Cepi - Ii - 2009 - C - 09 - M - 3

Facultad de Ingenieras Fsico-Mecnicas
Escuela de Ingenieras Elctrica, Electrnica y de Telecomunicaciones

Centro de Innovacin y Desarrollo para la Investigacin en Ingeniera del Software
CONSTRUIMOS FUTURO
Centro de
Innovacin y
Desarrollo para
la Investigacin
en Ingeniera
del Software

CONSTRUIMOS FUTURO
Centro de Innovacin
y Desarrollo
para la Investigacin
en Ingeniera del
Software
Mdulo 3:
Prueba de Hiptesis:
Conferencia No. 9
Leccin 3.1. Tcnicas de Muestreo
Curso de Estadstica y Probabilidad para Ingenieros CEPI
martes, 26 de septiembre de CEPI_II_2009_C09_M_03_V2.0

2017
Material aprobado para uso pblico.
Distribucin limitada por el CIDLIS. CONSTRUIMOS FUTURO
Copyright CIDLISUIS 2009
4
Introduccin
INTRODUCCIN A LA INFERENCIA ESTADSTICA
Un estudio estadstico plantea, extraer conclusiones sobre la naturaleza de una

poblacin grande, que no puede estudiarse en su totalidad, y por lo tanto hay que
analizar y valorar una parte de ella. Este hecho permite justificar y establecer
diferentes tcnicas de muestreo.
Los trminos bsicos, que tratar este mdulo, son: estadstico y estimacin
(especficamente, estimador), asumiendo que un estadstico o estimador es una
variable aleatoria con una determinada distribucin, en dos amplias categoras de
inferencia estadstica: estimacin y prueba (docimasia o contraste) de hiptesis.
El estimador (estadstico) debe caracterizar un parmetro poblacional, mediante

mtodos estimacin puntual o por intervalos que debe seleccionarse mediante una
serie de propiedades, que se usan como herramienta, para elegir el "mejor" entre
varios estimadores.
Por otra parte, deducir leyes de probabilidad en determinadas caractersticas de una

poblacin, si slo se conoce una muestra, es el principal problema a resolver,
cuando se estudian relaciones especficas y se intenta extenderlas desde una
muestra particular hacia el resto de individuos de la poblacin. Es decir, La tarea
fundamental de la estadstica inferencial, es hacer deducciones de la poblacin, a
partir de una muestra extrada de la misma !.
martes, 26 de septiembre de 2017 Copyright CIDLISUIS 2009

CEPI_II_2009_C09_M_03_V2.0
5
Introduccin
MODOS DE INFERENCIA
"En la filosofa occidental, es habitual, considerar dos modos bsicos de
razonar: la deduccin (inferencia desde causas a efectos) y la induccin
(inferencia desde los efectos hacia las causas). Adems de estos modos
de inferencia tradicionales, existe un primer modo -la abduccin- definida
como gnesis de hiptesis en el razonamiento cientfico, proceso de
razonamiento mediante el cual, se crean nuevas ideas, hiptesis
explicativas y teoras cientficas como primer paso en toda investigacin".
Considerando la investigacin un proceso:
sistemtico" que parte de la formulacin de una hiptesis u objetivo

de trabajo, para recolectar datos segn un plan preestablecido, para
luego analizar e interpretar, modificar o aadir nuevos
conocimientos".
sistmico" para analizar el todo integral compuesto de partes, que
contribuye a complementar la formulacin de hiptesis al evaluarse
las interrelaciones causa-efecto, que analizadas y comprendidas,
modifican o aaden nuevos conocimientos.
CEPI_II_2009_C09_M_03_V2.0
6
Objetivos de la Conferencia
El propsito de este mdulo es permitir al alumno:
Conceptualizar el significado bsico y la forma de establecer y

seleccionar estadsticos y estimadores muestrales puntuales o
por intervalos de muestras de poblaciones objetivo.
Conocidos los estadsticos y estimadores, aprender como

realizar pruebas o contrastes de hiptesis o inferencias
estadsticas.

