Repblica Bolivariana de Venezuela

Ministerio del Poder Popular para la Educacin

Universidad Fermn Toro
Ingenieras Unificadas

Integrantes:
Layneker Seijas
Stephany Colmenarez
Jean Carlos Segovia
El muestreo es una herramienta de la
investigacin cientfica. Su funcin bsica
es determinar que parte de una realidad en
estudio (poblacin o universo) debe
examinarse con la finalidad de hacer
inferencias sobre dicha poblacin. El error
que se comete debido a hecho de que se
obtienen conclusiones sobre cierta realidad
a partir de la observacin de slo una parte
de ella, se denomina error de muestreo.
Obtener una muestra adecuada significa
lograr una versin simplificada de la
poblacin, que reproduzca de algn modo
sus rasgos bsicos.
Muestra: En todas las ocasiones en que no
es posible o conveniente realizar un censo,
lo que hacemos es trabajar con una
muestra, entendiendo por tal una parte
representativa de la poblacin. Para que
una muestra sea representativa, y por lo
tanto til, debe de reflejar las similitudes y
diferencias encontradas en la poblacin,
ejemplificar las caractersticas de la misma.



Cuando decimos que una muestra es
representativa indicamos que rene
aproximadamente las caractersticas de la
poblacin que son importantes para la
investigacin.
Poblacin Los estadsticos usan la palabra
poblacin para referirse no slo a personas si
no a todos los elementos que han sido escogidos
para su estudio. Muestra Los estadsticos
emplean la palabra muestra para describir una
porcin escogida de la poblacin.
Matemticamente, podemos describir muestras
y poblaciones al emplear mediciones como la
Media, Mediana, la moda, la desviacin
estndar. Cuando stos trminos describen una
muestra se denominan estadsticas. Una
estadstica es una caracterstica de una
muestra, los estadsticos emplean letras latinas
minsculas para denotar estadsticas y
muestras.
Los autores proponen diferentes criterios de
clasificacin de los diferentes tipos de
muestreo, aunque en general pueden dividirse
en dos grandes grupos: mtodos de muestreo
probabilsticos y mtodos de muestreo no
probabilsticos.
A. En estudios que implican tcnicas destructivas o de uso que imposibilidad de utilizacin posterior de lo
analizado.

B. El trabajo con una muestra y no con el universo implica eficiencia, pues significa ahorro de recursos,
esfuerzos y tiempo

C. Con el uso del muestreo se pueden obtener resultados razonablemente ms precisos que el estudio de todo el
universo, pues para el estudio de slo una muestra, el personal mnimo necesario puede ser mejor preparado
para recoger informacin ms detallada y elaborada.

D. Como desventaja se debe mencionar el error de muestreo, producto de la variabilidad intrnseca que poseen
los elementos de todo universo o poblacin. El trmino error no debe entenderse como sinnimo de equivocacin
Ejemplo:
Estatura de nios: 117, 120, 125, 125, 130

Tamao Valores muestrales Media muestral
2 117, 120 118.50
2 125, 130 127.50
2 125, 120 122.50
3 125, 130, 125 126.66
3 125, 125, 120 123.33
3 125, 117, 125 122.33
4 120, 117, 125, 125 123.00
4 130, 117, 125, 125 124.25
4 117, 125, 125, 120 121.75

