Nombre: David Herrera

Fecha: 21/10/2016

CONTROL DE LA CALIDAD
INDUSTRIAL

NRC: 1548

TEMA:

Consulta Tercer Parcial

Tipos de Muestreo
I. Muestreo probabilstico
1.- Muestreo aleatorio simple:
Se selecciona una muestra de tamao n de una poblacin de N unidades, cada elemento tiene una probabilidad de inclusin igual y conocida de n/N.

2.- Muestreo aleatorio sistemtico:

Este procedimiento exige, como el anterior, numerar todos los elementos de la poblacin, pero en lugar de extraer n nmeros aleatorios slo se extrae uno. Se
parte de ese nmero aleatorio i, que es un nmero elegido al azar, y los elementos que integran la muestra son los que ocupa los lugares i, i+k, i+2k, i+3k,...,i+
(n-1)k, es decir se toman los individuos de k en k, siendo k el resultado de dividir el tamao de la poblacin entre el tamao de la muestra: k= N/n. El nmero i
que empleamos como punto de partida ser un nmero al azar entre 1 y k.
El riesgo este tipo de muestreo est en los casos en que se dan periodicidades en la poblacin ya que al elegir a los miembros de la muestra con una periodicidad
constante (k) podemos introducir una homogeneidad que no se da en la poblacin. Imaginemos que estamos seleccionando una muestra sobre listas de 10
individuos en los que los 5 primeros son varones y los 5 ltimos mujeres, si empleamos un muestreo aleatorio sistemtico con k=10 siempre seleccionaramos o
slo hombres o slo mujeres, no podra haber una representacin de los dos sexos.

3.- Muestreo aleatorio estratificado:

Trata de obviar las dificultades que presentan los anteriores ya que simplifican los procesos y suelen reducir el error muestral para un tamao dado de la
muestra. Consiste en considerar categoras tpicas diferentes entre s (estratos) que poseen gran homogeneidad respecto a alguna caracterstica (se puede
estratificar, por ejemplo, segn la profesin, el municipio de residencia, el sexo, el estado civil, etc.). Lo que se pretende con este tipo de muestreo es asegurarse
de que todos los estratos de inters estarn representados adecuadamente en la muestra. Cada estrato funciona independientemente, pudiendo aplicarse dentro de
ellos el muestreo aleatorio simple o el estratificado para elegir los elementos concretos que formarn parte de la muestra. En ocasiones las dificultades que
plantean son demasiado grandes, pues exige un conocimiento detallado de la poblacin. (Tamao geogrfico, sexos, edades,.).
La distribucin de la muestra en funcin de los diferentes estratos se denomina afijacin, y puede ser de diferentes tipos:

Afijacin Simple: A cada estrato le corresponde igual nmero de elementos mustrales.

Afijacin Proporcional: La distribucin se hace de acuerdo con el peso (tamao) de la poblacin en cada estrato.

Afijacin ptima: Se tiene en cuenta la previsible dispersin de los resultados, de modo que se considera la proporcin y la desviacin tpica. Tiene
poca aplicacin ya que no se suele conocer la desviacin.

4.- Muestreo aleatorio por conglomerados:

Se realizan varias fases de muestreo sucesivas (polietpico). La necesidad de listados de las unidades de una etapa se limita a aquellas unidades de muestreo
seleccionadas en la etapa anterior. Es muy eficiente cuando la poblacin es muy grande y dispersa. No es preciso tener un listado de toda la poblacin, slo de
las unidades primarias de muestreo.

