Métodos y distribuciones de muestreo

¿Por qué obtener muestras de la población?
Véalo aquí
 
Existe una imposibilidad física de verificar todos los elementos de la población.
El costo de estudiar todos los elementos de una población es alto.
Los resultados de la muestra suelen ser adecuados.
Contactar a toda la población es tardado, por la naturaleza destructiva de ciertas pruebas.

Muestra aleatoria
Véalo aquí

Una muestra aleatoria es una muestra seleccionada de manera que cada elemento o persona en la población que se estudia tiene una probabilidad conocida de quedar incluido en la muestra.

Métodos de muestreo aleatorio
Véalo aquí

Muestra aleatoria simple: muestra formulada de manera que cada elemento o persona en la población tiene la misma oportunidad de quedar incluida.
Muestra aleatoria sistemática: los artículos o individuos de la población se colocan en cierto orden. Se elige un punto de partida aleatorio y después se selecciona uno cada
k-ésimo elemento de la población para la muestra.
Muestreo aleatorio estratificado: se divide la población en subgrupos, llamados estratos, y se selecciona una muestra de cada estrato.
Muestreo por conglomeración: primero se divide la población en subgrupos (estratos), y se selecciona un estrato. La muestra se toma del estrato seleccionado.
El error de muestreo es la diferencia entre un estadístico muestral y su parámetro correspondiente.
.
 

Distribución de muestreo de medias muestrales
Véalo aquí

La distribución de muestreo de medias muestrales es la distribución de probabilidad de todas la medias muestrales posibles de un tamaño de muestra dado, seleccionadas de una población, y la probabilidad de ocurrencia asociada con cada media muestral.
 
Ejemplo:
El despacho de abogados Hoya & Associados tiene cinco socios.
En su junta de socios semanal cada uno informa el número de horas que cobraron a los clientes por sus servicios la semana anterior.

 

Socio

Horas

Giordanino 22
Barnabá 26
Torres 30
Carrizo 26
Salgado 22

Si se seleccionan al azar dos socios, ¿cuántas muestras diferentes son posibles?.

Organice las medias muestrales en una distribución de muestreo.

Media Muestral Frecuencia Frecuencia relativa
22 1 1/10
24 4 4/10
26 3 3/10
28 2 2/10

 Calcule la media de las medias muestrales y compárela con la media poblacional:

media de las medias muestrales

= [(22)(1) + (24)(4) + (26)(3) + (28)(2)]/10=25.2

media poblacional = (22+26+30+26+22)/5 = 25.2

observe que la media de las medias muestrales es igual a la media poblacional.

Teorema del límite central
Véalo aquí

Para una población con media σ y variancia  σ 2, la distribución de muestreo de las medias de todas las muestras posibles de tamaño n obtenidas de una población tendrá una distribución normal aproximada —con la media de la distribución de muestreo igual a  σ  y la variancia igual a  σ 2/ n —si se supone que el tamaño de la muestra es suficientemente grande.

Estimaciones puntuales
Véalo aquí

Una estimación puntual es un valor (punto) que se usa para estimar un parámetro de la población.
Ejemplos de estimaciones puntuales son media muestral, desviación estándar muestral, variancia muestral, relación proporcinal de la muestra, ...
EJEMPLO 2: se registra el número de defectos producidos durante 5 horas seleccionadas al azar en una semana de 40 horas. Los defectos observados fueron 12, 4, 7, 14 y 10. La media muestral es 9.4. Entonces la estimación puntual para el promedio de defectos por hora es 9.4.

Estimaciones de intervalo
Véalo aquí

Una estimación de intervalo establece la amplitud en la que quizá se encuentre un parámetro poblacional.
El inervalo dentro del cual se espera que esté un parámetro poblacional se llama intervalo de confianza.
Los dos intervalos de confianza que más se usan son 95% y 99%.
Un intervalo de confianza de 95% significa que cerca de 95% de los intervalos similares contendrán el parámetro que se quiere estimar, o 95% de las medias muestrales para un tamaño de muestra dado estarán dentro de 1.96 deviaciones estándar de la media poblacional hipotética.
Para el intervalo de confianza de 99%, un 99% de las medias muestrales para un tamaño de muestra dado estará dentro de 2.58 desviaciones estándar de la media poblacional hipotética.

