TEORIA ELEMENTAL DEL MUESTREO

MUESTRA: Subconjunto de la población o colección de mediciones seleccionadas de la población de interés.

CENSO: Es una investigación estadística consistente en un conjunto de actividades cuya ejecución permite
obtener información específica, de todas las unidades de información que componen una población objetivo.
Esto es, un censo permite obtener un inventario de las características que posee cada una de las unida- des de
información en un momento determinado.
Aunque la palabra censo implica la investigación y análisis de todas las unidades de información que constituyen
la población objetivo, en la práctica, un censo nacional puede ser restringido a una muestra, siempre y cuando
esta muestra sea suficientemente grande para que sea representativa y permita generar datos a nivel subnacional.
Los censos tradicionalmente más importantes a nivel nacional son: el censo de población y vivienda, censo
agropecuario y el censo económico.

POBLACION: Total de elementos o mediciones a considerar en un estudio estadístico.

Población finita: cuando se pueden enumerar por métodos físicos los elementos de la población.
Habitantes del bajío

Población infinita: es aquella en la cual no se pueden enumerar por métodos físicos todos los elementos
de la población. Las estrellas.

Muestreo con reemplazo (muestreo aleatorio simple): Es aquel en que un elemento puede ser seleccionado
más de una vez en la muestra para ello se extrae un elemento de la población se observa y se devuelve a la
población, por lo que de esta forma se pueden hacer infinitas extracciones de la población aun siendo esta finita.
Muestreo sin reemplazo: No se devuelve los elementos extraídos a la población hasta que no se hallan
extraídos todos los elementos de la población que conforman la muestra.

Muestreo por conglomerado: El muestreo por conglomerados requiere de elegir una muestra aleatoria simple
de unidades heterogéneas entre sí de la población llamadas conglomerados. Cada elemento de la población
pertenece exactamente a un conglomerado, y los elementos dentro de cada conglomerado son usualmente
heterogéneos o disímiles.

Si intentamos hacer un estudio sobre los habitantes de una ciudad, el muestreo aleatorio simple puede resultar
muy costoso, ya que estudiar una muestra de tamaño n implica enviar a los encuestadores a npuntos distintos de
la misma, de modo que en cada uno de ellos sólo se realiza una entrevista. En esta situación es más económico
realizar el denominado muestreo por conglomerados, que consiste en elegir aleatoriamente ciertos barrios
dentro de la ciudad, para después elegir calles y edificios. Una vez elegido el edificio, se entrevista a todos los
vecinos.

Suponga que se han seleccionado muestras aleatorias de tamaño 20 en una población grande. Se calcula la madia
muestral x para cada muestra; la colección de todas estas medias muestrales recibe el nombre de distribución
muestral de medias, lo que se puede ilustrar en la siguiente figura:
 DISTRIBUCIÓN MUESTRAL DE PROPORCIONES

Existen ocasiones en las cuales no estamos interesados en la media de la muestra, sino que queremos investigar
la proporción de artículos defectuosos o la proporción de alumnos reprobados en la muestra. La distribución
muestral de proporciones es la adecuada para dar respuesta a estas situaciones. Esta distribución se genera de
igual manera que la distribución muestral de medias, a excepción de que al extraer las muestras de la población
se calcula el estadístico proporción (p=x/n en donde "x" es el número de éxitos u observaciones de interés y "n"
el tamaño de la muestra) en lugar del estadístico media.

En un estudio de investigación, el error tipo I también mal llamado error tipo alfa (alfa es la probabilidad de
que ocurra este error), es el error que se comete cuando el investigador rechaza la hipótesis nula (Ho) siendo ésta
verdadera en la población. Es equivalente a encontrar un resultado falso positivo, porque el investigador llega a
la conclusión de que existe una diferencia entre las hipótesis cuando en realidad no existe.