CEPI_II_2009_C09_M_03_V2.0
7
Guin de la Conferencia
Conocimiento.
Motivacin: Qu es y para qu sirve un estudio estadstico?
Sesgo de seleccin
Poblacin objetivo Y Poblacin de estudio
Otros sesgos
Tcnica de respuesta aleatoria
Tcnicas de muestreo
No probabilistas
Probabilistas
MAS
Sistemtico
Estratificado
Conglomerados
Resumen
Pos-test
Agenda de actividades de la semana
Actividad: Leccin 3.1. Tcnicas de Muestreo
CEPI_II_2009_C09_M_03_V2.0
8
Motivacin
Qu es y para qu sirve un estudio
estadstico?
"El mtodo cientfico parte de la observacin de una realidad, elaborada con
hiptesis explicativas, que deben contrastarse o probarse, y si dicha hiptesis
se acepta, inducir una formalizacin, con principios, leyes y proposiciones,
para conformar una teora cientfica".
El modelo general del planteamiento de un estudio, sigue la siguiente

secuencia:
1. Hiptesis de trabajo 8. Seleccin de la muestra
2. Objetivos (Cuntos? Quines?)
3. Diseo de estudio 9. Recogida de datos
4. Seleccin de 10. Automatizacin de los datos
variables 11. Depuracin de los datos
5. Definicin de 12. Anlisis
variables 13. Resultados
6. Escala de medida 14. Conclusiones
7. Protocolo de
recogida de datos
En sntesis, la estadstica, es un instrumento indispensable, para realizar este
proceso.

CEPI_II_2009_C09_M_03_V2.0
9
Motivacin
Objetivos de un Estudio
Definir objetivos es fundamental al estructurar un estudio. Deben estar claramente
definidos para tomar decisiones en: el tipo de estudio ms apropiado, la seleccin de la
muestra, el tamao muestral, las variables a medir y el anlisis estadstico a realizar.
Investigar se fundamenta en la incertidumbre de algn hecho o fenmeno que el
investigador desea resolver, realizando mediciones en los objetos del estudio". En el
establecimiento de objetivos, es esencial, la revisin bibliogrfica, como:
Informacin sobre aspectos concretos del

Fuente de ideas susceptibles de diseo:
investigacin. Estrategias
Valoracin de los conocimientos Procedimientos
actuales sobre el tema. Pautas de seguimiento
Valoracin sobre la pertinencia y Criterios de seleccin
viabilidad del proyecto. Determinacin del tamao de la
Provisin del marco conceptual muestra
para la investigacin. Definicin de variables
Ayuda en la delimitacin del Instrumentos de medicin
objetivo especfico. Prevencin de problemas
Anlisis estadstico
Es necesaria la Comparacin de los propios resultados con estudios similares y la
Contribucin a la valoracin de la validez extrema.

CEPI_II_2009_C09_M_03_V2.0
10
Motivacin
la pregunta de investigacin
debe caracterizarse como:
FACTIBLE NOVEDOSA
Nmero adecuado de Confirma o refuta
hallazgos previos
individuos Amplia hallazgos previos
Experiencia tcnica adecuada Proporciona nuevos
Abordable en cuanto a tiempo resultados
y dinero
TICA Y RELEVANTE
Manejable en cuanto al alcance Conocimiento cientfico
Polticas
Lneas de investigacin
INTERESANTE PARA EL futuras factibles,
INVESTIGADOR. interesantes, novedosas,
ticas y relevantes
La no claridad en la pregunta limita calcular el tamao muestral del
estudio, dado, que se necesita precisar y conocer: seguridad de
estimacin, precisin de inferencia, poder estadstico o capacidad de
detectar diferencias.
CEPI_II_2009_C09_M_03_V2.0
11
Motivacin
ESTUDIO EXPERIMENTAL O NO EXPERIMENTAL?
Amenazas o riesgos en los estudios:
Si los pasos enunciados son Al decidir el tipo de estudio, hay
correctos, se decide por el tipo de que considerar sus amenazas o
estudio a realizar; riesgos implcitos; los sesgos del
estudio;
Sesgo de seleccin, los grupos no son
Experimental como ensayos clnicos, de comparables por su forma de escogencia
campo o comunitarios, para la exposicin a (eleccin inadecuada en grupos de control o
grupos de objetos de estudio comparables espacios muestrales, prdidas de
con otros grupos en el que no se intervine o al seguimiento y supervivencia selectiva).
que se expone a otra intervencin. Sesgo de informacin, tampoco, los
grupos son comparables debido al como se
obtienen los datos (instrumento de medida
No experimental, simulaciones, tal que, inadecuado, diagnstico incorrecto,
cuando un experimento que no se han podido omisiones, imprecisiones, vigilancia
realizar, se haga; estudios ecolgicos, de desigual en expuestos y no expuestos,
prevalencia, de casos y controles, de cohortes errores de clasificacin, errores en los
o de seguimiento. cuestionarios o procedimientos).
Cuando hay minas por todas partes, Sesgo de confusin, hay mezcla de
efectos debido a una tercera o ms
uno, no debe aventurarse, sin un variables, esta variable est asociada con la
detector de minas (M. Susser). exposicin a estudio, e independientemente
de la exposicin, es un factor de riesgo
adicional.
CEPI_II_2009_C09_M_03_V2.0
12
Motivacin
Amenazas o Riesgos en los Estudios

