Escolar Documentos
Profissional Documentos
Cultura Documentos
Integrantes:
Angel Colmenares C.I:22.091.549
Gnesis Campos C.I: 24.688.593
Liliana Grisman C.I: 25.162.604
Luis Ramos C.I: 25.285.097
Seccin: BN-II
Introduccin:
La estadstica es una disciplina cuyo objeto es la interpretacin de
conjuntos, de datos numricos que se extraen de hechos empricos. Dicha
interpretacin se lleva a cabo por una serie de tcnicas que han sido
desarrolladas especficamente para el tratamiento adecuado de los datos.
A continuacin se van sealar las nociones de muestreo, entre las cuales se
definirn conceptos de usos estadsticos que ms adelante sern de utilidad
como la poblacin y la muestra. La primera es el conjunto de partida del que
se extrae el conjunto numrico de los datos que se disponen, y esta ltima,
es un subconjunto de elementos que forman parte de la poblacin.
Mientras que la estimacin, protagonista de la estadstica inductiva es un
mtodo inductivo que aplica una serie de mtodos, necesarios para la
transformacin de datos mustrales, y a su vez el estimador es una
representacin funcional de la muestra que debe ser insesgada, consistente
y eficiente; y que a la vez se subdivide en dos tipos: puntual y por intervalo.
Es por ello que el propsito de esta investigacin es el posterior anlisis de
las caractersticas que conlleva aplicar los mtodos de estimacin en las
muestras de una poblacin que se estudia.
Qu es Muestreo?
En estadstica se conoce como muestreo la seleccin de una muestra
a partir de una poblacin.
Es una herramienta de la investigacin cientfica, su funcin bsica es
determinar de una realidad en un estudio (poblacin o universo) que debe
examinarse con la finalidad de hacer inferencia sobre dicha poblacin. En el
muestreo si el tamao de la muestra es ms pequeo que el de la poblacin,
se puede extraer dos o ms muestra de la misma poblacin.
Al tomar varias muestra de una poblacin, la estadstica que calculamos para
cada muestra no necesariamente sern iguales, y lo ms probable es que
variaran de una muestra a otra.
Razones por las cuales se hace un muestreo.
Cuando se estudian las caractersticas de una poblacin, existen
diversas razones prcticas para preferir la seleccin de porciones o muestras
de una poblacin para observar y medir. He aqu algunas razones para
muestrear:
1) Establecer contacto con toda la poblacin requerira mucho tipo:
Ejemplo; Un candidato para un puesto federal quizs desee
determinar las posibilidades que tiene de resultar electo.
2) El costo de estudiar todos los elementos de la poblacin resultara
prohibitivo: Ejemplo; Las organizaciones que realizan encuestas de
opinin pblica y pruebas entre consumidores, como Gallup Polls y
Roper ASW, normalmente entran en contacto con menos de 2000 de
las casi 60 millones de las familias en Estados Unidos.
3) Es imposible verificar de manera fsica todos los elementos de la
poblacin: Ejemplo; Algunas poblaciones son infinitas. Sera imposible
verificar toda el agua del lago Erie en lo que se refiere a niveles de
bacterias, as que se elijen muestras en diversos lugares.
4) Algunas pruebas son de naturaleza destructiva: Ejemplo; Si los
catadores de vino de Sutter Home Winery, California, se bebieron todo
el vino para evaluar la vendimia, acabaran con la cosecha y no
quedara nada disponible para la venta.
5) Los resultados de la muestra son adecuados: Ejemplo; Aunque se
contara con recursos suficientes, es difcil que la precisin de una
muestra de 100% toda la poblacin resulte esencial en la mayora de
los problemas.
Tipos de Muestreo.
Existen diferentes criterios de clasificacin de los diferentes tipos de
muestreo, aunque en general pueden dividirse en dos grandes grupos:
mtodos de muestreo probabilstico y mtodo de muestreo no probabilstico.
1.- 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 seleccionado.
Muestreo aleatorio sistemtico: Es la eleccin de una muestra a
partir de los elementos de una lista segn un orden determinado, o
recorriendo la lista a partir de un nmero aleatorio determinado.
