4- MUESTREO 4.

1- DEFINICION DE MUESTREO
MUESTREO En estadstica se conoce como muestreo a la tcnica para la seleccin de una muestra a partir de una poblacin. Al elegir una muestra se espera conseguir que sus propiedades sean extrapolables a la poblacin. Este proceso permite ahorrar recursos, y a la vez obtener resultados parecidos a los que se alcanzaran si se realizase un estudio de toda la poblacin. Cabe mencionar que para que el muestreo sea vlido y se pueda realizar un estudio adecuado (que consienta no solo hacer estimaciones de la poblacin sino estimar tambin los mrgenes de error correspondientes a dichas estimaciones), debe cumplir ciertos requisitos. Nunca podremos estar enteramente seguros de que el resultado sea una muestra representativa, pero s podemos actuar de manera que esta condicin se alcance con una probabilidad alta. En el muestreo, si el tamao de la muestra es ms pequeo que el tamao de la poblacin, se puede extraer dos o ms muestras de la misma poblacin. Al conjunto de muestras que se pueden obtener de la poblacin se denomina espacio muestral. La variable que asocia a cada muestra su probabilidad de extraccin, sigue la llamada distribucin muestral.

4.1.1- TIPOS DE MUESTREO ALEATORIO, SISTEMATIZADO, ESTRATIFICADO Y CONGLOMERADO

TIPOS DE MUESTREO No aleatorios - Se eligen los elementos, en funcin de que sean representativos, segn la opinin del investigador. Aleatorios - Todos los miembros de la muestra han sido elegidos al azar, de forma que cada miembro de la poblacin tuvo igual oportunidad de salir en la muestra. Simple: elegido el tamao n de la muestra, los elementos que la compongan se han de elegir aleatoriamente entre los N de la poblacin. Con calculadora: se utilizan los nmeros aleatorios. Sistemtico: se ordenan previamente los individuos de la poblacin; despus se elige uno de ellos al azar, a continuacin, a intervalos constantes, se eligen todos los dems hasta completar la muestra. Estratificado: se divide la poblacin total en clases homogneas, llamadas estratos; por ejemplo, por grupos de edades, por sexo. Hecho esto la muestra se escoge aleatoriamente en nmero proporcional al de los componentes de cada clase o estrato. Conglomerados: Los mtodos presentados hasta ahora estn pensados para seleccionar directamente los elementos de la poblacin, es decir, que las unidades mustrales 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 reas 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.

4.2- CONCEPTO DE DISTRIBUCION DE MUESTREO DE LA MEDIA

Si tenemos una muestra aleatoria de una poblacin N(m,s ), se sabe (Teorema del lmite central) que la fdp de la media muestral es tambin normal con media m y varianza s2/n. Esto es exacto para poblaciones normales y aproximado (buena aproximacin con n>30) para poblaciones cualesquiera. Es decir es el error tpico, o error estndar de la media. Cmo usamos esto en nuestro problema de estimacin? 1 problema: No hay tablas para cualquier normal, slo para la normal m=0 y s=1 (la llamada z); pero haciendo la transformacin (llamada tipificacin)

una normal de media m y desviacin s se transforma en una z. Llamando za al valor de una variable normal tipificada que deja a su derecha un rea bajo la curva de a, es decir, que la probabilidad que la variable sea mayor que ese valor es a (estos son los valores que ofrece la tabla de la normal)

podremos construir intervalos de la forma

para los que la probabilidad es 1 - a.