La confusin, que se genera, puede controlarse en el diseo y
anlisis del estudio, para hacerlo vlido. La presencia de
sesgos de seleccin e informacin podran cuantificarse, pero
invalidaran el estudio. En sntesis, realizar un estudio es una
carrera de obstculos, que an, no siendo infranqueables,
permanentemente estn presentes y lo dificultan, pero que a
la vez, lo hacen atractivo, en cualquier trabajo de
investigacin.
El conocimiento de la metodologa y su aplicacin debe

reconocerse como un elemento til, necesario y atractivo,
para responder preguntas y discriminar lo seguro y correcto
de lo que no lo es tanto.

CEPI_II_2009_C09_M_03_V2.0
13
Motivacin
A partir de los conceptos de la teora muestral; se ha mencionado que las

poblaciones estn formadas por individuos, denominados unidades de
muestreo o unidades de estudio:
Personas, clulas, familias, hospitales, pases
La poblacin ideal que se pretende estudiar se denomina poblacin objetivo.
No es fcil estudiarla por completo. Aproximamos mediante muestras que

den idealmente la misma probabilidad a cada individuo de ser elegido.
Tampoco es fcil elegir muestras de la poblacin objetivo:
Si llamamos por telfono excluimos a los que no tienen.

Si elegimos individuo en la calle, olvidamos los que estn trabajando...
El grupo que en realidad podemos estudiar (los que tienen telfono) se

denomina poblacin de estudio.

CEPI_II_2009_C09_M_03_V2.0
14
Fuentes de sesgo
Las poblaciones objetivo y de estudio pueden diferir en cuanto a las variables
que estudiamos.
El nivel econmico de la poblacin de estudio es mayor que la objetivo,...

Los individuos que se eligen en la calle pueden ser mayores de edad (jubilados)
En este caso, las muestras que seleccionadas son sesgadas. El

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

aleatoria.
CEPI_II_2009_C09_M_03_V2.0
15
Tcnicas de respuesta aleatoria
Reducen la motivacin para mentir (o no responder) a las encuestas.

Si digo la verdad, se me ver el cobre?
Cmo se hace?
Ejemplo:
Solicitar que lance una moneda antes de responder y
Si sale cara que diga la opcin compremetida

(no tiene por qu avergonzarse, la culpa es de la moneda)
Si sale cruz que diga la verdad
(no tiene por qu avergonzarse, el encuestador no sabe si ha salido
cara o cruz)
Aunque no se sabe cul es la verdad en cada individuo, se puede hacer una idea
porcentual sobre la poblacin, viendo en cunto se alejan las respuestas del
50%.
CEPI_II_2009_C09_M_03_V2.0
16

