Sei sulla pagina 1di 21

Divisin de Ciencias Sociales y Humanidades Maestra en Desarrollo y Planeacin de la Educacin

Seminario

Estadstica aplicada
Tema: Captulo 7 Muestreo y distribuciones muestrales

Maestra: Edith Ariza Gmez

Presentan
Mara Isabel Prez Ornelas Armando Tapia Chvez
Mxico, D.F. a 24 de enero de 2011

Muestreo y distribuciones muestrales

Contenido Introduccin 7.1 El problema de muestreo en Electronics Associates 7.2 Muestreo aleatorio simple Muestreo para poblaciones finitas Muestreo para poblaciones infinitas 7.3 Estimacin puntual 7.4 Introduccin a las distribuciones muestrales 7.5 Distribuciones muestrales de x Valor esperado de x Desviacin estndar de x Teorema de lmite central Valor prctico de la distribucin muestral de x Relacin entre el tamao de la muestra y la distribucin muestral de x 7.6 Distribucin muestral de p Valor esperado de p Desviacin estndar de p Forma de la distribucin muestral de p Valor prctico de la distribucin muestral de p 7.7 Propiedades de los estimadores puntuales Insesgadez Eficiencia Consistencia 7.8 Otros mtodos de muestreo Muestreo aleatorio estratificado Muestreo por conglomerados Muestreo sistemtico Muestreo por conveniencia Muestreo por juicio Referencias consultadas

Introduccin
El presente trabajo tiene el propsito de ubicar la importancia del muestreo y distribuciones en estadstica aplicada. Para ello se recurre tanto a conceptos centrales recuperados del libro Estadstica para administracin y economa y de otros referentes bibliogrficos para complementar aspectos conceptuales y de procedimiento. A manera de apertura del captulo muestreo y distribuciones muestrales En la estadstica inferencial se requiere informacin acerca de grupos grandes de elementos (individuales, empresas, votantes, etc.), pero por cuestiones de tiempo, costo, entre otros aspectos, solamente se puede recolectar datos de una pequea parte de este grupo, a lo que llamamos muestra, por lo tanto, para inferir informacin estadstica es importante tener claros dos aspectos importantes: - Poblacin que es el conjunto de todos los elementos de inters en un estudio determinado, y
- Muestra que es un subconjunto de la poblacin.

Por lo anterior, se tiene que la inferencia estadstica tiene como propsito construir estimaciones y pruebas de hiptesis acerca de las caractersticas de una poblacin por medio de la informacin obtenida en una muestra. Se puede emplear el muestreo y los resultados de una muestra para obtener estimaciones de las caractersticas de una poblacin. Es importante tener en cuenta que los resultados de la muestra slo dan estimaciones de los valores de las caractersticas de la poblacin. Con lo mtodos adecuados de muestreo, los resultados muestrales darn buenas estimaciones de las caractersticas de la poblacin. Una buena muestra reproduce las caractersticas de inters que existen en la poblacin de la manera ms cercana posible. Esta muestra ser representativa, en el sentido de que cada unidad muestreada representar las caractersticas de una cantidad conocida de unidades en la poblacin. Definiciones para precisar el concepto de una buena muestra: - Unidad de observacin. Es el objeto sobre el cual se realiza una medicin. Esta es la unidad bsica de observacin, a veces llamada elemento.
-

Poblacin objetivo. Es la coleccin completa de observacin que deseamos estudiar. La definicin de la poblacin es una parte importante, y con frecuencia difcil, del estudio. Por ejemplo, en una encuesta escolar la poblacin objetivo deberan ser todos los alumnos que pueden votar?