Una poblacin de N elementos, si queremos extraer una muestra de
tamao n, partimos de un nmero k=N/n, llamado coeficiente de
elevacin y tomamos un nmero al azar ha comprendido entre 1 y k
que se denomina arranque u origen. La muestra estar formada por
los elementos: a, a+k, a+2k,....a+(n-1) k.
De aqu se deduce que un elemento poblacional no podr aparecer
ms de una vez en la muestra. La muestra ser representativa de la
poblacin pero introduce algunos sesgos cuando la poblacin est
ordenada en funcin de determinados criterios.
Procedimiento:
1) Definir la poblacin de estudio.
2) Determinar el tamao de muestra requerido.
3) Se calcula la muestra sistemtica dividiendo la poblacin entre
el tamao de la muestra.
4) El valor de k es el intervalo de seleccin que indica cada k de
veces que un elemento de la poblacin se integrar a la
muestra (en el caso de no estar enumerados los elementos). Y
tambin es el intervalo de seleccin del cual se escoger un
nmero aleatoriamente dentro de este intervalo (en caso de
que los elementos estn enumerados), y de ah se parte para
seleccionar las muestras en los dems grupos o intervalos de
seleccin.
Ejemplo:
Cuando los elementos no estn enumerados. Si se va a probar una
muestra de 50 de una poblacin de 500 pelotas, k = 500/50, k=10. Ya
que ninguna pelota tiene un nmero especfico, este intervalo de
seleccin indica que cada 10 decima pelota que contemos se integrar
a la muestra. La primera muestra es la dcima pelota que saquemos
de una bolsa, la segunda muestra es la vigsima, la tercera la
trigsima y as de diez en diez hasta completar las 50 muestras que se
piden.
Cuando los elementos estn numerados. Si la poblacin se compone
de una lista de cheques pre numerados N=800 y se quiere extraer
N
una muestra sistemtica de n=40, se aplica la formula k = n , k =
800
40
Procedimiento:
1) Dividir la poblacin en conglomerados.
2) Seleccionar al azar el nmero de conglomerados que desee.
3) Tomar una muestra aleatoria simple de uno de los elementos de
cada conglomerado.
Ejemplo:
Si se va a realizar una encuesta sobre las polticas y leyes del
municipio, se podra dividir el municipio en distritos, por ejemplo en 13
distritos, de esos tres se toma al azar el 4, 5, 9 y 11, y solo
concentrndonos en estos distritos, tomamos una muestra aleatoria
de habitantes de cada uno de esos distritos, para entrevistarlos.
2.- Muestreo no probabilstico: Es una tcnica de muestreo donde las
muestras se recogen en un proceso que no brinda a todos los individuos de
la poblacin iguales oportunidades de ser seleccionados.
Ventajas
Sencillo y de fcil
comprensin.
Clculo rpido de
medias y varianzas.
Se basa en la teora
estadstica, y por
tanto
existen
paquetes
informticos
para
analizar los datos
Si la constante de
Fcil de aplicar.
No
siempre
es muestreo est asociada
necesario tener un con el fenmeno de
ALEATORIO SIMPLE
Inconvenientes
Requiere que se posea
de antemano un listado
completo de toda la
poblacin. Cuando se
trabaja con muestras
pequeas es posible
que no represente a la
Poblacin
adecuadamente.
SISTEMTICO
ESTRATIFICADO
CONGLOMERADOS
listado de toda la
poblacin.
Cuando la poblacin
est
ordenada
siguiendo
una
tendencia conocida,
asegura
una
cobertura
de
unidades de todos
los tipos.
Tiende a asegurar
que
la
muestra
represente
adecuadamente a la
poblacin
en
funcin de unas
variables
seleccionadas.
Se
obtienen
estimaciones ms
precisa
Su
objetivo
es
conseguir
una
muestra lo ms
semejante posible a
la poblacin en lo
que a la o las
variables
estratificadoras se
refiere.
Es muy eficiente
cuando
la
poblacin
es
muy grande y
dispersa.
No es preciso
tener un listado
de
toda
la
poblacin, slo
de las unidades
primarias
de
inters,
las
estimaciones obtenidas
a partir de la muestra
pueden contener sesgo
de seleccin
Se ha de conocer la
distribucin
en
la
poblacin
de
las
Variables
utilizadas
para la estratificacin.
