PROBABILIDAD Y ESTADÍSTICA

Ejemplo 1

1 Introducción a la estadística.

Las técnicas estadísticas son empleadas para alcanzar los objetivos de

situaciones prácticas en la vida real, como:

 Diseño de encuestas para recabar informes en las elecciones y

pronosticar el resultado
 Muestreo de consumidores para deducir preferencias de productos
 Investigación en medicina para determinar el efecto de ciertos
medicamentos
 Muestreo de características de calidad de los productos y variables de
procesos controlables para detectar variables relacionadas con la
calidad (Ingeniería)

Ejemplo 2

 Observación de índices del estado de la economía en un periodo para

pronosticar las condiciones económicas futuras

1.1 Definición de la estadística y su campo de acción.

 “rama de las matemáticas que estudia la recolección, análisis,

interpretación y presentación de masas de información numérica”,
Webster’s New Collegiate Dictionary
 “rama del método científico que estudia los datos obtenidos para
contar o medir las propiedades de poblaciones”, Stuart y Ord (1991)
 “se ocupa esencialmente de procedimientos para analizar información,
en especial aquella que en algún sentido vago tenga un carácter
aleatorio”, Rice (1995).
 “la ciencia de basar inferencias en datos observados y todo el
problema de tomar decisiones frente a una incertidumbre”, Freund y
Walpole (1987)
 “la tecnología del método científico que se ocupa del diseño de
experimentos e investigaciones e inferencia estadística”, Mood, Graybill
y Boes (1974)
Puntos en común de las definiciones de estadística:

 Recolección de datos con la inferencia como objetivo

 Selección de un subconjunto de datos
 Inferencia de las características del conjunto completo.

En general, la estadística es una teoría de información que tiene como

meta la inferencia (estimación o decisión).

Wackerly, Mendenhall y Scheaffer (2010), afirman que “La meta de la

estadística es hacer una inferencia acerca de una población, con base
en información contenida en una muestra de esa población y dar una
medida de bondad asociada para la inferencia.”

Inferencia estadística:

Fenómeno determinístico: se realiza varias veces bajo las mismas

condiciones, con el mismo resultado. Ejemplo:

 Una pelota en reposo, se lanza de una altura h a través de un cilindro

vacío
 El tiempo de caída se puede determinar, si se conoce la altura.
 La velocidad de un cuerpo se determina conociendo ciertas
condiciones de distancia y tiempo

Sin embargo, existen fenómenos aleatorios tales como:

 El resultado de lanzar una moneda

 El obtener aleatoriamente una carta de la baraja
 El número ganador de una rifa

1.2 Conceptos generales: población y muestra, datos cuantitativos

continuos y discretos, datos cualitativos, datos univariados y
bivariados, parámetros de interés, muestreo aleatorio, censos.

Población

 El total de todos los elementos

 Comparten un conjunto de características comunes
 La gran recopilación de datos
Muestra

Subgrupo de elementos de la población (representativa)

Partiendo de un valor de la muestra se infiere que la población tiene una

medida similar o idéntica

Problema de una Resultados que

selección no adecuada difieren de la
de la muestra población

Asegurar la confiabilidad de una

muestra

Ejemplo en elecciones gubernamentales:

Preferencias del electorado para un candidato gubernamental

Variable cuantitativa:
1 por “prefieren”
0 para “no prefieren”

Población real, finita y existente

¿Cómo determinar la verdadera fracción que está a favor de un

candidato?
R= Entrevistar a todo el electorado

Sin embargo, con la información de la muestra se estima la verdadera

fracción votantes a favor de cierto candidato. Además de la estimación, se
calcula la probabilidad de que la estimación sea cercana a la verdadera
fracción de votantes a favor del candidato.

Nota: a mayor el número de votantes elegibles de la muestra mayor

probabilidad de una estimación precisa.
 PROCESO DE DISEÑO DE MUESTREO

Elemento
Objeto del cual se desea la información (encuestado)

Unidad de muestreo
Unidad básica que contiene los elementos de población que serán
muestreados
Ejemplo:
Ejemplo de ENSANUT – Población Objetivo

Hombre o mujer jefe de familia

Hogares

Zona metropolitana
2003

TIPOS DE MUESTREO

Muestreo Aleatorio o Muestreo No Aleatorio,

Probabilístico o de
probabilidad
• Cada elemento de la
población tiene una
probabilidad de ser
seleccionado
no probabilístico o de
juicio
• Criterio para seleccionar:
conocimiento , opinión
personal y experiencia con
la población

• Se determina la precisión de • Porcentaje de error

los estimadores desconocido porque se
desconoce la probabilidad
• Se deduce o proyecta de la de seleccionar
población objetivo