Muestra. Es una fraccin o subconjunto de cualquier tamao de la poblacin de la cual proviene. Las muestras se escogen por diversos procedimientos (sean apropiados o no) para realizar las observaciones o recogida de datos. El mtodo de muestreo aplicado y el tamao de la muestra que se decida, determinan su grado de representatividad. Poblacin muestreada. Es la coleccin de todas las unidades de observacin posibles que podran extraerse en una muestra, es la poblacin de donde se extrae la muestra. Unidad de muestreo. Es la unidad donde se realiza la muestra. Por ejemplo, podramos querer estudiar a las personas, pero no tenemos una lista de todos los individuos que pertenecen a la poblacin objetivo. En vez de esto, las familias sirven como las unidades de muestreo y las unidades de observacin son los individuos que viven en una familia.

Segn Sharon Lohr,1 existen tres justificaciones principales para el uso del muestreo, las cuales se apuntan a continuacin: El muestreo puede proporcionar informacin confiable con costos mucho menores que los de un censo. Con las muestras probabilsticas se puede cuantificar el error de muestreo a partir de una encuesta. En algunos casos, una unidad de observacin debe ser destruida para ser observada, como cuando una galleta debe pulverizarse para determinar el contenido de grasa. Los datos se pueden reunir ms rpido, de modo que las estimaciones se pueden publicar de una manera programada. Las estimaciones basadas en las encuestas y sus respectivas muestras son, con frecuencia, ms precisas que las basadas en un censo pues los investigadores pueden tener ms cuidado al reunir los datos. Un censo completo necesita, por lo regular, de una gran organizacin administrativa e implica a muchas personas en la recoleccin de datos.

7.1 El problema de muestreo en Electronics Associates


Para dar un seguimiento a lo que plantea el libro base del Seminario de Estadstica Aplicada, se considera importante, recuperar los ejemplos que en ste se desarrollan, adems de complementarlos. Para dar cuenta de la importancia de la muestra en un estudio estadstico es importante conocer la poblacin a la que se va a estudiar y las caractersticas que se desean identificar, por ejemplo, en el caso de la empresa Elecronics Electronics Associates, Inc. (EAI) el director de personal tiene que elaborar un perfil de 2500 gerentes que trabajan en dicha empresa. Le interesa dos caractersticas a identificar: el sueldo anual promedio y la proporcin de gerentes que concluyeron un programa de adiestramiento de la empresa.
1

Lohr, Sharon, Muestreo: Diseo y anlisis, Mxico, Internacional Thomson Editores, 2000. Trad. de scar Alfredo Palmas Velasco.

Para calcular la media poblacional y la desviacin estndar de la poblacin para los datos anuales de salarios se recurre a las siguientes formulas: Media poblacional = xi (xi= x1+x2+xn) N (Donde N es el smbolo para denotar la poblacin) Y Desviacin estndar poblacional = 2 Desviacin estndar Es la raz cuadrada positiva de la varianza. s denota la desviacin estndar muestral s=s2 y la desviacin estndar poblacional = 2 La desviacin estndar se mide en las mismas unidades que los datos originales. Donde Media de la poblacin: = 51 800 dlares2 Desviacin estndar de la poblacin: = 4000 dlares Recordemos que para obtener la varianza que est basada en la diferencia entre el valor de cada observacin (xi) y la media, se recurre a la siguiente formula 2=( xi - ) N

Cuando los datos son de una poblacin las elevaciones son al cuadrado y se denota varianza poblacional y se denota con la letra griega 2 A la diferencia entre cada valor xi y la media se le llama desviacin estndar respecto de la media. Para calcular la varianza, las desviaciones respecto a la media se elevan al cuadrado. Cuando se calcula una muestra lo que interesa es estimar la varianza poblacional 2. La suma de los cuadrados de las desviaciones respecto de la media se divide entre n- 1, en lugar entre n, la varianza muestra que se obtiene constituye un estimador no sesgado de la varianza poblacional.
2

Datos recuperados del captulo 7. Muestreo y distribuciones muestrales en Estadstica para administracin y economa. 10 edicin, Mxico, CENGAGE Learning, pp. 241- 283.

