UNIVERSIDAD JOSE CARLOS MARIATEGUI

Pg. 21
CAPITULO 3

CALCULO DE LA MUESTRA

INTRODUCCION
En la estadstica tiene un papel destacado la nocin de MUESTRA ALEATORIA.
Una muestra aleatoria de tamao n es:
Una coleccin de n variables aleatorias.
Todas con la misma distribucin.
Todas independientes.

Esta definicin idealiza la operacin de repetir n veces la observacin de la misma
variable aleatoria, siendo las repeticiones independientes una de otra.

La coleccin de donde extraemos la muestra aleatoria, se denomina POBLACIN.
Nuestra intencin al tomar una muestra, es la de hacer INFERENCIA. Este trmino lo
usamos en estadstica para denotar al procedimiento con el que hacemos
afirmaciones acerca de valores generales de la poblacin mediante los nmeros que
observamos en la muestra.

Quiz un ejemplo aclare las ideas. Suponga que observamos el proceso de fabricacin
de las ``bolitas'' que se le ponen al envase de los desodorantes ``roll on''. No todas las
bolitas van a tener el mismo dimetro, si escogemos, al azar una bolita, tendremos un
valor para el dimetro que es una variable aleatoria. Podemos suponer que los
dimetros tienen la distribucin normal, debido a nuestra experiencia con el proceso,
conocemos que la desviacin estndar de la poblacin es de 4 mm
(aproximadamente). Pero, tambin por experiencia, sabemos que el dimetro
promedio puede variar por desajuste de la maquinaria productora. De modo que
tenemos:
Una POBLACIN, que son todas las bolitas que se producen.
UNIVERSIDAD JOSE CARLOS MARIATEGUI



Pg. 22
Un PARMETRO de la poblacin conocido (o casi) que es la desviacin
estndar.
Otro PARMETRO cuyo valor es desconocido: la media.

Para tratar de conocer el valor del parmetro que desconocemos, tomamos una
MUESTRA de laS bolitas. Supongamos que son 100 bolitas en la muestra. Con un
instrumento de precisin, y con mucho cuidado, medimos los dimetros de las 100
bolitas de la muestra y calculamos su promedio.

Qu nos dice el valor de la media de la muestra respecto a la media de la poblacin?
Por un lado, definitivamente la media de la muestra NO va a ser igual a
la de la poblacin.
Por otra parte, no tenemos mejor informacin respecto a la media
de la poblacin que la que extraigamos de la muestra. Cualquier
otra informacin no pasa de chisme.
Por ltimo, sera muy extrao que si la poblacin de bolitas tiene,
por decir algo, un dimetro promedio de 45 mm, nos tocaran 100
bolitas en la muestra con un promedio de, digamos, 32 mm.
Fjese que no decimos imposible sino raro o extrao.
Adems, si alguien nos preguntara como cunto es el dimetro
promedio de la poblacin de bolitas? Le contestaramos diciendo
el valor que hayamos visto en la muestra.
A nuestra contestacin debamos agregarle alguna advertencia
como: "mas o menos'', o ``aproximadamente''.

A un valor calculado con los datos de una muestra lo llamamos ESTADSTICA.
Cuando usamos una estadstica para jugar el papel de decir, aproximadamente, el
valor de un parmetro de la poblacin, le llamamos ESTIMADOR. Cuando andamos
un poco pedantes le llamamos ESTIMADOR PUNTUAL (al decir ``puntual'' queremos
decir que para estimar el parmetro estamos usando un valor nico).
UNIVERSIDAD JOSE CARLOS MARIATEGUI



Pg. 23
Regresando a las bolitas del ``Roll on''. Si la muestra de 100 bolitas arroja un valor del
promedio de 43.5 mm, diramos que ESTIMAMOS el promedio de la poblacin en 43.5
mm.

Constryase Ud. mismo un ejemplo como el de las bolitas. En su ejemplo, describa
una poblacin.
un parmetro para la poblacin.
una muestra.
una estadstica que le sirva como estimador.

Caractersticas probabilsticas de un estimador
Cuando se tiene una frmula para estimar y se aplica a una muestra aleatoria, el
resultado es aleatorio, es decir los estimadores son variables aleatorias.

Por ejemplo si se recibe un embarque de objetos que pueden
estar listos para usarse
defectuosos.

