Tema: Estadstica

Inferencial

1. MUESTREO ALEATORIO

Muestra y poblacin

Poblacin: es el conjunto de todos los elementos que poseen una determinada

caracterstica. En general supondremos que la poblacin es muy grande.

Muestra: es un subconjunto de la poblacin.

Muestreo: es el proceso mediante el cual se escoge una muestra de la poblacin.

Inferencia estadstica: proceso a travs del cual se obtienen conclusiones sobre una
poblacin, a travs de la informacin que proporciona una muestra. La confianza de
tal extrapolacin depender de la representatividad de la muestra.

Razones para usar muestras: economa, observacin destructiva, etc.

La representatividad de la muestra depende de dos

cosas:
a) Del mecanismo de seleccin: que ha de
garantizar que no hay un elemento de la
poblacin con ms probabilidad que otro de
entrar en la muestra. Si no, sera una muestra
sesgada.
b) Del tamao de la muestra: si el mecanismo
de seleccin es correcto, cuanto ms grande
sea la muestra mayor ser la probabilidad de
que se parezca a la poblacin.

Tipos de muestreo

Ejemplo. Tres empresas estn investigando el nivel adquisitivo de las

personas que acuden a un determinado concierto de msica clsica. Para
ello, cada una elige una muestra de la siguiente manera:
1.- 50 primeras personas que entren en el auditorio.
2.- 50 personas elegidas al azar de las que se ubican en la platea baja.
3.- 50 personas elegidas al azar de todas las asistentes.

Muestreo aleatorio

Muestreo no aleatorio

Ventajas y desventajas

Tipos de muestreo aleatorio

Muestreo aleatorio simple: todos los

elementos de la poblacin tienen la
misma probabilidad de ser elegidos
para formar parte de la muestra.

Muestreo aleatorio estratificado: la

poblacin se divide en grupos
homogneos que llamamos estratos.
La proporcin de cada estrato en la
poblacin se mantiene en la muestra.
Cada uno de los estrato de la muestra
se obtiene por muestreo aleatorio
simple
sobre
el
estrato
correspondiente de la poblacin.

Estrato 1

Estrato 2

Poblacin

Muestra

Tipos de muestreo aleatorio (II)

Muestreo aleatorio sistemtico: se

selecciona al azar un elemento de la
poblacin y a partir de l se
seleccionan de k en k los elementos
siguientes.

Muestreo por conglomerados y

reas: se divide la poblacin en
distintas secciones o conglomerados.
Se eligen al azar unas pocas de estas
secciones y se toman todos los
elementos de las secciones elegidas
para formar la muestra.
Para dividir la poblacin en secciones
podemos usar las provincias.

Tipos de muestreo no aleatorio

Muestras errticas o casuales

Muestras intencionadas o racionales
Muestras por cuotas
Muestras bola de nieve

Distribucin en el muestreo de la media

Supongamos que en una poblacin una variable aleatoria se distribuye con media y
desviacin tpica .

Si es desconocida, se aproxima con s n / (n 1) Apuntes

Distribucin en el muestreo de la media

Se supone que la distribucin de la temperatura del cuerpo humano en la

poblacin tiene una media = 37 y una desviacin tpica = 0,85. Se elige
una muestra de 105 personas. Se desea obtener la probabilidad de la media
de la muestra sea menor que 36,9.
Al ser n = 105, consideramos que la variable aleatoria media muestral es normal.

Por tanto:

p( X

X 37 36,9 37
36,9) =p 0,083 0,083 = p( Z 1,20) = 1 p(Z 1,20) = 1 0,8849 =

= 0,115
Se debe recordar que para una variable aleatoria continua se tiene que:
p(Z a) = p(Z < a)

Teorema central del lmite: idea intuitiva

Muchos fenmenos se pueden considerar como suma de efectos parciales
independientes, pudiendo ocurrir que aunque los efectos no se ajusten a la normal, el
fenmeno resultante tienda asintticamente a la normal.
Una simulacin con ordenador nos puede ayudar a entender esto:

1000 lanzamientos de un dado

1000 medias de 4 dados

1000 medias de dos dados

1000 medias de 10 dados

Teorema central del lmite

Ya dijimos que

Qu se entiende por "cuando crece n"?

Si la poblacin de partida es normal, la distribucin de las medias
muestrales es normal, cualquiera que sea n.
Si la distribucin de partida no es normal, la distribucin de las medias
muestrales es normal si n 30.

Teorema central del lmite: visin grfica

Normal
Distribucin
de la
poblacin de
partida
Distribucin
de las medias
muestrales
para n = 5
Distribucin
de las medias
muestrales
para n = 10
Distribucin
de las medias
muestrales
para n = 30

Uniforme

Sesgada

Distribucin en el muestreo de una proporcin

Distribuciones en el
muestreo de una
proporcin
Un nuevo medicamento ha curado
al 85 % de los enfermos a los que se les ha
aplicado. Determinar las distribuciones en el muestreo de la proporcin de enfermos
curados para muestras de tamao 30, 100 y 1000 personas.

En nuestro caso p = 0,85

Distribucin
muestral
p(1 p)
N(p,
)
n

Tamao
de la
muestra:
n

Media:
p

30

0,85

0,85(1 0,85)
= 0,065
30

N(0,85; 0,065)

100

0,85

0,85(1 0,85)
= 0,036
100

N(0,85; 0,036)

0,85

0,85(1 0,85)
= 0,011
1000

N(0,85; 0,011)

1000

Desviacin tpica:
p(1 p)

Conviene observar cmo, a medida que el

tamao de la muestra crece, la desviacin
tpica disminuye.