Varianza muestral: s2=( xi -

n -1 En todo conjunto de datos, la suma de las desviaciones respecto de la media ser siempre igual a cero. Para obtener la proporcin de gerentes que terminaron el programa, se calcula la proporcin de la poblacin que termin el programa. De los 2500 gerentes 1500 terminaron el programa de capacitacin, p representa la proporcin de la poblacin que termin el programa, entonces tenemos que p = 1500/2500 =0.60. Con los estadsticos anteriores tenemos los parmetros de la poblacin que se est estudiando: la media del salario anual de la poblacin ( = 51 800), su desviacin estndar ( = 4000) y la proporcin que termin el programa de adiestramiento (p= 0.60) son parmetros de la poblacin de los gerentes de EAI. Por lo anterior, se puede decir que un parmetro es una caracterstica numrica de una poblacin. Con lo anterior se demuestra que es comn que la informacin de una muestra se pueda usar para elaborar estimaciones de los parmetros poblacionales de inters.

7.2 Muestreo aleatorio simple


Se puede usar varios mtodos para seleccionar una muestra a partir de una poblacin; uno del os mtodos ms comunes es el muestreo aleatorio simple. La definicin de este mtodo y el proceso de seleccionar una muestra aleatoria simple siempre dependen de si la poblacin es finitia o infinita. Muestreo para poblaciones finitias Una muestra aleatoria simple de tamao n, de una poblacin finita de tamao N, se define como sigue: Una muestra aleatoria simple de tamao n, de una poblacin finita de tamao N, es una muestra seleccionada de tal manera que cada muestra posible de tamao n tenga la misma probabilidad de ser seleccionada. Un procedimiento para identificar una muestra aleatoria simple a partir de una poblacin finita es seleccionar por uno los elementos que constituyen a la muestra, de tal modo que cada uno de los elementos que an queden en la poblacin tengan la misma probabilidad de ser seleccionados. Al muestrear n elementos en esa forma, se satisfar la definicin de una muestra aleatoria simple de una poblacin finita. Al realizar este proceso para la seleccin de una muestra aleatoria simple, es posible que un nmero que haya sido usado se encuentre de nuevo, a este tipo de seleccin se le conoce como muestreo con reemplazo. Cualquier nmero aleatorio que ya ha sido usado se ignora se esta muestreando con reemplazo. Muestrear con reemplazo es una forma
6

vlida de identificar una muestra aleatoria simple. Sin embargo el muestreo sin reemplazo es el procedimiento de muestreo ms usado. Muestreo de una poblacin infinita En algunas situaciones la poblacin o bien es infinita o tan grande que, para fines prcticos, se considera infinita. Una muestra aleatoria simple de una poblacin infinita es una muestra seleccionada de manera que se satisfagan las condiciones siguientes: 1. Cada uno de los elementos seleccionados proviene de la poblacin 2. Cada elemento se selecciona independientemente. En poblaciones infinitas un procedimiento para la seleccin de una muestra debe de ser concebido especialmente para cada situacin, de manera que permita seleccionar los elementos de manera independientemente y evitar as un sesgo en la seleccin que de mayores probabilidades de seleccin a ciertos tipos de elementos. Dichos sesgos se evitan haciendo que la seleccin de un elemento no influya en la seleccin de cualquier otro elemento. Las poblaciones infinitas suelen asociarse con un proceso que opera continuamente a lo largo del tiempo. En tales casos un procedimiento de muestreo creativo garantiza que no haya sesgos de seleccin y que los elementos de la muestra sean seleccionados en forma independiente.