Teniendo en cuenta la simetra de la normal y manipulando algebracamente

que tambin se puede escribir

o, haciendo nfasis en que

es el error estndar de la media,

Recurdese que la probabilidad de que m est en este intervalo es 1 - a. A un intervalo de este tipo se le denomina intervalo de confianza con un nivel de confianza del 100(1 - a)%, o nivel de significacin de 100a%. El nivel de confianza habitual es el 95%, en cuyo caso a=0,05 y za /2=1,96. Al valor denomina estimacin puntual y se dice que es un estimador de m. se le

Ejemplo: Si de una poblacin normal con varianza 4 se extrae una muestra aleatoria de tamao 20 en la que se calcula se puede decir que m tiene una probabilidad de 0,95 de estar comprendida en el intervalo

que sera el intervalo de confianza al 95% para m En general esto es poco til, en los casos en que no se conoce m tampoco suele conocerse s2; en el caso ms realista de s2 desconocida los intervalos de confianza se construyen con la t (otra fdp continua para la que hay tablas) en lugar de la z.

o, haciendo nfasis en que

es el error estndar estimado de la media,

Esta manera de construir los intervalos de confianza slo es vlida si la variable es normal. Cuando n es grande (>30) se puede sustituir t por z sin mucho error.

4.2.1 DISTRIBUCIN MUESTRAL DE LA MEDIA CON VARIANZA CONOCIDA Y CON VARIANZA DESCONOCIDA

Suponga que la tabla siguiente muestra la antigedad en aos en el trabajo de tres maestros universitarios de matemticas:

Maestro de matemticas A B C

Antigedad 6 4 2

Suponga adems que se seleccionan muestras aleatorias de tamao 2 sin reemplazo. Calcule la antigedad media para cada muestra, la media de la distribucin muestral y el error estndar, o la desviacin estndar de la distribucin muestral. Solucin: Se pueden tener 3C2 =3 muestras posibles. La tabla lista todas las muestras posibles de tamao 2, con sus respectivas medias mustrales. Muestras A,B A,C B,C Antigedad (6,4) (6,2) (4,2) Media Muestral 5 4 3

La media poblacional es: La media de la distribucin muestral es: La desviacin estndar de la poblacin es: El error estndar o la desviacin estndar de la distribucin muestral es: Si utilizamos la frmula del error estndar sin el factor de correccin tendramos que: Por lo que observamos que este valor no es el verdadero. Agregando el factor de correccin obtendremos el valor correcto: El diagrama de flujo resume las decisiones que deben tomarse cuando se calcula el valor del error estndar. Distribucin Muestral de Medias con Varianza desconocida.

Si recordamos a la distribucin normal, esta es una distribucin continua, en forma de campana en donde la media, la mediana y la moda tienen un mismo valor y es simtrica. Con esta distribucin podamos calcular la probabilidad de algn evento relacionado con la variable aleatoria, mediante la siguiente frmula: En donde z es una variable estandarizada con media igual a cero y varianza igual a uno. Con esta frmula se pueden a hacer los clculos de probabilidad para cualquier ejercicio, utilizando la tabla de la distribucin z. Sabemos que cuando se extraen muestras de tamao mayor a 30 o bien de cualquier tamao de una poblacin normal, la distribucin muestral de medias tiene un comportamiento aproximadamente normal, por lo que se puede utilizar la formula de la distribucin normal con y , entonces la frmula para calcular la probabilidad del comportamiento del estadstico, en este caso la media de la muestra , quedara de la siguiente manera: y para poblaciones finitas y muestro con reemplazo.

4.2.2 DISTRIBUCION MUESTRAL DE LA DIFERENCIA ENTRE DOS MEDIAS CON VARIANZA CONOCIDA Y DESCONOCIDA
Suponga que se tienen dos poblaciones distintas, la primera con media <m>mu_1</m> y desviacin estndar <m>delta_2</m> y la segunda <m>mu_2</m> y desviacin estndar<m>delta_2</m>. Ms an, se elige una muestra aleatoria de tamao <m>n_1</m> de la primera poblacin y una muestra independiente aleatoria de tamao <m>n_2</m> de la segunda poblacin; se calcula la media muestral para cada muestra y la diferencia entre dichas medias. La coleccin de todas esas diferencias se llama distribucin muestral de las diferencias entre medias o la distribucin muestral del estadstico. La distribucin es aproximadamente normal para <m>n>=130</m> y <m>n<=230</m>. Si las poblaciones son normales, entonces la distribucin muestral de medias es normal sin importar los tamaos de las muestras. La frmula que se utilizar para el calculo de probabilidad del estadstico de diferencia de medias es <m>z={( overline x (delta_2)^2/n_2}</m> overline x )-(mu_1-mu_2)}/sqrt{(delta_1)^2/n_1+

