En diversas ocasiones y contextos es necesario distinguir algunas caractersticas poblacionales

como la media, la varianza y la proporcin. Si embargo, cuando las poblaciones son de tamao muy
grande determinar dichos valores se vuelve complejo, costoso e ineficiente en lo temporal. Por ello,
es necesario reconocer, comprender y utilizar apropiadamente el muestreo que es un proceso
mediante el cual podemos seleccionar la muestra de una poblacin para realizar inferencias acerca
de los valores desconocidos de sta.


Dado que de una poblacin pueden tomarse o formarse varias muestras al considerar sus medias,
varianzas y proporciones observamos que varan segn la muestra elegida; luego stas son variables
aleatorias muestrales con las cuales podramos realizar conjeturas e inferencias acerca de la media,
la varianza y la proporcin de la poblacin, que por lo general son valores desconocidos. Como
dichos valores son variables aleatorias requeriremos establecer sus funciones o distribuciones de
probabilidad para efectuar las inferencias mencionadas.


Veamos algunos conceptos generales y comencemos a analizar todo lo anterior.



!"#!$%&"' )$#$*+,$'




Poblacin: Es la coleccin total de elementos comunes con algunas caractersticas comunes
y sobre las que se desea obtener alguna informacin o realizar algn anlisis
Muestra: es un subconjunto parte representativa de una poblacin.
Muestreo: es el conjunto de tcnicas estadsticas utilizadas para seleccionar la muestra de
una poblacin.
Parmetro: Medidas que se refieren a los elementos de toda la poblacin
Estadstica o estadgrafo: Medidas que se refieren a los elementos de la muestra
MUESTREO Y DISTRIBUCIONES MUESTRALES







Existen dos clases de muestreo el probabilstico y no probabilstico, el muestreo probabilstico es
aquel mtodo en el que por medio de una tcnica de muestreo es posible definir el nmero de
muestras que se pueden formar con n elementos u observaciones cada una, para luego elegir una de
ellas segn una funcin de probabilidad. Por otra parte, el muestreo no probabilstico es aquel
cuyas muestras se seleccionan por conveniencia o bajo algn criterio para que los resultados
favorezcan a un grupo, persona, empresa o contexto.

El muestreo aleatorio puede llevarse a cabo con reemplazamiento y sin reemplazamiento; el
primero hace referencia a tomar una observacin para formar una muestra y devolverla a la
poblacin de modo que puede ser elegida de nuevo, y la segunda indica que se toma una
observacin y no se regresa a la poblacin de tal modo que slo aparecer una vez en la muestra.





Existen diversas tcnicas para elegir una muestra aleatoria de una poblacin, recordemos que una
muestra debe ser lo suficientemente representativa porque con ella se estimarn los parmetros de la
poblacin; el mtodo ms utilizado es el muestreo aleatorio simple, pero depende de si el nmero
de elementos en la poblacin es finito o infinito.


Ejemplo 67

Supongamos que tenemos el listado de los 5000 empleados del rea de promocin y mercadeo de
cierta empresa y queremos realizar una evaluacin de la capacitacin de estos en cierto producto
para decidir si el proceso de capacitacin es adecuado y les permite conocer completamente el
producto. Si la empresa tiene sedes en Bogot, Barranquilla, Medelln y Cali, cmo podramos
obtener una muestra representativa?

Una muestra aleatoria simple para una poblacin finita es aquella en la que todas las
muestras de tamao tienen la misma probabilidad de ser seleccionadas.

Una muestra aleatoria simple para una poblacin infinita es aquella en la que cada
elemento seleccionado para conformarla se toma de la misma poblacin y de forma
independiente.
Muestreo
Muestreo aleatorio simple


Como es una muestra finita podemos realizar un muestreo aleatorio simple:

Supongamos que numeramos el listado de empleados de 1 a 5000. Luego, con ayuda de un
programa generador de nmeros aleatorios (Excel tiene esta opcin) creamos nmeros de cuatro
cifras y escogemos grupos de 5 nmeros (muestras de 5 observaciones). Si el nmero es mayor que
5000 no se escoge, si est entre 1 y 5000 se escoge y se busca el nombre del empleado al que le
corresponde dicho nmero. As formamos muestras con los nombres de cinco empleados
seleccionados al azar.

