CAPITULO I: MUESTREO ESTADÍSTICO

1.1 INTRODUCCION.

Cabe recordar que el objetivo de la estadística es hacer inferencias acerca de una población con base
en la información contenida en una muestra. Este mismo objetivo motiva el estudio del problema.
Vamos a considerar el problema de muestreo de una población que no es, necesariamente, muy
grande.

Cada observación o elemento tomado de la población contiene cierta cantidad de información

acerca del parámetro o parámetros de interés. Como la información cuesta dinero, se debe
determinar que tanta información se debe comprar. Demasiada poca información impide realizar
buenas estimaciones, mientras que mucha información ocasiona un despilfarro de dinero. La
cantidad de información obtenida en la muestra depende del número de elementos muestreados y de
la cantidad de variación en los datos. Este último factor puede ser controlado por el método de
selección de la muestra, llamado el diseño de la encuesta por muestreo.

Los investigadores de mercado a menudo realizan estudios para obtener información sobre las
preferencias de las personas. Los auditores suelen seleccionar muestras de las facturas no cobradas
de una empresa, y, a partir de ella, realizan inferencias sobre la población. Los directores de
personal a menudo necesitan información sobre las actitudes de los empleados hacia nuevos
métodos de producción y creen conveniente tomar una muestra de todos los trabajadores.

1.2. NOCIONES BÁSICAS EN LA INVESTIGACIÓN POR MUESTREO

TERMINOS TÉCNICOS

ELEMENTO O UNIDAD DE OBSERVACIÓN: Un elemento es un objeto que posee la

información que busca el investigador y acerca del cual se hacen inferencias.

Ejemplo: Se realiza una encuesta de opinión sobre Intención de voto en las próximas elecciones
presidenciales en el Perú.
En este caso un elemento es un votante, persona mayor de 18 años y con D.N.I., registrado en Lima
Metropolitana.

POBLACIÓN OBJETIVO: es un conjunto de elementos sobre los cuales deseamos hacer alguna
inferencia.

En nuestro ejemplo, la población objetivo debería ser:

 ¿Todos los adultos que pueden votar?
 ¿Todos los votantes registrados?
 Todas las personas que votaron en la última elección?

La elección de la población objetivo afectará los resultados.

UNIDAD DE MUESTREO: es un elemento o unidad que contiene el elemento, que está

disponible para ser seleccionado en alguna etapa del proceso. En nuestro ejemplo, una unidad de
muestreo puede ser un votante registrado en Lima Metropolitana.
En los residentes de una ciudad, la unidad puede ser:
 una persona.
 los miembros de una familia.
 personas que viven en una manzana.

En el muestreo de una cosecha agrícola la unidad puede ser:

 un lote.
 una granja.
 Un área de terreno, cuya forma y dimensiones dependen del investigador.

Considerando otro ejemplo, supongamos que Unique quiere evaluar la respuesta de los
consumidores a una línea nueva de lápices labiales y quiere obtener una muestra de mujeres
mayores de 18 años, en este caso la unidad de muestreo sería igual a un elemento. En forma
alternativa, la unidad de muestreo serían las familias. En este último caso, las familias participarían
en la muestra y se entrevistarían a todas las mujeres mayores e 18 años en cada familia.

MARCO MUESTRAL: Es la lista de unidades de muestreo.

Si especificamos al votante individual como la unidad de muestreo, una lista de todos los votantes
registrados puede servir como el marco para una encuesta de opinión pública.

Para las encuestas telefónicas, el marco de muestreo podría ser, una lista de todos los números
telefónicos residenciales de la ciudad.

Para las entrevistas personales, una lista de las direcciones de todas las calles.
Para una encuesta de agricultura, una lista de todas las granjas o un mapa de las áreas que contienen
granjas.

MUESTRA: subgrupo de los elementos de la población que se selecciona para participar en un

estudio determinado.

Los datos son obtenidos de los elementos de la muestra y son usados para describir a la población.
Considérese al votante individual como la unidad de muestreo y a la lista de votantes registrados
como el marco.

En la encuesta de opinión publica cierto número de votantes (la muestra) van a ser entrevistados
para determinar su preferencia en las próximas elecciones.
Podemos usar la información obtenida de estos votantes para hacer inferencia acerca de la
preferencia de los votantes en una población determinada.

