Teoría de Decisiones

ING. CARLOS A. BRAVO OLÁN

CARLOS_BRAVO@MY.UVM.EDU.MX
6. Las técnicas de decisiones y el muestro
 Muestreo Probabilístico y no
probabilístico
Tamaños de la muestra
CÁLCULO DEL TAMAÑO DE LA MUESTRA DESCONOCIENDO EL TAMAÑO CÁLCULO DEL TAMAÑO DE LA MUESTRA CONOCIENDO EL TAMAÑO DE LA POBLACIÓN
DE LA POBLACIÓN La fórmula para calcular el tamaño de muestra cuando se conoce el tamaño de la
La fórmula para calcular el tamaño de muestra cuando se población es la siguiente:
desconoce el tamaño de la población es la siguiente:

En donde En donde
Z = nivel de confianza, N = tamaño de la población
P = probabilidad de éxito, o proporción esperada Z = nivel de confianza
Q = probabilidad de fracaso P = probabilidad de éxito, o proporción esperada
D = precisión (error máximo admisible en términos de proporción) Q = probabilidad de fracaso
D = precisión (Error máximo admisible en términos de proporción).
 Muestreo Probabilístico y no
probabilístico
PUNTOS A CONSIDERAR:

1. Definir claramente la población de estudio. pueden ser personas, clínicas, fuentes de

abastecimiento de agua.

2.Enfoque del estudio. Será a nivel nacional, regional, local

Entre mayor sea la muestra tendrá a ser mas representativa y menor será el error de muestreo.

Si se desea hacer cruces de variables se recomienda no tener menos de 50 casos en c/u de las
subcategorías de la variable principal.Comúnmente se inicia un análisis de probabilidades con una
asignación inicial, probabilidad a priori. Cuando se tiene alguna información adicional se procede a
calcular las probabilidades revisadas o a posteriori.
 Muestreo Probabilístico y no
probabilístico
Los errores más comunes que se pueden cometer son:

1.- Hacer conclusiones muy generales a partir de la observación de sólo una parte de la Población,
se denomina error de muestreo.

2.- Hacer conclusiones hacia una Población mucho más grandes de la que originalmente se tomo la
muestra. Error de Inferencia.

En la estadística se usa la palabra población para referirse no sólo a personas si no a todos los
elementos que han sido escogidos para su estudio y el término muestra se usa para describir una
porción escogida de la población.
 Muestreo Probabilístico y no
probabilístico
TIPOS DE MUESTREO
Probabilístico No Probabilístico
Aleatorio Simple Sistemático Por conveniencia
Por Cuotas

Por Conglomerado
Estratificado
 Muestreo Probabilístico. Aleatorio simple
TIPOS DE MUESTREO
Cada sujeto tiene una probabilidad igual de ser seleccionado para el estudio.
Aleatorio Simple
Se necesita una lista numerada de las unidades de la población que se quiere
muestrear.

Opciones:

◦ Fichas de lotería o bolitas numeradas

◦ Tabla de números aleatorios
 Muestreo Probabilístico. Aleatorio simple
Pasos :
Aleatorio Simple
◦ Determinar el tamaño de la muestra
◦ Numerar los individuos de 1 a n
◦ Tirar unidades al azar (probabilidad igual)

Ejemplo :
Cobertura de la vacuna anti- sarampión entre 1200 niños de una escuela X :

◦ Muestra = 60
◦ Hacer una lista de todos los niños
◦ Numerarlos de 1 a 1200
◦ Selección aleatoria de 60 números
 Muestreo Probabilístico. Aleatorio Sistemático
Sistemático Se toman todos los individuos de la lista y se selecciona c/3, c/7, o cualquier
otro número.

Para comenzar se utiliza un número al azar.

Ejemplo :
◦ Población (N) : 12,000
◦ Muestra requerida (n) : 600
◦ Calcular el intervalo de muestreo (k) = 12,000 / 600 = 20
◦ Escoger el 1er numero al azar [1 - 20]
- 1era unidad
◦ Añadir k para escoger la siguiente unidad y así sucesivamente
hasta completar n.
 Muestreo Probabilístico. Aleatorio Sistemático
Sistemático

1er # = 12
k = 20
 Muestreo Probabilístico. Aleatorio Sistemático
Sistemático

1er # = 3
k=8
 Muestreo Probabilístico. Aleatorio Estratificado
Cuando la muestra incluye subgrupos representativos (estratos) de los elementos
Estratificado
de estudio con características específicas: urbano, rural, nivel de instrucción, año
académico, carrera, sexo, grupo étnico, edad, paridad etc.

En cada estrato para obtener el tamaño de la muestra se puede utilizar el

muestreo aleatorio o sistemático.

La distribución de la muestra en función de los diferentes estratos se denomina afijación, y puede ser de
diferentes tipos:

Afijación Simple: A cada estrato le corresponde igual número de elementos muéstrales.

Afijación Proporcional: La distribución se hace de acuerdo con el peso (tamaño) de la población en cada
estrato. Afijación Optima: Se tiene en cuenta la previsible dispersión de los resultados, de modo que se
considera la proporción y la desviación típica. Tiene poca aplicación ya que no se suele conocer la desviación.
Muestreo Probabilístico. Aleatorio Estratificado
Estratificado Ejemplo: Estudiantes de la Carrera de Medicina 2005

I año =20%
II año=18%
III año =15%
IV año=30%
Muestreo Probabilístico. Aleatorio conglomerado
Por Conglomerado Conglomerados: son unidades geográficas (distritos, pueblos, organizaciones,
clínicas) Facultad de Ciencias Económicas Facultad de Ciencias Jurídicas y
Sociales Facultad de Química y Farmacia.