7.3 Estimacin puntual


En la estimacin puntual se usan los datos de la muestra para calcular un valor de un estadstico de la muestra que sirva como estimacin de un parmetro de poblacin. Se dice que: es estimador puntual de la media poblacin s es el estimador puntual de la desviacin estndar poblacional es el estimador puntual de la proporcin p poblacional. Para estimar el valor de un parmetro de poblacin se calcula una correspondiente caracterstica de la muestra, que se denomina estadstico de la muestra o media muestral. A los valores numricos obtenidos para ,so en una determinada muestra

se les llama estimaciones puntuales del parmetro. Por ejemplo, si elegimos una muestra aleatoria de 30 gerentes para estimar la media de la
7

poblacin y la desviacin estndar de la poblacin del salario anual para calcular los estadsticos de la muestra que son la media de la muestra de la muestra s. Formulas Media muestral =xi (xi= x1+x2+xn) = 1554 420 = 51 814.00 dlares n 30 y la desviacin estndar

Desviacin estndar de la muestra s= (xi )


2=

325 009 260 = 3347.72 dlares n-1 29

Al calcular la proporcin de gerentes que contestaron que S en la muestra, podemos estimar la proporcin de gerentes, en la poblacin, que terminaron el programa de adiestramiento gerencial. De los 30 gerentes de la muestra terminaron el adiestramiento 19. La proporcin de la muestra, representada por es

= 19 = 0.63 30 Este valor se usa como estimacin de la proporcin p de la poblacin. Las estimaciones puntuales no son exactamente iguales a los parmetros poblacionales correspondientes, por lo que se tiene un error de muestreo que es el valor absoluto de la diferencia entre una estimacin puntual insesgada y el parmetro poblacional correspondiente, es decir, es la diferencia entre la estimacin puntual y el parmetro poblacional, cuando el estimador puntual es insesgado. Para una media muestral, la desviacin estndar y la proporcin muestrales, los errores de muestreo son s - y - p - ,

En una aplicacin real de muestreo no se puede calcular de manera exacta el error de muestreo porque no se conocer el valor del parmetro poblacional.

7.4 Introduccin a las distribuciones muestrales

Ahora suponga que el proceso de seleccionar una muestra aleatoria simple de 30 administradores se repite una y otra vez y que cada vez que se calculan los valores de y de .

Si el proceso de seleccionar una muestra aleatoria simple se considera como un experimento, la media muestral tiene una media o valor esperado, una desviacin

estndar y una distribucin de probabilidad. Como los distintos valores que toma son resultados de distintas muestras aleatorias simples, a la distribucin de probabilidad de se le conoce como distribucin muestral de . Conocer esta distribucin muestral y sus propiedades permitir hacer declaraciones de probabilidad de que tan cerca est la media muestral Como ocurre con de la media poblacional , es una variable aleatoria. Si se tomara cada muestra posible de , la distribucin de

tamao de 30 y para cada muestra se calculara el valor de probabilidad que se obtuviera sera la distribucin muestra de

7.5. Distribuciones muestrales de


Uno de los estadsticos ms comunes es usar la media de la muestra proceso: para hacer inferencias acerca de una media de la poblacin . El siguiente diagrama muestra el

Figura tomada de Anderson, David et al. Muestreo y distribuciones muestrales, en Estadstica para administracin y economa. 10 edicin, Mxico, CENGAGE Learning. P. 256

En cada repeticin del proceso se puede anticipar la obtencin de un valor distinto de la


9

media de la muestra

. Entonces tenemos que la distribucin muestral de

es la distribucin de probabilidad de todos los valores posibles de la media de la muestra se llama distribucin muestral de la media de la muestra . : valor

A continuacin se describen las propiedades de la distribucin muestral de esperado o media de Valor esperado de , desviacin estndar y la forma de distribucin.