PARÁMETRO: Es una medida utilizada para describir alguna característica de una población., y
para determinar su valor es necesario utilizar la información de la población completa.
Los parámetros de la población o parámetros poblacionales son constantes desconocidas asociadas a
características de una o más variables. Dada una variable Y, los parámetros de interés mas
utilizados son:

TOTAL POBLACIONAL: Y
n

Y
i 1
i
suma de los valores de Yi en la población y se representa por Y

MEDIA POBLACIONAL: Y
N

Y i
Y i 1
N

VARIANZA POBLACIONAL: 2
N

 (Y i  Y )2
2  i 1

PROPORCIÓN POBLACIONAL DE UNIDADES EN UNA CLASE C:

Sea C un subconjunto de una Población . Sea Y una variable definida por

1 si i C
Yi  
0 si i C
N
1
P
N
Y
i 1
i Proporción de unidades de la Población que pertenecen a C.

Observemos que una proporción P es la media de una variable particular.

ESTADÍSTICO O ESTADÍGRAFO
Es una medida usada para describir alguna característica de la muestra y la toma de decisiones
contienen un grado de incertidumbre.

Los estadígrafos mas utilizados son:

i) MEDIA MUESTRAL : y
ii) PROPORCIÓN MUESTRAL : p̂
2
iii)VARIANZA MUESTRAL : s

ESTIMADOR Y ESTIMACIÓN
Un estimador de un parámetro poblacional ˆ (media, total, razón, proporción en la población) es
una función cuyo dominio es el conjunto S (muestras posibles) y su recorrido coincide con posibles
valores que puede tomar el parámetro  .
En otros términos, un estimador se interpreta como un procedimiento, generalmente establecido a
través de una fórmula, mediante el cual a cada muestra de muestras posibles, se le asigna un número
que se reconoce como posible valor de  .

Muestras posibles Prob. De Selección

Muestra Estimador Estimación

seleccionada (Fórmula) Número

característica

A estimar
de la
población

Si se imagina que este procedimiento se repite con todas las muestras posibles, los datos que
proporcionan cada una de ellas al ingresar al estimador (fórmula) darán como resultado números
(estimaciones) los cuales, en general, diferirán de muestra en muestra. Es decir, que para cada
muestra posible se obtiene un número (no necesariamente distinto).

1.3. MUESTREO ALEATORIO SIMPLE

Es una Técnica de muestreo probabilístico en la que cada elemento de la población tiene

probabilidad de selección idéntica y conocida. Cada elemento se elige en forma independiente de
los demás y la muestra se toma mediante un procedimiento aleatorio a partir del marco muestral.
Si un tamaño de muestra n es seleccionado de una población de tamaño N de tal manera que cada
muestra posible de tamaño n tiene la misma probabilidad de ser seleccionada, el procedimiento de
muestreo se denomina muestreo irrestricto aleatorio. A la muestra así obtenida se le llama muestra
irrestricta aleatoria

Lohr, Sharon, 1999: Muestreo : Diseño y Análisis

El muestro aleatorio simple es la forma más sencilla de muestreo de probabilidad y proporciona la

base teórica de las formas más complejas. Existen dos formas de extraer una muestra aleatoria
simple: con reemplazo, donde la misma unidad se puede incluir más de una vez en la muestra, y sin
reemplazo, donde todas las unidades de la muestra son distintas.

Una muestra Aleatoria simple con reemplazo, de tamaño n, obtenida a partir de una población de N
unidades, se puede pensar como la extracción de n muestras independientes de tamaño 1.

Una unidad se extrae de la población al azar, para ser la primera unidad muestreada, con una
probabilidad 1/N.
Luego, la unidad muestreada se reemplaza en la población, y una segunda unidad se elige al azar
con una probabilidad de 1/N.
Este procedimiento se repite hasta que la muestra contenga n unidades y puede tener duplicados de
la población.

Una muestra aleatoria simple sin reemplazo de tamaño n se elige de modo que cada subconjunto
posible e n unidades distintas en la población tiene la misma probabilidad de ser elegido en la
N
muestra. Existen   muestras posibles, y cada una es igualmente probable, de modo que la
n
probabilidad de elegir cualquier muestra individual S de n unidades es:
1 n!  N  n !
PS   
N N!

n 
 

Como consecuencia de esta definición, la probabilidad de que cualquier unidad dada aparezca en la
muestra es n N .

