Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 82 vistas

    Muestreo Sistemático Lineal (MSL)

    Cargado por

    Manuela Grajales Saldarriaga
    El muestreo sistemático lineal (MSL) permite seleccionar una muestra de manera aleatoria de una población cuando se conoce el marco muestral o cuando no se conoce. Cuando se conoce el marco muestral, se divide la población por el tamaño de muestra para obtener el intervalo de muestreo, y luego se selecciona un punto de partida aleatorio para iniciar la muestra. Cuando no se conoce el marco muestral, se estima el tamaño de la población y se selecciona un elemento

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Muestreo Sistemático Lineal (MSL)

    Cargado por

    Manuela Grajales Saldarriaga
    82 vistas3 páginas
    El muestreo sistemático lineal (MSL) permite seleccionar una muestra de manera aleatoria de una población cuando se conoce el marco muestral o cuando no se conoce. Cuando se conoce el marco muestral, se divide la población por el tamaño de muestra para obtener el intervalo de muestreo, y luego se selecciona un punto de partida aleatorio para iniciar la muestra. Cuando no se conoce el marco muestral, se estima el tamaño de la población y se selecciona un elemento

    Título original

    Muestreo Sistemático Lineal (MSL) (2)

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El muestreo sistemático lineal (MSL) permite seleccionar una muestra de manera aleatoria de una población cuando se conoce el marco muestral o cuando no se conoce. Cuando se conoce el marco muestral, se divide la población por el tamaño de muestra para obtener el intervalo de muestreo, y luego se selecciona un punto de partida aleatorio para iniciar la muestra. Cuando no se conoce el marco muestral, se estima el tamaño de la población y se selecciona un elemento

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    82 vistas3 páginas

    Muestreo Sistemático Lineal (MSL)

    Cargado por

    Manuela Grajales Saldarriaga
    El muestreo sistemático lineal (MSL) permite seleccionar una muestra de manera aleatoria de una población cuando se conoce el marco muestral o cuando no se conoce. Cuando se conoce el marco muestral, se divide la población por el tamaño de muestra para obtener el intervalo de muestreo, y luego se selecciona un punto de partida aleatorio para iniciar la muestra. Cuando no se conoce el marco muestral, se estima el tamaño de la población y se selecciona un elemento

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    Está en la página 1de 3

    Muestreo Sistemático Lineal (MSL)

    El muestreo Sistemático Lineal (MSL), es muy usado por la facilidad que


    representa la selección de la muestra, para la aplicación de un MSL es necesario
    tener un marco muestral y los elementos del marco muestral deben ocupar cada
    posición de manera aleatoria con el fin de que la precisión del estimador sea igual
    a la de un MAS, sin embargo también se puede aplicar en situaciones donde no se
    conoce el marco muestral pero se quiere estudiar una situación en particular como
    por ejemplo el tiempo promedio que se demora un cajero en atender un cliente, en
    este caso se decide tomar el tiempo que se demora con un cliente que llega cada
    X tiempo o cada Y clientes; conseguir la proporción de clientes con determinada
    característica en un archivo, en este caso se puede sacar una muestra cada Z
    longitud del archivo, la longitud Z resulta de la división de la longitud total del
    archivo por el tamaño de muestra n; conocer la opinión de los clientes que
    frecuentan un establecimiento público respecto al servicio que reciben, en este
    caso se puede decidir en entrevistar al cliente que llega cada X tiempo o cada Y
    clientes.

    Elección de una muestra aleatoria si se conoce N y se tiene el marco muestral:

    La población esta numerada de 1 a N, se divide N por n teniendo como resultado k


    que se denomina tamaño del intervalo muestral, suponiendo que k sea un número
    entero, se elige un número (r) aleatorio entre 1 y k, siendo r el primer elemento
    seleccionado, seguidamente se suma k al este número aleatorio r, para obtener el
    segundo elemento seleccionado y así hasta completar el tamaño de la muestra, es
    decir que los elementos seleccionados son r, r + k, r + 2k, … , r + (n-1)k; de
    acuerdo con lo anterior solo se pueden tener k posibles muestras sistemáticas.

    Si k no es un número entero, se puede proceder de dos formas, la primera, tomar


    la parte entera de k, multiplicarla por n y realizar la resta N – nk, y este resultado
    es el número de elemento que deben ser eliminados aleatoriamente de la
    población, por ejemplo se tiene N=1345, n=160, k=1345/160=8.406, la parte
    entera es 8 de tal forma que 160*8=1280, por lo tanto se deben eliminar
    aleatoriamente 65 elementos de la población y finalmente sacar la muestra
    aleatoria de los 1280 elementos restantes; la segunda es elegir aleatoriamente
    un punto de partida ( r ) entre 1 y k, siendo este el primer elemento de la muestra y
    a este se le suma k hasta completar la muestra de tamaño n.

    Para los casos en que se desconoce N, este se puede estimar de acuerdo a cada
    caso específico, por ejemplo si en una longitud Z hay w elemento entonces
    N=Z*w, si se toma un elemento cada determinado tiempo se deberá tener en
    cuenta todos los elementos que hay entre cada intervalo de tiempo y sumarlos,
    estos más los n elementos muestreados conforman la población, si se desea
    muestrear uno de cada 10 personas que llegan a un determinado lugar, primero se
    elige un número aleatorio entre 1 y 10, suponga que salió el 8 y que el ultimo
    muestreado fue el 608 y después de este llegaron 6 personas más entonces N =
    608 + 6 = 614.
    Bajo el supuesto de que el ordenamiento de la variable de estudio es aleatorio el
    tamaño de la muestra es el mismo que para un MAS.

    Estimación de la media poblacional μ


    n

    ∑ xi
    x̄ sis = i=1
    n

    Intervalo de confianza para μal (1−α )100 %

    x̄ sis ± z α /2 σ x̄ , Donde
    sis
    σ x̄ =
    sis

    S sis N−n
    √ ( NN−1
    −n
    )
    ∑ ( x i− x̄ sis ) 2
    i=1

    n ( n−1 )

    Es decir: X́ sis ± Z α
    2 √
    √n N −1

    Estimación del total poblacional T

    T^ sis =N x̄ sis

    Intervalo de confianza para T al (1−α )100 %

    T^ sis ± z α /2 σ T^ , donde σ T^ =N σ x̄
    sis sis

    S sis N−n
    Es decir: T́ sis ± N Z α
    2 √n N −1 √
    Estimación de la proporción poblacional P

    x
    ^psis = q^ sis =1−^psis
    n

    Intervalo de confianza para P al (1−α )100 %

    N−n ^psis q^sis


    ^psis ±z α /2 σ ^p
    , Dondesis

    ^psis q^ sis N −n
    σ p^ =
    sis
    √( N−1 n−1 )
    Psis ± Z α
    Es decir: ^
    2
    n−1 N −1√ √
    Estimación del total poblacional T
    T^ sis =N ^p sis

    Intervalo de confianza para T al (1−α )100 %

    T^ sis ± z α /2 σ T^ , donde σ T^ =N σ ^p
    sis sis

    ^p sis q^ sis N −n
    Es decir: T^ sis ± N Z α
    2 √ √
    n−1 N−1

    También podría gustarte