Distintas muestras aleatorias simples dan como resultado varios valores de la media de la muestra de . El valor esperado de es la media de todos los valores posibles

que se pueden generar mediante las diversas muestras aleatorias simples. Valor esperado de E( donde E( ) = valor esperado de = media de la poblacin es igual a la media )=

Con muestreo aleatorio simple, el valor esperado o media de

de la poblacin. Por ejemplo, el sueldo anual promedio de la poblacin de gerentes es 51 800 dlares, entonces, la media de todas las posibles medias de la muestra son 51 8000 dlares. Desviacin estndar Para la desviacin estndar de la distribucin normal de notacin: = desviacin estndar de la distribucin muestral de = desviacin estndar de la poblacin n= tamao de la muestra N = tamao de la poblacin Con muestreo aleatorio simple, la desviacin estndar de depende de si la se usa la siguiente

poblacin es finita o infinita. Las ecuaciones de la desviacin estndar son:

10

Desviacin estndar de Poblacin finita


=

Poblacin infinita
=

N-n N -1 n

La poblacin finita requiere un factor de correccin para la poblacin finita que es (Nn)/ (N-1). Cuando la poblacin es grande y el tamao de la muestra pequeo el factor de correccin del a poblacin finita es cercano a 1. Una regla general para calcular la desviacin estndar de = es usar la ecuacin:

n
siempre que 1. La poblacin sea infinita 2. La poblacin sea finita y tambin el tamao de la muestra sea menor o igual que el 5% del tamao de la poblacin, n/N 0.05 Para poblaciones finitas que contengan casos en que n/N > 0.05 se debe usar la ecuacin para Poblacin finita. Teorema del lmite central El paso final para identificar las caractersticas de la distribucin muestral de determinar la forma de la distribucin de probabilidad de . es

Cuando no es conocida la distribucin de la poblacin se recurre al Teorema del lmite central, el cual seala que al seleccionar muestras aleatorias simples de tamao n de una poblacin, la distribucin muestral de la media muestral se puede aproximar con

una distribucin de probabilidad normal, cuando el tamao de la muestra es grande. La distribucin muestral de se puede aproximar mediante una distribucin de

probabilidad normal siempre que el tamao de la muestra sea grande. Se puede suponer que la condicin de muestra grande se cumple para muestras aleatorias simples de tamao 30 o mayor. Cuando en casos de muestreo se supone que la poblacin tiene distribucin normal, la distribucin muestral de tiene una distribucin de probabilidad normal para
11

cualquier tamao de la muestra. La importancia del teorema se debe a que la media de una muestra aleatoria

procedente de cualquier distribucin con varianza finita 2 y media , se distribuye aproximadamente como una variante normal de media y varianza 2/n.3 Valor prctico de la distribucin muestral de La razn prctica de que interese la distribucin muestral de para determinar informacin es que se puede usar probabilstica acerca del tamao del error muestral.

Tomando el ejemplo de los gerentes de la empresa, si se quiere saber la probabilidad de que la media de la muestra que se obtenga de una muestra aleatoria simple de 30 gerentes est dentro del intervalo de 500 dlares alrededor de la media poblacional. Si se quiere saber sobre la probabilidad de que la media de la muestra est entre 51300 y 52 300 dlares y si el valor de la media de la muestra de recurre a la siguiente formula Z = x - Figura 7.7 Probabilidad de que una media muestral quede a 500 dlares o menos de la media poblacional est en este intervalo, se

aproximar a 500 dlares de la media de la poblacin. Para obtener esta informacin se

Figura tomada de Anderson, David et al. Muestreo y distribuciones muestrales, en Estadstica para administracin y economa. 10 edicin, Mxico, CENGAGE Learning, pp. 275.

Mood, Alexander y Franklin Graybill, Muestreo, en Introduccin a la teora de la estadstica, Espaa, Aguilar s a ediciones, 1978, p. 172.

12

Relacin entre el tamao de la muestra y la distribucin muestral de Para la relacin entre el tamao de la muestra y la distribucin muestral de observe primero que E( ,

) = independientemente del tamao de la muestra. La es igual a la media de la poblacin, ,

media de todos los valores posibles de

independientemente del tamao de la muestra n. Tambin se puede apreciar que el error estndar de la media
=

/n est relacionado con la raz cuadrada del tamao de

la muestra. Siempre que aumente el tamao de la muestra disminuye el error estndar de la media
.