En un estudio de investigación, el error tipo II, también llamado error tipo beta (aunque beta es la
probabilidad de que exista éste error), se comete cuando el investigador no rechaza la hipótesis nula siendo ésta
falsa en la población. Es equivalente a la probabilidad de un resultado falso negativo, ya que el investigador
llega a la conclusión de que ha sido incapaz de encontrar una diferencia que existe en la realidad.
Se acepta en un estudio que el valor del error beta debe estar entre el 5 y el 20%..

El poder o potencia del estudio representa la probabilidad de observar en la muestra una determinada
diferencia o efecto, si existe en la población. Es el complementario del error tipo II (1-beta).

Tabla de Números Aleatorios.

Las Tablas de Números Aleatorios contienen los dígitos 0, 1, 2,..., 7, 8, 9. Tales dígitos se pueden leer
individualmente o en grupos y en cualquier orden, en columnas hacia abajo, columnas hacia arriba, en fila,
diagonalmente, etc., y es posible considerarlos como aleatorios. Las tablas se caracterizan por dos cosas que las
hacen particularmente útiles para el muestreo al azar. Una característica es que los dígitos están ordenados de tal
manera que la probabilidad de que aparezca cualquiera en un punto dado de una secuencia es igual a la
probabilidad de que ocurra cualquier otro. La otra es que las combinaciones de dígitos tienen la misma
probabilidad de ocurrir que las otras combinaciones de un número igual de dígitos. Estas dos condiciones
satisfacen los requisitos necesarios para el muestreo aleatorio, establecidos anteriormente. La primera condición
significa que en una secuencia de números, la probabilidad de que aparezca cualquier dígito en cualquier punto
de la secuencia es 1/10. La segunda condición significa que todas las combinaciones de dos dígitos son
igualmente probables, del mismo modo que todas las combinaciones de tres dígitos, y así sucesivamente.
Existen métodos más eficaces para generar números aleatorios, en muchos de los cuales se utilizan calculadoras
u otra clase de aparatos electrónicos. Las tablas elaboradas mediante estos métodos son verificadas
completamente para asegurarse de que en realidad sean aleatorias. Sin embargo, el interés no radica en elaborar
estas tablas, sino utilizarlas.
Para utilizar una Tabla de Números Aleatorios:
1- Hacer una lista de los elementos de la población.
2- Numerar consecutivamente los elementos de la lista, empezando con el cero (0, 00, 000, etc.).
3- Tomar los números de una Tabla de Números Aleatorios, de manera que la cantidad de dígitos de cada uno sea
igual a la del último elemento numerado de su lista. De ese modo, si el último número fue 18, 56 ó 72, se deberá
tomar un dígito de dos números.
4- Omitir cualquier dígito que no corresponda con los números de la lista o que repita cifras seleccionadas
anteriormente de la tabla. Continuar hasta obtener el número de observaciones deseado.
5- Utilizar dichos números aleatorios para identificar los elementos de la lista que se habrán de incluir en la
muestra.
Un ejemplo de una tabla de números aleatorios consiste en la lista de los números de Lotería Nacional premiados
a lo largo de su historia, pues se caracterizan por que cada dígito tiene la misma probabilidad de ser elegido, y su
elección es independiente de las demás extracciones. Un modo de hacerlo es el siguiente:
Supongamos que tenemos una lista de números aleatorios de k= 5 cifras (00000-99.999), una población de N=
600 individuos, y deseamos extraer una muestra de n= 6 de ellos. En este caso ordenamos a toda la población
(usando cualquier criterio) de modo que a cada uno de sus elementos le corresponda un número del 1 al 600. En
segundo lugar nos dirigimos a la tabla de números aleatorios, y comenzando en cualquier punto extraemos un
número t, y tomamos como primer elemento de la muestra al elemento de la población:

El proceso se repite tomando los siguientes números de la tabla de números aleatorios, hasta obtener la muestra
de 10 individuos.
 Las cantidades
pueden ser consideradas como observaciones de una v.a. U, que sigue una distribución uniforme en el intervalo
[0,1]