Ejemplo: Ha fumado alguna vez?
No
Sin respuesta 100% No sinceros!!
aleatoria
Con respuesta
Diferencia entre los que han dicho s y los que
aleatoria
40% No deban hacerlo por que as lo indicaba la moneda
60% S
No son mitad y mitad! 0,6 0,5

Porcentaje estimado de ndice de consumo de drogas es: p
*
0,2 20%
1 0,5
Los que deben decir la
verdad
CEPI_II_2009_C09_M_03_V2.0
17

GUA DE DISEO MUESTRAL
INSUMOS DISEO MUESTRAL PRODUCTOS
Objetivos del Mtodo de
estudio muestreo a
Conocimiento de DISEO utilizar.
la poblacin MUESTRAL MUESTREO
Tamao de la
Recursos muestra de la
ESTADSTICO
disponibles poblacin a
estudiar.
Muestreo Muestreo Muestreo Muestreo de

Aleatorio Sistemtico Estratificado Conglomerados
simple
Tamao de Tamao de Tamao de Tamao de

Muestra Muestra Muestra Muestra
Aplicaciones Aplicaciones Aplicaciones Aplicaciones

CEPI_II_2009_C09_M_03_V2.0
18
Clasificacin de la tcnicas de muestreo
TCNICAS DE MUESTREO
Tcnicas de muestreo Tcnicas de muestreo

no probabilstico probabilstico
Muestreo
Muestreo por Muestreo Muestreo
de bola de
conveniencia por juicio por cuota
nieve
Muestreo Otras
Muestreo Muestreo Muestreo
aleatorio tcnicas de
sistemtico estratificado de grupo
simple muestreo

CEPI_II_2009_C09_M_03_V2.0
19

Cuando se eligen individuos de una poblacin de estudio para formar muestras se
encuentran las siguientes situaciones:
MUESTREOS PROBABILISTAS
Se conoce la probabilidad de que un individuo sea elegido para la

muestra.
Interesantes para usar estadstica matemtica con ellos.
MUESTREOS NO PROBABILISTAS
No se conoce la probabilidad.
Son muestreos que seguramente esconden sesgos.
En principio no se pueden extrapolar los resultados a la poblacin.
A pesar de ello una buena parte de los estudios que se publican usan esta
tcnica. Puff!
En adelante se trata exclusivamente muestreos con la menor posibilidad de sesgo

(probabilistas): aleatorio simple, sistemtico, estratificado y por grupos.
CEPI_II_2009_C09_M_03_V2.0
20
Muestreo aleatorio simple (MAS)

MUESTREO ALEATORIO: Considerando una poblacin finita, de la que se
desea extraer una muestra, el proceso de extraccin es tal, que hay que
garantizar que cada uno de los elementos de la poblacin, tengan la misma
oportunidad de ser incluidos en dicha muestra, este proceso se denomina
seleccin muestral aleatoria y puede plantearse bajo dos puntos de vista:
Sin y Con reposicin de los elementos
Interviene Orden
Sin
Reposicin
No interviene el
orden

CEPI_II_2009_C09_M_03_V2.0
21
Interviene Orden
Con
Reposicin
No interviene el
orden
El muestreo aleatorio con reposicin es tambin denominado

muestreo aleatorio simple, se caracteriza por que
cada elemento de la poblacin tiene la misma probabilidad de
ser elegido, y
las observaciones se realizan con reemplazo. De este modo,
cada observacin se realiza sobre la misma poblacin (no
disminuye en las extracciones sucesivas).

CEPI_II_2009_C09_M_03_V2.0
22
Sntesis,
Se eligen individuos de la poblacin de estudio, de manera que

todos tienen la misma probabilidad de aparecer, hasta alcanzar el
tamao muestral deseado.
Se puede realizar partiendo de listas de individuos de la poblacin,

y eligiendo individuos aleatoriamente con un computador.
Normalmente tiene un coste bastante alto su aplicacin.
En general, las tcnicas de inferencia estadstica suponen que la

muestra ha sido elegida usando MAS, aunque en realidad se use
alguna de las que veremos a continuacin.

