Universidad Nacional Autónoma de Honduras

UNAH-VS

Catedratico: Rony Zelaya

Asignatura: Análisis Cuantitativo II

Alumno: Carlos Alberto Larios Castillo

Número de cuenta: 9422601

Seccion: 1901 pm

Tema: Guía Actividad I

Fecha: 30/05/2022
1. ¿Cuándo los elementos incluidos en una muestra se basan en el juicio del individuo
que conduce la muestra, se dice que la muestra es no aleatoria? Favor explicar
R) Verdadero, una muestra seleccionada por muestreo de juicio se basa en la
experiencia de alguien con la población además en el muestreo de juicio, se emplea el
conocimiento y la opinión personal para identificar a los elementos de la población que
deben incluirse en la muestra. Algunas veces, una muestra de juicio se usa como guía
o muestra tentativa para decidir cómo tomar una muestra aleatoria más adelante.

2. ¿Una estadística es una característica de una población? Favor explicar

R) Falso, Cuando estos términos describen las características de una muestra se
denominan estadísticas. Cuando describen las características de una población, se
llaman parámetros. Una estadística es una característica de una muestra y un
parámetro es una característica de una población. Para ser consecuentes,los
especialistas en estadística emplean literales latinas minúsculas para representar
estadísticas de muestra, y literales griegas o latinas mayúsculas para representar
parámetros de población.

3. ¿Un plan de muestreo que selecciona miembros de una población a intervalos

uniformes con respecto al tiempo, al orden o al espacio se denomina muestreo
estratificado?
R) Falso, Con base en lo descrito el tipo de muestreo es sistemático difiere del
muestreo estratificado. Se utiliza el muestreo aleatorio estratificado cuando el
investigador desea resaltar un subgrupo específico dentro de la población, es útil
porque garantiza la presencia del subgrupo clave dentro de la muestra. En el muestreo
sistemático los elementos combinados tienen diferentes probabilidades de ser
seleccionado. Aun cuando este tipo de muestreo puede ser inapropiado cuando los
elementos entran en un patrón secuencial, este método puede requerir menos tiempo
y, algunas veces, tiene como resultado un costo menor, también elimina la posibilidad
de autocorrelación y se asegura que la muestra es extendida a toda la población.
4. ¿Como regla general, no es necesario incluir un multiplicador de población finita en
el cálculo del error estándar de la media cuando el tamaño de la muestra es mayor que
50? Favor explicar
R) Falso, Sobre esa base el error estándar es una medición de la dispersión de las
medias de muestras alrededor de la media de la población. Si la dispersión disminuye
entonces los valores tomados por la media de la muestra tienden a agruparse más
cercanamente. Y a la inversa, si la dispersión se incrementa, los valores tomados por la
media de la muestra tienden a agruparse menos.
Al disminuir el error estándar, el valor de cualquier media de muestra probablemente se
acercará al valor de la media de la población. Los estadísticos describen este
fenómeno diciendo: al disminuir el error estándar, se incrementa la precisión con que
se puede usar la media de muestra para estimar la media de población.
Cuando la fracción de muestreo es pequeña, el error estándar de la media para
poblaciones finitas es tan cercano a la media para poblaciones infinitas, que bien
podríamos utilizar la misma fórmula para ambas desviaciones.

5. ¿La distribución de probabilidad de todas las medias posibles de muestras se

conoce como la distribución de muestreo de la media? Favor explicar
R) Verdadero, De acuerdo con la definición una distribución de probabilidad de todas
las medias posibles de las muestras es una distribución de las medias de las muestras.
Los especialistas en estadística la conocen como distribución de muestreo de las
medias.
Cuando hacemos investigaciones nos interesa inferir si los hallazgos de un grupo son
similares a los de la población general, o a los de otro grupo, o bien si se trata de
valores distintivos. Para inferir si hay o no diferencias es que resulta fundamental
trabajar con la distribución de muestreo de las medias.
Cuando en una población se toma una muestra y se mide una variable continua, se
obtiene un conjunto de mediciones que puede resumirse en un valor de media. Si
setoma otra muestra de la misma medición se obtendrá otra media. Puede intuirse
entonces que podemos tomar infinitas muestras y obtener por lo tanto infinitas medias.
Esas medias por lo tanto constituyen a su vez una variable continua, que como toda
variable continua tiene determinada distribución de probabilidades.