Podemos seleccionar, al azar, algunos de ellos para darnos una idea de la proporcin
de defectuosos en el embarque. El parmetro de inters es la proporcin de
defectuosos en toda la poblacin, pero lo que observamos es la proporcin de
defectuosos en la muestra. El valor de la proporcin en la muestra es una variable
aleatoria cuya distribucin est emparentada directamente con la binomial (si se
tratara del nmero de defectuosos, sera binomial).

Como cualquier variable aleatoria, el estimador tiene
distribucin de probabilidad.
valor esperado.
desviacin estndar / varianza.





UNIVERSIDAD JOSE CARLOS MARIATEGUI



Pg. 24
Valor esperado de un estimador y sesgo
El valor esperado de un estimador nos da un valor alrededor del cual es muy probable
que se encuentre el valor del estimador. Para poner un ejemplo, si supieramos que el
valor esperado de una estadstica es 4, esto significara que al tomar una muestra:
No creemos que el valor de la estadstica vaya a ser 4.
Pero tampoco creemos que el valor de la estadstica vaya a estar lejos de 4.

Ya que es muy probable que el valor del estimador est cerca de su valor esperado,
una propiedad muy deseable es que ese valor esperado del estimador coincida con el
del parmetro que se pretende estimar. Al menos, quisiramos que el valor esperado
no difiera mucho del parmetro estimado.

Por esa razn es importante la cantidad que, tcnicamente llamamos sesgo. El sesgo
es la diferencia entre el valor esperado del estimador y el parmetro que estima.

Si el sesgo 0, se dice que el estimador es instigado y sta es una caracterstica buena
para un estimador. Un estimador que es instigado tiene una alta probabilidad de tomar
un valor cercano al valor del parmetro.

Varianza de un estimador
Otra propiedad importante de un estimador es su varianza (o su raz cuadrada, la
desviacin estndar).

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 (o la varianza) de un estimador, ser ms
probable que su valor en una muestra especfica se encuentre mas cerca del valor
esperado. Para aclarar esto, considere dos estimadores T1 y T2, suponga que ambos
son instigados y suponga que la varianza de T1 es menor que la de T2 Qu quiere
decir esto? Simplemente que en un entorno fijo del valor del parmetro, 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 T2. Esto hace que nuestras preferencias estn con T1.

UNIVERSIDAD JOSE CARLOS MARIATEGUI



Pg. 25
Cuando un estimador tiene una varianza menor que otro decimos que el estimador es
ms eficiente.

En el pizarrn vemos algunos estimadores instigados:
la proporcin muestra como estimador de la proporcin poblaciones.
la media muestra como estimador del valor esperado poblaciones.
la varianza de la muestra como estimador de la varianza de la poblacin.

La distribucin de probabilidad de una estadstica
Quiz el resultado ms importante para la estadstica es el Teorema del Lmite
Central. Este resultado nos indica que, para la estadstica promedio de la muestra
El valor esperado es la media de la poblacin.
La varianza es igual a la de la poblacin dividida por el nmero de elementos
de la muestra.
La distribucin de probabilidad es la normal.

Este teorema es muy importante porque permite calcular probabilidades acerca de
dnde se encuentra el valor del promedio muestra. Es slo cuestin de usar la tabla
normal teniendo cuidado al estandarizar de usar la desviacin estndar adecuada que
es la de la poblacin dividida por la raz cuadrada del nmero de elementos de la
muestra.

En el saln hacemos en forma detallada, ejemplos de estos clculos.

Estimacin del error de una medida directa
La estimacin del error de una medida tiene siempre una componente subjetiva. En
efecto, nadie mejor que un observador experimentado para saber con buena
aproximacin cul es el grado de confianza que le merece la medida que acaba de
tomar. No existe un conjunto de reglas bien fundadas e inalterables que permitan
determinar el error de una medida en todos los casos imaginables. Muchas veces es
tan importante consignar cmo se ha obtenido un error como su propio valor.

Sin embargo, la aplicacin de algunos mtodos estadsticos permite objetivar en gran
medida la estimacin de errores aleatorios. La estadstica permite obtener los
parmetros de una poblacin (en este caso el conjunto de todas las medidas que es
UNIVERSIDAD JOSE CARLOS MARIATEGUI



Pg. 26
posible tomar de una magnitud), a partir de una muestra (el nmero limitado de
medidas que podemos tomar).

Mejor valor de un conjunto de medidas
Supongamos que medimos una magnitud un nmero n de veces. Debido a la
existencia de errores aleatorios, las n medidas sern en general diferentes.