Media poblacional 123.4
Muestreo probabilstico
Consiste en elegir una muestra de una poblacin al azar. Podemos distinguir varios tipos de
muestreo:
Muestreo aleatorio simple
Para obtener una muestra, se numeran los elementos de la poblacin y se seleccionan al
azar los n elementos que contiene la muestra.
Muestreo aleatorio sistemtico
Se elige un individuo al azar y a partir de l, a intervalos constantes, se eligen los dems
hasta completar la muestra.
Por ejemplo si tenemos una poblacin formada por 100 elementos y queremos extraer una
muestra de 25 elementos, en primer lugar debemos establecer el intervalo de seleccin que
ser igual a 100/25 = 4. A continuacin elegimos el elemento de arranque, tomando
aleatoriamente un nmero entre el 1 y el 4, y a partir de l obtenemos los restantes
elementos de la muestra.
2, 6, 10, 14,..., 98
Muestreo aleatorio estratificado
Se divide la poblacin en clases o estratos y se escoge, aleatoriamente, un nmero de
individuos de cada estrato proporcional al nmero de componentes de cada estrato.
En una fbrica que consta de 600 trabajadores queremos tomar una muestra de 20.
Sabemos que hay 200 trabajadores en la seccin A, 150 en la B, 150 en la C y 100 en la D.
Un muestreo puede hacerse con o sin
reposicin, y la poblacin de partida puede ser
infinita o finita.
En todo nuestro estudio vamos a limitarnos
a una poblacin de partida infinita o a
muestreo con reposicin.
Si consideremos todas las posibles muestras de
tamao n en una poblacin, para cada muestra
podemos calcular un estadstico (media,
desviacin tpica, proporcin, ...) que variar
de una a otra.
As obtenemos una distribucin del estadstico
que se llama distribucin muestral.
Muestreo por cuotas: Tambin denominado en ocasiones, "accidental". Se asienta generalmente sobre
la base de un buen conocimiento de los estratos de la poblacin y/o de los individuos ms
"representativos" o "adecuados" para los fines de la investigacin. Mantiene, por tanto, semejanzas con
el muestreo aleatorio estratificado, pero no tiene el carcter de aleatoriedad de aqul.

En este tipo de muestreo se fijan unas "cuotas" que consisten en un nmero de individuos que renen
unas determinadas condiciones, por ejemplo: 20 individuos de 25 a 40 aos, de sexo femenino y
residentes en Trujillo. Una vez determinada la cuota, se eligen los primeros que se encuentren que
cumplan esas caractersticas. Este mtodo se utiliza mucho en las encuestas de opinin.

Por ejemplo, la Direccin Regional de Salud desea estudiar la incidencia de las drogas en la
adolescencia. Lo que deberamos hacer sera: conocer por los informes de la Direccin Regional de
Educacin cules son los centros ms afectados por el problema, fijar un nmero de sujetos a
entrevistar proporcional a cada uno de los estratos (cuotas) y finalmente dejar en manos de los
responsables del trabajo de campo a qu sujetos concretos se deber entrevistar.





Muestreo no probabilstico:
A veces, para estudios exploratorios, el muestreo probabilstico resulta excesivamente costoso y se
acude a mtodos no probabilstico, aun siendo conscientes de que no sirven para realizar
generalizaciones, pues no se tiene certeza de que la muestra extrada sea representativa, ya que no
todos los sujetos de la poblacin tienen la misma probabilidad de se elegidos. En general se
seleccionan a los sujetos siguiendo determinados criterios procurando que la muestra sea representativa
Muestreo Opintico o intencional: Este tipo de muestreo se caracteriza por un esfuerzo
deliberado de obtener muestras "representativas" mediante la inclusin en la muestra de
grupos supuestamente tpicos. Es muy frecuente su utilizacin en sondeos preelectorales de
zonas que en anteriores votaciones han marcado tendencias de voto.

Muestreo casual o incidental: Se trata de un proceso en el que el investigador selecciona
directa e intencionadamente los individuos de la poblacin. El caso ms frecuente de este
procedimiento el utilizar como muestra los individuos a los que se tiene fcil acceso (los
profesores de universidad emplean con mucha frecuencia a sus propios alumnos). Un caso
particular es el de los voluntarios.

Bola de nieve: Se localiza a algunos individuos, los cuales conducen a otros, y estos a
otros, y as hasta conseguir una muestra suficiente. Este tipo se emplea muy
frecuentemente cuando se hacen estudios con poblaciones "marginales", delincuentes,
sectas, determinados tipos de enfermos, etc.