Error estándar de la media muestral
Véalo aquí

El error estándar de las medias muestrales es la desviación estándar de la distribución de muestreo de las medias muestrales.
Se calcula mediante

σx es el símbolo del error estándar de las medias muestrales.
σ es la desviación estándar de la población.
n es el tamaño de la muestra.
Si σ no se conoce y n σ 30, la desvición estándar de la muestra, denotada por s, se usa para aproximar la desviación estándar poblacional. La fórmula para el error estándar se convierte en:

Intervalos de confianza de 95% y 99% para µ
Véalo aquí

 
Los intervalos de confianza de 95% y 99% para μ cuando n ³ 30 se forman como sigue:
el IC de 95% para la media poblacional está dado por


el IC de 99% para la media poblacional está dado por 

Construcción general de IC para µ
Véalo aquí

 
En general, un intervalo de confianza para la media se calcula mediante:

Ejemplo:
El director de la escuela de administración desea estimar el número medio de horas por semana que estudian los alumnos. Una muestra de 49 estudiantes dio una media de 24 h con desviación estándar de 4 h.
La estimación puntual es 24 h (media muestral).
¿Cuál es el intervalo de confianza de 95% para el número promedio de horas por semana que estudian los alumnos?
Si se usa un IC de 95% para la media poblacional, se tiene


Los puntos terminales del intervalo de confianza son los límites de confianza. El límite inferior de confianza es 22.88 y el límite superior de confianza es 25.12

Intervalo de confianza para una relación proporcional de población
Véalo aquí

El intervalo de confianza para una relación proporcional de una población se estima como:

donde es el error estándar de la proporción:

 
Matt Williams, planificador financiero, estudia los planes de retiro para jóvenes ejecutivos. Una muestra de 500 ejecutivos que son dueños de sus casas reveló que 175 planean venderlas y retirarse en Arizona. Desarrolle un intervalo de confianza de 98% para la proporción de ejecutivos que planean vender e irse a Arizona.
Aquí, n=500, p=175/500=.35 y z=2.33
el IC de 98% es

 
 
 
 

Factor de corrección de población finita
Véalo aquí

Se dice que una población con una cota superior fija es finita.
Para una población finita, donde el número total de objetos es N y el tamaño de la muestra es n, se hace el siguiente ajuste a los errores estándar de las medias muestrales y a las proporciones:
Error estándar de las medias muestrales:


Error estándar de las proporciones de las muestras:


Este adjuste se llama factor de corrección de población finita.
Nota: si n/N < .05, el factor de corrección de población finita se ignora.
 
Ejemplo:
Dada la información del EJEMPLO 4, construya un intervalo de confianza de 95% para el número medio de horas estudiadas por semana si hay sólo 500 estudiantes en la escuela.
Dado que n/N = 49/500 = .098>.05, se tiene que usar el factor de corrección de población finita.


 
 
 
 

Selección del tamaño de muestra
Véalo aquí

Existen 3 factores que determinan el tamaño de una muestra, ninguno de ellos tiene una relación directa con el tamaño de la población. Los factores son:
El grado de confianza elegido.
El error máximo permitido.
La variación en la población.
 

Variación en la población
Véalo aquí

Tamaño de la muestra para la media: una fórmula computacional conveniente para determinar n es:


donde: E es el error permitido, Z es el valor normal estándar asociado con el grado de confianza seleccionado y S es la desviación estándar estimada del estudio piloto.
Ejemplo:
Un grupo de consumidores desea estimar la media mensual en los recibos de luz para una casa unifamiliar. Según estudios similares la desviación estándar se estima en $20.00. Se desea un nivel de confianza de 99%, con una precisión de ±$5.00. ¿Qué tamaño de muestra se requiere?

.
 

Tamaño de la muestra para proporciones
Véalo aquí

La fórmula para determinar el tamaño de la muestra en el caso de una proporción es:


donde p es la proporción estimada, basada en la experiencia o en un estudio piloto; z es el valor asociado con el nivel de confianza deseado; E es el error máximo que tolerará el investigador.
Ejemplo:
El American Kennel Club desea estimar la proporción de niños que tienen un perro como mascota. Si el club quiere la estimación dentro de 3% de la relación proporcional, ¿cuántos niños deberán contactar? Suponga 95% de nivel de confianza y que el club estimó que 30% de los niños tienen un perro como mascota.
<< atras

Tabla de contenidos

adelante >>