CEPI_II_2009_C09_M_03_V2.0
23
Muestreo sistemtico
Se tiene una lista de los individuos de la poblacin de estudio. Si se desea una muestra de un
tamao dado, elegimos individuos igualmente espaciados de la lista, donde el primero ha sido
elegido al azar.
CUIDADO: Si en la lista existen periodicidades, obtendremos una muestra sesgada.
Cuando los elementos de la poblacin estn ordenados en fichas o en una lista, una manera de
muestrear consiste en:
Elegir aleatoriamente un nmero m, entre 1 y k;
Tomar como muestra los elementos de la lista:
Esto es muestreo sistemtico. Si el criterio de ordenacin de los elementos en la lista, es tal,
que los elementos ms parecidos tienden a estar ms cercanos, el muestreo sistemtico suele
ser ms preciso que el aleatorio simple, porque recorre la poblacin de un modo ms uniforme.
Por otro lado, es a menudo ms fcil, no cometer errores con un muestreo sistemtico que con
un muestreo aleatorio simple.
El mtodo tal como se ha definido anteriormente es sesgado? Por qu?
Un caso real: Se eligi una de cada cinco casas para un estudio de salud pblica en una ciudad
donde las casas se distribuyen en manzanas de cinco casas. Salieron con mucha frecuencia
las de las esquinas, que reciben ms sol, estn mejor ventiladas,
EJEMPLO

CEPI_II_2009_C09_M_03_V2.0
24
Muestreo estratificado
Aplica cuando se saben ciertos factores (variables, sub-poblaciones o estratos) que pueden influir
en el estudio y hay que asegurar cierta cantidad mnima de individuos de cada tipo:
-Hombres y mujeres, - Jvenes, adultos y ancianos
Se realiza un MAS de los individuos de cada uno de los estratos.
Al extrapolar los resultados a la poblacin hay que tener en cuenta el tamao relativo del estrato
con respecto al total de la poblacin. Un muestreo aleatorio estratificado es aquel, en el que se
divide la poblacin de N individuos, en k sub-poblaciones o estratos, atendiendo criterios
importantes en el estudio de tamaos respectivos N(1), ..., N(k), realizando en cada una de estas
sub-poblaciones muestreos aleatorios simples de tamao n(i). Hay 2 tcnicas: asignacin
proporcional y asignacin optima.
Al hacer un estudio de uso de barras de labios en 10 estudiantes y al hacer el muestreo aleatorio
simple se reflexiona en el comportamiento de 2 estratos: masculinos (60%) y femeninos (40%) con
sus respectivos tamaos (6 varones y 4 mujeres). Esto es asignacin proporcional
Con seguridad la precisin del carcter que se estudia, ser muy alta en el grupo de los varones
aunque en la muestra haya muy pocos (pequea varianza), mientras que en el grupo de las mujeres
habr mayor dispersin. Cuando las varianzas poblacionales son pequeas, con pocos elementos
de una muestra se obtiene una informacin ms precisa del total de la poblacin que cuando la
varianza es grande. Por tanto, si slo se toma 10 alumnos, es ms conveniente dividir la muestra
en dos estratos, y tomar mediante muestreo aleatorio simple, cierto nmero de individuos de cada
estrato, eligiendo ms individuos en los grupos de mayor variabilidad. As, probablemente, un
mejor resultado es 1 varn y 9 hembras. Esto, se denomina, asignacin ptima.
EJEMPLO