• Requiere marco de
muestreo

Muestreo aleatorio

1) Muestreo aleatorio simple

 Cada elemento tiene la misma probabilidad de ser
seleccionado.
 Uso de tablas, marcación telefónica automática
2) Muestreo sistemático

 Elementos seleccionados dentro de un intervalo uniforme que

se mide con respecto al tiempo, orden
 Seleccionar un punto inicial aleatorio
 Elegir cada n elemento en la sucesión del marco de muestreo
 Ejemplo:
Seleccionar a cada décimo artículo de una producción

3) Muestreo estratificado

 Se divide la población en grupos relativamente homogéneos,

llamados estratos.
 La muestra se forma seleccionando aleatoriamente de cada
estrato un número específico de elementos correspondientes a
la fracción de cada estrato en la población.

¿Cuándo se usa?
Si en relación a lo que se mide se han identificado
características que le influyen (género, región etc) . Un modo
de asegurar la representatividad de la muestra “a priori”, es
dividir la población en subgrupos (estratos), en función de las
características y seleccionar aleatoriamente una muestra de
cada estrato.

Ejemplo:
Supongamos una Universidad con 1500 documentos de los
cuales el 25% son de naturaleza contable, el 40% de
naturaleza administrativa no contable y el 35% restante son de
naturaleza académica. Si se desea una muestra de 100
documentos, 25 se elegirán de entre los documentos
contables, 40 de entre los administrativos no contables y 35 de
entre los documentos académicos.

¿Ejemplo en otra área?

4) Muestreo por conglomerados o agrupamiento

 Se utiliza cuando la población se divide naturalmente en grupos

que contienen toda la variabilidad de la población.
 Se divide la población en grupos, mutuamente excluyentes
 Los elementos de los grupos son heterogéneos entre si
 Las unidades muestrales no son simples, sino que son colectivos
(las escuelas, los hospitales, reciben el nombre de
conglomeraciones)
 Se forman los conglomerados y se elige una muestra aleatoria de
cada grupo en base a una técnica de muestreo probabilístico

o Ejemplo:

Una compañía de servicio de televisión por cable desea abrir una

sucursal en una ciudad. El objetivo es determinar el porcentaje de
familias que utilizarían los servicios. Dado que no es práctico
preguntar en cada casa, se seleccionará una parte de la ciudad al
azar, la cual corresponde a un conglomerado.

Muestreo no aleatorio

1) Muestreo por conveniencia

 El entrevistador selecciona las unidades de muestreo

 Técnica menos costosa y consume menos tiempo
 Ejemplos:

Estudiantes

Grupos de iglesia

Entrevistas en farmacias sin calificar al encuestado – por

intercepción

2) Muestreo por juicio o intencional

Muestreo por conveniencia en el que en base a su experiencia el

investigador elige los elementos porque cree que son representativos
o apropiados de la población de interés
3) Muestreo por cuota

Primera etapa
• Definir cuotas o categorías de control:
Características demográficas (género, raza, edad, ingresos)
Actitudes específicas (satisfacción/ insatisfacción)

Segunda etapa

• Los elementos se seleccionan con base en la conveniencia o

juicio

Ejemplo:

Los entrevistadores eligen a los informantes tal que la muestra

contenga “x” número de hombres y “x” número de mujeres. Si

se eligen 100 personas:

4) Muestreo de bola de nieve

Un grupo inicial de encuestados es seleccionado aleatoriamente:

• Los encuestados subsecuentes se seleccionan con base en

referencias o información proporcionada por los encuestados
iniciales
• Sirve para calcular características que son raras en la población
• Grupos de censos especiales, como:

Miembros de minorías
 Condiciones que favorecen el uso de
FACTORES MUESTREO NO PROBABILÍSTICO MUESTREO PROBABILÍSTICO
Exploratoria Concluyente
Naturaleza de la investigación
Condiciones que favorecen el uso de
FACTORES
Magnitud relativa de errores de MUESTREO NO PROBABILÍSTICO MUESTREO PROBABILÍSTICO
Los errores que no son de muestreo son
muestreo y errores que no son Exploratoria Los errores de muestreo son mayores
Concluyente
Naturaleza mayores
de de la investigación
muestreo

Magnitud relativa
Variabilidad de ladepoblación
errores de
Los erroresHomogénea (baja)
que no son de muestreo son Heterogénea (alta)
muestreo y errores que no son Los errores de muestreo son mayores
mayores
de muestreo
Consideraciones estadísticas Desfavorables Favorables

Variabilidad de la población Homogénea (baja) Heterogénea (alta)

Favorables Desfavorables
Consideraciones operacionales
Consideraciones estadísticas Desfavorables Favorables

Favorables Desfavorables
Consideraciones operacionales