Para extraer una muestra aleatoria simple, necesitamos una lista de todas las unidades de

1.3.1. DEFINICIONES Y NOTACIONES

En una encuesta por muestro elegimos ciertas propiedades que intentamos medir y registrar para
cada unidad que venga dentro de la muestra. Esta propiedades de las unidades se llaman
características o simplemente atributos.

Los valores obtenidos para cualquier atributo especifico en las N unidades que comprenden la
población, se representan por Y1 , Y2 ,..., YN . Los valores correspondientes para las unidades en
muestreo se denotan por y1 , y 2 ,..., y n

Las letras mayúsculas se refieren a las características de la población y las minúsculas a las de la
muestra.

Población Muestra
___________________________________________________________________
N n
Total : Y   Yi Y1  Y2  ....  Y N y i  y1  y 2  ....  y n
i 1 i 1

N n

Y1  Y2  ....  YN  y1  y 2  ....  y n 
Yi yi
Media: Y   i 1
y  i 1

N N n n
__________________________________________________________________

Aun cuando el muestreo se realiza con muchos propósitos, el interés se centra, con frecuencia, en
cuatro características de la población.

1. Media Y (por ejemplo, el número promedio de niños por escuela)

2. Total Y (por ejemplo, el total de hectáreas de trigo en una región).
3. La proporción de unidades que caen dentro de alguna clase definida (por ejemplo, proporción de
personas con dientes postizos).
El símbolo ^ identifica una estimación muestral de una característica de la población. Los
estimadores mas utilizados son:

Estimadores
_________________________________________________________________
Media de la población Y Yˆ  y media muestral
n

Total de la población Y Yˆ  Ny  N  y i n
i 1
_________________________________________________________________

Observación

 En Yˆ al factor que multiplica al total muestral, algunas veces se llama el factor de

expansión, elevación o inflación.

 f n , la razón del tamaño de la muestra respecto a la población, se llama fracción de

N
muestreo.

ESTIMADOR DE LA MEDIA POBLACIONAL  :

y i
μ̂  Ŷ  y  i 1
n

ESTIMADOR DE LA VARIANZA DE y :

 
2 2
Vˆ  y   1  f  ,
s n s
1   
n  N n

 y  y
n
2
i
i 1
donde s2 
n 1
f n es la fracción de muestreo.
N

LIMITE PARA EL ERROR DEL ESTIMADOR

Z 1α/2  V̂ y  , en forma general

Ejemplo 1.1: Una muestra aleatoria de n=9 registros del un hospital es seleccionada para estimar la
cantidad promedio de la deuda sobre N = 484 cuentas abiertas. Los valores de la muestra para estos
nueve registros están listados en la Tabla siguiente. Estime  , la cantidad promedio de la deuda, y
establezca un límite para el error de estimación.

Tabla Nº 1.2: Cantidad de dinero adeudado.

y1 33,5
y2 32
y3 52
y4 43
y5 40
y6 41
y7 45
y8 42,5
y9 39

ESTIMADOR DEL TOTAL POBLACIONAL Ŷ :

n
N  yi
Yˆ  N y  i 1
n
ESTIMADOR DE LA VARIANZA DE Ŷ :

V̂Ŷ   V̂N y   N V̂y  

s2
1  f 
2

n
 y  y
2
i

donde s2 
n 1

f n es la fracción de muestreo.
N

LIMITE PARA EL ERROR DE LA ESTIMACIÓN

s2
Z 1 / 2 Vˆ N y   Z 1 / 2 N 2
1  f 
n
Ejemplo 1.2. Una empresa industrial está interesada en el tiempo por semana que los científicos
emplean para ciertas tareas triviales. Las hojas de control del tiempo de una muestra aleatoria de n =
50 empleados muestran que la cantidad promedio de tiempo empleado en esas tareas es de 10.31
horas, con una varianza muestral de s 2  2.25 . La compañía emplea N = 750 científicos. Estime el
número total horas-hombre que se pierden por semana en las tareas insignificantes y establezca un
límite del 95% para el error de estimación.

SELECCIÓN DEL TAMAÑO DE MUESTRA PARA LA ESTIMACIÓN DE LA MEDIA

POBLACIONAL

Para calcular el tamaño de muestra cuando deseamos estimar la media poblacional, se utiliza la
siguiente expresión:
Z12  / 2 S 2
n e2
(1.1)
1 Z12  / 2 S 2
1
N e2

donde:
N : tamaño de los elementos de la población.

S 2 : Varianza de la población, la cual puede ser estimada por

y  y
2

s 2
 i

n 1
e : Error máximo que aceptamos en las estimaciones las cuales se obtienen en base a
la muestra elegida.

Z  : para una confiabilidad del 100x (1-)%

1
2
Pero antes se realiza una estimación anticipada para Y en esta fórmula. Si N es grande, una primera
aproximación es

Z12  / 2  2
n0  (1.2)
e2
Si n o / N es despreciable, para calcular el tamaño de muestra utilizamos la ecuación (4.2), sino es
despreciable usamos la siguiente fórmula para calcular n:

n0
n
n (1.3)
0
1 
N
Ejemplo 1.3. Un nutricionista del departamento de salud pública, al conducir una investigación
entre una población de muchachas adolescentes con el fin de determinar su ingestión diaria
promedio de proteína, está buscando el consejo de un estadístico con respecto al tamaño de muestra
que debe tomar.
Supóngase que al nutricionista le gustaría que su estimación estuviera dentro de cinco unidades
aproximadamente respecto del valor real. Supóngase también que se decide por un coeficiente de
confianza del 95% y que, en base a su experiencia el nutricionista siente que la desviación estándar
de la población es quizá aproximadamente 20 gramos.

SELECCIÓN DEL TAMAÑO DE MUESTRA PARA LA ESTIMACIÓN DE LAS MEDIAS

Y TOTALES POBLACIONALES.

¿Cómo calcular el tamaño de muestra?.-

La respuesta depende de cuánta información se desee comprar.

Si  es el parámetro de interés y ˆ es un estimador de  , debemos especificar un límite para el
error de estimación, esto es, debemos especificar que  y ˆ difieran en valor absoluto en una
cantidad menor que E. Representando simbólicamente,

Error de estimación    ˆ  E

Debemos establecer también una probabilidad 1    de tal manera que

Perror de estimación  E   1  

Donde E  Z1 / 2  θ̂ . En la práctica usualmente seleccionamos E  1.96  y por esto

θ̂
1    será aproximadamente 0.95 para distribuciones en forma de campana
La mayoría de las estimaciones que se considera presenta una distribución en forma de campana
para tamaños de muestra razonablemente grandes, aun cuando la distribución original sea
asimétrica.

Utilizando como método de selección de la muestra el muestreo aleatorio simple, realizamos el

siguiente procedimiento para calcular el tamaño de muestra deseado.
El número de observaciones necesarias para estimar una media poblacional  con un límite para el
error de estimación de magnitud E se encuentra el establecer Z1 / 2 desviaciones estándar del
estimador, y , igual a E y resolviendo esta expresión para n.

Esto es, debemos resolver


Z1 / 2  V y  E para n.
Recordemos que la varianza estimada de y , esta dada por:
 2

V̂ y 
s
1  f 
n

También
2
 Nn

V y   
n  N 1 

El tamaño de muestra requerido ahora puede encontrarse despejando n de la siguiente ecuación:

2
  N n
Z
1 / 2

 V y Z
1 / 2
  E
n  N 1 

Realizando las cuentas respectivas, se tiene:

Tamaño de muestra requerido para estimar  con un límite para el error del estimador E:

N Z12α/2 σ 2 Nσ 2
n 
(N  1)E 2  Z 2 σ 2 (N  1)V  σ 2

E2
donde: V  es la varianza del estimador θ̂ .
( Z1 / 2 ) 2

Observación

 En la práctica la solución para n presenta un problema debido a que la varianza poblacional

 2 es desconocida. Frecuentemente la varianza muestral s 2 se encuentra disponible de una
investigación anterior, podemos obtener un tamaño de muestra aproximado al reemplazar
 2 por s 2 .

 Si N es grande, como comúnmente ocurre, el (N – 1) puede ser reemplazado por N en el

denominador de la ecuación anterior.