CEPI_II_2009_C09_M_03_V2.0
25
Muestreo por grupos o conglomerados

Se aplica cuando es difcil tener una lista de todos los individuos que forman parte de la
poblacin de estudio, pero sin embargo sabemos que se encuentran agrupados
naturalmente en grupos.
Si se intenta hacer un estudio sobre los habitantes de una ciudad, el muestreo aleatorio
simple puede resultar muy costoso, porque estudiar una muestra de tamao n implica
enviar a los encuestadores a n puntos distintos de la citada ciudad, de modo que en cada
uno de ellos slo se realiza una entrevista. En esta situacin se puede realizar ms
econmica, con el denominado muestreo por conglomerados, que consiste en elegir
aleatoriamente ciertos barrios dentro de la ciudad, para despus elegir calles y edificios.
Una vez elegido el edificio, se entrevista a todos los vecinos
Se realiza eligiendo varios de esos grupos al azar, y ya elegidos algunos podemos estudiar
a todos los individuos de los grupos seleccionados o bien seguir aplicando dentro de ellos
ms muestreos por grupos, por estratos, por aleatorios simples,
Para conocer la opinin de los ingenieros elctricos, podemos elegir a varias regiones
colombianas, en varios provincias, y dentro de ellas varios pueblos,
Al igual que en el muestreo estratificado, al extrapolar los resultados a la poblacin hay que
tener en cuenta el tamao relativo de unos grupos con respecto a otros.
Regiones con diferente poblacin pueden tener probabilidades diferentes de ser
elegidas, provincias, electrificadoras grandes frente a pequeos,
EJEMPLO
DIFERENCIA

CEPI_II_2009_C09_M_03_V2.0
26
Estimacin de tamao de muestra

Definir Poblacin especificacin de poblacin meta, para no obtener
casos engaosos. Comprende la traduccin de la definicin del problema
a una afirmacin exacta sobre quin debe incluirse en la muestra y quin
no, y debe definirse en trminos de los elementos, unidades de muestra,
extensin (sitios) y tiempo (periodo a considerar).
El marco de la muestra es una representacin de los elementos de la

poblacin meta. Consiste en una lista o grupo de indicaciones para
identificar la poblacin sobre la que se quiere realizar el estudio. Algunos
ejemplos de marco de muestra incluyen el directorio telefnico, una lista de
universidades, una lista de estudiantes de un curso o materia. Si no puede
compilarse una lista, deben especificarse, por lo menos, algunas
indicaciones para identificar la poblacin meta.
Seleccionar la tcnica de muestreo a utilizar implica la toma de varias decisiones, pues se debe
decidir, se utiliza una estrategia de muestra bayesiana o tradicional, muestra con o sin reemplazo y
si emplear una muestra de probabilidad o no probabilidad
CEPI_II_2009_C09_M_03_V2.0
27

El tamao de la muestra refiere al nmero de unidades que se incluirn
en el estudio, tamao conveniente para comprobar seguridad y
precisin. Para calcular el tamao hay que tener en cuenta tres
factores:
(1) Porcentaje de confianza, con el cual se quiere generalizar los

datos desde la muestra hacia la poblacin total.
(2) Porcentaje de error para aceptar al momento de hacer la
generalizacin.
(3) Variabilidad del parmetro a estimar. Variabilidad positiva (p) y
negativa (q), porque p y q son complementarias. Si se habla de la
mxima variabilidad los valores de variabilidad pueden ser p = q
= 0.5 el porcentaje que se considere adecuado para el caso.
Tamao de Muestra. Si el tamao de la muestra o poblacin es infinito
o no se conoce con precisin su tamao, la formula que se utiliza es:
2
Z p*q
n 2
E2
Si se conozca el tamao de la poblacin, entonces se aplica la
siguiente frmula: 2
Z p * q * N
n 2
( N * E 2 ) ( Z * p * q )
2
2
CEPI_II_2009_C09_M_03_V2.0
28
EJEMPLO

CEPI_II_2009_C09_M_03_V2.0
29
Qu se vio en la Conferencia?
Motivacin: Qu es y para qu sirve un estudio estadstico?
Sesgo de seleccin
Poblacin objetivo
Poblacin de estudio
Otros sesgos
Tcnica de respuesta aleatoria
Tcnicas de muestreo
No probabilistas
Probabilistas
MAS
Sistemtico
Estratificado
Conglomerados

CEPI_II_2009_C09_M_03_V2.0
30
Actividad
Leccin 3.1. Tcnicas de Muestreo
Con los conocimientos adquiridos en la conferencia iniciar

con la leccin propuesta en el libro de actividades.