El error estndar
es mayor que en
el
muestreo
aleatorio simple
o estratificado.
El clculo de
error
estndar
es complejo
muestreo.
Qu es Estimacin?
Estimar es deducir que va a ocurrir respecto a algo (o que est
ocurriendo o que ocurri). Estimar tiene dos significados interesantes,
significa querer e inferir, el primer significado es ms transcendente, pero no
tiene ningn peso en la estadstica. El segundo significado es el ms
importante, una estimacin estadstica es un proceso mediante el que
establecemos que valor debe tener un parmetro segn las deducciones que
realicemos. En otras palabras estimar es establecer conclusiones sobre
caractersticas poblacionales a partir de resultados mustrales.
Por ejemplo: creo que terminare la tarea en unos 5 o 6 das
f ( x, 1 ,..., k )
1 ,..., k
desconocidos.
. Representamos mediante X1,, Xn una
muestra aleatoria simple de la variable. Denotamos mediante fc a la funcin
de densidad conjunta de la muestra, que por estar formada por
observaciones independientes, puede factorizarse del siguiente modo:
aproximar el valor de q,
Obsrvese que el estimador no es un valor concreto sino una variable
aleatoria, ya que aunque depende unvocamente de los valores de la
muestra observados (Xi=xi), la eleccin de la muestra es un proceso
aleatorio. Una vez que la muestra ha sido elegida, se denomina estimacin el
valor numrico que toma el estimador sobre esa muestra.
Intuitivamente, las caractersticas que seran deseables para esta nueva
variable aleatoria (que usaremos para estimar el parmetro desconocido)
deben ser:
Consistencia. Cuando el tamao de la muestra crece arbitrariamente,
el valor estimado se aproxima al parmetro desconocido.
Carencia de sesgo. El valor medio que se obtiene de la estimacin
para diferentes muestras debe ser el valor del parmetro.
Eficiencia. Al estimador, al ser variable aleatoria, no puede exigrsele
que para una muestra cualquiera se obtenga como estimacin el valor
exacto del parmetro. Sin embargo podemos pedirle que su dispersin
con respecto al valor central (varianza) sea tan pequea como sea
posible.
Suficiencia. El estimador debera aprovechar toda la informacin
existente en la muestra.
Ejemplo:
Consideremos una variable aleatoria de la que slo conocemos que su ley de
distribucin es gaussiana, X~N(m,s), con q1=m y q2= s2 desconocidos
Para muestras aleatorias de tamao n=3, X1, X2, X3~N (m,s) un posible
estimador del parmetro m es
1 ( X 1 , X 2 , X 3 ) X
(X 1 X 2 X 3 )
N ,
3
3
Carencia de sesgo
E ()
Decimos que
0, lim P 0
n
si
0, lim P 1
n
Teorema
Como consecuencia de la desigualdad de Chebyshev se puede demostrar el
lim E ()
n
lim V () 0
es consistente.
entonces
Eficiencia
es ms eficiente que
1 y 2
si
de un mismo parmetro
V( 1 ) V( 2 )
, diremos que
Suficiencia
Diremos que
(X 1 ,.., X n )
P(X1 x 1 ,..., X n x n )
no dependa de
si
Varianza de un estimador:
Otra propiedad importante de un estimador es su varianza. La importancia de
la desviacin estndar es que nos permite darle un sentido numrico a la
cercana del valor del estimador a su valor esperado. Entre menor sea la
desviacin estndar de un estimador, ser ms probable que su valor en una
muestra especfica se encuentre ms cerca del valor esperado.
Para aclarar esto, considere dos estimadores T1 y T2, suponga que ambos
son insesgados y suponga que la varianza de T 1 es menor que la de T2, lo
cual quiere decir que los valores de T1 son ms probables que los de T2. O
sea que vamos a encontrar a T1 ms cerca del valor del parmetro que a T 2.
Esto hace que nuestras preferencias estn con T1.
Cuando un estimador tiene una varianza menor que otro decimos que el
estimador es ms eficiente.