Ejemplo 68

Consideremos el nmero de transacciones realizadas en determinado banco. Como en l todo el
tiempo se estn realizando transacciones, esta poblacin se considera infinita. Por otra parte, si se
forman grupos de cinco clientes tales que en cada muestra se selecciona el cliente posterior a aquel
que realiza una transaccin con cheque, entonces los clientes son seleccionados de forma
independiente (la seleccin de un cliente no influye en la seleccin de otro cliente) y el tipo de
muestreo que se efecta es probabilstico para una poblacin infinita.

Como se mencion anteriormente en esta seccin buscamos estimar puntualmente los parmetros de
una poblacin (la media, la varianza y la proporcin). Para darnos una idea de cmo lograr dicho
objetivo observemos el siguiente ejemplo que aunque se realiza con una poblacin de tamao
pequeo nos sirve como gua u orientacin.









El propsito del muestreo es indagar algo sobre la poblacin de estudio. Cuando se disea una
muestra, es importante considerar la informacin que se va a obtener y el grado de exactitud de lo
que se encuentre acerca de la poblacin. Con este propsito es importante que se analice claramente
la obtencin de la muestra y los resultados obtenidos a partir de ella, utilizando los conceptos
probabilsticos ya vistos.

Una distribucin muestral es una distribucin de probabilidad de un estadstico muestral calculado a
partir de todas las muestras posibles de tamao n, elegidas al azar en una poblacin determinada. En
trminos generales estamos interesados en conocer una o ms de las siguientes caractersticas:

Su forma funcional
Su media
Distribuciones Muestrales

Su desviacin estndar

Antes de comprender la inferencia estadstica, tenemos que entender claramente el concepto de
distribucin muestral. Con esto se pretende dar a conocer la naturaleza de tales distribuciones y su
papel en la inferencia estadstica, sin detenernos mucho en este tema, ya que por regla general en las
aplicaciones estadsticas no se construyen distribuciones muestrales. Para emplear los mtodos de la
inferencia estadstica, necesitamos conocer solamente las caractersticas de la distribucin muestral
del estadstico apropiado al problema que se esta resolviendo.







A partir de las distribuciones muestrales es importante diferenciar si estamos hablando de elementos
de la poblacin o de la muestra y esto lo haremos teniendo en cuenta la siguiente notacin.

Caracterstica

Poblacin Muestra
Total de elementos N n
Media o promedio ! !
Varianza !
!
S
2

Proporcin o probabilidad
de xito
" P


Vamos a construir una distribucin muestral experimental de medias calculadas a partir de todas las
muestras posibles que se pueden obtener de una poblacin pequea, con el fin de comprender la
naturaleza de la distribucin muestral y esto lo haremos con el siguiente ejemplo.

Ejemplo 69

Consideremos una poblacin conformada por 5 personas (N=5). La variable de inters es el gasto
mensual en transporte (en miles de pesos). Los datos de la poblacin son:
[78, 67, 83, 56} y vamos a responder a cada literal teniendo en cuenta la notacin utilizada.

a. Calcular la media y la desviacin estndar de la poblacin


La media poblacional se obtiene con

! !
!"
!

78 67 83 56 284
71
4 4

+ + +
= = =

Distribucin Muestral para la media



Y la desviacin estndar es

! !
!! ! !!
!
!


2 2 2 2
(78 71) (67 71) (83 71) (56 71)
10.4163
4
!
" + " + " + "
= #

Tenemos entonces una poblacin con media = 71 y desviacin estndar = 10,4163


b. De la poblacin vamos a seleccionar todas las muestras posibles de tamao n =2 sin orden y sin
repeticin. Cuntas muestras de dos elementos de la poblacin pueden formarse?

Como hay 4 elementos en la poblacin y queremos formar grupos de dos sin importar su orden
tenernos que calcular una combinacin:

4
4!
6
2 2!(4 2)!
! "
= =
# $
%
& '


Es decir que podemos formar 6 grupos de dos elementos cada uno. Observmoslos

1 2 3
4 5 6
: (78, 67) : (78,83) : (78, 56)
: (67,83) : (67, 56) : (83, 56)
X X X
X X X


c. Dichas muestras son de tipo aleatorio simple para poblacin finita o infinita?

Como cada una de estas muestras tiene la misma probabilidad de ser elegida entonces la
probabilidad de escoger una muestra estara dada por:

Muestra
1
X
2
X
3
X
4
X
5
X
6
X
Probabilidad
1
6

1
6

1
6

1
6

1
6

1
6


y por ende estamos en presencia de muestreo aleatorio simple para poblacin finita.


Como X
es una variable aleatoria, vamos a calcular la media en cada muestra,
entonces
1
X : el
promedio de la primera muestra,
2
X : el promedio de la segunda muestra, etc. Veamos:

1 2 3
4 5 6
78 67 78 83 78 56
72.5 80.5 67
2 2 2
67 83 67 56 83 56
75 61.5 69.5
2 2 2
X X X
X X X
+ + +
= = = = = =
+ + +
= = = = = =



d. Ahora vamos a calcular la media de estas medias es decir

1 2 3 4 5 6
1 2 3 4 5 6
1 1 1 1 1 1
( )
6 6 6 6 6 6
72.5 80.5 67 75 61.5 69.5 426
71
6 6 6
X
E X X X X X X
X X X X X X
= + + + + +
+ + + + + + + + + +
= = = =


Ntese que el promedio de las medias muestrales es igual a la media poblacional, entonces podemos
decir que ! es una buen estimacin de !.

Calculamos ahora la desviacin estndar de ! para las seis muestras posibles


2 2 2 2 2 2
(72.5 71) (80.5 71) (67 71) (75 71) (61.5 71) (69.5 71)
6
6.013
X
!
" + " + " + " + " + "
=
#


Observamos que la varianza poblacional es diferente a la varianza de !, por lo tanto es necesario
trabajar con una varianza corregida, esto se logra de la siguiente forma:

!
!
!
!
!
!
!
! ! !
! ! !


Podemos decir entonces que si se seleccionan todas las muestras posibles de tamao n de una
poblacin dada entonces se tiene

!!!!= ! Y !
!
!
!
!
!
!
!!!
!!!



El factor
!!!
!!!
se denomina factor de correccin por finitud y en los casos de poblaciones
infinitas este factor se hace igual a 1 es decir que queda como : !
!
!
!
!
!
!




e. Qu tipo de distribucin de probabilidad podra tener la variable aleatoria media muestral?

Si graficamos en un histograma la media muestral junto con su frecuencia podremos observar el
comportamiento de la distribucin muestral. Para ello agrupemos los datos en intervalos segn lo
aprendido en el mdulo de estadstica I y estudiemos su histograma y polgono de frecuencias.


Intervalo de
la media
muestral
60 66, 29 ! 66, 3 75, 29 ! 72, 6 78, 29 ! 78, 9 85, 2 !
Frecuencia
relativa
1
6

3
6

1
6

1
6







0
0,2
0,4
0,6
60-66,29 66,3-72,39 72,6-78,89 78,9-83,2
-
.
/
0
1
/
2
0
3
4

526/.7489: ;/ </;34 <1/:6.48
=3:69.>.4<4 ;/ 84: </;34: <1/:6.48/: ? :1
@./01/2034
0
0,1
0,2
0,3
0,4
0,3
0,6
60-66,29 66,3-72,39 72,6-78,89 78,9-83,2
-
.
/
0
1
/
2
0
3
4

526/.7489: ;/ </;34 <1/:6.48
%98A>929 ;/ @./01/2034: ;/ 84: </;34:
<1/:6.48/:


En el anterior grfico observamos una forma de campana que se parece a la representacin de la
distribucin de una variable aleatoria normal, por ende podemos conjeturar que posiblemente la
distribucin de la variable aleatoria media muestral se distribuir normal cuando el nmero de
observaciones o tamao muestral sea grande (mayor de 50 datos, por ejemplo).