4.2.3 DISTRIBUCIN MUESTRAL DE PROPORCIONES

Existen ocasiones en las cuales no estamos interesados en la media de la muestra, sino que queremos investigar la proporcin de artculos defectuosos o la proporcin de alumnos reprobados en la muestra. La distribucin muestral de proporciones es la adecuada para dar respuesta a estas situaciones. Esta distribucin se genera de igual manera que la distribucin muestral de medias, a excepcin de que al extraer las muestras de la poblacin se calcula el estadstico proporcin (p=x/n en donde x es el nmero de xitos u observaciones de inters y n el tamao de la muestra) en lugar del estadstico media. Una poblacin binomial est estrechamente relacionada con la distribucin muestral de proporciones; una poblacin binomial es una coleccin de xitos y fracasos, mientras que una distribucin muestral de proporciones contiene las posibilidades o proporciones de todos los nmeros posibles de xitos en un experimento binomial, y como consecuencia de esta relacin, las afirmaciones probabilsticas referentes a la proporcin muestral pueden evaluarse usando la aproximacin normal a la binomial, siempre que np5 y n(1-p) 5. Cualquier evento se puede convertir en una proporcin si se divide el nmero obtenido entre el nmero de intentos. Sea una poblacin formada por n elementos, de los cuales algunos poseen una determinada caracterstica y otros no (llamaremos p a la proporcin de los elementos que poseen la caracterstica, y q = 1 - p a la de los restantes elementos). Entonces, es posible extraer muestras de la poblacin de manera que a cada una se asocie como valor la proporcin de la caracterstica analizada.

4.2.4 DISTRIBUCION MUESTRAL DE LA DIFERENCIA DE DOS PROPORCIONES

Muchas aplicaciones involucran poblaciones de datos cualitativos que deben compararse utilizando proporciones o porcentajes. A continuacin se citan algunos ejemplos: * Educacin.- Es mayor la proporcin de los estudiantes que aprueban matemticas que las de los que aprueban ingls? * Medicina.- Es menor el porcentaje de los usuarios del medicamento A que presentan una reaccin adversa que el de los usuarios del frmaco B que tambin presentan una reaccin de ese tipo?

* Administracin.- Hay diferencia entre los porcentajes de hombres y mujeres en posiciones gerenciales. * Ingeniera.- Existe diferencia entre la proporcin de artculos defectuosos que genera la mquina A a los que genera la mquina B? Cuando el muestreo procede de dos poblaciones binomiales y se trabaja con dos proporciones muestrales, la distribucin muestral de diferencia de proporciones es aproximadamente normal para tamaos de muestra grande <m>(n1p>=15, n1q>=15,n2p>=25 y n2q<= 25)</m>. Entonces p1 y p2 tienen distribuciones muestrales aproximadamente normales, as que su diferencia p1-p2 tambin tiene una distribucin muestral aproximadamente normal. La frmula que se utilizar para el calculo de probabilidad del estadstico de diferencia de proporciones es: <m>z=(p_1-p_2)-(P_1-P_2)/sqrt{{P_1q_1} / n_1 + {P_2q_2}/n_2}</m>

4.3- TEOREMA DEL LMITE CENTRAL

TEOREMA DEL LMITE CENTRAL

El teorema del lmite central o teorema central del lmite indica que, en condiciones muy generales, si Sn es la suma de n variables aleatorias independientes, entonces la funcin de distribucin de Sn se aproxima bien a una distribucin normal (tambin llamada distribucin gaussiana, curva de Gauss o campana de Gauss). As pues, el teorema asegura que esto ocurre cuando la suma de estas variables aleatorias e independientes es lo suficientemente grande.[1] [2]

Sea

la funcin de densidad de la distribucin normal definida como[1]

con una media y una varianza 2. El caso en el que su funcin de densidad es , a la distribucin se le conoce como normal estndar.