II.- Muestreo No probabilistico

Comparacin Econmica de los muestreos

A veces, para estudios exploratorios, el muestreo probabilstico resulta excesivamente costoso y se acude a mtodos no probabilsticos, pero el ms barato de los
mtodos probabilsticos es por conglomerados si intentamos hacer un estudio en un mbito con mucha dispersin geogrfica, por ejemplo, sobre los habitantes
de una ciudad, el muestreo aleatorio simple puede resultar muy costoso, ya que estudiar una muestra de tamao n implica enviar a los encuestadores a n puntos
distintos de la misma, de modo que en cada uno de ellos slo se realiza una entrevista. En esta situacin es ms econmico realizar el denominado muestreo por
conglomerados.
Error de tipo I
Por lo general, un error de tipo I se denomina "falso positivo" y es el proceso de rechazar incorrectamente la hiptesis nula en favor de la alternativa. En el caso
anterior, la hiptesis nula se refiere al estado natural de las cosas que indica que el paciente no es VIH positivo. La hiptesis alternativa indica que el paciente
porta el virus. Un error de tipo I indicara que el paciente tiene el virus cuando no lo tiene, un falso rechazo de la hiptesis nula.
Error de tipo II
Un error de tipo II es lo contrario al error de tipo I y es la falsa aceptacin de la hiptesis nula. Un error de tipo II, tambin conocido como falso negativo,
implicara que el paciente no tiene VIH cuando no es as, un diagnstico peligroso. En la mayora de los campos de la ciencia, los errores de tipo II no son
considerados tan problemticos como los errores de tipo I. En el caso del error de tipo II, se pierde la posibilidad de rechazar la hiptesis nula y no se desprende
ninguna conclusin de la hiptesis nula no rechazada. El error de tipo I es ms grave, ya que se habr rechazado errneamente la hiptesis nula. No obstante, la
medicina es una excepcin. Comunicarle a un paciente que no tiene una enfermedad cuando s la tiene es potencialmente peligroso. (Shuttleworth, 2008)
Qu es CCO?
En el contexto de los planes de muestreo de aceptacin, la curva caracterstica de operacin representa grficamente la relacin existente entre un porcentaje de
artculos defectuosos de un lote productivo (que por lo general se desconoce) y la probabilidad de aceptacin que se obtiene del mismo luego de aplicar un plan
de muestreo como los detallados en la seccin de muestreo simple.
Cuando la calidad de un lote es "buena" tanto al productor como al consumidor les interesa aceptar el lote con alta probabilidad. Por el contrario cuando la
calidad de un lote es "mala" especialmente al consumidor le interesa rechazar el lote la mayora de las veces.
La probabilidad de aceptar un lote con 0 defectos es naturalmente un 100%. Alternativamente si el 100% de las unidades son defectuosas la probabilidad de
aceptacin del lote es 0%. Por lo tanto una curva caracterstica de operacin siempre pasa por los puntos (0,1) y (100,0). Para porcentajes intermedios de
artculos defectuosos se debe calcular la probabilidad de aceptacin del lote segn el plan de muestreo que se est aplicando. (gestiondecalidadtotal, 2012)

Distribuciones
Distribucin Hipergeomtrica
Es usada para modelar datos discretos La distribucin hipergeomtrica se aplica cuando el tamao de la poblacin, N, es pequeo comparado con el tamao de
la muestra ( n>0,1N) Es utilizado cuando la probabilidad de tener xito no es constante.
Distribucin de Poisson
Se utiliza para modelar datos discretos La distribucin de Poisson puede aproximarse a una distribucin Binomial cuando p es igual o menos que 0,1 y el
tamao de la muestra es considerablemente grande. Es usada para el conteo de defectos es usada para modelar proporciones tal como defectos por unidad,
arribos por hora, nmero de plantas por hectrea, etc.
Distribucin Binomial
Es una de las distribuciones utilizadas para modelar datos discretos. Se aplica cuando la poblacin es considerablemente grande (N>50) y la muestra es
pequea comparada con la poblacin (n<0,1N). Su uso ms apropiado es cuando la proporcin de defectuosos es igual o mayor que 0,1. (lvarez, 2010)

Bibliografa
lvarez,

P.
A.
(2010).
Ministerio
de
Educacin,
Cultura
y
Deporte
http://recursostic.educacion.es/descartes/web/materiales_didacticos/Distribucion_binomial/binomial.htm

gestiondecalidadtotal.
(2012).
Gestin
de
Calidad
Total.
Obtenido
http://www.gestiondecalidadtotal.com/curva_caracteristica_de_operacion.html
Rodrguez,
I.
N.
(2013).
Universidad
de
Sonora.
http://www.estadistica.mat.uson.mx/Material/elmuestreo.pdf

Obtenido

de

de

Proyecto

Curva

de

Espaa.

Obtenido

Caracterstica

seguimiento

de

de

Operacin:

los

Shuttleworth, M. (24 de Noviembre de 2008). Explorable.com. Obtenido de Error de tipo I - Error de tipo II: https://explorable.com/es/error-de-tipo-i

cursos: