Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Teoría de muestreo
Población = x1 , x2 ,..., xN
N n
Muestra = a1 , a2 ,..., an
x1 + x2 + ... + xN
m0 = Media de la población
N (desconocida)
2S
1 1
S =s −
2 2
n N
( a − m* 2
) + ( a − m * 2
) + ( a − m* 2
)
s =
2 1 2 n
n −1
La ley teórica
del lote es 10
ppm (g/t)
1 1 1 1
S =s −
2 2
=K d
2
− 3
n N
R
MS ML
K = constante de muestreo
d = diámetro (nominal) de la partícula más grande en el lote en cm.
MS = peso de la muestra (en gramos)
ML = peso del lote (en gramos)
Se asume que la
muestra es
equiprobable
K=cgfl
En que:
El trabajador debe dividir este material en dos partes. Entonces con un martillo
rompe el bolón, para disminuír el diámetro máximo d
Chancador: disminuye el
diámetro d
b) No se tiene acceso a todos los individuos: En este caso debe definirse muy bien qué constituye nuestra
población muestral. Debe aplicarse alguna estrategia de muestreo estadístico para conseguir una población
muestral de tamaño N y realizar las mediciones planificadas. Sobre los atributos medidos se aplica la inferencia
estadística y se obtienen conclusiones sobre la población muestral. El vincular estas conclusiones a la población
objetivo ya no cae en el campo de los métodos estadísticos, sino que es responsabilidad del especialista
asociado con la disciplina en particular de que se trate. A medida que una población muestral es más
representativa de la población objetivo, las conclusiones obtenidas a partir de la primera estarán relacionadas de
forma más directa a la población objetivo.
c) Las muestras se toman siguiendo criterios no estadísticos: Esta situación es bastante común en el campo de las
Geociencias. Por ejemplo: es frecuente que la ubicación de muchas perforaciones, o la ubicación de los aforos u
otros trabajos, no se realicen sobre bases probabilísticas. En estos casos, la inferencia estadística sobre la
población objetivo se puede realizar solo sobre la base del conocimiento de la disciplina científica relacionada
con el problema a resolver.
Copyright © 2010 CAE Inc. All rights reserved.
12
Elementos de la Teoría de Muestreo
Introducción e Importancia del muestreo de minerales
Definiciones.
Según el Diccionario de la Lengua española:
Muestra: Es una parte o porción extraída de un conjunto por métodos que permiten
considerarla como representativa del mismo.
Muestreo: Es la acción de recoger muestras representativas de la calidad o
condiciones medias de un todo o la técnica empleada en esta selección o la
selección de una pequeña parte estadísticamente determinada para inferir el valor
de una o varias características del conjunto.
Población o lote: Es el conjunto completo de observaciones que deseamos
estudiar.
Copyright © 2010 CAE Inc. All rights reserved.
13
Elementos de la Teoría de Muestreo
El muestreo estadístico es diferente del muestreo de minerales:
• En el muestreo estadístico, el lote o población está compuesto por objetos de
igual peso.
• En el muestreo de minerales, el lote está compuesto de objetos de diferentes
pesos.
Ejemplo:
En una mina hay 100 cátodos de cobre (numerados) para análisis. Se sortean (con
una tabla de números aleatorios) 5 cátodos y se envían para análisis al laboratorio.
Se analiza Cu, O, S, Cl, Pb, Zn, Ni, Mn, Fe, Ag, As, Sb, Se, Te, Bi, Sn, etc.
Muestreo sistemático.
En este caso las extracciones de las muestras son determinadas
según una regla fija.
Ejemplos:
• Tomar canaletas en una galería cada 2 metros.
• En una cinta transportadora, tomar una muestra cada 10 minutos.
Sea
ML = { x1, x2, x3,... xN }
MS = { a1, a2, a3,... an }
(se supone que los ai corresponden a una elección al azar, sin reemplazar de los
xi).
m*= (a1 + a2 + a3 +... + an)/n
es un estimador insesgado de:
m0= (x1 + x2 + x3 +... + xN)/N
por otra parte hay que calcular la varianza de la muestra, según la formula
siguiente:
s2 = [(a1-m*)2 +(a2-m*)2 +(a3-m*)2 + ... +(an-m*)2] / (n - 1)
En el caso del muestreo aleatorio estratificado se eligen k estratos, siendo N1, N2,
N3, ..., Nk los tamaños de cada estrato. En cada estrato tomamos ni datos. El tamaño
de la población total es N:
N = N1 + N2+ N3 + ... + Nk
m*=(N1m1 + N2m2 + N3m3 +...+ Nkmk)/N
mi = [ a1 + a2 + a3 + ... + ani ] / ni
Si2 = si2 (1/ni – 1/Ni)
si
Recordar que:
insesgado exacto
varianza pequeña preciso
a) sesgado, varianza grande
b) insesgado, varianza pequeña
c) insesgado, varianza grande
d) sesgado, varianza pequeña
Copyright © 2010 CAE Inc. All rights reserved.
40
Representación de los Datos
Al conjunto de valores asociados a un atributo de una población
muestral, se le denomina datos primarios.
Para estudiar los datos primarios es necesario aplicar procedimientos
que permitan: Caracterizar la variación general del atributo, constatar si
el mismo presenta preferencia a tomar determinados valores,
caracterizar cuantitativamente el grado de dispersión del atributo
alrededor de este valor preferencial.
Para el estudio de la población muestral es conveniente distribuir el
valor que toman los atributos en clases y determinar el número de
muestras unitarias que pertenecen a cada clase. Estos números se
denominan frecuencias de clases, o simplemente, frecuencias.
Copyright © 2010 CAE Inc. All rights reserved.
41
Representación de los datos
La distribución de frecuencias es el ordenamiento de los datos
primarios por clases, conjuntamente con sus frecuencias
correspondientes. Una vez realizada la distribución de frecuencias,
decimos entonces que los datos están agrupados.
Para realizar la distribución de frecuencias se procede de la siguiente
manera:
1) Determinar los valores extremos que ha tomado el atributo, o sea
Xmin y Xmáx.
2) Seleccionar el número de muestras K en que serán agrupadas las
muestras unitarias que conforman la población muestral. Puede
estimarse como: K = √N, cuando N>100.
donde: N=Tamaño de la muestra
Copyright © 2010 CAE Inc. All rights reserved.
42
Representación de los datos
Pr ob z z = i −n0.5
i
Una vez agrupados los datos, se necesita estimar alrededor de qué valor tiende a
concentrarse el atributo estudiado. Para ello se pueden estudiar distintas medidas
de tendencia central o estadígrafos de posición, que ha continuación se definen.
b) Cuartiles (Q).
Primer cuartil: Es el valor de la variable para un
porcentaje acumulado del 25 %.
Tercer cuartil: Es el valor de la variable para un
porcentaje acumulado del 75 %.
Rango intercuartil: Q3 - Q1