Por ejemplo:

Figura 7.8 Comparacin de las distribuciones muestrales de para muestras aleatorias simples de n =30 y n =100 Gerentes de EAI.

Figura tomada de Anderson, David et al. Muestreo y distribuciones muestrales, en Estadstica para administracin y economa. 10 edicin, Mxico, CENGAGE Learning, p. 262.

7.6 Distribucin muestral de


La proporcin muestral es el estimador puntual de la proporcin poblacional frmula para calcular la proporcin muestral es: . la

13

La proporcin muestral de

es una variable aleatoria y su distribucin de probabilidad .

se conoce como distribucin muestral de La distribucin muestral de

es la distribucin de probabilidad de todos los posibles . de la proporcin ; el

valores de la proporcin muestral de

Para determinar qu tan cerca est la proporcin muestral de poblacional

, se necesita entender las propiedades de la distribucin muestral de , la desviacin estndar de

valor esperado de de .

y la forma de la distribucin muestral

Valor esperado de El valor esperado de , la media de todos los posibles valores de . , es igual a la

proporcin poblacional de

14

Desviacin estndar de Como en el caso de la desviacin estndar de la desviacin estndar de obedece a si la poblacin es finita o infinita. Las dos frmulas para calcular la desviacin estndar de son:

Como en el caso de la media poblacional , la diferencia entre las expresiones para una poblacin finita y para una infinita es despreciable si el tamao de la poblacin finita es grande en comparacin con el tamao de la muestra. Es decir, si la poblacin es finita y se usara . Pero

si la poblacin es finita y entonces se deber de usar el factor de coercin para una probabilidad finita. Tambin, a menos que se especifique otra cosa, en este libro se supondr que el tamao de la poblacin es grande en comparacin al tamao de la muestra y por tanto, el factor de coercin para una poblacin finita no ser necesario.
En el caso de proporciones se usa el error estndar de la proporcin para referirse a la desviacin estndar de .

Forma de la distribucin muestral de


Ahora que se conoce la media y la desviacin estndar de la distribucin muestral de , el ltimo paso es determinar la forma de la distribucin muestral. La proporcin muestral es . En una muestra aleatoria simple de poblacin grande, el valor de es una variable aleatoria binomial que indica el nmero de los elementos de la muestra que tiene la caracterstica de inters. Como probabilidad de es una constante, la probabilidad es la misma tambin es una es la misma que

, lo cual significa que la distribucin muestral de

distribucin de probabilidad discreta y que la probabilidad de cada la probabilidad de .

15

Una distribucin binomial se aproxima mediante una distribucin normal siempre que el tamao de la muestra sea lo suficientemente grande para satisfacer las dos condiciones siguientes.

Suponiendo que satisfagan estas dos condiciones, la distribucin de probabilidad de en la proporcin muestral, puede aproximarse por medio de una distribucin

normal. Y como es una constante, la distribucin muestral de tambin se aproxima mediante una distribucin normal. Esta aproximacin se formula como sigue: La distribucin muestral de se aproxima mediante una distribucin normal siempre que

El valor prctico de la distribucin muestral de es que permite obtener informacin probabilstica acerca de la diferencia entre proporcin muestral y la proporcin poblacional. Par lograr este comparativo entre estos dos valores de probabilidad, es necesario hacer uso de lo que anteriormente estudiamos llamado valores de z, lo cuales se pueden calcular haciendo uso de la siguiente frmula.

zi =

xi - x s

7.7 Propiedades de los estimadores puntuales


Para utilizar algn estadstico de muestra como estimador puntual, se debe comprobar si tiene ciertas propiedades asociadas con los buenos estimadores puntuales: insesgadez, eficiencia y consistencia. Debido a que pueden emplearse diversos estadsticos de muestra como estimadores puntuales de distintos primeros poblacionales, se usa la siguiente notacin: = parmetro poblacional de inters (letra griega, theta) estadstico de muestra o estimador puntual de (theta con sombrero) = La letra representa cualquier parmetro de la poblacin: media poblacional, desviacin
16

estndar poblacional, proporcin poblacional. La theta con sombrero representa el estadstico de la muestra correspondiente como la media de la muestra, la desviacin estndar de la muestra y la proporcin muestral.