Se define Sn como la suma de n variables aleatorias, independientes, idnticamente distribuidas, y con una media y varianza 2 finitas (20):

de manera que, la media de Sn es n y la varianza n2, dado que son variables aleatorias independientes. Con tal de hacer ms fcil la comprensin del teorema y su posterior uso, se hace una estandarizacin de Sn como

para que la media de la nueva variable sea igual a 0 y la desviacin estndar sea igual a 1. As, las variables Zn convergern en distribucin a la distribucin normal estndar N(0,1), cuando n tienda a infinito. Como consecuencia, si (z) es la funcin de distribucin de N(0,1), para cada nmero real z:

donde Pr( ) indica probabilidad y lim se refiere a lmite matemtico.

De manera formal, normalizada y compacta el enunciado del teorema es: Teorema del lmite central: Sea X1, X2, ..., Xn un conjunto de variables aleatorias, independientes e idnticamente distribuidas con media y varianza 2 distinta de cero. Sea

Entonces

. Es muy comn encontrarlo con la variable estandarizada Zn en funcin de la media muestral ,

puesto que son equivalentes, as como encontrarlo en versiones no normalizadas como puede ser:4 Teorema (del lmite central): Sea X1, X2, ..., Xn un conjunto de variables aleatoria, independientes e idnticamente distribuidas de una distribucin con media y varianza 20. Entonces, si n es suficientemente grande, la variable aleatoria

tiene aproximadamente una distribucin normal con

4.4- ESTIMACIONES Y CARACTERISTICAS

ESTIMACION PUNTUAL Consiste en la estimacin del valor del parmetro mediante un slo valor, obtenido de una frmula determinada. Por ejemplo, si se pretende estimar la talla media de un determinado grupo de individuos, puede extraerse una muestra y ofrecer como estimacin puntual la talla media de los individuos de la muestra. Estimacin por intervalos Consiste en la obtencin de un intervalo dentro del cual estar el valor del parmetro estimado con una cierta probabilidad. En la estimacin por intervalos se usan los siguientes conceptos: Intervalo de confianza El intervalo de confianza es una expresin del tipo [1, 2] 1 2, donde es el parmetro a estimar. Este intervalo contiene al parmetro estimado con una determinada certeza o nivel de confianza. Variabilidad del parmetro Si no se conoce, puede obtenerse una aproximacin en los datos aportados por la literatura cientfica o en un estudio piloto. Tambin hay mtodos para calcular el tamao de la muestra que prescinden de este aspecto. Habitualmente se usa como medida de esta variabilidad la desviacin tpica poblacional y se denota . Error de la estimacin Es una medida de su precisin que se corresponde con la amplitud del intervalo de confianza. Cuanta ms precisin se desee en la estimacin de un parmetro, ms estrecho deber ser el intervalo de confianza y, por tanto, menor el error, y ms sujetos debern incluirse en la muestra estudiada. Llamaremos a esta precisin E, segn la frmula E = 2 - 1.