El mtodo ms razonable para determinar el mejor valor de estas medidas es tomar el
valor medio. En efecto, si los errores son debidos al azar, tan probable es que ocurran
por defecto como por exceso, y al hacer la media se compensarn, por lo menos
parcialmente. El valor medio se define por:

y este es el valor que deber darse como resultado de las medidas.


TIPOS DE ESTIMACIN ESTADSTICA
Estimacin de parmetros:
Un problema importante de la inferencia estadstica es la estimacin de parmetros de
la poblacin, brevemente parmetros (tales como la media y la variacin de la
poblacin), de los correspondientes estadsticos mustrales, o simplemente
estadsticos (tales como la media y la variacin de la muestra).

Estimaciones sin sesgo:
Si la media de las dispersiones de muestreo con un estadstico es igual que la del
correspondiente parmetro de la poblacin, el estadstico se llamara estimador sin
sesgo, del parmetro; si no, si no se llama estimador sesgado. Los correspondientes
valores de tal estadstico se llaman estimacin sin sesgo, y estimacin con sesgo
respectivamente.

Ejemplo 1: la media de las distribuciones de muestreo de medias

, media de la
poblacin. Por lo tanto, la media muestral
X
es una estimacin sin sesgo de la media
de la poblacin.
UNIVERSIDAD JOSE CARLOS MARIATEGUI



Pg. 27
Ejemplo 2: Las medias de las distribuciones de muestreo de las variables es:
2 2
1

N
N
s

=
Encontramos, de manera que
2
s
es una estimacin sin sesgo de. Sin embargo, s es
una estimacin sesgada de. En trminos de esperanza podramos decir que un
estadstico es instigado porque
} { = X E
Y
( }
2 2
= S E


Estimacin eficiente:
Si las distribuciones de muestreo de dos estadsticos tienen la misma media(o
esperanza), el de menor varianza se llama un estimador eficiente de la media,
mientras que el otro se llama un estimador ineficiente, respectivamente.

Si consideramos todos los posibles estadsticos cuyas distribuciones de muestreo
tiene la misma media, aquel de varianza mnima se llama a veces, el estimador de
mxima eficiencia, sea el mejor estimador.

Ejemplo:
Las distribuciones de muestreo de media y mediana tienen ambas la misma media, a
saber, la media de la poblacin. Sin embargo, la varianza de la distribucin de
muestreo de medias es menor que la varianza de la distribucin de muestreo de
medianas. Por tanto, la media muestral da una estimacin eficiente de la media de la
poblacin, mientras la mediana de la muestra da una estimacin ineficiente de ella.

De todos los estadsticos que estiman la media de la poblacin, la media muestral
proporciona la mejor (la ms eficiente) estimacin.

En la prctica, estimaciones ineficientes se usan con frecuencia a causa de la relativa
sencillez con que se obtienen algunas de ellas.

Estimaciones de punto y estimaciones de intervalo, su fiabilidad:
Una estimacin de un parmetro de la poblacin dada por un solo nmero se llama
una estimacin de punto del parmetro. Una estimacin de un parmetro de la
poblacin dada por dos puntos, entre los cuales se pueden considerar encajado al
parmetro, se llama una estimacin del intervalo del parmetro.
UNIVERSIDAD JOSE CARLOS MARIATEGUI



Pg. 28
Las estimaciones de intervalo que indican la precisin de una estimacin y son por
tanto preferibles a las estimaciones de punto.

Ejemplo:
Si decimos que una distancia s a medido como 5.28 metros (m), estamos dando una
estimacin de punto. Por otra parte, si decimos que la distancia es 5.28 0.03 m,
(sea, que esta entre 5.25 y 5.31 m), estamos dando una estimacin de intervalo.

El margen de error o la percepcin de una estimacin nos informa su fiabilidad.

Estimaciones de intervalos de confianza para parmetros de poblacin:
Sean
s
y
s
la media y la desviacin tpica (error tpico) de la distribucin de
muestreo de un estadstico S. Entonces, si la distribucin de muestreo de s es
aproximadamente normal (que como hemos visto es cierto para muchos estadsticos si
el tamao de la muestra es N30), podemos esperar hallar un estadisco muestral real
S que este en los intervalos
s s sa s o s s sa s s s sa s 3 3 , 2 2 , + + +

alrededor del 68.27 %, 95.45% y 99.7 % del tiempo restante, respectivamente.