6. ¿Los principios de muestreo aleatorio simple son la base teórica de la inferencia

estadística? Favor explicar
R) Verdadero, El muestreo aleatorio simple (MAS) es el tipo de muestreo más sencillo,
pues constituye la técnica muestral básica de la estadística inferencial de donde se
derivan las demás y con la que se comparan los demás métodos.
Una muestra aleatoria simple se define como aquella donde las unidades se
seleccionan o extraen aleatoriamente cumpliendo estas condiciones:
1) Cada unidad de la población tiene idéntica probabilidad de ser incluida en la muestra
2) Cada combinación de unidades, es decir, cada muestra posible de tamaño (n). En
total existen múltiples combinaciones de posibles muestras donde se seleccionan (n)
casos entre una población de (N).
De estas dos condiciones se deriva que la probabilidad de una unidad cualquiera de
pertenecer a una muestra será n/N. Tenemos como contexto que la inferencia
estadística es el conjunto de métodos y técnicas que permiten inducir, a partir de la
información empírica proporcionada por una muestra, cual es el comportamiento de
una determinada población con un riesgo de error medible en términos de probabilidad.
De estas dos condiciones se deriva que la probabilidad de una unidad cualquiera de
pertenecer a una muestra será n/N. Tenemos como contexto que la inferencia
estadística es el conjunto de métodos y técnicas que permiten inducir, a partir de la
información empírica proporcionada por una muestra, cual es el comportamiento de
una determinada población con un riesgo de error medible en términos de probabilidad.
dos condiciones se derivan que la probabilidad de una unidad cualquiera de pertenecer
a una muestra será n/N. Tenemos como contexto que la inferencia estadística es el
conjunto de métodos y técnicas que permiten inducir, a partir de la información
empírica proporcionada por una muestra, cual es el comportamiento de una
determinada población con un riesgo de error medible en términos de probabilidad.
7. ¿El error estándar de la media es la desviación estándar de la distribución de medias
de la muestra? Favor explicar
R) Verdadero, De acuerdo con el concepto entendemos que la desviación es la
separación que existe entre un valor cualquiera de la serie y la media. La desviación
estándar o desviación típica es una medida que ofrece información sobre la dispersión
media de una variable. La desviación estándar se puede utilizar para establecer un
valor de referencia para estimar la variación general de un proceso, es la medida de
dispersión más común, que indica qué tan dispersos están los datos con respecto a la
media. Mientras mayor sea la desviación estándar, mayor será la dispersión de los
datos. Sobre esa base podemos distinguir los siguientes términos: el símbolo σ (sigma)
se utiliza frecuentemente para representar la desviación estándar de una población,
mientras que se utiliza para representar la desviación estándar de una muestra.

8. ¿Un plan de muestreo que divide a la población en grupos bien definidos de los
cuales se extraen muestras aleatorias se conoce como muestreo de racimo? Favor
explicar
R) Falso, en relación con esta técnica, perteneciente a la familia de muestreos
probabilísticos, la descripción seria de muestreo aleatorio estratificado.
Muestreo estratificado y muestreo por conglomerados son métodos muy parecidos en
ambos casos dividimos la población en grupos. Sin embargo, los principios detrás de
ambas técnicas son en cierto modo opuestos.
El muestreo estratificado es especialmente adecuado cuando los grupos (estratos) son
muy homogéneos internamente y muy diferentes entre sí. En ese caso, conviene
asegurar que tenemos representantes en nuestra muestra que provienen de todos los
estratos. En el proceso de muestreo divide toda la población objeto de estudio en
diferentes subpoblaciones o estratos disjuntos, de manera que un individuo sólo puede
pertenecer a un estrato. Una vez definidos los estratos, la muestra se crea
seleccionando por separado individuos de cada estrato, empleando una técnica de
muestreo cualquiera. Los estratos suelen crearse a partir de grupos homogéneos de
individuos, que a su vez son heterogéneos entre diferentes grupos.Por ejemplo, si en
un estudio esperamos encontrar un comportamiento muy diferente entre hombres y
mujeres, puede ser conveniente definir dos estratos, uno por cada sexo. Si la selección
de estos estratos es correcta:
1. Los hombres deberían comportarse de forma parecida entre ellos.
2. Las mujeres deberían comportarse de forma muy similar entre ellas.
3. Hombres y mujeres deberían mostrar comportamientos dispares entre sí.
Si la anterior condición se cumple (estratos homogéneos internamente, heterogéneos
entre sí) el uso del muestreo aleatorio estratificado reduce el error muestral respecto a
un muestreo aleatorio convencional, mejorando la precisión de nuestros resultados. El
muestreo por conglomerados (MC), llamado también muestreo de clúster, de conjuntos,
de racimos o de grapas. En este tipo de muestreo el primer paso para aplicar esta
técnica es definir los conglomerados. Se trata de identificar una característica que
permita dividir la población en grupos disjuntos (sin solapamiento) y de forma
exhaustiva (todos los individuos deben estar en un grupo), de tal manera que los
grupos no difieran entre sí en relación a aquello que queremos medir.

