INGENIERA EN AGROTECNOLOGA.

Muestreo Estadstico.
Muestreo aleatorio simple: Practica de campo.
Alumnos:
Rodrigo Lpez Espinoza Jos Luis Monter Angeles Eduardo Obregn Ramrez. Brenda Prez Isidro.

Facilitadora: ing. Ana Mara Ortiz Olgun.

Cuatrimestre: Tercero.

Grupo: 3.

Periodo: Mayo Agosto 2013.

Introduccin.
El muestreo simple aleatorio es un proceso libre y creativo, pero esto no significa que carezca de sistematicidad y organizacin, pues este mtodo constituye parte de la base del muestreo estadstico. El estudiante tiende adquirir he imponer un esquema, para el desarrollo de un modelo prctico y flexible, planteando una formulacin y presentacin de un muestreo aleatorio simple confiable. Lo cual podremos desarrollar y adoptar durante el proceso de nuestro muestreo aleatorio simple, pondremos en prctica cada uno de los pasos tericos explicados en la clase de muestro estadstico, al desarrollo de nuestra practica corroboraremos la informacin proporcionada.

Objetivos.
Objetiv general:
Realizar practica de campo utilizando los conocimientos adquiridos durante la primera y segunda unidad de muestre estadstico.

Objetivo especific:
o Adoptar los conocimientos para as desarrollar el muestreo aleatorio simple. o Obtener nuestro marco maestral. o El clculo de nuestras variables proporcionadas, para el desarrollo del muestreo aleatorio simple.

Revisin bibliogrfica
La estadstica trabaja sobre poblaciones, extrae conclusiones sobre la base de un anlisis de un muestrario de datos de una poblacin. Hay muchas maneras de tomar una muestra de una poblacin. Adems las conclusiones que se extraen acerca de la poblacin dependen de como se selecciona la muestra, as mismo deseamos que la muestra sea representativa de la poblacin. Partiendo de la importancia que tiene para cualquier profesional e investigador conocer varios conceptos importantes de la estadstica para poder desarrollar exitosamente una investigacin de cualquier ndole, en el presente trabajo de muestreo del texto paralelo de la maestra en investigacin y proyectos nos proponemos dar tratamiento a algunos elementos de la estadstica matemtica de la forma mas elemental posible para que pueda ser asimilada por cualquier profesional sin tener en cuenta su especialidad ya sea de las ciencias Sociales como de las ciencias exactas. Nuestro propsito es encaminar al profesional para que conozca el aparato conceptual necesario desde el punto de vista estadstico para emprender de forma slida y cientfica una investigacin.

Muestreo probabilstico

Los mtodos de muestreo probabilsticos son aquellos que se basan en el principio de equiprobabilidad. Es decir, aquellos en los que todos los individuos tienen la misma probabilidad de ser elegidos para formar parte de una muestra y, consiguientemente, todas las posibles muestras de tamao n tienen la misma probabilidad de ser elegidas. Slo estos mtodos de muestreo probabilsticos nos aseguran la representatividad de la muestra extrada y son, por tanto, los ms recomendables. Dentro de los mtodos de muestreo probabilsticos encontramos los siguientes tipos: El mtodo otorga una probabilidad conocida de integrar la muestra a cada elemento de la poblacin, y dicha probabilidad no es nula para ningn elemento.

Los mtodos de muestreo no probabilisticos no garantizan la representatividad de la muestra y por lo tanto no permiten realizar estimaciones inferenciales sobre la poblacin. (En algunas circunstancias los mtodos estadsticos y epidemiolgicos permiten resolver los problemas de representatividad aun en situaciones de muestreo no probabilistico, por ejemplo los estudios de caso-control, donde los casos no son seleccionados aleatoriamente de la poblacin.)

Entre los mtodos de muestreo probabilsticos ms utilizados en investigacin encontramos: Muestreo aleatorio simple Muestreo estratificado Muestreo sistemtico Muestreo polietpico o por conglomerados

MUESTREO ALEATORIO Consideremos una poblacin finita, de la que deseamos extraer una muestra. Cuando el proceso de extraccin es tal que garantiza a cada uno de los elementos de la poblacin la misma oportunidad de ser incluidos en dicha muestra, denominamos al proceso de seleccin muestreo aleatorio.