La tabla 1. Corresponde a los niveles de confianza usados en la prctica. Para niveles
de confianza que no aparecen en la tabla, los valores Zc se pueden encontrar gracias
a las tablas de reas bajo la curva normal.

Nivel de
confianza
99.7% 99% 98% 96% 95.45% 95% 90% 80%
6827% 50%

Z
c

3.00 2.58 2.33 2.05 2.00 1.96 1.645 1.28
1.00 0.6745

Intervalos de confianza para la media:
Si el estadstico s de la media
X
de la muestra, entonces los limites de confianza
X X
Y 58 . 2 96 . 1
, respectivamente. Mas en general los limites de confianza para
estimar la media de la poblacin viene dado por
X C
Z X
, usando los valores de
Si el muestreo de la poblacin es infinita por lo tanto viene dado por:
N
Z X
C

=
UNIVERSIDAD JOSE CARLOS MARIATEGUI



Pg. 29
Si el muestro es sin reposicin de una poblacin de tamao Np.

Ejemplo
Halar laos limites de confianza de 98% y 90%.para los dimetros de una bolsa

Solucin:
Sea Z =Zc tal que al rea bajo la curva normal a la derecha sea 1%. Entonces, por
simetra el rea del lado izquierdo de Z=-Zc, como el rea total bajo la curva es 1,
Zc= 0.49 por lo tanto, Zc=2.33, luego el limite de confianza es 98% son X=
2.33=0.824 2.33(0.042/ 200)=0.824 0.069 cm.

Generalmente, la desviacin tpica de la poblacin no es conocida. As pues, para
obtener los limites usamos la estimacin s o S es satisfactorio si N>=30, si a
aproximacin es pobre y debe de empleare la teora de pequeas muestras.


CLCULO DEL TAMAO DE LA MUESTRA
A la hora de determinar el tamao que debe alcanzar una muestra hay que tomar en
cuenta varios factores: el tipo de muestreo, el parmetro a estimar, el error muestral
admisible, la varianza poblacional y el nivel de confianza. Por ello antes de presentar
algunos casos sencillos de clculo del tamao muestral delimitemos estos factores.

Parmetro. Son las medidas o datos que se obtienen sobre la poblacin.

Estadstico. Los datos o medidas que se obtienen sobre una muestra y por lo tanto
una estimacin de los parmetros.

Error Muestral, de estimacin o standard. Es la diferencia entre un estadstico y su
parmetro correspondiente. Es una medida de la variabilidad de las estimaciones de
muestras repetidas en torno al valor de la poblacin, nos da una nocin clara de hasta
dnde y con qu probabilidad una estimacin basada en una muestra se aleja del
valor que se hubiera obtenido por medio de un censo completo. Siempre se comete un
error, pero la naturaleza de la investigacin nos indicar hasta qu medida podemos
cometerlo (los resultados se someten a error muestral e intervalos de confianza que
varan muestra a muestra). Vara segn se calcule al principio o al final. Un estadstico
UNIVERSIDAD JOSE CARLOS MARIATEGUI



Pg. 30
ser ms preciso en cuanto y tanto su error es ms pequeo. Podramos decir que es
la desviacin de la distribucin muestral de un estadstico y su fiabilidad.

Nivel de Confianza. Probabilidad de que la estimacin efectuada se ajuste a la
realidad. Cualquier informacin que queremos recoger est distribuida segn una ley
de probabilidad (Gauss o Student), as llamamos nivel de confianza a la probabilidad
de que el intervalo construido en torno a un estadstico capte el verdadero valor del
parmetro.

Varianza Poblacional. Cuando una poblacin es ms homognea la varianza es
menor y el nmero de entrevistas necesarias para construir un modelo reducido del
universo, o de la poblacin, ser ms pequeo. Generalmente es un valor
desconocido y hay que estimarlo a partir de datos de estudios previos.

