UNIVERSIDAD AUTONOMA DE SINALOA

Facultad de Ciencias Qumico Biolgicas

Ingeniera Bioqumica

Estadstica

Distribuciones Muestrales

Profesor. Ignacio Osuna Ramrez

Brenda Karely Soto Alvarado

2-1

DISTRIBUCIONES MUESTRALES

INTRODUCCION A menudo necesitamos estudiar las propiedades de una determinada poblacin, pero nos encontramos con el inconveniente de que sta es demasiado numerosa como para analizar a todos los individuos que la componen. Por tal motivo, recurrimos a extraer una muestra de la misma y a utilizar la informacin obtenida para hacer inferencias sobre toda la poblacin. Estas estimaciones sern vlidas slo si la muestra tomada es representativa de la poblacin. As, el muestreo es una tcnica que utilizaremos para inferir algo respecto de una poblacin mediante la seleccin de una muestra de esa poblacin, Recurdese que la estadstica es la ciencia de extraer conclusiones acerca de una poblacin con base en un anlisis de un muestreo de datos a partir de dicha poblacin. Hay muchas maneras de tomar una muestra de una poblacin. Uno de los objetivos de la estadstica es conocer acerca del comportamiento de parmetros poblacionales as como: la media, la varianza o la proporcin. Para ello se extrae una muestra aleatoria de la poblacin y se calcula el valor de un estadstico correspondiente, por ejemplo, la media muestral, la varianza muestral o la proporcin muestral. El valor del estadstico es aleatorio porque depende de los elementos elegidos en la muestra seleccionada y, por lo tanto, el estadstico tiene una distribucin de probabilidad la cual es llamada la Distribucin Muestral del estadstico. Adems, las conclusiones que pueden extraerse acerca de la poblacin dependen a menudo de cmo se seleccion la muestra. Por lo general, deseamos que la muestra sea representativa de la poblacin. Un mtodo importante para la seleccin de muestras es el muestreo aleatorio. La mayor parte de las tcnicas estadsticas suponen que la muestra es aleatoria. La Estadstica Inferencial nos permite, de una forma sistemtica y metdica, hacer afirmaciones o llegar a conclusiones sobre un extenso nmero de sujetos, casos, hechos o fenmenos basndonos en lo que conocemos acerca de un reducido nmero de ellos. Ahora bien, mientras que la Estadstica descriptiva nos permita conocer con certeza, por ejemplo, el valor de determinadas medidas de tendencia central o de dispersin en una muestra concreta de sujetos, la Estadstica Inferencial nos permite conocer qu posibilidades de equivocarnos tenemos al atribuir tales valores a la poblacin de donde

DISTRIBUCIONES MUESTRALES
esa muestra fue extrada. En este salto desde valores conocidos a valores desconocidos, pero estimados de tal forma que confiamos en que posiblemente son ciertos, juega un importante papel el concepto de probabilidad. MUESTREO En ocasiones en que no es posible o conveniente realizar analizar a todos los elementos de una poblacin, se selecciona una muestra, entendiendo por tal una parte representativa de la poblacin. El muestreo es por lo tanto una herramienta de la investigacin cientfica, cuya funcin bsica es determinar que parte de una poblacin debe examinarse, con la finalidad de hacer inferencias sobre dicha poblacin. La muestra debe lograr una representacin adecuada de la poblacin, en la que se reproduzca de la mejor manera los rasgos esenciales de dicha poblacin que son importantes para la investigacin. Para que una muestra sea representativa, y por lo tanto til, debe de reflejar las similitudes y diferencias encontradas en la poblacin, es decir ejemplificar las caractersticas de sta. Los errores ms comunes que se pueden cometer son: 1.- Hacer conclusiones muy generales a partir de la observacin de slo una parte de la poblacin, se denomina error de muestreo. 2.- Hacer conclusiones hacia una Poblacin mucho ms grandes de la que originalmente se tom la muestra. En la estadstica se usa la palabra poblacin para referirse no slo a personas sino a todos los elementos que han sido escogidos para su estudio y el trmino muestra se usa para describir una porcin escogida de la poblacin.

DISTRIBUCIONES MUESTRALES
Existen diferentes criterios de clasificacin de los diferentes tipos de muestreo, aunque en general pueden dividirse en dos grandes grupos: mtodos de muestreo aleatorio y mtodos de muestreo no aleatorios.