Como vimos es muy importante poder establecer el tipo de distribucin que sigue la variable
aleatoria muestral porque con ella podremos decir si es muy probable o no que los valores de sta se
encuentren prximos a los parmetros poblacionales, adems en la semana de distribuciones de
probabilidad notamos que segn como sea sta podemos calcular el valor esperado y la varianza de
la misma, datos que son relevantes para hablar del sesgo de un estimador. El siguiente tema nos
presenta o expone algunas pautas para establecer cundo una variable aleatoria muestral se
distribuye normal.


!"#$"%& (") )*%+!" ,"-!$&)



Con todo lo anterior estamos preparados para estudiar las distribuciones muestrales y las
caractersticas de los estimadores puntuales ms usados en la inferencia estadstica. A continuacin
Al seleccionar muestras simples de tamao 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: de tamao mayor que 30.

Otra manera de presentar el teorema es la siguiente:

Si son un conjunto de variables aleatorias independientes que se
distribuyen idnticamente con media y varianza , entonces la variable aleatoria



Para la cual es la suma de dichas variables aleatorias y es el promedio de las
mismas, se distribuye normal estndar cuando n tiende a aumentar significativamente.

expondremos las variables aleatorias (con sus distribuciones de probabilidad) que ms se utilizan
para estimar los parmetros poblacionales media, varianza y proporcin y hacer inferencias de los
mismos.





Si
X es la media de una muestra aleatoria de tamao n sacada de una poblacin distribuida
normalmente con media ! y desviacin
X
n
!
! = ; y por lo tanto la estandarizacin !
!
es:

!
!
=
X !!
!
!




Ejemplo 70

Se realiz una prueba a un grupo de 80 aspirantes al cargo de administrador de cierta empresa y se
obtuvo que las calificaciones siguen una distribucin normal con calificacin promedio de 300
puntos y varianza muestral de 25 cuando se toma una muestra de 16 calificaciones de las pruebas.

a. Calcule el error tpico de la media de muestral.
b. Determine la probabilidad de que la media muestral sea superior a 280 puntos.
c. Para que el error tpico fuera 6, qu tamao de muestra debera seleccionarse?

Para responder cada literal utilizaremos la teora dada.

a. La varianza muestral es
2
( )
X
! , luego el error tpico de la media muestral es 25 5
X
! = = .
b. Con base al enunciado debemos calcular ( 280) P X > y esto lo logramos estandarizando la
variable aleatoria X .

( )
280 280 280 300 20
4
5 5
X X X
X
P P Z P Z P Z P Z

! ! !
" # " #
$ $ $ $ $ " # " #
> = > = > = > = > $
% & % &
% & % &
% & % &
' ( ' (
' ( ' (

Veamos la representacin grfica de la probabilidad solicitada

Distribucin muestral de !
!
en una poblacin normal




Cabe resaltar que como la normal estndar es una distribucin para la cual los valores de la
probabilidad de una cantidad negativa es igual al valor de la probabilidad de la cantidad pero
positiva, es decir

( 4) 1 ( 4) 1 0.9999 0.0001 P Z P Z > ! = ! < ! " ! =

Con lo cual decimos que la probabilidad de que la media muestral sea superior a 280 en una
muestra de tamao 16 es casi nula. En otras palabras no es muy probable que en una muestra de 16
calificaciones la media muestral sea mayor a 280 puntos.

c. Para poder determinar el tamao de muestra requerido para que el error tpico sea 6 necesitamos
el valor de la varianza poblacional que podemos obtener al despejar a ! de la desviacin tpica
o error tpico, veamos:
Como 5
X
! = y el tamao de muestra era 16 tenamos que 5
16
!
= , por lo tanto 20 ! = .
Ahora calcularemos el tamao de la muestra cuando 20 ! = y 6
X
! = .

2
20 20
6 3.3 3.3 11.1
6
n n
n
= ! = " ! " =

Esto significa que necesitaremos tomar una muestra de tamao 11 o 12 para que el error tpico
sea aproximadamente 6.