PROTOCOLO DEL MUESTREO PARA EL FRIJOL PROCEDIMIENTO DE CAMPO 1. Familiarice al equipo de campo con las precauciones necesarias que puedan evitar la contaminacin. 2. Antes de la cosecha principal, rena al azar aproximadamente 10 vainas bien llenas. Coloque las vainas en sobres de papel nuevo y limpio (para evitar la contaminacin con polvo y tierra mientras se est desenterrando la planta y trillando en volumen).

EN EL LABORATORIO 3. Trille las vainas a mano y recoja 5 gramos de semilla. Limpie las semillas con un pao humedecido con agua de alta pureza. 4. Seque las semillas a un 7-8% de humedad (normalmente 10-12% es la humedad en semillas frescas), en un horno libre de contaminacin (sin corrosin). 5. Muela 5 gramos de muestra con un molino no contaminante (por ejemplo, un molino Retsch con cmaras de tefln y bolas de circonio o un IKA A10) para evitar la contaminacin del hierro y el zinc. La cantidad necesaria de muestra para el anlisis por Espectroscopia de Absorcin Atmica (AAS) o por Espectroscopia de Emisin de Plasma acoplado inductivamente (ICP-OES) es de 0.5-0.8 gramos. 6. Empaque las muestras en recipientes plsticos o bolsas de papel nuevas y limpias, correctamente etiquetadas. Gurdelas en un lugar limpio, seco y libre de insectos hasta que estn listas para su anlisis.

Materiales y Mtodos
Mtodo utilizado.
Dentro de nuestro desarrollo practico analizamos cada uno de los mtodos de muestreo, posteriormente optamos por la eleccin de un mtodo probabilstico como lo es el muestreo aleatorio simple.

o Mtodo probabilstico o aleatorios: Tipo de muestreo que se obtiene mediante sorteos de los individuos y cada uno de estos tiene la misma posibilidad de pertenecer a la muestra, este se caracteriza por permitir calcula el posible error de la muestra.

o Muestreo aleatorio simple: Est se caracteriza porque todos y cada uno de los elementos de la poblacin tienen la misma posibilidad de ser elegidos, para as pertenecer a la muestra.

Materiales.

o o o o o o o

rea para el desarrollo del muestro. Variable por analizar. Metro. Vernier. Marcador. Calculadora. Masquen.

o Resultados
Desarrollo de la prctica.
o Pasa 1:
El primer paso dentro de nuestra practica realizada, fue analizar y comprender el concepto de muestreo aleatorio, para tener nocin de lo que realizaramos.

o Paso 2:
Obtenerlos los materiales para el desarrollo y anlisis de nuestras variables.

o Paso 3:
Proseguimos con un recorrido por el rea y conocer el producto que estaba por muestrearse.

o Paso 4:
Despus de lo anterior proseguimos a realizar binas de alumnos en el Grupo 3, para que la Ingeniero Ana Mara de una manera al azar seleccionara el surco frijol que cada bina muestreara.

o Paso 5:
Al trmino de otorgarnos el surco, mi compaera Brenda prosigui a calibrar el Vernier para tener una lectura lo ms precisa, y una mayor confiabilidad en los datos de nuestras variables.

o Paso 6:
Retomamos nuestra prctica, al seleccionar nuestro marco muestral el cual fue 100 matas de frijol, de lo cual solo mustranos el 10%(10 matas de frijol).

o Paso 7:
Despus de saber el nmero de plantas de nuestro marco muestral (100 matas de frijol) marcamos cada una de ellos con un nmero del 1 al 100 para as poder obtener el 10% de nuestras matas de una manera aleatoria.

o Paso 8:
Al trmino de colocar los nmeros a las matas de frijol, utilizamos una funcin (#Ram) para obtener el nmero de cada mata aleatoriamente, y as muestrear nuestras 10 matas correspondientes.

o Paso 9:
Obtenidos los nmeros de nuestras 10 matas de frijol proseguimos a medir cada variable que especfico la Ingeniero Ana Mara. o

Paso 10:

Lo siguiente fue calcular una variable, la cual dependa de algunas otras.

Software implementado.
Los programas empleadas en el desarrollo de la prctica: o Microsoft Word. o Microsoft Excel.

Microsoft Word:

Este programa lo empleamos al realizar el reporte de la prctica realizada, para poder entregar este mismo al Ingeniero Ana Mara.

