Trujillo Gonzalez Andy Distribucion Muestral
Trujillo Gonzalez Andy Distribucion Muestral
Trujillo Gonzalez Andy Distribucion Muestral
ESTADISTICA INFERENCIAL
Tema :
DISTRIBUCIÓN MUESTRAL
1
Tabla de contenido
INTRODUCCIÓN......................................................................................................................3
MUESTREO...............................................................................................................................4
Técnicas de muestreo .............................................................................................................4
Métodos de muestreo .............................................................................................................5
Probabilístico ......................................................................................................................5
Aleatorio simple ...................................................................................................................5
Aleatorio sistemático ............................................................................................................5
Estratificado .........................................................................................................................5
Por conglomerados ...............................................................................................................5
No probabilístico ................................................................................................................6
Por conveniencia ..................................................................................................................6
Por juicio ..............................................................................................................................6
Por prorrateo ........................................................................................................................6
Tamaño de la muestra ............................................................................................................7
Distribución muestral de la media ........................................................................................8
Distribución de proporciones muestrales .............................................................................9
Error estándar de medias muestrales .................................................................................10
EJERCICIOS PRACTICOS ...................................................................................................13
CONCLUCIONES ...................................................................................................................39
BIBLIOGRAFIA ......................................................................................................................40
NETGRAFIA ............................................................................................................................40
2
INTRODUCCIÓN
La media de una muestra de una población que tiene una distribución normal es un
ejemplo de una estadística simple tomada de una de las poblaciones estadísticas más
simples. Para otras estadísticas y otras poblaciones, las fórmulas son más complicadas
y, a menudo, no existen en forma cerrada. En tales casos, las distribuciones de muestreo
pueden aproximarse a través de simulaciones de Monte Carlo, métodos bootstrap o
teoría de distribución asintótica.
Por ejemplo, considere una población normal con una media y varianza .
Supongamos que repetidamente tomamos muestras de un tamaño dado de esta
población calculamos la media aritmética para cada muestra: esta estadística se
denomina media muestral. La distribución de estos medios, o promedios, se denomina
"distribución muestral de la media muestral". Esta distribución es normal (n es el
tamaño de la muestra) ya que la población subyacente es normal, aunque las
distribuciones de muestreo también pueden estar a menudo cerca de lo normal, incluso
cuando la distribución de la población no lo es (véase el teorema del límite central ).
Una alternativa a la media muestral es la mediana de la muestra. Cuando se calcula a
partir de la misma población, tiene una distribución de muestreo diferente a la de la
media y generalmente no es normal (pero puede estar cerca para tamaños de muestra
grandes).
3
MUESTREO
Al elegir una muestra aleatoria se espera conseguir que sus propiedades sean
extrapolables a la población. Este proceso permite ahorrar recursos, y a la vez obtener
resultados parecidos a los que se alcanzarían si se realizase un estudio de toda la
población. En las investigaciones llevadas por empresarios y de la medicina se usa
muestreo extensivamente en recoger información sobre poblaciones.2
Cabe mencionar que para que el muestreo sea válido y se pueda realizar un estudio
adecuado (que consienta no solo hacer estimaciones de la población sino estimar
también los márgenes de error correspondientes a dichas estimaciones), debe cumplir
ciertos requisitos. Nunca podremos estar enteramente seguros de que el resultado sea
una muestra representativa, pero sí podemos actuar de manera que esta condición se
alcance con una probabilidad alta.
Técnicas de muestreo
4
Métodos de muestreo
Probabilístico
Los métodos de muestreo probabilístico son aquellos que se basan en el principio de
equiprobabilidad. Es decir, aquellos en los que todos los elementos del universo tienen
la misma probabilidad de ser elegidos para formar parte de la muestra.
Aleatorio simple
Este método de muestreo es tan fácil como asignar números a los individuos (muestra) y
luego elegir de manera aleatoria números entre los números a través de un proceso
automatizado. Finalmente, los números que se eligen son los miembros que se incluyen
la muestra. Por ejemplo, hacer un sorteo entre los individuos del universo: asignamos a
cada persona un boleto, introducimos los boletos en una urna y empezamos a extraer
boletos al azar. Todos los individuos que tengan un boleto extraído de la urna formarían
la muestra
Aleatorio sistemático
Este se enfoca en elegir a cada “enésima” persona para que sea parte de la muestra. Por
ejemplo, puedes elegir que cada quinta persona sea parte de la muestra, o que cada
décima persona sea parte de ella.
Estratificado
Este es un método en el cual una población grande se divide en dos grupos más
pequeños, que generalmente no se superponen, sino que representan a toda la población
en conjunto.
Durante el muestreo, estos grupos pueden organizarse y luego de estos se puede obtener
una muestra de cada grupo por separado.
Por ejemplo, organizar o clasificar las muestras por sexo, edad, etnia, etc. y luego utiliza
un muestreo aleatorio simple para elegir miembros de los grupos
Por conglomerados
Este es un método que selecciona de manera aleatoria a los participantes cuando están
dispersos geográficamente.