Ejemplo 4. La cantidad promedio de dinero μ para las cuentas por cobrar de un hospital debe ser
estimada. Aunque no se cuenta con datos anteriores para estimar la varianza poblacional  . Se
2

sabe que la mayoría de las cuentas caen dentro de una desviación estándar de 25 dolares. Existen N
= 1000 cuentas abiertas. Encuentre el tamaño de muestra necesario para estimar μ con un límite
para el error de estimación de E  $3

Tamaño de muestra requerido para estimar Y con un límite para el error de estimación E:

Similarmente, podemos determinar el número de observaciones necesarias para estimar un total

poblacional Y, con un límite para el error de estimación de magnitud E. El tamaño de muestra
requerido se encuentra al establecer Z1 / 2 desviaciones estándar del estimador igual a E y
resolviendo esta expresión para n. Estos es, debemos resolver

Z1 / 2 V Yˆ   Z1 / 2 V N y   E

o, equivalentemente,

z1 / 2 N V  y   E

Luego el tamaño de muestra requerido para estimar Y con un límite para el error e, es:

N 2
n
( N  1) V   2

E2
donde : V  2 2
N Z1 / 2

Ejemplo 1.5. Un investigador está interesado en estimar la ganancia en peso total de 0 a 4 semanas
de N = 1000 polluelos alimentados con una nueva ración. Obviamente, pesar cada ave sería tedioso
y tomaría demasiado tiempo. Por lo tanto, determine el número de polluelos que serán
seleccionados en este estudio para estimar Y con un límite para el error de estimación igual a 1000
gramos. Muchos estudios similares sobre nutrición de polluelos se han llevado a cabo en el pasado.
Usando los datos de esos estudios, el investigador encontró que  , la varianza poblacional, fue
2

aproximadamente igual a 36 gramos. Determine el tamaño de muestra requerido.

Los valores más comunes son:

Probabilidad de confianza 100x (1- )% 50 80 90 95 99

Z1 / 2 0,67 1,28 1,64 1,96 2,58

Observación:

 Si el tamaño de la muestra es menor que 30, los puntos de porcentaje se pueden tomar de la
tabla t de Student con (n-1) grados de libertad, siendo estos, los grados de libertad en la
varianza estimada s 2 . La distribución t se ajusta exactamente sólo si las observaciones de
yi están normalmente distribuidas y N es infinito.
Ejemplo 1.6. Se recabaron firmas para una población de 676 hojas. Cada hoja tenía espacio
suficiente para 42 firmas pero en muchas de las hojas se recabó un número menor. Se contó el
número de firmas por hoja en una muestra al azar de 50 hojas (muestra del 7% aproximadamente),
los resultados se muestran en la siguiente Tabla.
Estimar el número total de firmas para la petición y los límites de confianza al 80%. Basado en la
experiencia las medias de las muestras de las observaciones se distribuyen aproximadamente de
acuerdo a una normal.

Tabla Nº 1.4: Resultados para una muestra de 50 hojas de petición yi = número de

firmas, ni : Frecuencia.

yi 42 41 36 32 29 27 23 19 16 15 14 11 10 9 7 6 5 4 3 Total
ni 23 4 1 1 1 2 1 1 2 2 1 1 1 1 1 3 2 1 1 50

1.3.3. MUESTREO PARA PROPORCIONES

En algunas ocasiones deseamos estimar el número total, la proporción, o el porcentaje de unidades

en la población, que poseen alguna característica o atributo, o que caen dentro de alguna clase
definida. Muchos de los resultados, que regularmente se publican, derivados de censos y encuestas,
son de esta forma, por ejemplo, el número de personas sin empleo, el porcentaje de la población
originaria de un lugar. La clasificación puede ser introducida en forma directa en el cuestionario, en
forma de preguntas que se contestan con un si o un no

Notación: Suponemos que todas y cada una de la unidades en la población caen dentro de una, de
dos posibles clases C y C´. La notación es como sigue:

Numero de unidades en C en la :
Población Muestra
A a

Proporción de unidades en C en la :
Población Muestra
P = A/N p = a/n

La estimación muestral de P es p, y la estimación muestral de A es Np o Na/n.

Para cualquier unidad en la muestra o población, se define y i como 1 si la unidad está en C (posee
la característica específica) , y como 0 si la unidad está en C [ (no posee la característica específica).
Para esta población de valores y i , esta claro que:
 N
Y   yi  A
i 1

y i
A
Y i 1
 P
N N
en la misma forma para la muestra:
n

y i
a
y i 1
  p
n n
De modo, que el problema de estimar A y P es similar a la estimación del total y la media de una
población en la cual, todos los valores son 1 o 0.