Nivel de confianza Es la probabilidad de que el verdadero valor del parmetro estimado en la poblacin se site en el intervalo de confianza obtenido. El nivel de confianza se denota por (1-), aunque habitualmente suele expresarse con un porcentaje ((1-)100%). Es habitual tomar como nivel de confianza un 95% o un 99%, que se corresponden con valores de 0,05 y 0,01, respectivamente. Valor Tambin llamado nivel de significacin. Es la probabilidad (en tanto por uno) de fallar en nuestra estimacin, esto es, la diferencia entre la certeza (1) y el nivel de confianza (1-). Por ejemplo, en una estimacin con un nivel de confianza del 95%, el valor es (10095)/100 = 0,05. Valor crtico Se representa por Z/2. Es el valor de la abscisa en una determinada distribucin que deja a su derecha un rea igual a /2, siendo 1- el nivel de confianza. Normalmente los valores crticos estn tabulados o pueden calcularse en funcin de la distribucin de la poblacin. Por ejemplo, para una distribucin normal, de media 0 y desviacin tpica 1, el valor crtico para = 0,05 se calculara del siguiente modo: se busca en la tabla de la distribucin ese valor (o el ms aproximado), bajo la columna rea; se observa que se corresponde con 0,64. Entonces Z/2 = 0,64. Si la media o desviacin tpica de la distribucin normal no coinciden con las de la tabla, se puede realizar el cambio de variable t=(X-)/ para su clculo. Con estas definiciones, si tras la extraccin de una muestra se dice que 3 es una estimacin de la media con un margen de error de 0,6 y un nivel de confianza del 99%, podemos interpretar que el verdadero valor de la media se encuentra entre 2,7 y 3,3, con una probabilidad del 99%. Los valores 2,7 y 3,3 se obtienen restando y sumando, respectivamente, la mitad del error, para obtener el intervalo de confianza segn las definiciones dadas. Para un tamao fijo de la muestra, los conceptos de error y nivel de confianza van relacionados. Si admitimos un error mayor, esto es, aumentamos el tamao del intervalo de confianza, tenemos tambin una mayor probabilidad de xito en nuestra estimacin, es decir, un mayor nivel de confianza.

4.5- DETERMINACION DEL TAMAO DE UNA MUESTRA DE UNA POBLACION

Determinacin del tamao de la muestra de una poblacin. El tamao de la muestra juega un papel importante para determinar la probabilidad de error as como en la precisin de la estimacin. Una vez que se ha seleccionado el nivel de confianza, dos factores importantes influyen en el tamao muestral: 1. La varianza de la poblacin 2. El tamao del error tolerable que el investigador est dispuesto a aceptar. Mientras que el primer factor est ms all del control del investigador (no hay nada que se pueda hacer sobre la varianza de la poblacin), s es posible limitar el tamao del error. El tamao del error que un investigador puede tolerar depende de qu tan crtico es el trabajo. Algunas tareas extremadamente delicadas requieren resultados exactos: los procedimientos mdicos vitales de los cuales dependen vidas humanas, o la produccin de piezas de una mquina que debe cumplir medidas precisas, pueden tolerar slo un pequeo error. En otros casos, los errores ms grandes pueden tener consecuencias menos graves. TAMAO DE LA MUESTRA PARA ESTIMAR Vale la pena recordar que Z puede expresarse como Esto puede reescribirse algebraicamente como en donde la diferencia entre la media muestral y la media poblacional ( es el error. El valor de Z depende del nivel de confianza requerido. Esto deja por determinar slo para calcular el tamao muestral apropiado. En caso de que la sea desconocida, puede estimarse mediante la desviacin estndar muestral (s), utilizando una muestra piloto de cualquier tamao razonable ( 30). La

varianza calculada de esta muestra preliminar puede entonces utilizarse en la frmula. Teora elemental de muestreo La teora del muestro es un estudio de relaciones existentes entre una poblacin y muestras extradas de la misma. Tiene gran inters en muchos aspectos de la estadstica La teora del muestro es tambin til para determinar si las diferencias que se puedan observar entre dos muestras son debidas a la aleatoriedad de las mismas o si por el contrario son realmente significativas. En general un estudio de inferencias, realizado sobre una poblacin mediante muestras extradas de la misma, junto con las indicaciones sobre la exactitud de tales inferencias aplicadas ala teora de la probabilidad se conoce como interferencia estadstica. MUESTRAS AL AZAR NUMEROS ALEATORIOS Para que las conclusiones de la teora del muestreo e inferencia estadsticos sean validas, las muestras deben elegirse de forma que sean representativas de la poblacin. Un estudio sobre mtodos de muestreo y los problemas que tales implican, se conoce como diseo de experimentos. El proceso mediante el cual al azar, de acuerdo con ello cada miembro de la poblacin tiene la misma posibilidad de ser incluido en la muestra. Una tcnica para obtener una muestra al azar es asignar nmeros a cada miembro de la poblacin, escritos estos nmeros en pequeos papeles, se introducen en una urna y despus se extraen nmeros de la urna, teniendo cuidado de mezclarlos bien antes de cada extraccin. Esto puede ser sustituido por el empleo de una tabla de nmeros aleatorios construida especialmente para tales propsitos. MUESTREO CON Y SIN REMPLAZAMIENTO Si se extrae un numero de una urna, se puede volver o no el numero de la urna antes de realizar una segunda extraccin. En el primer caso, un mismo nmero puede salir varias veces, mientras que en el segundo nmero determinado solamente puede salir una sola vez. El muestreo, en el que cada miembro de la poblacin puede elegirse ms de una vez, se llama Muestreo con reemplazamiento, mientas que si cada miembro no puede ser elegido mas de una vez se tiene muestreo sin reemplazamiento. Las poblaciones pueden ser finitas o infinitas Una poblacin finita, en la que se realiza un muestreo con reemplazamiento, puede tericamente ser considerada como infinita, puesto que puede extraerse cualquier nmero de muestras sin agotar la poblacin. En muchos casos prcticos, el muestreo de una poblacin finita que es muy grande, puede considerarse como muestreo de unan poblacin infinita.