Tipos de estimacin:
1) Estimacin 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. Lo
ms importante de un estimador, es que sea un estimador eficiente.
2) 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 un
determinado nivel de confianza. Pero a veces puede cambiar este
intervalo cuando la muestra no garantiza un axioma o un equivalente
circunstancial.
De donde
^ =( 7
) /2
Ejercicios:
Ejercicio 1
Una muestra aleatoria de 9 tarrinas de helado proporciona los siguientes
pesos en gramos: 88, 90, 90, 86, 87,88, 91, 92, 89.
Hallar un intervalo de confianza al 95% para la media de la poblacin,
sabiendo que el peso de las tarifas tiene una distribucin normal con una
desviacin tpica de 1,8 gramos.
Datos:
Desviacin tpica : 1,8
Tamao n: 9
Intervalo de confianza para la poblacin
^ Z 2 .
. +Z
2 .
n
n Media muestra
=
9
Z 2 Para un 95% Z 2 =1,96
Hallamos el intervalo de confianza:
1,8
1,8
891.96 .
.89+1,96.
=( 87,824 ; 90,176 )
9
9
Ejercicio 2
El tiempo de conexin a Internet de los alumnos de cierta universidad. Sigue
una distribucin normal con desviacin tpica 15 minuto. Para estimar la
media del tiempo de conexin, se quiere calcular in intervalo de confianza
que tenga una amplitud menor o igual a 6 minutos, con un nivel de confianza
del 95%. Determinar cul es el tamao mnimo de la muestra que es
necesario observar.
Datos:
Desviacin tpica : 15
Amplitud: 6
Confianza: 95%
Z /2 .
n=
Tamao mnimo n
Error E
=Z 2 .
6
E2E=6E= =3
La amplitud es 2
2
( 1,96315 ) =96,04
n: 97
Conclusin:
Siendo la muestra una derivacin de la poblacin en calidad de
representacin de la misma. El muestreo en estadstica es una tcnica
utilizada para seleccionar la muestra. Dentro del muestreo nos encontramos
con el parmetro y lo estadstico, en cuanto el parmetro no es ms que la
caracterstica que posee una poblacin, y los estadsticos son las
caractersticas que poseen la muestra.
Un estimador es una representacin de los resultados de un muestreo, que
se usa para estimar las cualidades o cantidades, o parmetro, que se
quieren obtener de una poblacin.
Cuando se utiliza una estimacin siempre existe un margen de error, que
pude ser disminuido segn las caractersticas del estimador, las cuales
proporcionan una mayor precisin en los resultados, cuando se menciona
que un estimador debe ser insesgado, se refiere a que el valor que se tiende
a que el valor esperado debe ser igual a los resultados que se obtienen; es
eficiente porque sus valores estn por debajo de los dems estimadores y es
consistente porque sus valores al crecer la muestra se emparejan o aceran al
valor del parmetro.
Bibliografa:
http://www.monografias.com/trabajos17/teoria-muestreo/teoriamuestreo.shtml
http://www.tuveras.com/estadistica/estimacion/estimacion.html
http://www.tuveras.com/estadistica/muestreo/muestreo.html
http://es.slideshare.net/chcluz/tarea-1-ejercicios-muestreo
https://es.wikipedia.org/wiki/Inferencia_bayesiana
C:\Users\Genesis\Documents\muestreo-estimacion-2.gif
https://es.wikipedia.org/wiki/Muestreo_(estad%C3%ADstica)
https://www.google.co.ve/url?
sa=t&rct=j&q=&esrc=s&source=web&cd=4&cad=rja&uact=8&ved=0ahUKEwj
z7o7dtIzMAhXKFT4KHUf2CpkQFgg0MAM&url=http%3A%2F
%2Fwww.monografias.com%2Ftrabajos39%2Fmuestreo-estadistico
%2Fmuestreoestadistico.shtml&usg=AFQjCNGl172EpJE9ieiY5oMwFZJESPEAzQ&sig2=4p
womeDc_oonp24lxwUGpw
https://es.wikipedia.org/wiki/Estimaci%C3%B3n_estad%C3%ADstica
http://asignatura.us.es/dadpsico/apuntes/EstimacionEstadistica.pdf