ESTIMADOR DE UNA PROPORCIÓN POBLACIONAL P :

n

y i
a
P̂  p  y  i 1

n n

ESTIMADOR DE LA VARIANZA DE P̂ :

Pˆ Qˆ
Vˆ Pˆ   1  f  ,
n 1
donde : Qˆ  1  Pˆ

LÍMITE PARA EL ERROR DEL ESTIMADOR

Pˆ Qˆ
Z1 / 2 Vˆ Pˆ   Z1 / 2 1  f 
n 1
Ejemplo 1.7. De una lista de 3042 nombres y direcciones, una muestra aleatoria simple de 200
nombres mostró, al revisarla. 38 direcciones equivocadas. Estime el número total de direcciones que
se necesita corregir en la lista y encuentre el error estándar de esta estimación.
 1.3.3.1. SELECCIÓN DEL TAMAÑO DE MUESTRA PARA LA ESTIMACIÓN DE LA
PROPORCIÓN DE UNA POBLACIÓN

Para calcular el tamaño de muestra cuando deseamos estimar la proporción de una población, se
utiliza la siguiente expresión:

Z12 α/ 2 NPQ
n
N  1 e2 P2  Z12α/ 2 PQ
donde:

P : es la proporción de la característica que se desea estudiar en la población.4.2.

e : es el margen de error ( es el error que deseamos obtener en las estimaciones).
Z1 / 2 : es la abscisa de la curva normal

Observación

En las situaciones prácticas desconocemos P. Un tamaño de muestra aproximado puede

determinarse al reemplazar P por un valor estimado. Frecuentemente, tal estimación puede ser
obtenida de encuestas anteriores similares. Sin embargo, si no se cuenta con información anterior,
podemos sustituir P = 0.5 en la ecuación dada anteriormente para obtener un tamaño de muestra
conservador (uno que será probablemente mayor que el requerido).

Ejemplo 1.8. En una empresa de 5000 trabajadores se desea estimar la proporción de trabajadores
que tienen una capacidad vital de fuerza debajo del 70% y la media de la capacidad vital de fuerza
de todos los trabajadores, estas estimaciones se necesitan dentro del 5% del valor verdadero del
parámetro que estamos estimando. ¿Qué tamaño de muestra es requerido? Considere un nivel de
significancia del 5%. Considere que por un estudio similar se estimó que la proporción de
trabajadores que tienen una capacidad vital de fuerza debajo del 70% fue de 0.28.

Solución

Observación. Otra expresión que se utiliza para seleccionar el tamaño de muestra para la
estimación de la proporción de una población,

Considerando un límite para el error del estimador es:

NPQ
n
N  1VPQ  PQ
E2
donde: Q  1 P y V
Z 1 / 2

Ejemplo 1.9. Los dirigentes del consejo estudiantil en un colegio desean realizar una encuesta para
determinar la proporción de estudiantes que está a favor de una propuesta de código de honor. Ya
que entrevistar a 2000 estudiantes en un lapso razonable es casi imposible. Determine el tamaño de
muestra (Número de estudiantes a entrevistarse) necesario para estimar p con un límite para el error
de estimación de magnitud E = 0.05 y una confiabilidad del 95%. Suponga que no hay información
previa disponible para estimar P.

Solución

Ejercicio:
Con referencia al ejemplo anterior, supongamos que además de estimar la proporción de estudiantes
que apoya la propuesta de código de honor, los dirigentes del consejo estudiantil también desean
estimar el número de estudiantes que considera que la organización del consejo estudiantil funciona
de acuerdo a sus necesidades. Determine el tamaño de muestra combinado que se requiere en una
encuesta para estimar p1, la proporción de quienes están a favor de la propuesta de código de honor,
y p2, la proporción de los que opinan que el consejo estudiantil funciona de acuerdo con sus
necesidades, con límites para los errores de estimación de magnitud B1 = 0.05 y B2 = 0.07. Aunque
no se dispone de información anterior para estimar p2, aproximadamente el 60% de los estudiantes
opinó que el consejo satisfizo adecuadamente sus necesidades en una encuesta similar llevada a
cabo el año anterior.