Professional Documents
Culture Documents
Introduccin al
muestreo
Principales conceptos.
Muestreo. Distribucin
muestral de un estadstico.
Principales distribuciones
muestrales.
POBLACION es la totalidad de observaciones
relacionadas con una situacin particular , puede
ser finita o infinita.
Un PARAMETRO es una caracterizacin
numrica de la distribucin de la poblacin de
manera que describe, parcial o completamente la
funcin de densidad de poblacin de la
caracterstica de inters.
Una MUESTRA es un subconjunto de la
poblacin. Debe ser representativa y aleatoria.
Una estadstica (un estadstico) es cualquier
funcin de las variables aleatorias que se
observaron en la muestra, de manera que esta
funcin no contiene cantidades desconocidas.
REVISION DE CONCEPTOS
Ejemplos de
PARAMETROS
N
X
N
1 i
i
N
X
N
X
N
i
i
N
i
i
1
2
1
2
2
) (
) (
Varianza
poblacional
Desviacin
Standard de la
poblacn
x
Media
poblacional
POBLACION tamaodela
cesos numerodesu
n
X
p
PROPORCION
Ejemplos de
ESTADISTICOS
n
X
X
n
1 i
i
1
) (
1
) (
1
2
1
2
2
n
X X
n
X X
S
n
i
i
n
i
i
S
Varianza
muestral
Desviacin
Standard
Media
muestra tamaodela
cesos numerodesu
n
X
p
s
PROPORCION MUESTRAL
Principales conceptos en inferencia estadstica
Idea bsica: Hacer inferencias sobre la poblacin a
partir de la muestra que hemos extrado de la misma.
Ello nos lleva a tratar (brevemente) el tema del
muestreo. Pensemos que la muestra habr de ser
representativa de la poblacin, para que podamos
efectuar inferencias que tengan sentido.
Muestreo
Definicin: Proceso que nos permite la extraccin de
una muestra a partir de una poblacin
Hay dos tipos bsicos de muestreo:
1. Muestreo probabilstico o aleatorio. En este tipo de muestreo, la
probabilidad de aparicin en una muestra de cualquier elemento
de la poblacin es conocida (o calculable). Es el nico
cientficamente vlido, y es sobre el que nos extenderemos
especialmente.
2. Muestreo no probabilstico o de juicio. Es aquel en el que la
seleccin de los elementos de la muestra no se hacen al azar.
Se basa en la experiencia con la poblacin
Fuentes de sesgo
Las poblaciones objetivo y de estudio pueden diferir en
cuanto a las variables que estudiamos.
El nivel econmico en la poblacin de estudio es mayor que en
la objetivo,...
Los individuos que se eligen en la calle pueden ser de mayor
edad (mayor frecuencia de jubilados p.ej.)
En este caso, diremos que las muestras que se elijan estarn sesgadas.
Al tipo de sesgo debido a diferencias sistemticas entre poblacin
objetivo y poblacin de estudio se denomina sesgo de seleccin.
Hay otras fuentes de error/sesgo
No respuesta a encuestas embarazosas
Consumo de drogas, violencia domstica, prcticas poco
ticas,
Mentir en las preguntas delicadas.
Para evitar este tipo de sesgo se utilizan la tcnica de
respuesta aleatorizada.
Muestreo probabilstico
Este muestreo garantiza que, a la larga, las muestras que se van
obteniendo de la poblacin sean representativas de la misma. Vamos a
ver varios tipos de muestreo probabilstico.
1. Muestreo aleatorio simple
2. Muestreo estratificado
3. Muestreo por conglomerados
4. Muestreo por etapas (o polietpico)
5. Muestreo sistemtico (?)
Muestreo probabilstico
1. Muestreo aleatorio simple
Es aquel en el que, a priori, todos los elementos de la muestra tienen la
misma probabilidad de aparicin.
Supongamos que tengamos una poblacin de 50.000 individuos, y que
tenemos un listado con sus nombres. Si queremos elegir 100 personas,
lo que necesitamos es que el ordenador elija al azar a 100 individuos de
esos 50.000.
Muestreo probabilstico
2. Muestreo estratificado
En el muestreo estratificado, los investigadores han de
dividir a los sujetos en diferentes subpoblaciones (o
estratos), en funcin de cierta caracterstica relevante, y
despus lo que hacen es un muestro aleatorio simple de
cada estrato.
Evidentemente, cada individuo debe pertenecer a un estrato
(y solo uno), y cada individuo del estrato habr de tener la
misma probabilidad de ser escogido como parte de la
muestra.