MUESTRO ALEATORIO Los mtodos de muestreo aleatorio son aquellos que se basan en el principio de equiprobabilidad. Es decir, aquellos en los que todos los individuos tienen la misma probabilidad de ser elegidos para formar parte de una muestra y, consiguientemente, todas las posibles muestras de tamao n tienen la misma probabilidad de ser seleccionadas. Slo estos mtodos de muestreo aleatorio nos aseguran la representatividad de la muestra extrada y son, por tanto, los ms recomendables. Es decir, que este muestreo puede calcularse de antemano la probabilidad de cada una de las muestras que sea posible seleccionar. TECNICAS DE MUESTREO ALEATORIO

DISTRIBUCIONES MUESTRALES
Existen dos mtodos para seleccionar muestras de poblaciones: el muestreo no aleatorio o de juicio y el muestreo aleatorio (que incorpora el azar como recurso en el proceso de seleccin). Cuando este ltimo cumple con la condicin de que todos los elementos de la poblacin tienen alguna oportunidad de ser escogidos en la muestra, si la probabilidad correspondiente a cada sujeto de la poblacin es conocida de antemano, recibe el nombre de muestreo probabilstico. Una muestra seleccionada por muestreo de juicio puede basarse en la experiencia de alguien con la poblacin. Algunas veces una muestra de juicio se usa como gua o muestra tentativa para decidir cmo tomar una muestra aleatoria ms adelante. Dentro de los mtodos de muestreo aleatorio encontramos los siguientes tipos de muestreos: 1. 2. 3. 4. Aleatorio simple Sistemtico Estratificado Por conglomerados

1. MUESTREO ALEATORIO SIMPLE: Es aquel en que cada elemento dela poblacin tiene la misma probabilidad de ser seleccionado para integrar la muestra. Cada uno de los elementos de la muestra, se selecciona aleatoriamente uno por uno. El muestreo aleatorio simple se puede plantear bajo dos puntos de vista:

Sin reemplazo de los elementos: No se devuelven los elementos extrados a la poblacin hasta que no se hayan extrado todos los elementos de la poblacin que conforman la muestra.

Con reemplazo de los elementos: Es aquel en que un elemento puede ser seleccionado ms de una vez en la muestra para ello se extrae un elemento de la poblacin, se observa y se devuelve a la poblacin, por lo que de esta forma se pueden hacer infinitas extracciones de la poblacin aun siendo esta finita. En poblaciones muy

DISTRIBUCIONES MUESTRALES
grandes, la probabilidad de repetir una extraccin es tan pequea que el muestreo puede considerarse con reposicin aunque, realmente, no lo sea. Las ventajas del muestreo aleatorio simple es que es sencillo y de fcil comprensin y los clculos de medias y varianzas es de forma rpida. Y por otro lado, las desventajas son que se requiere que se posea de antemano un listado completo de toda la poblacin y si trabajamos con muestras pequeas, es posible que no representen a la poblacin adecuadamente. Una forma de ejemplificar este tipo de muestreo seria cuando metes en una bolsa los nombres de las personas y los seleccionas sacando papelitos. La ms usada es por medio de tablas aleatorias se va sacando los nmeros que corresponden a las personas. Un ejemplo seria: Un colegio tiene 120 alumnos de bachillerato. Se requiere una muestra de 30 alumnos. Explica como obtendras la muestrs. Se numeran los alumnos del 1 al 120 y se sortean 30 numeros de entre los 120 y la muestra estar formada por los alumnos a los que les correspondan los nmeros obtenidos.