Ejemplo 71


En cierta ciudad los gastos semanales en transporte para los habitantes, estn distribuidos
normalmente con media de $16500 y una desviacin estndar de $1500. Cul es la probabilidad de
que una muestra de 25 personas tengan un gasto promedio semanal superior a $15750


Vamos a identificar los datos que nos dan en el problema y a plantear la probabilidad
X: Gastos semanales en transporte
!=$16500 "=$1500 n = 25

P (!>15760) = P
!! !
!! !
!
!"#$%!!"#$$
!"##! !"


= P !
!
! !!!!" = 1- P !
!
! !!!!"

= 1-0.0068
=0.9832



Cuando la muestra no proviene de una distribucin normal, el tamao de la muestra desempea un
papel muy importante. Cuando n es pequea, la forma de la distribucin depende principalmente de
la forma de la poblacin. Sin embargo cuando n crece, uno de los teoremas ms importantes de la
inferencia estadstica establece que la forma de la distribucin muestral se aproxima a una
distribucin normal, independientemente de la distribucin que tenga la poblacin de origen.
(Teorema del lmite central).

La diferencia entre este enunciado y el anterior est en que no se requiere que la poblacin de
origen tenga distribucin normal cuando n es grande (n se considera grande si es mayor o igual que
30).

Ejemplo 72
La duracin de cierta marca de bombillas tiene una media de 900 horas y la desviacin estndar de
70 horas. Si se selecciona una muestra de 36 bombillas, determine la probabilidad de que dure entre
870 y 925 horas

Distribucin muestral de !
!
cuando se desconoce la
distribucin de la poblacin.

Observe que no se hace ninguna mencin de la forma funcional de la distribucin, pero como el
tamao de muestra es grande (n#30), por el teorema del lmite central entonces la distribucin es
aproximadamente normal.

X: tiempo de duracin de las bombillas
!=900 "= 70 n = 36

P (870$ ! ! !"#! = P
!"#!!""
!"
!"
!
!! !
!
!
!
!"#!!""
!"
!"


= P !!!!" ! !
!
! !!!" = 0.9838-0.0051=0.9787





Es muy comn el hecho de que en la prctica de que la varianza de la poblacin !
!
es desconocida.
En estos casos se trabaja con la varianza de la muestra !
!
como una estimacin de !
!
, dando
lugar a una variable T tal que:
!
!!!
!
!!
!
!


Conocida como la distribucin t Student o simplemente con el nombre de la distribucin t. Esto
quiere decir que para hacer inferencias sobre medias poblacionales cuando no se conoce la varianza
de la poblacin, se utiliza la distribucin t en lugar de la distribucin normal.

La distribucin t, de la misma manera que la distribucin normal estandarizada, tiene forma de
campana y tiene media igual a 0, alrededor de la cual es simtrica. La varianza de la distribucin t,
en cambio, es mayor que 1, es por esto que la distribucin es ms aguda en el centro y ms alta en
las colas, como lo muestra la siguiente figura.





Distribucin muestral de !
!
en una poblacin normal con varianza
poblacional desconocida


El rea total bajo la distribucin t es igual a 1 y esta distribucin se encuentra tabulada para cada
valor (n-1) o grados de libertad denominados gl.

La tabla de la distribucin t tiene la siguiente tabla:


La columna de la izquierda de la tabla contiene diversos valores de (n 1) grados de libertad. Cada
encabezamiento en las columnas indica la proporcin del rea superior bajo la curva de la
distribucin t. Si estamos interesados por ejemplo, en la distribucin t para 10 grados de libertad,
para un rea superior de 0,05 el valor es t = 1,8125.






En la prctica, son muy utilizadas las inferencias sobre proporciones poblacionales. Por lo tanto la
distribucin muestral de una proporcin es de gran inters. En un estudio de mercados se puede
estar interesado en la proporcin o porcentaje de consumidores que estaran dispuestos a comprar
algn producto nuevo que se piensa lanzar al mercado. El jefe de personal puede estar interesado en
conocer el porcentaje de empleados que se ausentan en horas de trabajo.