Tamao de muestra para estimar la media de la poblacin
Veamos los pasos necesarios para determinar el tamao de una muestra empleando
el muestreo aleatorio simple. Para ello es necesario partir de dos supuestos: en primer
lugar el nivel de confianza al que queremos trabajar; en segundo lugar, cual es el error
mximo que estamos dispuestos a admitir en nuestra estimacin. As pues los pasos a
seguir son:

Veamos los pasos necesarios para determinar el tamao de una muestra empleando
el muestreo aleatorio simple. Para ello es necesario partir de dos supuestos: en primer
lugar el nivel de confianza al que queremos trabajar; en segundo lugar, cual es el error
mximo que estamos dispuestos a admitir en nuestra estimacin. As pues los pasos a
seguir son:

1.- Obtener el tamao muestral imaginando que N>

Donde:
: z correspondiente al nivel de confianza elegido
: Varianza poblacional
e : error mximo
UNIVERSIDAD JOSE CARLOS MARIATEGUI



Pg. 31
2.- Comprobar si se cumple


Si esta condicin se cumple el proceso termina aqu, y ese es el tamao adecuado
que debemos muestrear.

Si no se cumple, pasamos a una tercera fase:

3.- Obtener el tamao de la muestra segn la siguiente frmula:


Veamos un ejemplo: La Consejera de Trabajo planea un estudio con el inters de
conocer el promedio de horas semanales trabajadas por las mujeres del servicio
domstico. La muestra ser extrada de una poblacin de 10000 mujeres que figuran
en los registros de la Seguridad Social y de las cuales se conoce a travs de un
estudio piloto que su varianza es de 9.648. Trabajando con un nivel de confianza de
0.95 y estando dispuestos a admitir un error mximo de 0,1, cul debe ser el tamao
muestral que Empleemos?
Buscamos en las tablas de la curva normal el valor de que corresponde con el
nivel de confianza elegido: = 1.96 y seguimos los pasos propuestos arriba.

1.

2.- Comprobamos que no se cumple, pues en este caso 10000 < 3706 (3706 - 1);
10000 < 13730730
3.-

UNIVERSIDAD JOSE CARLOS MARIATEGUI



Pg. 32
Tamao de muestra para estimar la proporcin de la poblacin
Para calcular el tamao de muestra para la estimacin de proporciones poblaciones
hemos de tener en cuenta los mismos factores que en el caso de la media. La frmula
que nos permitir determinar el tamao muestral es la siguiente:

donde
: z correspondiente al nivel de confianza elegido
P : proporcin de una categora de la variable
e : error mximo
N : tamao de la poblacin

Siguiendo con el estudio planteado en el punto anterior, supongamos que tratamos de
estimar la proporcin de mujeres que trabajan diariamente 10 horas o ms. De un
estudio piloto se dedujo que P=0.30, fijamos el nivel de confianza en 0.95 y el error
mximo 0.02.
UNIVERSIDAD JOSE CARLOS MARIATEGUI



Pg. 33


MUESTREO Y
DI STRI BUCI ONES
DE MUESTREO




1. Deter mi nar el tamao de una muestra
2. Asegurarse que l as muestras que se extrai gan
sean representati vas de l a pobl aci n de l a que
provi enen
3. Comprender l as di stri buci ones del muestreo
4. Comprender l a rel aci n entre el costo del tomar
muestras ms grandes y l a preci si n adi ci onal
que esto l e proporci one a l as deci si ones
tomadas a partir de ell as
Al fi nali zar l a Sesi n, el partici pante ser capaz de:
OBJETI VOS



UNIVERSIDAD JOSE CARLOS MARIATEGUI



Pg. 34


CONTENI DO
1. Ti pos de Muest reo
2. El muest reo
3. Di stri buci ones de muest reo
4. El t eorema del l mit e central




3.1 I mportancia del muestreo
En l ugar de l evantar un censo compl eto se
reali za un muestreo, debi do a que un censo:
1. requi ere demasi ado ti empo
2. es muy costoso
3. muy l abori oso e i nefi ci ente


UNIVERSIDAD JOSE CARLOS MARIATEGUI



Pg. 35


A) MUESTREO NO PROBABI L STI CO: No
per mite i nferenci a estadsti ca.
1. M. de Jui ci o: Abarca el j uici o del expert o,
opi ni ones de especi alist a
2. M. de Cuotas: Se deci de l a estruct ura del
marco muestral, si n t ener en cuent a l a
estruct ura del marco pobl aci onal.
3. M. de Trozo: La el ecci n de l os raci mos no
se hace al azar.
3.2 Tipos de Muestreo




(B) MUESTREO PROBABI L STI CO: Per mi te
inferenci a estadsti ca. Cada el ement o del
marco pobl aci onal ti ene una probabili dad
conoci da diferente de cero de confor mar o
ser parte de l a muestra.
1. Muestreo Al eatori o Si mpl e (MAS):
Concept o: Todas l as uni dades el ement al es
tienen l a mi sma probabili dad de conformar l a
muestra. Dicho de otro modo, si gnifica que
cada una de l as posi bl es muestras de t amao
n, t enga a l a mi sma probabili dad: 1/ N C
N
de
ser sel ecci onada (muestreo si n
sustit uci n). Es el caso de un sort eo.

