TÉCNICAS DE MUESTREO

Y PRUEBAS DE HIPÓTESIS
& ANÁLISIS ESTADÍSTICO
Unidad 3 & 4
TÉCNICAS DE MUESTREO Y
PRUEBAS DE HIPÓTESIS
 BASES TEÓRICAS PARA EL
MUESTREO.
1- Población
2- Muestreo
3- Estadístico
4- Parámetro
5- Error
 1- POBLACIÓN & 2- MUESTREO
1- Población: Es aquel conjunto de individuos o elementos que
podemos observar, medir una característica o atributo. Ejemplos de
población
2- Muestreo: Se refiere al procedimiento empleado para obtener una
o más muestras de una población. Este se realiza una vez que se ha
establecido un marco muestra representativo de la población, luego
se procede a la selección de los elementos de la muestra aunque
hay muchos diseños de la muestra.
 3- ESTADÍSTICO & 4-
PARÁMETRO
3- Estadístico: Son los datos o medidas que se obtienen sobre una
muestra y por lo tanto una estimación de los parámetros.

4- Parámetro: Son las medidas o datos que se obtienen sobre

la distribución de probabilidades de la población, tales como: la
media, la varianza, la proporción
 5- ERROR:
Es la diferencia entre un estadístico y su parámetro correspondiente.
Es una medida de la variabilidad de las estimaciones de muestras
repetidas en torno al valor de la población, nos da una noción clara
de hasta dónde y con qué probabilidad una estimación basada en
una muestra se aleja del valor que se hubiera obtenido por medio de
un censo completo.
 TIPOS DE MUESTREO
Muestreo aleatorio o probabilístico
• Este tipo de muestreo es uno de los más
utilizados en las investigaciones. Se  comprende
que aquí todos los sujetos o elementos de la
población  pueden pasar a formar parte de la
muestra, pues tienen la misma probabilidad de
ser escogidos.
Muestreo no aleatorio o no probabilísticos
• Mediante esta técnica de muestreo, en
comparación del muestreo probabilístico las
muestras no se recogen por medio de procesos
donde a los sujetos se les brinden las mismas
posibilidades de ser seleccionados.
 MUESTREO ALEATORIO O
PROBABILÍSTICO

• 1- Muestreo aleatorio simple:

• En este método de muestreo lo principal es tener una
idea clara de cuantos sujetos serán necesarios para
completar el tamaño de la muestra que se va a
investigar, pues este consiste en que a cada sujeto
de la población se le debe asignar un número, para
que posteriormente mediante algún sorteo elegir a
unos
• 2- Muestreo sistemático:
• Pues en este método como en el primero, los sujetos
que conforman a la población son enumerados, pero
en lugar de dar a conocer los que serán incluidos
mediante el azar en este caso incluyen otra técnica.
Muestreo estratificado:
• Mediante este método de investigación, los
investigadores dividen a la población en grupos o estratos
que tengan relación o compartan características similares
y posteriormente se selecciona al azar o aleatoriamente a
los sujetos finales de los grupos o estratos formados.
La distribución de la muestra tomada de la población es
llamada “Fijación” y se pueden conocer los tres que se
muestran a continuación:
o Afijación simple: Donde cada grupo formado cuenta con
la misma cantidad de número de elementos.
o Afijación proporcional: Donde las distribuciones se
hacen de acuerdo al tamaño de la población o sujetos de
cada estrato.
o Afijación óptima: Fijando la cantidad de sujetos que
pueden ser admitidos en la muestra.
• Muestreo por Conglomerados:
• En este método, la población ya se encuentra dividida en grupos o
estratos formados naturalmente y a partir de estos se toman la cantidad
de sujetos que sean necesarios de cada uno para así formar la muestra.
 MUESTREO NO ALEATORIO O NO
PROBABILÍSTICO

Muestreo por cuotas:

• Mediante este método los investigadores se
encargan de incluir en la muestra solo a un
grupo determinado de sujetos que cumplen con
ciertos requisitos o condiciones específicas.

Muestreo intencional o de conveniencia:

• Mediante este método, el investigador se
encarga de elegir de acuerdo a sus propios
criterios o alcances a los sujetos que formaran
parte de la muestra.
Muestreo por bola de nieve:
• En este método se hace contacto con
algún sujeto en específico y este se
encargara de buscar a otros sujetos o
nuevos participantes consecutivamente.
Haciéndolo de esta forma hasta cumplir
con el tamaño de muestra o cantidad de
sujetos que se necesitan.

