Statistics">
Muestreo y Estimacion
Muestreo y Estimacion
Muestreo y Estimacion
Matemáticos:
Giuseppe Giansante cedula 25686656
Nairobi Melero cedula 28411336
Carlos Villalobos 28411400
Muestreo
En estadísticas, esta se conoce como la técnica empleada para la selección de muestra a partir
de una población. Mediante este podemos hacer un estudio de una población permitiendo
ahorrar recursos y obtener resultados a los que se alcanzarían si se realizase un estudio de
toda la población. Si el tamaño de la muestra es mas pequeño que el tamaño de la población,
se puede extraer dos o mas muestras de la misma población. A este conjunto de muestras se
denomina como “Espacio muestral”.
• Muestreo Probabilístico:
El muestreo aleatorio simple es uno de los métodos de selección más sencillos para una
muestra. Se basa en elegir, de forma aleatoria, a los individuos de la muestra a investigar.
Para ello, se le otorga un número a cada sujeto de la población y posteriormente, a modo de
sorteo, se seleccionan números de forma aleatoria para conformar la muestra.
Por ejemplo: para tomar una muestra de 10 escuelas, sobre una población de 200
escuelas que hay en el país, cada escuela obtiene un número al azar. Entonces, a modo
de sorteo, se seleccionan 10 números que conformarán dicha muestra.
Este procedimiento, atractivo por su simpleza tiene poca o nula utilidad práctica
cuando la población que estamos manejando es muy grande.
2. Muestreo aleatorio sistemático:
1. Elaboramos una lista ordenada de los N individuos de la población, lo que sería el marco
muestral.
2. Dividimos el marco muestral en n fragmentos, donde n es el tamaño de muestra que
deseamos. El tamaño de estos fragmentos será: K=N/n, donde K recibe el nombre de intervalo
o coeficiente de elevación.
3. Número de inicio: obtenemos un número aleatorio entero A, menor o igual al intervalo. Este
número corresponderá al primer sujeto que seleccionaremos para la muestra dentro del
primer fragmento en que hemos dividido la población.
4. Selección de los n-1 individuos restantes: Seleccionamos los siguientes individuos a partir del
individuo seleccionado aleatoriamente, mediante una sucesión aritmética, seleccionando a los
individuos del resto de fragmentos en que hemos dividido la muestra que ocupan la misma
posición que el sujeto inicial. Esto equivale a decir que seleccionaremos los individuos:
𝐴, 𝐴 + 𝑘, 𝐴, ⋯ , 𝐴 + (𝑛 − 1)𝐾
Supongamos que tenemos un marco muestral de 5.000 individuos y deseamos obtener una
muestra de 100 de ellos. Dividimos en primer lugar el marco muestral en 100 fragmentos de
50 individuos. A continuación, seleccionamos un número aleatorio entre 1 y 50, para extraer el
primer individuo al azar del primer fragmento: por ejemplo, el 24. A partir de este individuo,
queda definida la muestra extrayendo los individuos de la lista con intervalos de 50 unidades,
tal y como sigue:
Consiste en considerar categorías típicas diferentes entre si que poseen gran homogeneidad
respecto a alguna característica (Se puede estratificar, por ejemplo, según la profesión, el
municipio de residencia, el sexo, el estado civil, etc.). Este tipo de muestreo pretende
asegurarse de que todos los estratos de interés estarán representados adecuadamente en la
muestra
Estos 10,000 ciudadanos se pueden dividir en estratos según su edad, es decir, en grupos de 18
a 29 años, de 30 a 39 años, de 40 a 49 años, 50 a 59 años y 60 o más. Cada estrato tendrá
miembros distintos y por supuesto de igual manera el número de miembros será diferente.
Este método es utilizado cuando no es viable, o es imposible, elaborar una lista exacta de los
elementos de una población. Para llevarlo a cabo, los detalles de dicha población ya deben
estar agrupados en poblaciones, es decir que las listas ya deben existir, o se pueden crear.
Por ejemplo: un investigador decide realizar una investigación sobre México, pero dividir en
grupos a toda la población del país sería difícil e impráctico. Por lo tanto, aprovecha y utiliza la
separación natural por ciudades. Así, a partir de cada ciudad, elige individuos de forma
aleatoria para conformar la muestra.