5
Por ejemplo, tenemos a 1000 participantes de toda la población de México, supongamos
que es probable que no sea posible obtener una lista completa de todos estos. Pero en
cambio, lo que hace el investigador es seleccionar áreas de manera aleatoria (es decir,
ciudades, comunidades, etc), y selecciona al azar dentro de esos límites.
No probabilístico
Por conveniencia
Por juicio
Por prorrateo
6
Tamaño de la muestra
En estadística el tamaño de la muestra se le conoce como aquel número determinado de
sujetos o cosas que componen la muestra extraída de una población, necesarios para que
los datos obtenidos sean representativos de la población. Es muy importante para el uso
de cantidades grandes, fáciles y rápidas.
Una fórmula muy extendida que orienta sobre el cálculo del tamaño de la muestra para
datos globales es la siguiente:
Población infinita
Cuantitativos: Cualitativos:
7
Población finita
Cuantitativos: Cualitativos:
( ) ( )
Dónde:
N : Numero de población
G2 : Variación
Z : Busca el área a la redonda
P : Valor favorable
Q : Valor desfavorable
E2 : Valor de error
n : muestra
La distribución muestral es lo que resulta de considerar todas las muestras posibles que
pueden ser tomadas de una población. Su estudio permite calcular la probabilidad que se
tiene, dada una sola muestra, de acercarse al parámetro de la población. Mediante la
distribución muestral se puede estimar el error para un tamaño de muestra dado.
8
en matemáticas la elemental de todas ellas es el término que se refiere generalmente a
la media aritmética.
Existen numerosos ejemplos de medias , una de las pocas propiedades compartidas por
todas las medias es que cualquier media está comprendida entre el valor máximo y el
valor mínimo del conjunto de variables.
9
Error estándar de medias muestrales
La media muestral es el estimador usual de una media poblacional. Sin embargo,
diferentes muestras escogidas de la misma población tienden en general a dar distintos
valores de medias muestrales. El error estándar de la media (es decir, el error debido a la
estimación de la media poblacional a partir de las medias muestrales) es la desviación
estándar de todas las posibles muestras (de un tamaño dado) escogidos de esa
población. Además, el error estándar de la media puede referirse a una estimación de la
desviación estándar, calculada desde una muestra de datos que está siendo analizada al
mismo tiempo.
10
En análisis de regresión, el término error estándar o error típico es también usado como
la media de las diferencias entre la estimación por mínimos cuadrados y los valores
dados de la muestra2.
El error estándar de la media (llamado en inglés "standard error of the mean" (SEM))
cuantifica4 las oscilaciones de la media muestral (media obtenida en los datos) alrededor
de la media poblacional (verdadero valor de la media). El EEM o SEM se estima
generalmente dividiendo la desviación estándar de la población entre la raíz cuadrada
del tamaño de la muestra (suponiendo independencia estadística de los valores en la
muestra):
( )( )
√
Donde:
Para determinar el error estándar también utilizaremos las áreas bajo la curva normal:
11
12
13
CONCLUCIONES
El concepto de muestreo es fundamental para la Inferencia Estadística. El hecho de que
las muestras no sean exactamente representativas de las poblaciones significa que las
inferencias presentan cierto margen de incertidumbre. Para cuantificarlo y definir
técnicas inferenciales es necesario conocer cómo se comportan los estadísticos
obtenidos en las muestras, esto es, cómo son las distribuciones muestrales de los
estadísticos habitualmente utilizados para la inferencia .
Por muy cuidadosa que sea la selección de la muestra difícilmente será una
representación exacta de la población. Esto significa que su tendencia central,
variabilidad, etc., aproximarán las de la población, pero habrá cierta diferencia, que
interesa sea lo menor posible.
39
BIBLIOGRAFIA
NETGRAFIA
https://es.wikipedia.org/wiki/Tama%C3%B1o_de_la_muestra
https://es.wikipedia.org/wiki/Media_(matem%C3%A1ticas)#Ejemplos_de_medias
https://es.wikipedia.org/wiki/Error_est%C3%A1ndar#:~:text=de%20la%20regresi%C3%B3n-
,Concepto,usual%20de%20una%20media%20poblacional.&text=El%20error%20est%C3%A1nd
ar%20de%20la,dado)%20escogidos%20de%20esa%20poblaci%C3%B3n.
https://www.google.com/search?q=areas+bajo+la+curva+normal&tbm=isch&chips=q:areas+b
ajo+la+curva+normal,g_1:tabla:GbvgOLbHRC8%3D&rlz=1C1CHBF_esEC884EC884&hl=es&sa=X
&ved=2ahUKEwjeyaW99OvqAhWNzlkKHbRyCdAQ4lYoAHoECAEQFA&biw=1686&bih=781#img
rc=S0ayk6YdcQ0vxM
40