4.6- INTERVALOS DE CONFIANZA PARA LA MEDIA, CON EL USO DE LA DISTRIBUCION

DISTRIBUACIONES MUESTRALES

Considrense todas las posibles muestras de tamao N que pueden extraerse de una poblacin dada. Para Cada muestra se puede calcular un estadstico, tal como la media, la desviacin Tpica etc. Que variar de usan muestra a otra. De esta forma se obtiene una distribucin se conoce como Distribucin muestral de medias o Distribucin muestral de la media. Anlogamente se obtendran las distribuciones mustrales de las desviaciones tpicas, varianzas, medianas, proporciones etc. DISTRIIBUCIN MUESTRAL DE MEDIAS. Supngase que son extradas de una poblacin finita todas las posibles muestras sin reemplazamiento de tamao N, siendo el tamao de la poblacin N>p N. Si se denota la media y la desviacin tpica de la distribucin muestral de medias por UX y OX y la media y la desviacin tpica de la poblacin por u y O respectivamente se tiene. Para valores grandes de N(N>30) la distribucin muestral de medias se aproxima a una distribucin normal con media y desviacin tpica independiente de la poblacin de que se trate Este resultado en una poblacin infinita es un caso especial de teorema central del limite de teora de probabilidad superior, que demuestra que la aproximacin es tanto mejor conforme N se hace mayor. Esto indica diciendo que la distribucin muestral es asindticamente normal. En caso de que la poblacin se distribuya normalmente, la distribucin muestral de medias se distribuye tambin normalmente, incluso para pequeos valores de N. DISTRIBUCIN MUESTRAL DE PROPORCIONES. Supngase una poblacin infinita y que la probabilidad de ocurrencias de suceso es P, mientras que la probabilidad de no ocurrencia del suceso es q=1p Se consideran todas las posibles muestras de tamao N extradas de esta poblacin y para cada muestra se determina la proporcin P de xito. En el caso de la moneda, P sera la proporcin de caras aparecidas en los n lanzamientos. Entonces se obtiene una distribucin muestral de proporciones cuya media up y desviacin tpicas. Que pueden obtenerse de (2) sustituyendo u por p y o por /pq . Para grandes valores de N(N>30) la distribucin muestral se aroxima mucho a una distribucin normal. Ntese que la poblacin se distribuye binomialmente. Las ecuaciones (3) son igualmente vlidas para una poblacin finita en la que el muestreo se hace con reemplazamiento. Para poblaciones finitas y muestreo sin reemplazamiento las ecuaciones pasan a ser como las ecuaciones (i) con u = p y o = /pq.