2. MUESTREO SISTEMATICO: En un 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. Algunas caractersticas serian: Es ms fcil y rpido de obtener la muestra. Ninguna sucesin grande de elementos de la lista queda sin representacin, a causa de esto en ocasiones el muestreo sistemtico puede ser ms representativo que muestreo aleatorio simple. En la prctica es ms sencillo llevarlo a cabo y por lo tanto est menos expuesto a los errores de seleccin que cometen los investigadores de campo. Se puede poner en prctica sin conocer de antemano el tamao de la poblacin. El proceso para la seleccin de una muestra mediante este mtodo empieza con la determinacin del valor de las clases. Esta decisin es importante, ya que si tomamos

DISTRIBUCIONES MUESTRALES
un valor muy grande la muestra ser muy pequea y si tomamos una muy pequeo la muestra ser muy grande. VENTAJAS: Extiende la muestra a toda la poblacin. Recoge el posible efecto de estratificacin debido al orden en que figuran las unidades de la poblacin. No presenta problemas de clculo algebraico. El error de muestreo suele ser inferior que en muestreo aleatorio simple o incluso que en estratificado. INCONVENIENTES: El problema terico que se presenta en la estimacin de las varianzas No hay independencias en la seccin de unidades en las distintas zonas, ya que las unidades extradas en cada zona dependen de la seleccionada en la primera zona. Un ejemplo seria, 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. 3. MUESTREO ESTRATIFICADO : Consiste en la divisin previa de la poblacin de estudio en grupos o clases que se suponen homogneos respecto a caracterstica a estudiar. A cada uno de estos estratos se le asignara una cuota que determinara el nmero de miembros del mismo que compondrn la muestra. Segn la cantidad de elementos de la muestra que se han de elegir de cada uno de los estratos, existen dos tcnicas de muestreo estratificado: Asignacin proporcional: el tamao de cada estrato en la muestra es proporcional a su tamao en la poblacin.

DISTRIBUCIONES MUESTRALES
Asignacin ptima: la muestra recoger ms individuos de aquellos estratos que tengan ms variabilidad. Para ello es necesario un conocimiento previo de la poblacin. Procedimiento en el muestreo aleatorio estratificado: 1. Se establecen las variables para formar los estratos 2. Se divide a la poblacin en estratos exclusivos. 3. Seleccin de la muestra a travs del muestreo aleatorio simple. 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 muestrales. 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. Las ventajas de este tipo de muestreo es que tiende a asegurar que la muestra represente adecuadamente a la poblacin en funcin de unas variables seleccionadas. Se obtienen estimaciones ms precisas y su objetivo es conseguir una muestra lo ms semejante posible a la poblacin en lo que a la o las variables estratificadas se refiere. Los inconvenientes de este tipo de muestreo es que se debe conocer la distribucin en la poblacin de las variables utilizadas para la estratificacin. 4. MUESTREO POR CONGLOMERADOS: En el muestreo por conglomerados las unidades muestrales no son elementos individuales de la poblacin, sino grupos de elementos, por ejemplo cuando divides la poblacin en zonas geogrficas. En el muestreo por conglomerados se selecciona aleatoriamente una coleccin de conglomerados. Se muestrean entonces todos los elementos individuales de todos los conglomerados elegidos. A veces, es necesario elegir conglomerados dentro de los conglomerados. Se dice entonces que se trata de un muestreo en etapas mltiples. Algunas caractersticas del muestreo por conglomerados son:

DISTRIBUCIONES MUESTRALES
Tambin se denomina de etapas mltiples. Se utiliza para poblaciones grandes y dispersas. No es posible disponer de un listado. En lugar de individuos se seleccionan conglomerados que estn agrupados de forma natural (cuadras de casas, departamentos, hospitales, provincias, etc.) Se selecciona en primer lugar el conglomerado ms alto, a partir de este se selecciona un subgrupo. A partir de este subgrupo se selecciona otro subgrupo y as sucesivamente, hasta llegar a las unidades de anlisis. Las ventajas de este tipo de muestreo es que es muy eficiente cuando la poblacin es muy grande y dispersa y no es preciso tener un listado de toda la poblacin, solo de las unidades primarias de muestreo. Los inconvenientes es que el error estndar (desviacin estndar de las posibles proporciones muestrales) es mayor que en el muestreo aleatorio simple o estratificado y el clculo del error estndar es complejo.

CONCLUSION Como pudimos darnos cuenta el muestreo es una tcnica que utilizaremos para inferir algo respecto de una poblacin mediante la seleccin de una muestra de esa poblacin. Y para que nuestra muestra sea representativa a la poblacin tenemos que observar que tipo de muestreo se tendr que utilizar. En muchos casos, el muestreo es la nica manera de poder obtener alguna conclusin de una poblacin, entre otras causas, por el coste econmico y el tiempo empleado que supondra estudiar a todos los miembros de una poblacin.