9. ¿Con un mayor tamaño de muestra, la distribución de muestreo de la media se

aproxima a la normalidad, sin importar la distribución de la población? Favor explicar
R) Verdadero, del enunciado anterior se obtiene una conclusión importante para
determinar el tamaño de la muestra que es el:
El teorema de límite central establece que para muestras aleatorias grandes, la
distribución de probabilidad para las medias muéstrales, se acerca a una distribución
del tipo normal. La aproximación es más exacta en la media que la muestra es más
grande que para pequeñas. Esta es una de las conclusiones más útiles en Estadística.
Se puede razonar acerca de la distribución de las medias muéstrales sin contar con
alguna información respecto de la forma de la distribución original de la cual se toma la
muestra. En otras palabras, el teorema de límite central es cierto para todas las
distribuciones.
El teorema del límite central dice que al seleccionar muestras aleatorias simples de
tamaño (n) de una población, la distribución muestral de la media muestral se puede
proximar a una distribución de probabilidad normal, cuando el tamaño de la muestra es
grande.
Si la población está distribuida normalmente, entonces, para cualquier tamaño de
muestra, la distribución de la media muestral también será normal. Si no es normal, es
posible que se necesiten muestras de al menos 30 elementos para observar el aspecto
de normalidad. La mayor parte de los estadísticos consideran que una muestra de 30 o
mayor, es suficiente para que se emplee el teorema de límite central.

10. ¿El error estándar de la media disminuye en proporción directa al tamaño de

muestra? Favor explicar
R) Falso, En la determinación del tamaño muestral se conjugan estos cuatro
elementos que intervienen en la fórmula de cálculo:
1. La amplitud del universo, diferenciando dos situaciones: si la población es finita (si
tienes menos de 100.000 individuos) o es infinita (a partir de 100.000 individuos). Con
poblaciones finitas el tamaño muestral tiende a ser cada vez más sensible al tamaño
poblacional por lo que es necesario introducir un factor de corrección por finitud.
Cuando la población es muy numerosa la diferencia con respecto al número de
muestra es muy pequeña y el numerador de ese factor tiene a igualarse al
denominador, por lo que el factor tiende a ser 1; y tiende a ser un valor cada vez mayor
a medida que población y muestra se aproximan en número de casos.
2. El nivel de confianza adoptado. Como comentamos el nivel de confianza establece la
probabilidad o confiabilidad de nuestros resultados, los cuales se elaboran y razonan
en términos probabilísticos. El criterio habitual que se sigue es considerar un nivel de
confianza del 95,5%, lo que implica considerar un valor de dos unidades de desviación
a partir de la media en la distribución normal, que se puede expresar también diciendo
que z=2 (valor tipificado de la distribución normal).
Este es el criterio que fija el valor de la fórmula de determinación de la muestra que
veremos donde simplemente substituiremos el valor de z por un 2. También se puede
elegir el 95%, en ese caso el número de unidades sigma de desviación sería de 1,96,
es decir z=1,96. Si quisiéramos mayor confianza, por ejemplo, del 99,7%, el número de
nidades de desviación sería de 3 o z=3.
3. El error muestral e asociado al estadístico elegido de estimación. Donde se verá
sobre todo estimaciones de medias y proporciones (o porcentajes) y en cada caso los
cálculos tendrán sus especificaciones.
4. La varianza (o desviación típica) de la población.