UNIVERSIDAD NACIONAL DE UCAYALI.

FACULTAD DE INGENIERÍA DE SISTEMAS E INGENIERÍA CIVIL

ESCUELA PROFESIONAL DE INGENIERÍA CIVIL

DOCENTE : MG. ING. FRANKIE AMILCAR FIGUEROA MUÑOZ

ASIGNATURA : ESTADÍSTICA APLICADA.
CICLO : IV
GRUPO : 1 (C)
2017-II
POBLACION Y MUESTRA
POBLACIÓN O UNIVERSO

Conjunto de individuos, objetos, elementos o

fenómenos en los cuales puede presentarse
determinada característica susceptible de ser
estudiada.
CONCEPTOS DE POBLACIÓN
Desde la estadística:
• Población infinita: no se conoce el tamaño y no se tiene la posibilidad de contar o construir un marco
muestral ( listado en el que encontramos las unidades elementales que componen la población).
• Población Finita: Se conoce el tamaño, a veces son tan grandes que se comportan como infinitas. Existe
un marco muestral donde hallar las unidades de análisis ( marcos muestrales = listas, mapas,
documentos).
En la investigación:
• Población de estudio-blanco o diana: población a la que queremos extrapolar los resultados.
• Población accesible: conjunto de casos que satisfacen los criterios predeterminados y que al mismo
tiempo son accesibles para el investigador.
• Población elegible: determinada por los criterios de selección.
MUESTRAS Y UNIDAD MUESTRAL
Muestras:
• Cualquier subconjunto del universo. Desde la estadística pueden ser
probabilísticas o no probabilísticas .
Unidad muestral:
• Conjunto de elementos extraídos de la población que conforman la muestra.
• Las unidades elementales y las unidades muestrales pueden no coincidir. Por
ejemplo para estudiar técnicas de estudios en niños de escuelas primarias, la UE
serán los niños pero en un muestreo probabilístico primero debemos muestrear
las escuelas (UM)
RAZONES PARA UTILIZAR UNA MUESTRA

La población es infinita.
La población es finita pero:
• Por su tamaño se comporta como infinita
• Existe la posibilidad de destrucción de las unidades elementales ( ej: estudio de
proteínas en sangre)
• No contamos con recursos económicos suficientes.
• No contamos con recursos humanos necesarios ( en nº y capacitación)
• No contamos con el tiempo suficiente para estudiar toda la población
 MUESTRAS ALEATORIAS

Muestra aleatoria simple: se utiliza cualquier sistema de azarificación (tabla de

números al azar, bolilleros, etc.)
Muestra aleatoria sistemática: 1ra UA por azar , en adelante se utiliza nº de
sistematización :
K= N/n
K= constante (nº de sistematización)
N= total del universo
N= nº muestral
MUESTRA POR CONGLOMERADO:

El universo admite ser subdividido en universos menores de características similares a las del universo
total.
• Los conglomerados constituyen grupos heterogéneos al interior del grupo y homogéneos entre sí.
Procedimiento:
1-Se subdivide el universo en conglomerados.
2-Se eligen al azar los conglomerados que formaran la
muestra.
3- Se eligen al azar las unidades muestrales de cada conglomerado.
• Suele utilizarse por ejemplo cuando queremos extraer muestras de los habitantes de un conjunto
geográfico amplio.
MUESTRAS ESTRATIFICADAS:

Supone que el universo pueda desagregarse en sub-conjuntos

menores, homogéneos internamente, pero heterogéneos entre sí,
diferenciándolos de acuerdo a alguna variable que resulte de
interés para la investigación.
MUESTRAS NO PROBABILÍSTICAS

Por conveniencia: se trabaja con las unidades de análisis que se tiene

a mano.
Voluntarias: se hace un llamado a la población a participar del
estudio.
Accidentales: se obtiene sin ningún plan preconcebido, resultando las
unidades escogidas producto de circunstancias fortuitas.
POR CUOTA:
Consiste en predeterminar la cantidad de elementos de cada categoría que
habrán de integrarla. Así podemos asignar una cuota de 50 hombres y 50
mujeres a una muestra de 100 individuos, asumiendo que esa es la distribución
de la población total.
Intencional: escoger sus unidades no en forma fortuita sino completamente
arbitraria, designando a cada unidad según características que para el
investigador resulten de relevancia
 DISTRIBUCIÓN MUESTRAL DE PROPORCION

Existen ocasiones en las cuales no estamos interesados en la

media de la muestra, sino que queremos investigar la
proporción de artículos defectuosos o la proporción de
alumnos reprobados en la muestra. La distribución muestral
de proporciones es la adecuada para dar respuesta a
estas situaciones.
PROPIEDADES:

1. El promedio de todos los valores posibles de $p es igual al parámetroP . En otras palabras, $p es

un estimador insesgado de P .

2. Error estándar de la proporción muestral: Es la desviación estándar de las posibles proporciones

muestrales y mide la dispersión de la proporción muestral.

3. Si n es “suficientemente” grande, la distribución de la proporción muestral es aproximadamente

Normal:
GENERACIÓN DE LA DISTRIBUCIÓN MUESTRAL DE
PROPORCIONES
Suponga que se cuenta con un lote de 12 piezas, el cual tiene 4 artículos defectuosos. Se van a seleccionar 5 artículos
al azar de ese lote sin reemplazo.

Genere la distribución muestral de proporciones para el número de piezas defectuosas. Como se puede observar en
este ejercicio la Proporción de artículos defectuosos de esta población es 4/12=1/3. Por lo que podemos decir que el
33% de las piezas de este lote están defectuosas. El número posible de muestras de tamaño 5 a extraer de una
población de 12 elementos es 12C5=792, las cuales se pueden desglosar de la siguiente manera:
Para calcular la media de la distribución muestral de proporciones se tendría
que hacer la sumatoria de la frecuencia por el valor de la proporción muestral
y dividirla entre el número total de muestras.

Como podemos observar la media de la distribución muestral de proporciones

es igual a la Proporción de la población.
También se puede calcular la desviación estándar de la distribución muestral de
proporciones:
La varianza de la distribución binomial es 2= npq, por lo que la varianza de la
distribución muestral de proporciones es s2xp =(Pq)/n. Si se sustituten los
valores en esta fórmula tenemos que:
DISTRIBUCIÓN MUESTRAL DE DIFERENCIA DE
MEDIAS
Suponga que se tienen dos poblaciones distintas, la primera con media µ1 y
desviación estándar , y la segunda con media µ2 y desviación estándar .
Más aún, se elige una muestra aleatoria de tamaño n1 de la primera población
y una muestra independiente aleatoria de tamaño n2 de la segunda población;
se calcula la media muestral para cada muestra y la diferencia entre dichas
medias.
La colección de todas esas diferencias se llama distribución muestral de las
diferencias entre medias o la distribución muestral del estadístico
EJEMPLO:
Se prueba el rendimiento en km/L de 2 tipos de gasolina, encontrándose una
desviación estándar de 1.23km/L para la primera gasolina y una desviación
estándar de 1.37km/L para la segunda gasolina; se prueba la primera
gasolina en 35 autos y la segunda en 42 autos.

a) ¿Cuál es la probabilidad de que la primera gasolina de un rendimiento

promedio mayor de 0.45km/L que la segunda gasolina?
b) ¿Cuál es la probabilidad de que la diferencia en rendimientos promedio se
encuentre entre 0.65 y 0.83km/L a favor de la gasolina 1?.
GRACIAS