Ejemplo: Supongamos que, en Machala, 70% de los nios de
primaria van a escuela pblica y el 30% a privada. Si
queremos 1,000 nios, lo que haremos es dividir los
alumnos en 2 estratos (pblica y privada) y se eligen
aleatoriamente 700 nios de la pblica y aleatoriamente 300
de la privada.
Muestreo probabilstico
3. Muestreo por conglomerados
En el muestreo por conglomerados, en lugar de considerar
cada elemento de la poblacin, lo que consideramos son
conglomerados de elementos. El proceso es elegir
aleatoriamente uno o varios conglomerados y la muestra
estar formada por TODOS los elementos de los
conglomerados.
Ejemplos:
-En las encuestas durante las elecciones, los
conglomerados pueden ser las mesas electorales, y lo que
se hace es escoger algunas mesas al azar (y de ah se toman
todos los votos de las mesas seleccionadas).
-En otros ejemplos, los conglomerados pueden ser los
bloques de viviendas, los municipios, etc.
Muestreo probabilstico
4. Muestreo por etapas
En este caso se combina el muestreo aleatorio
simple con el muestreo por conglomerados:
Primero se realiza un muestreo por conglomerados (v.g., si
los conglomerados son colegios en Machala, se seleccionan
aleatoriamente varios de ellos).
Segundo, no se eligen todos los alumnos (como ocurrira en
un muestro por conglomerados), sino que se elige una
muestra aleatoria. (Dicha muestra puede ser obtenida por
muestreo aleatorio simple o puede ser estratificado.)
Es decir, hemos tenido 2 etapas de muestreo. Y claro est,
es posible tener ms de 2 etapas...
Muestreo probabilstico
5. Muestreo aleatorio sistemtico
Supongamos que tengamos una lista de N elementos
(e.g., estudiantes de secundaria) y queramos una
muestra de tamao n. En este caso, lo que se hace
es ordenarlos (v.g., en funcin de los apellidos) y
despus se elige aleatoriamente un elemento entre los
N/n=k primeros, y luego se elige de manera sistemtica
el que est k lugares despus del primer elemento, y
as sucesivamente.
Ejemplo: Tenemos 10000 estudiantes (en una lista) y
queremos obtener una muestra de 100 estudiantes.
Primero elegimos al azar un estudiante entre los
10000/100=100 primeros (supongamos que salga el
26), el segundo elemento ser el estudiante 100+26
(126), el siguiente ser el 226, luego el 326, etc.
Muestreo no probabilstico
1. Muestreo sin norma (o de conveniencia)
Se elige a una muestra por ser conveniente, fcil,
econmica. Pero no se hace en base a un criterio de
aleatoridad.
Ejemplo: las encuestas en los peridicos
electrnicos; el muestreo habitual en los trabajos en
psicologa.
2. Muestreo intencional
En este caso, si bien el muestreo no es
probabilstico, los investigadores procuran que se
garantice la representatividad de la muestra
Distribucin muestral de un estadstico
Supongamos que tenemos una variable aleatoria,
cuya distribucin es f(x)
Supongamos, por simplicidad, que obtenemos una
muestra aleatoria simple con tamao n
X
1
, X
2
, ... X
n
Entonces, un estadstico es cualquier funcin h
definida sobre X
1
, X
2
, ... X
n
y que no incluye parmetro
desconocido alguno:
Y=h(X
1
, X
2
, ... X
n
)
La distribucin de dicho estadstico Y la vamos a denominar g(y)
Distribucin muestral de un estadstico
Observad:
f(x) es la distribucin de la v.a. bajo estudio
g(y) es la distribucin del estadstico que tenemos
Es vital conocer la distribucin muestral del
estadstico de inters para poder efectuar
inferencias sobre el parmetro correspondiente.
Esto es, para efectuar inferencias sobre la media
poblacional , necesitamos conocer la distribucin
muestral de
X
Diseo de experimentos
Conducir experimentos que produzcan resultados
significativos en forma de conclusiones aprovechables,
es de suma importancia la forman en que se disean los
experimentos.
Objetivo.- Punto de inicio.
Lo que se medir.- Variable de respuesta
Qu tamao de muestra.- Mientras ms grande la muestra ms
costoso el experimento.
Conduccin del experimento.- Efectuar experimento bajo
condiciones controladas.
Anlisis de datos.- Sujetos a pruebas de hiptesis.
Distribucin muestral de la media
Veremos primero el caso de que la distribucin
subyacente sea normal, con media y varianza
La media de la distribucin muestral de medias es
La varianza de la distribucin muestral de medias es
2
/ n
2
2
/ n
2