Al saber cómo hacer un muestreo por conglomerados te darás cuenta que hay dos formas de
clasificarlo. La primera forma se basa en el número de etapas seguidas para obtener el
muestreo y la segunda en la representación de todos los grupos conglomerados.
➢ Muestreo por conglomerados de múltiples etapas: para que una investigación efectiva
se lleva a cabo con múltiples grupos, se necesita formar conglomerados. Y para realizar
una investigación de múltiples grupos de manera exitosa la mejor forma de hacerlo es
a través de un muestreo por conglomerados de múltiples etapas.
• Muestreo no probabilístico:
2. El investigador elige las cuotas (número de sujetos) n1, n2,…, nk que se van a tomar de
cada grupo, siendo su suma el total de elementos n de la muestra:
Las cuotas se pueden decidir a criterio lógico del investigador o mediante criterios
adaptados a la muestra.
3. Se eligen los elementos en cada estrato o grupo por métodos no probabilísticos. Por
ejemplo, podríamos elegir los elementos de la muestra de nuestra ciudad porque resulta
más cómodo, o de un grupo de voluntarios, etc.
2) Muestreo casual o accidental:
Se llama muestreo de bola de nieve porque cada sujeto estudiado propone a otros,
produciendo un efecto acumulativo parecido al de la bola de nieve.
Un ejemplo serio:
4) Muestreo Discrecional:
Ejemplo:
A un jefe de estudios le encomiendan un estudio del nivel de satisfacción de los alumnos con
un determinado profesor. El investigador, que conoce a todos los alumnos de esa clase, decide
utilizar el muestreo discrecional seleccionando a los alumnos que cree que serán los más
representativos.
Estimación
Para llevar a cabo una estimación, entonces, es necesario primero contar con una serie de
datos. Además, es común que los investigadores se sustenten en un marco teórico.
Por ejemplo, podemos estimar la inflación definiéndola como la diferencia entre los precios
(de la economía) del periodo A y los precios del periodo B. Entonces, se calcula una variación
porcentual entre los datos registrados en ambos puntos del tiempo.
Vale aclarar también que la estimación puede efectuarse sin rigurosidad matemática. Esto
suele suceder, por ejemplo, cuando se consulta a algunos expertos sobre cuánto va a crecer la
economía en el presente año. Entonces, sin haber trabajado un cálculo econométrico, el
analista lanza una cifra (o un rango), posiblemente con base en los indicadores que se vienen
observando, como el consumo de cemento.
EJEMPLO: Si se dice que una distancia viene dada por 5.28 pies, se está dando una estima de
punto. Si, por otra parte, se dice que la distancia es 5,28 +- 0.03 pies, es decir, la distancia real
se encuentra entre 5.25 y 5.31 pies, se está dando una estima de intervalo
• Intervalo de confianza:
Un intervalo de confianza nos va a permitir calcular dos valores alrededor de una media
muestral (uno superior y otro inferior). Estos valores van a acotar un rango dentro del cual, con
una determinada probabilidad, se va a localizar el parámetro poblacional.
el intervalo de confianza no sirve para dar una estimación puntual del parámetro poblacional,
si nos va a servir para hacernos una idea aproximada de cuál podría ser el verdadero de este.
Nos permite acotar entre dos valores en dónde se encontrará la media de la población.
Se desea estimar la media del tiempo que un corredor emplea para completar una maratón.
Para ello se han cronometrado 10 maratones y se ha obtenido una media de 4 horas con una
desviación típica de 33 minutos (0,55 horas). Se desea obtener un intervalo al 95% de
confianza.
Para obtener el intervalo, no tendríamos más que sustituir los datos en la fórmula del
intervalo.
El intervalo de confianza, sería la parte de la distribución que queda sombreada en azul. Los 2
valores acotados por este serían los correspondientes a las 2 líneas de color rojo. La linea
central que parte la distribución en 2 sería el verdadero valor poblacional.
Es importante resaltar que en este caso, dado que la función de densidad de la distribución
N(0,1) nos da la probabilidad acumulada (desde la izquierda hasta el valor crítico), tenemos
que encontrar el valor que nos deja a la izquierda 0,975% (este es 1,96).