Limitantes: financieras, tiempo, geografía y otros obstáculos.

Se reducen costos, tiempo y energía al considerar que muchas veces las

unidades de análisis se encuentran encapsuladas o encerradas en
determinados lugares físicos o geográficos: Conglomerados.
Muestreo Probabilístico. Aleatorio conglomerado
Por Conglomerado Unidad de análisis: sujeto o sujetos

Unidad Muestral en este caso: conglomerado a través del cual se logra el

acceso a la unidad de análisis.

Selección en 2 etapas:

◦ Los racimos o conglomerados

◦ En los racimos se seleccionan a los sujetos a ser medidos. Población,
Localidades, Viviendas. Croquis.
Muestreo Probabilístico. Aleatorio conglomerado
Por Conglomerado
Muestreo No Probabilístico.
Muestreo por conveniencia.

Es la muestra que esta disponible en el tiempo o periodo de investigación.

Ejemplo: Todos los pacientes que asistan a una clínica en particular cierto día, semana, pueden ser
requeridos para participar.

DESVENTAJA: la muestra puede ser poco representativa de la población que se desea estudiar

Muestreo por Cuotas.

Todos los elementos conocidos de la población tienen que aparecer en la muestra.

Se debe asegurar que estos aparezcan en la misma proporción que en la población.

El investigador entrevista a todos las personas de cada categoría que pueda encontrar hasta que haya
llenado la cuota.
Medición de la precisión de los estadísticos muéstrales
Tamaño de la muestra y precisión de las estimaciones son conceptos inseparables.
Si aumenta el tamaño de la muestra, lo hace el nivel de precisión, y se quiere
aumentar la precisión de las estimaciones es necesario modificar el tamaño de la
muestra

La precisión hace referencia a la concentración de los valores estimados en torno

al valor que se trata de estimar, de tal forma que la distancia entre el valor a
estimar y el valor estimado sea pequeña.

La precisión se mide por la varianza del estimador o su raíz cuadrada, la desviación

estándar, que dan cuenta de la dispersión de la distribución. De ahí que a la
desviación estándar se la llame error de muestreo, concepto fundamental para
determinar la mayor o menor precisión de las estimaciones.
 Medición de la precisión de los estadísticos muéstrales
Varianza:
mide la dispersión dentro de un conjunto de datos. Si el valor de la varianza es
pequeño, significa que los valores del conjunto están bastante agrupados. Si por el
contrario, el resultado de la varianza es mayor, quiere decir que los elementos
dentro del conjunto que se analiza están dispersos.
Población Muestra
σ 𝑥 − 𝑥ҧ 2 σ 𝑥 − 𝑥 ҧ 2
2
𝜎 = 𝑠2 =
𝑁 𝑛−1
Desviación estándar

representa la magnitud de la dispersión de las variables dentro

de un intervalo de razón. Para su cálculo partimos de la Población Muestra
varianza y calculamos su raíz cuadrada. σ 𝑥 − 𝑥ҧ 2 σ 𝑥 − 𝑥ҧ 2
𝜎2 = 𝑠2 =
𝑁 𝑛−1
La distribución normal en la toma de decisiones
La distribución de probabilidad normal es una curva simétrica en forma de
campana. La curva en su totalidad vale 1, como es simétrica si se divide a la mitad,
cada una de ellas vale 0.5, porque 0.5 + 0.5 = 1.00 que es el área total de esta
curva.

Para trabajar con la distribución normal se utiliza la distribución normal estándar,

esta distribución se divide a la mitad con la media que vale cero y con
desviaciones estándar de valor 1
La distribución normal en la toma de decisiones
Con la distribución normal se calculan áreas bajo la curva, por
ejemplo, el área que hay entre la media y una desviación
estándar positiva se presenta
La distribución normal en la toma de decisiones
Ejemplo:
Suponga que a varios solicitantes de trabajo se les hace una prueba de aptitud. Los resultados de la prueba
forman una distribución normal con media aritmética de 80 y una desviación estándar de 4.
a) ¿Qué proporción de resultados obtuvieron entre 80 y 84?
b) ¿Qué proporción de resultados se encuentra entre 75 y 83?
c) ¿Qué proporción de resultados quedaron entre 75 y 78?
d) ¿Qué proporción de resultados es superior a 85?
e) ¿Qué proporción de resultados está abajo de 85?

P(80 ≤ x ≤ 84) = P(0 ≤ z ≤ 1) = 0.3413 ó 34.13%

 La distribución normal en la toma de decisiones

P(75 ≤ x ≤ 83) = P(–1.25 ≤ z ≤ 0.75)

= P(–1.25 ≤ z ≤ 0) + P(0 ≤ z ≤ 0.75)
= 0.3944 + 0.2734 = 0.6678 ó 66.78%

P(75 ≤ x ≤ 78) = P(–1.25 ≤ z ≤ –0.5)

= P(–1.25 ≤ z ≤ 0) – P(–0.5 ≤ z ≤ 0)
= 0.3944 – 0.1915 = 0.2029 ó 20.29%
 La distribución normal en la toma de decisiones

P(x < 85) = P(z < 1.25)

= P(z ≤ 0) + P(0 ≤ z ≤ 1.25)
P(x > 85) = P(z > 1.25) = 0.5 + 0.3944 = 0.8944 ó 89.44%
= P(z ≥ 0) – P(0 ≤ z ≤ 1.25)
= 0.5 – 0.3944 = 0.1056 ó 10.56%