rasgos conocidos.

Ejemplo: En un estudio en donde el investigador quiere comparar el

rendimiento académico de los diferentes niveles de clases del secundario, su
relación con el género y la situación socioeconómica, el investigador identifica
primero los subgrupos.

Por lo general, los subgrupos son las características o variables del estudio. El
investigador divide a toda la población en niveles de clase, cruzados con el
género y el nivel socioeconómico. Luego, toma nota de las proporciones de
estos subgrupos en toda la población y a continuación hace un muestreo de
cada subgrupo.

 Muestreo discrecional: El muestreo discrecional es una técnica donde el

investigador selecciona las unidades que serán muestra en base a su
conocimiento y juicio profesional.
 Ejemplo: A un jefe de estudios le encomiendan un estudio del nivel de
satisfacción de los alumnos con un determinado profesor. El investigador, que
conoce a todos los alumnos de esa clase, decide utilizar el muestreo
discrecional seleccionando a los alumnos que cree que serán los más
representativos.

 Muestreo bola de nieve: El muestreo de bola de nieve es una técnica utilizada

por los investigadores para identificar a los sujetos potenciales en estudios en
donde los sujetos son difíciles de encontrar.

 Ejemplo: Un médico ha tratado a un paciente con una enfermedad rara y

decide hacer un estudio sobre ella. Para ello, recurre al paciente, que le va
derivando a sus conocidos con dicha enfermedad y a través delmuestreo de
bola de nieve entrevista al número de individuos que precisa.

Error de muestreo aleatoreo; Los errores de muestreo aleatorio son una clase de
error experimental que todos deberían conocer. Cualquiera que lea encuestas en
Internet o en los periódicos debe saber que los errores de muestreo pueden influir
enormemente en los datos y llevar a la gente a sacarconclusiones incorrectas.

Error de muestreo: El error de muestreo es la desviación de la muestra seleccionada

de las verdaderas características, rasgos, comportamientos, cualidades o figuras de
toda la población.

Diseño experimental: es una técnica estadística que permite identificar y cuantificar

las causas de un efecto dentro de un estudio experimental. En un diseño experimental
se manipulan deliberadamente una o más variables, vinculadas a las causas, para
medir el efecto que tienen en otra variable de interés.

Distribuciones de muestreo: describe la probabilidad de obtener cada valor posible

de un estadístico de una muestra aleatoria de una población, en otras palabras, qué
proporción de todas las muestras aleatorias de ese tamaño ofrecerá ese valor.

Aleatoriedad: Una secuencia numérica se dice que es aleatoriedad

estadística cuando no contiene patrones reconocibles o regularidades; secuencias
como el resultado de una tirada de dados.

Tamaño de la muestra: En estadística el tamaño de la muestra es el número de

sujetos que componen la muestra extraída de una población, necesarios para que los
datos obtenidos sean representativos de la población.

Afijación de la muestra

Se da el nombre de afijación a la asignación del tamaño muestral entre los distintos

estratos. Pueden establecerse diversas formas de repartir la muestra

 Afijacion Igual: Se toman todos los iguales, es decir, se asigna el mismo

número de unidades a cada estrato, esta afijación favorece a los estratos más
pequeños y perjudica a los grandes:
 Afijación Proporcional: en este caso es proporcional al tamaño del
estrato.

Todas las unidades tienen la misma probabilidad de ser seleccionadas

 Afijación óptima: En este caso se elige de forma que minimicen la

varianza para un coste fijo . En este coste viene dado

por , donde es el coste por unidad en el estrato

y es el coste inicial. La afijación queda:

Estimación de parámetros

Definición: Es el procedim iento utilizado para conocer las

caracter ísticas de un parámetro poblacional, a partir del
conocimiento de la muestra.

Estimador: En estadística, un estimador es un estadístico (esto es, una

función de la muestra) usado para estimar un parámetro desconocido de
la población. Un estimador es una regla que establece cómo calcular una
estimación basada en las mediciones contenidas en una muestra estadística.

Propiedades:

 Insesgabilidad: , estimador de es una variable aleatoria y por lo tanto

tiene una distribución de probabilidad con una cierta media y variancia. Se
puede definir estimador insesgado diciendo: Si se utiliza un estadístico
muestral para estimar el parámetro de la población , se dice que es un
estimador insesgado de , si la esperanza matemática de coincide con el
parámetro que desea estimar.

 Eficiencia: si se utilizan dos estadísticos como estimadores del mismo

parámetro, entonces aquel cuya distribución muestral tenga menor variancia,
es un estimador más eficiente o más eficaz que el otro. Es decir: es
eficiente mínima. Luego, si tenemos dos estimadores y de un
mismo parámetro , procedemos como sigue para hallar el más eficiente entre
ellos.
  Consistencia: Si es un estimador muestral calculado a partir de una
muestra de tamaño n y si es el parámetro de población que se va a
estimar, entonces es un estimador consistente de si la probabilidad de
que el valor absoluto de la diferencia entre y su esperanza iguale o
supere a e (error admitido que tiende a cero, o sea que es tan pequeño como
se quiera), tienda a cero cuando el número de elementos de la muestra tienda
a infinito.

Tipos de estimación:

 Estimadores puntuales: Consiste en la estimación del valor del parámetro

mediante un sólo valor, obtenido de una fórmula determinada.

 Estimadores por intervalos: Consiste en la obtención de un intervalo dentro

del cual estará el valor del parámetro estimado con una cierta probabilidad.

Estimación de la media de una población:

 Intervalo de confianza: El intervalo de confianza es una expresión del tipo [θ1,

θ2] ó θ1 ≤ θ ≤ θ2, donde θ es el parámetro a estimar. Este intervalo contiene al
parámetro estimado con un determinado nivel de confianza. Pero a veces
puede cambiar este intervalo cuando la muestra no garantiza un axioma o un
equivalente circunstancial.

Estimación de la proporción de una población: Un estimador puntual de la

proporción P en un experimento binomial está dado por la estadística P=X/N, donde x
representa el número de éxitos en n pruebas. Por tanto, la proporción de la muestra p
=x/n se utiuñlizará como estimador puntual del parámetro P.