Microsoft Excel:

Lo utilizamos para el desarrollo de los datos obtenidos de nuestras variables y as poder analizar nuestro muestreo.

Obtencin de nuestro tamao muestra del 10% para proseguir con la aleatorizacin.
No. De muestra 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10

 Proseguimos a la obtencin de las variables especificadas del foliolo central de la mata de frijol.
No. Aleatorio de muestra 26 95 89 50 54 39 96 14 27 29 74 9 97 67 36 84 32 41 60 18 Longitud de foliolo central (cm) 13 6,75 12 11,3 10,13 12,4 7,6 10 11,2 8,83 12,1 11,41 10,47 11,47 11,1 10,29 12 11,85 10 12

 Con los datos obtenidos anterior meten calculamos el rea del foliolo central, pues dependa de otras variables para poderlo calcular.
No. Aleatorio de muestra 26 95 89 50 54 39 96 14 27 29 74 9 97 67 36 84 32 41 60 18 Longitud de foliolo central (cm) 13 6,75 12 11,3 10,13 12,4 7,6 10 11,2 8,83 12,1 11,41 10,47 11,47 11,1 10,29 12 11,85 10 12 Ancho de foliolo central (cm) 9,26 8,83 7,8 9,24 6,52 9,1 4,4 7,5 9,6 6,9 8,38 7,83 7,55 8,37 6,91 7,91 8 7,64 8,47 8,91 rea de foliolo central (cm2) 90,285 44,701875 70,2 78,309 49,5357 84,63 25,08 56,25 80,64 45,69525 76,0485 67,005225 59,286375 72,002925 57,52575 61,045425 72 67,9005 63,525 80,19

o Frmula empleada :
rea foliolo central = (longitud del foliolo central) ancho del foliolo central)(0.75).

 Continuamos con la altura de la cubierta de la mata de frijol.

No. Aleatorio de muestra 26 95 89 50 54 39 96 14 27 29 74 9 97 67 36 84 32 41 60 18 Altura de la cobertura (cm) 30 33 45 27 34 32 35 31 40 36 49 60 44 42 61 53 52 47 50 56

 Despus registramos los datos de cada vaina.

Vainas por planta (numero) 10 4 5 16 11 0 7 2 0 8 4 10 2 6 5 3 7 4 3 5 Longitud de vaina (cm) 7 5,4 5 0,12 8,44 O 6,8 1,3 O 7,83 4,73 8,33 6,00 4,1 5,64 5,1 7,14 5,83 6 9,55 Ancho de vaina (numero) 0,82 0,94 0,52 0,8 1,2 o 0,95 1 0 1 0,73 1 0,45 0,37 0,55 0,38 0,64 0,56 0,56 0,91

 Y continuamos con el registr del pice de cada vaina.

Longitud pice de vaina (cm) 1 1 0,9 1 1,2 o 1,1 1,1 o 1,4 0,73 0,91 0,91 0,82 0,83 1 0,96 1,1 1,29 1

Conclusiones
La practica en el campo es la que va formando al alumno, en este caso para ser un buen ingeniero agrnomo, no obstante cada una de ellas pueden presentar distorsiones importantes si los datos son errneos o presentan un comportamiento inconveniente. Por tanto, analizar la informacin contenida en el marco del muestreo permite mejorar la precisin utilizando mtodos adaptados a la estructura poblacional analizada se lleg a la conclusin de que no todas las poblaciones cumplen con las caractersticas para poder ser muestreadas. Cada alumno experimento que teniendo toda la poblacin y escoger al azar es ms preciso un dato ya que de esta manera cualquier muestra tiene las mismas posibilidades de ser estudiada Las caractersticas de las poblaciones no siempre van a ser lo mismo por eso se tiene que ser honesto en el levantamiento de las muestras para que cuando vayamos a sacar de un total de resultados nuestros resultados finales sean mas factibles y el muestreo haya sido til.

Bibliografa (APA)
Scheaffer,R (1998) Elementos de Muestreo Madrid, Espaa: Thomson Leonel, E (2011) Estadstica, Matemtica y computacin. Guatemala: Blogspot Stangoulis, J. y Sison C. (1997) Protocolos de Muestreo en Cultivos para Anlisis de Micronutrientes Recuperado de
http://www.agrosalud.org/descargas/protocolosHP%20para%20muestras%20de%20c ultivos_espanol.pdf