CEPI_II_2009_C09_M_03_V2.0
31
Crditos
Operacin: Ing. (c) Diana Patricia Bautista Otlora
Planificacin: Ing. Sergio Enrique Mndez Aceros
Autora, Instruccin y Administracin: Phd. Ricardo Llamosa Villalba

CEPI_II_2009_C09_M_03_V2.0
CONSTRUIMOS FUTURO

Cepi - Ii - 2009 - C - 09 - M - 3

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Cepi - Ii - 2009 - C - 09 - M - 3

Uploaded by

Copyright:

Available Formats

Facultad de Ingenieras Fsico-Mecnicas

Escuela de Ingenieras Elctrica, Electrnica y de Telecomunicaciones

Facultad de Ingenieras Fsico-Mecnicas

martes, 26 de septiembre de CEPI_II_2009_C09_M_03_V2.0

Un estudio estadstico plantea, extraer conclusiones sobre la naturaleza de una

El estimador (estadstico) debe caracterizar un parmetro poblacional, mediante

Por otra parte, deducir leyes de probabilidad en determinadas caractersticas de una

martes, 26 de septiembre de 2017 Copyright CIDLISUIS 2009

Considerando la investigacin un proceso:

sistemtico" que parte de la formulacin de una hiptesis u objetivo

El propsito de este mdulo es permitir al alumno:

Conceptualizar el significado bsico y la forma de establecer y

Conocidos los estadsticos y estimadores, aprender como

martes, 26 de septiembre de 2017 Copyright CIDLISUIS 2009

El modelo general del planteamiento de un estudio, sigue la siguiente

martes, 26 de septiembre de 2017 Copyright CIDLISUIS 2009

Informacin sobre aspectos concretos del

martes, 26 de septiembre de 2017 Copyright CIDLISUIS 2009

Amenazas o Riesgos en los Estudios

El conocimiento de la metodologa y su aplicacin debe

martes, 26 de septiembre de 2017 Copyright CIDLISUIS 2009

A partir de los conceptos de la teora muestral; se ha mencionado que las

Personas, clulas, familias, hospitales, pases

La poblacin ideal que se pretende estudiar se denomina poblacin objetivo.

No es fcil estudiarla por completo. Aproximamos mediante muestras que

Tampoco es fcil elegir muestras de la poblacin objetivo:

Si llamamos por telfono excluimos a los que no tienen.

El grupo que en realidad podemos estudiar (los que tienen telfono) se

martes, 26 de septiembre de 2017 Copyright CIDLISUIS 2009

El nivel econmico de la poblacin de estudio es mayor que la objetivo,...

En este caso, las muestras que seleccionadas son sesgadas. El

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

Tcnicas de respuesta aleatoria

Reducen la motivacin para mentir (o no responder) a las encuestas.

Solicitar que lance una moneda antes de responder y

Si sale cara que diga la opcin compremetida

Tcnicas de respuesta aleatoria

No son mitad y mitad! 0,6 0,5

Tcnicas de respuesta aleatoria

Muestreo Muestreo Muestreo Muestreo de

Tamao de Tamao de Tamao de Tamao de

Aplicaciones Aplicaciones Aplicaciones Aplicaciones

martes, 26 de septiembre de 2017 Copyright CIDLISUIS 2009

Clasificacin de la tcnicas de muestreo

Tcnicas de muestreo Tcnicas de muestreo

martes, 26 de septiembre de 2017 Copyright CIDLISUIS 2009

Tcnicas de respuesta aleatoria

Se conoce la probabilidad de que un individuo sea elegido para la

En adelante se trata exclusivamente muestreos con la menor posibilidad de sesgo

Muestreo aleatorio simple (MAS)

martes, 26 de septiembre de 2017 Copyright CIDLISUIS 2009

Muestreo aleatorio simple (MAS)

El muestreo aleatorio con reposicin es tambin denominado

martes, 26 de septiembre de 2017 Copyright CIDLISUIS 2009

Muestreo aleatorio simple (MAS)

Se eligen individuos de la poblacin de estudio, de manera que

Se puede realizar partiendo de listas de individuos de la poblacin,

Normalmente tiene un coste bastante alto su aplicacin.

En general, las tcnicas de inferencia estadstica suponen que la