UNIVERSIDAD DE LAS FUERZAS ARMADAS- ESPE

Nombre: Mara Victoria Garzn Pazmio

Nrc: 1639
Teorema del Lmite Central
Cuando la muestra es suficientemente grande, la distribucin de x se parece mucho a una
distribucin normal. Esto es cierta sea cual sea la forma de x se parece mucho a una distribucin
normal. Esto es cierto sea cual sea la forma de la distribucin de la poblacin, siempre y cuando
esta poblacin tenga una desviacin tpica finita .
Si X1, X2, ..., Xn son variables aleatorias (discretas o continuas) independientes ,con idntico
modelo de probabilidad, de valor medio y varianza 2 , entonces la distribucin de la variable.

Se aproxima a la de una variable normal tipificada N(0,1), mejorndose la calidad de la

aproximacin a medida que n aumenta.
Este resultado prueba que el estadstico o estimador media muestral:

Con carcter general, o al menos en los modelos de probabilidad clsicos, se admite una
aproximacin aceptable al modelo normal siempre que n sea mayor o igual que 30, a pesar de
que esta cifra es insuficiente en determinados casos y excesiva en otros; por lo que debemos ser
cautelosos en su aplicacin.

Tipo de Muestreo:

Muestreo No Probabilstico:
Los mtodos no probabilsticos no se basan en un proceso de azar sino que es el investigador el
que elige la muestra. La eleccin puede realizarse de diferentes formas utilizando la informacin
previa del investigador o buscando maneras sencillas de seleccin. Con estos procedimientos se
pueden obtener buenos resultados si el investigador conoce bien su poblacin. No es posible
controlar el error de muestreo.
-Muestreo de conveniencia:

El investigador recolecta la muestra segn su conveniencia.

Obtiene la informacin en una etapa inicial y determina si merece la pena continuar el estudio.
Sirve para generar una hiptesis.
Se utiliza en investigaciones donde no se requiera exactitud.
-Muestreo segn el criterio:

Elegida por un experto de acuerdo a su criterio.

Se desconoce el grado de error y las conclusiones no son definitivas.
Se utiliza cuando el tamao de la muestra es pequeo.
Se utiliza para proceder a la eleccin de las personas de una empresa que va a proporcionar la
informacin.
-Bola de Nieve:

Estudia poblaciones pequeas muy especializadas, que son difciles de localizar.

El procedimiento consiste en que a cada persona, despus de la entrevista, se le pide el nombre
de una o ms de la misma poblacin que se estudia.
-Muestreo secuencial:

Se obtiene la informacin mientras sucesivas unidades de muestra proporcionen informacin

nueva o relevante.
Cuando se observa que sucesivas incorporaciones no aportan informacin significativa se
detiene el proceso y ya no se aade ms informacin.
-Muestreo por Cuotas:

El entrevistador es libre de elegir las unidades, pero de manera que haya un nmero fijado
previamente de sujetos de cada caracterstica o grupo especfico de poblacin.
Muestreo Probabilstico:

Est basado en un proceso de azar y las unidades que componen la muestra se seleccionan
aleatoriamente. Este procedimiento es el nico que es cientfico y permite medir o acotar el
error de muestreo.
-Muestreo Aleatorio simple

Consiste en extraer una muestra de tamao n, de una poblacin de tamao N, de manera

totalmente aleatoria.
Para tomar la muestra se necesita un listado de componentes de esa poblacin, o componentes
como un mapa de manera que se elija al azar.
Estudia: La media y el total si la variable analizada es cuantitativa o mtrica. Por ejemplo m gasto
en gasolina, consumo de aceite.
Tambin estudia: la proporcin si la variable es cualitativa, en cdigo disyuntivo completo.
Ejemplo: proporcin de fumadores dentro de una poblacin.

Tab.1 Frmulas del Muestreo Aleatorio Simple

-Muestreo Estratificado:

Reduce los errores muestrales.

Se utiliza cuando la poblacin se puede distribuir en estratos o grupos.

Se clasifica cuando: posean semejantes componentes en un estrato, muy diferente entre los
componentes de diferentes estratos.
Se define los estratos, luego se elige una muestra aleatoria simple en cada estrato
independiente, en consecuencia se obtiene: las estimaciones de los parmetros de la variable
objeto de estudio en cada uno de los estratos son las frmulas de muestreo aleatorio simple.
Estimaciones de los parmetros de la poblacin con un error de muestreo inferior al obtenido
con el mismo tamao de la muestra si sta se obtiene mediante un procedimiento aleatorio
simple.

Tab2. Frmulas del muestreo estratificado.

Muestreo por etapas:

Menos eficiente que el muestreo aleatorio simple, pero facilita la eleccin de los elementos de la
muestra aleatoria, especialmente cuando no se dispone de una lista de las unidades de la
poblacin.
Muestreo Aleatorio Sistemtico:
Es una tcnica de muestreo aleatorio que los investigadores eligen con frecuencia por su
sencillez y calidad regular.

En el muestreo aleatorio sistemtico, el investigador primero escoge aleatoriamente la primera

pieza o sujeto de la poblacin. A continuacin, el investigador seleccionar a cada ensimo
sujeto de la lista.
El procedimiento del muestreo aleatorio sistemtico es muy fcil y se puede hacer
manualmente. Los resultados son representativos de la poblacin a menos que se repitan ciertas
caractersticas de la poblacin por cada ensimo individuo, lo que es muy poco probable.
El proceso de obtencin de la muestra sistemtica es muy similar a una progresin aritmtica.
Nmero de inicio:
El investigador selecciona un nmero entero que debe ser menor al nmero total de individuos
en la poblacin. Este nmero entero corresponder al primer sujeto.
Intervalo:
El investigador elige otro nmero entero que servir como la diferencia constante entre dos
nmeros consecutivos en la progresin.
El nmero entero se selecciona tpicamente de modo que el investigador obtenga el tamao de
la muestra correcto.

Bibliografa:
o
o
o
o

http://e-stadistica.bio.ucm.es/glosario2/teor_limite_central.html
https://explorable.com/es/muestreo-sistematico
David S. Moore, Estadstica aplicada bsica, Antoni Bosch editor, 2005
Elena Abascal, Ildefonso Grande Esteban, Anlisis de Encuestas, ESIC Editorial, 2005