UNIVERSIDAD JOSE CARLOS MARIATEGUI



Pg. 36


A. Para esti mar una media poblacional:
Se cal cul a a partir de l a for mul a si gui ente
donde
: Val or tabul ar para un ni vel de confi anza.
Depende del ni vel de confi anza utili zado
por l a esti maci n del parmetro
desconoci do. Toma un val or de 1,96
para un ni vel de confi anza de 0,95.
: Vari anci a obteni da de revi si n bi bli ogrfi ca
o estudi o pil oto.
2
2
e
2
S Z
n

=
2
Z

2
e
s




A mayor vari abili dad de l a muestra , mayor
vari anza. A mayor vari anza mayor tamao muestral
representa el error de muestreo, ll amado error
de esti maci n o preci si n de l a esti maci n. El val or
debe ser asumi do por el i nvesti gador. En este caso
Para pobl aci ones fi nitas (se conoce N), el tamao
fi nal (n
f
) queda defi ni do por l a si gui ente rel aci n
N
n
1
n
n
f
+
=
2
e
s

) x ( =

UNIVERSIDAD JOSE CARLOS MARIATEGUI



Pg. 37


Ejempl o 1:
A fi n de conocer el gasto mensual en medi ci nas
por famili a, el Gerente de Marketi ng de un
laboratori o far macuti co desea deter mi nar el
tamao de l a muestra que l e proporci one un
ni vel de confi anza de 0,95 (Z = 1,96). Adems
conoce por estudi os anteri ores que l as compras
medi as por famili a eran de S/. 120 mensual es,
con una desvi aci n estndar de 30. El Gerent e
busca un tamao de muestra que l e per mit a
esti mar el ni vel de gasto con un error de 10.




2
2
e
2
S Z
n

=
( ) ( )
( )
36
2
0 1
2
0 3
2
96 , 1
= n
= n


UNIVERSIDAD JOSE CARLOS MARIATEGUI



Pg. 38


Ejempl o 2
En ci erta pobl aci n se 1200 escol ares, se desea
esti mar el ni vel promedi o de Hb con 0,95 de confi anza.
Al reali zar un estudi o pil oto se encontr que y
S = 1,6. Si l os i nvesti gadores estn di spuestos a
asumi r un .Cal cul ar n
N = 1200
S
e
= 1,6
3 , 12 x =
5 , 0 =
96 , 1 Z
2
=

5 , 0 =
( ) ( )
( )
33 , 39
5 , 0
6 , 1 96 , 1
s Z
n
2
2 2
2
2
e
2
2
= = =

Interpretaci n
El nmero m ni mo necesari o de escol ares para
reali zar el estudi o es de 39, si se desea esti mar el
ni vel promedi o de Hb en l a pobl aci n con una
preci si n de 0,5.

39 08 , 38
1200
33 , 39
1
33 , 39
N
n
1
n
n
f
=
+
=
+
=

UNIVERSIDAD JOSE CARLOS MARIATEGUI



Pg. 39


Ejemplo 3
En ci erta pobl aci n se 1200 escol ares, de 9 11 aos
se desea esti mar el ni vel promedi o de hi erro sri co. Con
este fi n se va a sel ecci onar una muestra probabilisti c. Si
en un estudi o si mil ar se obtuvo una medi a arit mti ca de
60, 6 mg/dl y S = 22,4 mg/ dl. Cal cul ar el tamao m ni mo
de l a muestra si l a esti maci n del parmetro se va a
reali zar con 0,95 de confi anza y se asume un
N = 1200
S
e
= 22,4
5 =
96 , 1 Z
2
=

5 =
( ) ( )
( )
10 , 77
5
4 , 22 96 , 1
s Z
n
2
2 2
2
2
e
2
2
= = =

73 44 , 72
1200
10 , 77
1
10 , 77
N
n
1
n
n
f
=
+
=
+
=
Interpretaci n :
El nmero m ni mo necesari o de escol ares para
reali zar el estudi o es 73, si se desea esti mar el ni vel
promedi o de hi erro sri co en l a pobl aci n con una
preci si n 5