Muestreo discrecional:
• Mediante este método, se aplica una
técnica parecida a la del método
intencional, pues el investigador recluta a
los sujetos según sus criterios; pero en
este caso, los busca de acuerdo a lo que
piensen que estos sujetos puedan aportar
a la investigación.
3.3 PARÁMETROS Y
ESTADIFICADOS
 ERRORES ESTADÍSTICOS

• Errores tipo I donde la hipótesis

nula es falsamente rechazada
dando un "falso positivo".
• Errores de tipo II donde la
hipótesis nula no se rechaza y se
pierde una diferencia real entre
poblaciones dando un "falso
negativo".
 ESTIMACIÓN POR INTERVALOS
DE CONFIANZA
• La estimación puntual trata el problema de estimar
mediante un número el valor de una característica
poblacional o parámetro θ desconocido (por
ejemplo, la estimación del IPC de un determinado
período).
• Lo razonable en la práctica es adjuntar, junto a la
estimación puntual del parámetro, un cierto
intervalo numérico que mida el margen de error
que, de acuerdo a las observaciones muéstrales,
pueda tener dicha estimación.
• La idea de Intervalo de Confianza, es
proponer un rango de valores entre los que
posiblemente se encuentre el verdadero
valor del parámetro θ.
• La estimación por intervalos de confianza consiste en determinar un
posible rango de valores o intervalo, en los que pueda precisarse con una
determinada probabilidad que el valor de un parámetro se encuentra
dentro de esos límites.

• Si no se puede dar la igualdad anterior, al menos que la probabilidad en

el intervalo supere 1 − α.
• Interpretación: Si se toman infinitas muestras {x1, . . . , xn} y
construimos los correspondientes intervalos de confianza, el 100 (1 − α)
% de ellos contendrían el verdadero valor del parámetro, mientras que
100α% no.
 PRUEBA DE HIPÓTESIS
• Otra manera de hacer inferencia es
haciendo una afirmación acerca del
valor que el parámetro de la
población bajo estudio puede
tomar. Esta afirmación puede estar
basada en alguna creencia o
experiencia pasada que será
contrastada con la evidencia que
nosotros obtengamos a través de la
información contenida en la
muestra. Esto es a lo que llamamos
Prueba de Hipótesis
 PRUEBA DE HIPÓTESIS
Una prueba de hipótesis comprende cuatro componentes
principales:

-Hipótesis Nula
-Hipótesis Alternativa
-Estadística de Prueba
-Región de Rechazo
•  Hipótesis Nula
Denotada como siempre especifica un solo valor del parámetro de la
población si la hipótesis es simple o un conjunto de valores si es
compuesta (es lo que queremos desacreditar)

• Hipótesis Alternativa
Denotada como H1 es la que responde nuestra pregunta, la que se
establece en base a la evidencia que tenemos. Puede tener cuatro formas:
• Dos decisiones correctas son posibles:
• Rechazar cuando es falsa
• No Rechazar cuando es verdadera.
Dos decisiones incorrectas son posibles:
• Rechazar cuando es verdadera
• No Rechazar cuando es falsa.
Tamaño de los errores al tomar una decisión incorrecta en una Prueba de
Hipótesis
• La Estadística de Prueba
Es una estadística que se deriva del estimador puntual del
parámetro que estemos probando y en ella basamos nuestra
decisión acerca de si rechazar o no rechazar la Hipótesis
Nula

Siempre se calcula considerando la Hipótesis Nula como si

fuera verdadera.
• La Región de Rechazo
Es el conjunto de valores tales que si la prueba
estadística cae dentro de este rango, decidimos
rechazar la Hipótesis Nula Su localización
depende de la forma de la Hipótesis Alternativa:
Si entonces la región se encuentra en la cola
derecha de la distribución de la estadística de
prueba. 1 0 H : µ > µ
Si entonces la región se encuentra en la cola
izquierda de la distribución de la estadística de
prueba Si entonces la región se divide en dos
partes, una parte estará en la cola derecha de
la distribución de la estadística de prueba y la
otra en la cola izquierda de la distribución de la
estadística de prueba. 1 0 H : µ ! µ 1 0 H : µ < µ
• Conclusiones de una Prueba de Hipótesis Si rechazamos la Hipótesis Nula,
concluimos que “hay suficiente evidencia estadística para inferir que la
hipótesis nula es falsa” Si no rechazamos la Hipótesis Nula, concluimos que “no
hay suficiente evidencia estadística para inferir que la hipótesis nula es falsa”
ANÁLISIS ESTADÍSTICO

El análisis estadístico es un
componente del análisis de datos. En
el contexto de la inteligencia de
negocios (BI), el análisis estadístico
requiere recoger y escudriñar cada
muestra de datos individual en una
serie de artículos desde los cuales se
puede extraer las muestras.