Distribucin de la proporcin de una muestra

Sea A el nmero total de elementos que presentan cierta caracterstica en una poblacin, entonces la
proporcin de aquellos que cumplen y no cumplen con dicha caracterstica est dada por la
expresin
A
P
N
= y 1
N A
P
N
!
! = respectivamente.

Obsrvese que cada observacin de este experimento es de tipo Bernoulli xito (cumple con la
caracterstica) y fracaso (no cumple con la caracterstica) y como se repite cierto nmero de veces
se convierte en una Binomial para la cual el valor esperado de la variable aleatoria proporcin de
individuos con la caracterstica es P y la varianza es (1 ) P P ! . i el tamao de muestra es grande S
por el teorema del lmite central esta binomial puede aproximarse a una normal con media P y
varianza (1 ) P P !
.





Para tamao de muestra pequeo es decir que cumpla que 5 np < o (1 ) 5 n p ! < se tiene que la
varianza y desviacin estndar estn definidas de la siguiente manera
!
(1 )
( )
1
N n P P
Var P
N n
! !
=
!
y
!
(1 )
( )
1
N n P P
Var P
N n
! !
=
!
respectivamente a
1
N n
N
!
!
se le conoce como factor de
correccin de poblaciones finitas.


Ejemplo 73

Se sabe que el 60% de los adultos de una zona del pas compran determinado producto. Se obtiene
una muestra de 150 adultos de esta rea. Cul es la probabilidad de que la proporcin muestral este
entre el 50% y el 70%?

0.04
P
P = = !
!
! ! ! !!! !
!
!
!!!!!!!!!!
!"#
! !!!"
Si P es la variable aleatoria proporcin de individuos de una poblacin que presentan
determinada caracterstica, entonces la proporcin muestral se distribuye de la siguiente
manera:
!!!!!!
!
!!! ! !!
!
!

n proporcln poblaclonal y !
!!!!!!
!
es el error esLndar de la proporcln.


Recordemos que como
P
es aproximadamente normal se requiere estandarizar la variable aleatoria
para poder utilizar las tablas de probabilidades.

P(0,5 < P < 0,7) = ! !
!!!"!!!!
!!!"
!
!!!
!
!
!
!!!!!!!
!!!"
! ! ! !!!!! ! !
!
! !!!!
! !!!!"# ! !!!!"# ! !!!"#$




&./0123/.450

Llego el momento de aplicar los temas tratados anteriormente, para reforzar nuestros conocimientos
es necesario practicar; por ello tal y como se indica en la gua de actividades semanal por favor
revise el libro sugerido en el mapa conceptual del autoestudio (Muestreo Estadstico) en l se
encuentran todos los temas que tratamos en esta seccin y en la siguiente. Luego realice la gua
prctica de esta semana.

Para acceder al mencionado debe ingresar a la biblioteca virtual en otra pgina de internet distinta a
la del mdulo. Las instrucciones para ingresar a la biblioteca aparecen a continuacin; por favor
sgalas y realice los ejercicios del libro, slo aquellos que cubran los temas tratados hasta ahora.

Para acceder al libro de la biblioteca

En la unidad 4, aparece un mapa conceptual; en el espacio en el que se despliega la bibliografa
acceda al libro siguiendo los siguientes pasos:

1. en la pglna prlnclpal de campus vlrLual deba[o del CAL dlce blblloLeca vlrLual, de cllck en
esLe llnk.
2. Alll se abre la pglna de la blblloLeca y debe escrlblr su usuarlo y conLrasena.
3. Pagan cllck en llbros elecLrnlcos e lngrese el usuarlo y la conLrasena.
4. Ahora de cllck en e-llbro, vuelva a la pglna del mapa concepLual y de cllck sobre el llbro
que desean consulLar.

Si sigui correctamente las instrucciones debe poder visualizar el libro indicado.

Adicionalmente puede revisar el libro Estadstica para Administracin y Economa de Anderson
que se encuentra en google (libros); busque en el ndice los temas tratados: muestreo y
distribuciones en el muestreo o distribuciones muestrales (captulo 7, desde la pgina 241). Luego
resuelva los ejercicios all propuestos.