Insesgadez El estimador insesgado del parmetro poblacional se da cuando el valor esperado del estadstico de muestra es igual al parmetro poblacional que se estima. El estadstico de muestra un estimador insesgado del parmetro poblacional si es E () = donde E ( = valor esperado del estadstico de muestra ) Por ejemplo, sea x1, x2 una muestra aleatoria de una densidad cuya media es . En tal caso E( de .4 Figura 7.13 Ejemplos de estimadores puntuales insesgado y sesgado )=; asimismo, E(x1)= , por tanto y x1 son estimadores insesgados

Figura tomada de Anderson, David et al. Muestreo y distribuciones muestrales, en Estadstica para administracin y economa. 10 edicin, Mxico, CENGAGE Learning, p. 272.
4

Ejemplo tomado de Spiegel, Murray et al. Teora y problemas de Probabilidad y Estadstica, Colombia, McGrawHill, 2003, p. 209.

17

Eficiencia Se habla de eficiencia relativa cuando en un estimador puntual tiene menor desviacin estndar. Si las distribuciones muestrales de dos estadsticos tienen la misma media, el estadstico con la varianza menor es el estimador ms eficiente de la media, por ejemplo, para una poblacin normal, la distribucin normal de la media y la mediana tiene la misma media de la poblacin, sin embargo, la varianza de la distribucin muestral de medias es ms pequea que la varianza muestral de medianas, entonces, la media provee un estimador ms eficiente que la mediana. Figura 7. 14 Distribuciones muestrales de dos estimadores puntuales insesgados

Figura tomada de Anderson, David et al. Muestreo y distribuciones muestrales, en Estadstica para administracin y economa. 10 edicin, Mxico, CENGAGE Learning, p. 2723

En la figura se muestra que la desviacin estndar de es menor que la , los valores 1 2 de tienen mayor probabilidad de estar cerca del parmetro que los valores de 1 2. Consistencia Un estimador puntual es consistente si sus valores tienden a acercarse al parmetro de poblacin conforme se incrementa el tamao de la muestra, es decir, el estimador es mejor cuando se basa en una muestra de de 20 observaciones que si se basa en dos. La condicin de consistencia establece que para muestras grandes tiende a aproximarse n a , es decir, un tamao grande de muestra tiende a proporcionar un mejor estimador puntual que un tamao pequeo. Por ejemplo, para la media muestral , se demuestra que su desviacin estndar es
18

/n. Como

se relaciona con el tamao de muestra, de tal manera que , se llega a la conclusin de que un tamao

las muestras mayores dan valores de

de muestra mayor tiende a producir estimaciones puntuales ms cercanas a la media de la poblacin , entonces la media de la muestra es un estimador consistente de la

media de la poblacin , lo mismo sucede con la proporcin muestral p.

7.8 Otros mtodos de muestreo


Muestreo aleatorio estratificado En el muestreo aleatorio estratificado los elementos de la poblacin primero se dividen en grupos, a los que se les llama estratos, de manera que cada elemento pertenezca a uno y slo un estrato. La base para la formacin de los estratos, que pueden ser departamento, edad, tipo de industria, etc., est a discrecin de la persona que disea la muestra. Sin embargo, se obtienen mejores resultados cuando los elementos que forma un estrato son lo ms parecidos posible. Una vez formados los estratos, se toma una muestra aleatoria simple de cada estrato. Existen frmulas para combinar los resultados de las muestras de los varios estratos en una estimacin del parmetro poblacional de inters. El valor aleatorio estratificado depende de qu tan homogneos sean los elementos dentro de cada estrato. Si los elementos de un estrato son homogneos, el estrato tendr una varianza pequea. Por tanto, con muestras relativamente pequeas de los estratos se obtienen buenas estimaciones de las caractersticas de los estratos. Si los estratos son homogneos, el muestreo aleatorio estratificado, proporciona resultados tan precisos como los de un muestreo aleatorio simple, pero con una muestra de tamao total menor.