El frmula para la distribucin del muestreo depende de distribucin de la poblacin, la estadstica
que era considerada, y el tamao de muestra utilizaron. Una formulacin ms exacta hablara de la
distribucin de la estadstica como sa para todas las muestras posibles de un tamao dado, no
apenas bajo muestreo repetido.
Por ejemplo, considere un muy grande normal poblacin (una que sigue el supuesto curva de la
campana). Asuma que tomamos en varias ocasiones muestras de un tamao dado de la poblacin y
calcule medio de la muestra (, medio aritmtico de los valores de los datos) para cada muestra.
Diversas muestras conducirn a diversos medios de la muestra. La distribucin de estos medios es la
distribucin del muestreo del medio de la muestra (para el tamao de muestra dado). Esta
distribucin ser normal puesto que la poblacin era normal. (Segn teorema de lmite central, si la
poblacin est no normal sino suficientemente bien comportada, la distribucin del muestreo del
medio de la muestra todava es aproximadamente normal proporcion el tamao de muestra es
suficientemente grande.)
As, el medio de la distribucin del muestreo es equivalente a valor previsto de cualquier estadstica.
Para el caso donde est el medio la estadstica de la muestra:
desviacin de estndar del muestreo la distribucin de la estadstica se refiere como error de
estndar de esa cantidad. Para el caso donde est el medio la estadstica de la muestra, el error de
estndar est:
donde es la desviacin de estndar de la distribucin de la poblacin de esa cantidad y n es el
tamao (nmero de artculos) en la muestra

Una implicacin muy importante de este frmula es que usted debe cuadruplicar el tamao de
muestra (4) para alcanzar la mitad (el 1/2) del error de medida. Al disear estudios estadsticos
donde est un factor el coste, esto puede tener un factor en entender compensaciones de costes y
beneficios.
Alternativamente, considere la muestra mediano de la misma poblacin. Tiene una diversa
distribucin del muestreo que no sea generalmente normal (pero puede estar cercano bajo ciertas
circunstancias).


Ejemplo:

En un estudio para comparar los pesos promedio de nios y nias de sexto grado en una escuela primaria se usar una muestra aleatoria de
20 nios y otra de 25 nias. Se sabe que tanto para nios como para nias los pesos siguen una distribucin normal. El promedio de los
pesos de todos los nios de sexto grado de esa escuela es de 100 libras y su desviacin estndar es de 14.142, mientras que el promedio de
los pesos de todas las nias del sexto grado de esa escuela es de 85 libras y su desviacin estndar es de 12.247 libras. Si representa el
promedio de los pesos de 20 nios y es el promedio de los pesos de una muestra de 25 nias, encuentre la probabilidad de que el
promedio de los pesos de los 20 nios sea al menos 20 libras ms grande que el de las 25 nias.
Solucin:
Datos:


1
= 100 libras

2
= 85 libras

1
= 14.142 libras

2
= 12.247 libras
n
1
= 20 nios
n
2
= 25 nias
= ?

Por lo tanto, la probabilidad de que el promedio de los pesos de la muestra de nios sea al menos 20 libras ms grande que el de la muestra
de las nias es 0.1056.

El objetivo principal de la estadstica inferencial es la estimacin, esto es que mediante el estudio de una muestra
de una poblacin se quiere generalizar las conclusiones al total de la misma. Como vimos en la seccin anterior,
los estadsticos varan mucho dentro de sus distribuciones muestrales, y mientras menor sea el error estndar de un
estadstico, ms cercanos sern unos de otros sus valores.
Existen dos tipos de estimaciones para parmetros; puntuales y por intervalo. Una estimacin puntual es un
nico valor estadstico y se usa para estimar un parmetro. El estadstico usado se denomina estimador.
Una estimacin por intervalo es un rango, generalmente de ancho finito, que se espera que contenga el
parmetro.
Estimacin Puntual
La inferencia estadstica est casi siempre concentrada en obtener algn tipo de conclusin acerca de uno o ms
parmetros (caractersticas poblacionales). Para hacerlo, se requiere que un investigador obtenga datos muestrales
de cada una de las poblaciones en estudio. Entonces, las conclusiones pueden estar basadas en los valores
calculados de varias cantidades muestrales . Po ejemplo, representamos con (parmetro) el verdadero promedio
de resistencia a la ruptura de conexiones de alambres utilizados para unir obleas de semiconductores. Podra
tomarse una muestra aleatoria de 10 conexiones para determinar la resistencia a la ruptura de cada una, y la media
muestral de la resistencia a la ruptura se poda emplear para sacar una conclusin acerca del valor de . De forma
similar, si es la varianza de la distribucin de resistencia a la ruptura, el valor de la varianza muestral s
2
se podra
utilizar para inferir algo acerca de .
Cuando se analizan conceptos generales y mtodos de inferencia es conveniente tener un smbolo genrico para el
parmetro de inters. Se utilizar la letra griega para este propsito. El objetivo de la estimacin puntual es
seleccionar slo un nmero, basados en datos de la muestra, que represente el valor ms razonable de .

Una muestra aleatoria de 3 bateras para calculadora podra presentar duraciones observadas en horas de x
1
=5.0,
x
2
=6.4 y x
3
=5.9. El valor calculado de la duracin media muestral es = 5.77, y es razonable considerar 5.77 como
el valor ms adecuado de .
Una estimacin puntual de un parmetro es un slo nmero que se puede considerar como el valor ms
razonable de . La estimacin puntual se obtiene al seleccionar una estadstica apropiada y calcular su valor a
partir de datos de la muestra dada. La estadstica seleccionada se llama estimador puntual de .

El smbolo (theta sombrero) suele utilizarse para representar el estimador de y la estimacin puntual resultante
de una muestra dada. Entonces se lee como "el estimador puntual de es la media muestral.
un estimador es un estadstico (esto es, una funcin de la muestra) usado para estimar un parmetro desconocido de
la poblacin. Por ejemplo, si se desea conocer el precio medio de un artculo (el parmetro desconocido) se
recogern observaciones del precio de dicho artculo en diversos establecimientos (la muestra) y la media
aritmtica de las observaciones puede utilizarse como estimador del precio medio.
Para cada parmetro pueden existir varios estimadores diferentes. En general, escogeremos el estimador que posea
mejores propiedades que los restantes, como insesgadez, eficiencia, convergencia y robustez (consistencia).
El valor de un estimador proporciona lo que se denomina en estadstica una estimacin puntual del valor del
parmetro en estudio. En general, se suele preferir realizar una estimacin mediante un intervalo, esto es, obtener
un intervalo [a,b] dentro del cual se espera est el valor real del parmetro con un cierto nivel de confianza. Utilizar
un intervalo resulta ms informativo, al proporcionar informacin sobre el posible error de estimacin, asociado con
la amplitud de dicho intervalo. El nivel de confianza es la probabilidad de que a priori el verdadero valor del
parmetro quede contenido en el intervalo.
En la prctica, los intervalos suelen indicarse dando el valor del estimador puntual utilizado como centro del
intervalo y un valor que debe sumarse y restarse para obtener el lmite superior e inferior; por ejemplo:

equivale a

se llama intervalo de confianza a un par de nmeros entre los cuales se estima que estar cierto
valor desconocido con una determinada probabilidad de acierto. Formalmente, estos nmeros
determinan un intervalo, que se calcula a partir de datos de una muestra, y el valor desconocido es
un parmetro poblacional. La probabilidad de xito en la estimacin se representa con 1 - y se
denomina nivel de confianza. En estas circunstancias, es el llamado error aleatorio o nivel de
significacin, esto es, una medida de las posibilidades de fallar en la estimacin mediante tal
intervalo.
El nivel de confianza y la amplitud del intervalo varan conjuntamente, de forma que un intervalo
ms amplio tendr ms posibilidades de acierto (mayor nivel de confianza), mientras que para un
intervalo ms pequeo, que ofrece una estimacin ms precisa, aumentan sus posibilidades de error.
Para la construccin de un determinado intervalo de confianza es necesario conocer la distribucin
terica que sigue el parmetro a estimar, . Es habitual que el parmetro presente una distribucin
normal. Tambin pueden construirse intervalos de confianza con la desigualdad de Chebyshov.
En definitiva, un intervalo de confianza al 1 - por ciento para la estimacin de un parmetro
poblacional que sigue una determinada distribucin de probabilidad, es una expresin del tipo
[
1
,
2
] tal que P[
1

2
] = 1 - , donde P es la funcin de distribucin de probabilidad de .
De una poblacin de media y desviacin tpica se pueden tomar muestras de n elementos. Cada una
de estas muestras tiene a su vez una media ( ). Se puede demostrar que la media de todas las medias
muestrales coincide con la media poblacional:
2

Pero adems, si el tamao de las muestras es lo suficientemente grande,
3
la distribucin de medias
muestrales es, prcticamente, una distribucin normal (o gaussiana) con media y una desviacin
tpica dada por la siguiente expresin: . Esto se representa como sigue: . Si estandarizamos, se sigue
que:
En una distribucin Z ~ N(0, 1) puede calcularse fcilmente un intervalo dentro del cual caigan un
determinado porcentaje de las observaciones, esto es, es sencillo hallar z
1
y z
2
tales que P[z
1
z z
2
] =
1 - , donde (1 - )100 es el porcentaje deseado (vase el uso de las tablas en una distribucin
normal).
Se desea obtener una expresin tal que
En esta distribucin normal de medias se puede calcular el intervalo de confianza donde se encontrar
la media poblacional si slo se conoce una media muestral ( ), con una confianza determinada.
Habitualmente se manejan valores de confianza del 95 y del 99 por ciento. A este valor se le llamar 1
(debido a que es el error que se cometer, un trmino opuesto).
Para ello se necesita calcular el punto X
/ 2
o, mejor dicho, su versin estandarizada Z
/ 2
o valor
crtico junto con su "opuesto en la distribucin" X
/ 2
. Estos puntos delimitan la probabilidad para
el intervalo, como se muestra en la siguiente imagen:

Dicho punto es el nmero tal que:

*http://html.rincondelvago.com/conceptos-y-muestreo.html
*http://www.angelfire.com/sc/matasc/EyD/bioesta/muestreo.htm
*http://www.vitutor.com/estadistica/inferencia/inferenciaContenidos.html
*http://www.multilingualarchive.com/ma/enwiki/es/Sampling_distribution
*http://www.itch.edu.mx/academic/industrial/estadistica1/cap01c.html
La utilidad de muestreo y estimacin abarca muchos campos tales como:
1- Poltica: Las muestras de las opiniones de los votantes se usan para que los candidatos
midan la opinin pblica y el apoyo en las elecciones.
2- Educacin: Las muestras de las calificaciones de los exmenes de estudiantes se usan
para determinar la eficiencia de una tcnica o programa de enseanza.
3- Industria: La muestras de los productos de una lnea de ensamble sirve para controlar
la calidad.
4- Medicina: Las muestras de medidas de azcar en la sangre de pacientes diabticos
prueban la eficacia de una tcnica o de un frmaco nuevo.
5- Agricultura: Las muestras del maz cosechado en una parcela proyectan en
la produccin los efectos de un fertilizante nuevo.
6- Gobierno: Una muestra de opiniones de los votantes se usara para determinar los
criterios del pblico sobre cuestiones relacionadas con el bienestar y la seguridad nacional