UNIVERSIDAD JOSE CARLOS MARIATEGUI



Pg. 40


B. Para esti mar una proporci n pobl aci onal:
donde:
p
e
= proporci n esti mada de suj etos con l a
caracterstica de i nters. Se puede obtener
de revi sn bi bli ogrfi ca, estudi o pil oto o
asumi endo p
e
= q
e
= 0, 50
q
e
= proporci n esti mada de suj etos si n l a
caracteri sti ca de i nters.
= Error absol uto de muestreo o preci si n. Debe
ser asumi do por el i nvesti gador.
2
e e
2
2
q p Z
n

( ) p =




Ejempl o 1:
En una pobl aci n grande, se desea esti mar l a
preval enci a de DM con 0,95 de confi anza. De l a
literatura se sabe que p = 0, 10 si se asume un
error muestral de 5%, cal cul ar n
N
n
1
n
n
f
+
=
Si se conoce N:


UNIVERSIDAD JOSE CARLOS MARIATEGUI



Pg. 41


Interpretaci n: Si se desea esti mar l a preval enci a
pobl aci onal con 0,95 de confi anza y un de 5% se
deber eval uar 139 suj et os.
2
e e
2
2
q p Z
n

=
05 , 0
90 , 0 % 90 q
10 , 0 % 10 p
96 , 1 Z
e
e
2
=
= =
= =
=

( ) ( )( )
( )
139 3 , 138
0025 , 0
345744 , 0
n
05 , 0
9 , 0 1 , 0 96 , 1
n
2
2
= =
=

Datos




2. M. Sistemtico: Las uni dades el emental es
son sel ecci onadas dentro de un i nterval o (I) de
igual tamao. Se extrae l a muestra de acuerdo a
la li sta de paci entes atendi dos
I
1
I
2
I
3
I
4
X
1


UNIVERSIDAD JOSE CARLOS MARIATEGUI



Pg. 42


3. M. Estratifi cado: El marco pobl aci onal se di vi de en
grupos homogneos (estrat os); de cada uno se
extrae una submuestra, proporci onal al t amao del
estrat o. Muest reo por ti po de servi ci o
4. M. por Congl omerado: El marco pobl aci onal se
encuentra agrupado en congl omerados o raci mos Se
sel ecci ona en for ma al eat ori a, el o l os raci mos.
Todos l os paci ent es que i ngresaron un det ermi nado
da.




MUESTREO
PROBABI LIST CO
NO PROBABI LSTI CO
ALEATORI O SI MPLE
SISTEMTI CO
ESTRATI FI CADO
POR CONGLOMERADO
DE JUI CI O
DE CUOTAS
DE TROZO


UNIVERSIDAD JOSE CARLOS MARIATEGUI



Pg. 43


Es una medida de dispersin de una distribucin muestral. Es
equivalente a la desviacin estndar.
Desviacin estndar de la Error estndar
distribucin de medias de muestra de la media
Desviacin estndar de la Error estndar distribucin
de proporciones de muestra de la
proporcin
El error estndar




3.3 Distribuciones de muestreo
La t ot ali dad de dat os de una pobl aci n, constit uye
la distri buci n de pobl aci n ori gi nal (PO)
PO
X
1
X
2
X
3
.
.
.
X
N
Medi a :
Vari anza :
x
- x

= z
2
x

UNIVERSIDAD JOSE CARLOS MARIATEGUI



Pg. 44


De l a PO se extraen muest ras de t amao n. A cada una
se calcul a su medi a. El conj unt o de ese t ot al de medi as
se denomi na pobl aci n deri vada de medi as (PDM)
PO
X
1
X
2
X
3
.
..
X
N
n
x
x
x
x
m
1
2
3
.
.
Medi a :
Vari anza :
2
x
z
x
=
x -

n
x x
n
x
x
x

=
2
2
PDM




De l a PO se extraen muest ras de t amao n. A cada una
se calcul a su medi a. El conj unt o de ese t ot al de medi as
se denomi na pobl aci n deri vada de medi as (PDM)
PO
X
1
X
2
X
3
.
..
X
N
n
x
x
x
x
m
1
2
3
.
.
Medi a :
Vari anza :
2
x
z
x
=
x -

n
x x
n
x
x
x

=
2
2
PDM



UNIVERSIDAD JOSE CARLOS MARIATEGUI



Pg. 45


Si se busca comparar dos pobl aciones, se
deriva de cada pobl acin una pobl aci n de
medi as y luego se comparan