DISTRIBUCION MUESTRAL DE DIFERENCIAS Y SUMAS Supngase que se tienen dos poblaciones. Para cada muestra de tamao N 1 extradas de la primera poblacin se calcula un estadstico S1. Esto proporciona una distribucin muestral del estadstico S1 cuya media y desviacin tpica

vienen dadas por Usy Os1 respectivamente. Anlogamente para cada muestra de tamao N2 extrada de la segunda poblacin se calcula un estadstico S2. Esto igualmente proporciona una distribucin, cuya media y desviacin tpica vienen dadas por us y os. De todas las posibles combinaciones de estas muestras de las dos poblaciones se puede obtener una distribucin de las diferencias S1-S2 que se conoce como distribucin muestral de diferencias de las estadsticas. La media y la varianza de esta distribucin muestral se denotan, respectivamente por Us1-S2 que se conoce como distribucin muestral se denotan, respectivamente. ERRORES TIPICOS La desviacin tpica de la distribucin muestral de un estadstico se conoce tambin como su error tpico. ES de notar que si el tamao de la muestra N es bastante grande, las distribuciones mustrales son normales. Por esta razn, los mtodos se conocen como mtodos para grandes muestras. Cuando N<30 las muestras se llaman pequeas. La teora de pequeas muestras o teora de muestreo exacto, como a veces se llama.

Conclusiones:
En conclusin para mi el muestreo es proceso por medio del cual se determina la manera y la forma en como se elegir la muestra poblacional para llevar a cabo un determinado experimento en estadstica pues nos da las formulas y las diferentes clases de muestreo para poder llegar as aun resultado mas preciso con la ayuda de la estadstica y probabilidad. Existen diferentes tipos de muestreo al azar, de muestras, de proporciones todas y todos sirven en diferentes situaciones y podremos determinar posibles resultados con la ayuda de ellos Concluyo que el muestreo es una tcnica en el cual seleccionamos una muestra representativa de la poblacin de estudio que sirve para arrojar resultados que se pueden utilizar para la conclusin de un estudio x de poblacin y que se realiza una vez que se ha establecido un marco muestral representativo de la poblacin, se procede a la seleccin de los elementos de la muestra aunque hay muchos diseos de la muestra. Es muy importante en la vida diaria ya que ella nos permite una reduccin considerable de los costos materiales del estudio, una mayor rapidez en la obtencin de la informacin y el logro de resultados con mxima calidad y que se realiza una vez que se ha establecido un marco muestral representativo de la poblacin, se procede a la seleccin de los elementos de la muestra aunque hay muchos diseos de la muestra.

A mi entender, el muestreo estadstico resulta beneficioso para implementarlo en la realizacin de un estudio, debido a que mediante de el se pueden obtener probabilidades bajas o altas a travs de determinados beneficios que estas tcnicas ofrecen. En los diferentes tipos de muestreo existen no probabilstica

en los cuales se deben establecer diferencia en el momento de realizar nuestras investigaciones por tanto que en el no probabilstica no toda la poblacin forma parte de la muestra y en el probabilstica todos los individuos tienen probabilidad positiva de formar parte de la muestra. En conclusin, el muestreo es una herramienta de la investigacin cientfica. Su funcin bsica es determinar que parte de una realidad en estudio debe examinarse con la finalidad de hacer inferencias sobre dicha poblacin que al tomar varias muestras de una poblacin, las estadsticas que calculamos para cada muestra no necesariamente seran iguales, y lo ms probable es que variaran de una muestra a otra. El muestreo es sencillamente el procedimiento que se emplea a extraer una pequea parte de una poblacin dentro de un universo a esta se le llama espacio muestral dentro de un universo. CONCLUISION DE EQUIPO: En conclusin, el muestreo es una herramienta de la investigacin cientfica que es un proceso por medio del cual se determina la manera y la forma en como se elegir la muestra poblacional para llevar a cabo un determinado experimento en estadstica pues nos da las formulas y las diferentes clases de muestreo para poder llegar as aun resultado mas preciso con la ayuda de la estadstica y probabilidad, en el cual seleccionamos una muestra representativa de la poblacin de estudio que sirve para arrojar resultados que se pueden utilizar para la conclusin de un estudio x de poblacin, y que se realiza una vez que se ha establecido un marco muestral representativo de la poblacin