Muestreo por conglomerados En el muestre o por conglomerados los elementos de la muestra primero se dividen en grupos separados, llamados conglomerados. Cada elemento de la poblacin pertenece a uno y slo a un conglomerado. Se toma una muestra aleatoria simple de los
19

conglomerados. La muestra est formada por todos los elementos dentro de cada uno de los conglomerados que forman la muestra. El muestreo por conglomerados tiende a proporcionar mejores resultados cuando los elementos dentro de conglomerados no son semejantes. Lo ideal es que cada conglomerado sea una representacin, a pequea escala, de la poblacin. Si todos los conglomerados son semejantes en este aspecto, tomando en la muestra un nmero pequeo de conglomerados se obtendr una buena estimacin de los parmetros poblacionales. Una de las principales aplicaciones del muestreo por conglomerados es el muestreo de reas en el que los conglomerados son las manzanas de una ciudad y otras reas bien definidas. El muestreo por conglomerados requiere, por lo general, tamaos de muestra mayores que los requeridos en el muestreo aleatorio simple o en el muestreo aleatorio estratificado. Muestreo sistemtico Para ciertos muestreos, en especial en aquellos con poblaciones grandes, se necesita mucho tiempo para tomar una muestra aleatoria simple. Una alternativa al muestreo aleatorio simple es el muestreo sistemtico. Por ejemplo, si se quiere una muestra de tamao de 50 de una poblacin que tiene 500 elementos, se muestra uno de cada 5000/50= 100 elementos de la poblacin, en este caso, un muestreo sistemtico consiste en forma aleatoria uno de los primeros elementos de la lista de la poblacin. Los otros elementos se identifican contando a partir del primer elemento de 100 elementos para tomar el elemento que tenga la posicin 100 en la lista de la poblacin, a partir de este elemento se cuentan otros 100 y as se continua. Muestreo de conveniencia El muestreo de conveniencia es una tcnica de muestreo no probabilstico. Como el nombre lo indica, la muestra se determina por conveniencia. Los elementos se incluyen en la muestra sin que haya una probabilidad previamente especificada o conocida de que sean incluidos en la muestra. Por ejemplo, un profesor que realiza una investigacin en una universidad puede usarse estudiantes voluntarios para que constituyan una muestra la razn para elegirlos? Simple, los tienen al alcance y participarn como sujetos a un costo bajo o sin costo. Muestreo subjetivo Otra tcnica de muestreo no probabilstico es el muestreo subjetivo. En este mtodo la persona que ms sabe sobre un asunto selecciona elementos de la poblacin que considera los ms representativos de la poblacin. Este mtodo suele ser una manera relativamente fcil de seleccionar un muestra.

Referencias consultadas Anderson, David et al. Muestreo y distribuciones muestrales, en Estadstica para administracin y economa. 10 edicin, Mxico, CENGAGE Learning, pp. 241283. Lohr, Sharon, Muestreo: Diseo y anlisis, Mxico, Internacional Thomson Editores,
20

2000. Trad. de scar Alfredo Palmas Velasco. Mood, Alexander y Franklin Graybill, Muestreo, en Introduccin a la teora de la estadstica, Espaa, Aguilar s a ediciones, 1978, p. 172. Spiegel, Murray et al. Teora y problemas de Probabilidad y Estadstica, Colombia, McGrawHill, 2003.

21

Potrebbero piacerti anche