2
2
2
1
2
1
2 1 2 1
) ( ) (
n n
x x
z


+

=

2
2
2
1
2
1 2
2 1
n n
x x

+ =

PO
1
X
1
X
2
X
3
.
.
.
X
N
x
x
x
x
m
1
2
3
.
.
PDM
1
PO
2
X
1
X
2
X
3
.
.
.
X
N
x
x
x
x
m
1
2
3
.
.
PDM
2
( )
( )
( )
.
.
(
x x
x x
x x
1 2

)
PDDM

1

x
1

2

x
2

d
=
1 2
Medi a
Vari anza

UNIVERSIDAD JOSE CARLOS MARIATEGUI



Pg. 46


3.4 El teorema del l mite central
Muestra la relacin entre la for ma de la distribucin de la
poblacin y la f or ma de la distribucin de muestro. Se basa en
dos aspectos:
(1) La media de la PDM serigual a la media de la PO,
sin i mportar el tamao de la muestra(n) incluso si la
poblacin no es nor mal

x x
=




(2) Al i ncrementarse el tamao de l a muestra, l a
PDM se acercar a l a nor mali dad, si n
i mportar l a for ma de l a di stri buci n de l a
pobl aci n.
El teorema del l mite central nos per mit e
utili zar l as propi edades de l a di stri buci n
nor mal en muchos casos en l os que l os
dat os subyacentes pueden no estar
di stri bui dos nor mal mente.


UNIVERSIDAD JOSE CARLOS MARIATEGUI



Pg. 47


Hoja de Comprobacin
1. Cuando l os el ementos i ncl ui dos en una muestra se basan en
el j ui ci o del i ndi vi duo que conduce l a muestra, se di ce que l a
muestra es no al eatori a
2. Un estadsti co es una caractersti ca de una pobl aci n
3. Un pl an de muestreo que sel ecci ona mi embros de una
pobl aci n a i nterval os uni formes con respecto al ti empo, al
orden o al espaci o se denomi na muestreo estrati fi cado
4. Como regl a general, no es necesari o i ncl ui r un mul ti pli cador
de pobl aci n fi nita en el cal cul o del error estndar de l a
medi a cuando el tamao de l a muestra es mayor que 50




5. La di stri buci n de probabi li dad de t odas l as medi as posi bl es
de muestras se conoce como l a di stri buci n de muestreo de
l a medi a
6. Los pri nci pi os de muest reo al eatori o si mpl e son l a base
teri ca de l a i nferenci a est ad sti ca
7. El error estndar de l a medi a es l a desvi aci n estndar de l a
di stri buci n de medi as de l a muestra



UNIVERSIDAD JOSE CARLOS MARIATEGUI



Pg. 48


8. Un pl an de muest reo que di vi de a l a pobl aci n en grupos
bi en defi ni dos de l os cual es se extraen muest ras al eat ori as
se conoce como muest reo de raci mo
9. Con un mayor t amao de muest ra, l a di stri buci n de
muest reo de l a medi a se aproxi ma a l a normal i dad, si n
i mportar l a di st ri buci n de l a pobl aci n
10.El error est ndar de l a medi a di smi nuye en proporci n
di rect a al tamao de muestra
11.Para reali zar una enumeraci n compl et a, se debe exami nar
cada el ement o de una pobl aci n




12.En l a vi da di ari a vemos muchos ej empl os de pobl aci ones
i nfi ni tas de obj et os fsi cos
13.Para obtener una di stri buci n teri ca de muestreo,
consi deramos todas l as muestras de un tamao dado
14.Las muestras grandes son si empre una buena i dea, porque
di smi nuyen el error estndar


UNIVERSIDAD JOSE CARLOS MARIATEGUI



Pg. 49


15. Si l a medi a de una ci ert a pobl aci n fuera 15, es probabl e
que l a mayor parte de l as muestras que podr amos tomar de
esa pobl aci n tuvi eran medi as de 15
16.La preci si n de una muestra esta det ermi nada por el nmero
de el ementos de l a muest ra y no por l a fracci n de l a
pobl aci n tot al muestreada
17. El error estndar de una estad sti ca de muestra es l a
desvi aci n est ndar de su di st ri buci n de muestreo
18. El muest reo de j ui ci o ti ene l a desvent aj a de que puede
perder ci erta represent ati vi dad de una muest ra