UNIVERSIDAD CENTRAL DEL ECUADOR

FACULTAD DE CIENCIAS ADMISNISTRATIVAS

CONTABILIDAD Y AUDITORÍA

ESTADISTICA INFERENCIAL

Tema :
DISTRIBUCIÓN MUESTRAL

TRUJILLO GONZALEZ ANDY GEOVANNY

CA3-002
2020

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.

La distribución de muestreo de una estadística es la distribución de esa estadística,

considerada como una variable aleatoria, cuando se deriva de una muestra aleatoria de
tamaño n. Se puede considerar como la distribución de la estadística para todas las
muestras posibles de la misma población de un tamaño de muestra dado. La distribución
del muestreo depende de la distribución subyacente de la población, la estadística que se
considera, el procedimiento de muestreo empleado y el tamaño de muestra utilizado. A
menudo existe un considerable interés en si la distribución muestral puede aproximarse
mediante una distribución asintótica, que corresponde al caso límite ya que el número
de muestras aleatorias de tamaño finito, tomadas de una población infinita y utilizadas
para producir la distribución, tiende a infinito.

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

En la referencia estadística se conoce como muestreo a la técnica para la selección de

una muestra a partir de una población estadística.

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.

En el muestreo, si el tamaño de la muestra es más pequeño que el tamaño de la

población, se puede extraer dos o más muestras de la misma población. Al conjunto de
muestras que se pueden obtener de la población se denomina espacio muestral. La
variable que asocia a cada muestra su probabilidad de extracción, sigue la
llamada distribución muestral.

Técnicas de muestreo

Existen dos métodos para seleccionar muestras de poblaciones: el muestreo no aleatorio

o de juicio y el muestreo aleatorio (que incorpora el azar como recurso en el proceso de
selección). Cuando este último cumple con la condición de que todos los elementos de
la población tienen alguna oportunidad de ser escogidos en la muestra, si la
probabilidad correspondiente a cada sujeto de la población es conocida de antemano,
recibe el nombre de muestreo probabilístico. Una muestra seleccionada por muestreo de
juicio puede basarse en la experiencia de alguien con la población. Algunas veces una
muestra de juicio se usa como guía o muestra tentativa para decidir cómo tomar una
muestra aleatoria más adelante.

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

El muestreo no probabilístico es una técnica donde las muestras se recogen en un

proceso que no brinda a todos los individuos de la población iguales oportunidades de
ser seleccionados, no es un producto de un proceso de selección aleatoria. Los sujetos
en una muestra no probabilística generalmente son seleccionados en función de su
accesibilidad o a criterio personal e intencional del investigador.

Por conveniencia

Las muestras de la población se seleccionan solo porque están convenientemente

disponibles para el investigador. Estas muestras se seleccionan solo porque son fáciles
de reclutar y porque el investigador no consideró seleccionar una muestra que
represente a toda la población. Por ejemplo, utilizar a estudiantes voluntarios que sean
conocidos del investigador. El investigador puede enviar la encuesta a los estudiantes y
ellos en este caso actuarían como muestra.

Por juicio

Las muestras se seleccionan basándose únicamente en el conocimiento y la credibilidad

del investigador. En otras palabras, los investigadores eligen solo a aquellos que estos
creen que son los adecuados (con respecto a los atributos y la representación de una
población) para participar en un estudio de investigación. Por ejemplo, este tipo de
método de muestreo se puede utilizar en estudios piloto.

Por prorrateo

Es una técnica de muestreo no probabilístico en donde la muestra reunida tiene la

misma proporción de individuos que toda la población con respecto al fenómeno
enfocado, las características o los rasgos conocido

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.

Objetivo de determinar el tamaño adecuado de la muestra

1. Estimar un parámetro determinado con el nivel de confianza deseado.

2. Detectar una determinada diferencia, si realmente existe, entre los grupos de
estudio con un mínimo de garantía.
3. Reducir costes o aumentar la rapidez del estudio.

Por ejemplo, en un estudio de investigación epidemiológico la determinación de un

tamaño adecuado de la muestra tendría como objetivo su factibilidad. Así:

1. Si el número de sujetos es insuficiente habría que modificar los criterios de

selección, solicitar la colaboración de otros centros o ampliar el período de
reclutamiento. Los estudios con tamaños muestrales insuficientes, no son
capaces de detectar diferencias entre grupos, llegando a la conclusión errónea de
que no existe tal diferencia.
2. Si el número de sujetos es excesivo, el estudio se encarece desde el punto de
vista económico y humano. Además, es poco ético al someter a más individuos
a una intervención que puede ser menos eficaz o incluso perjudicial.

El tamaño de una muestra es el número de individuos que contiene.

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

Distribución muestral de la media

Si tenemos una muestra aleatoria de una

población se sabe que la fdp de la media
muestral es también normal con media m y
varianza s2/n. Esto es exacto para
poblaciones normales y aproximado para
poblaciones cualesquiera. Es decir, es el error
típico, o error estándar de la media.

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.

Es una medida de tendencia central. Resulta al efectuar una serie determinada de

operaciones con un conjunto de números y que, en determinadas condiciones, puede
representar por sí solo a todo el conjunto.

Existen distintos tipos de medias, tales como la media geométrica, la media

ponderada y la media armónica aunque en el lenguaje común, tanto en estadística como

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.

Distribución de proporciones muestrales

Cuando se requiere investigar la proporción de algún atributo en una muestra (variables
cualitativas), la distribución muestral de proporciones es la adecuada para dar respuesta
a dichas situaciones. Esta distribución se genera de igual manera que la distribución
muestral de medias, a excepción de que, al extraer las muestras de la población, se
calcula el estadístico proporción (p=x/n en donde "x" es el número de éxitos u
observaciones de interés y "n" el tamaño de la muestra), en lugar del estadístico
promedio. La fórmula que se utilizará para el cálculo de probabilidad en una
distribución muestral de proporciones, está basada en la aproximación de la distribución
normal a la binomial. Esta fórmula servirá para calcular la probabilidad del
comportamiento de la proporción en la muestra.

Si se seleccionan muestras aleatorias de n observaciones de una población con

media y desviación estándar , entonces, cuando n es grande, la distribución

muestral de medias tendrá aproximadamente una distribución normal con una media

igual a y una desviación estándar de . La aproximación será cada vez más

exacta a medida que n sea cada vez mayor.

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.

En aplicaciones prácticas, el verdadero valor de la desviación estándar (o del error) es

generalmente desconocido. Como resultado, el término "error estándar" se usa a veces
para referirse a una estimación de esta cantidad desconocida. En tales casos es
importante tener claro de dónde proviene, ya que el error estándar es solo una
estimación. Desafortunadamente, esto no es siempre posible y puede ser mejor usar una
aproximación que evite usar el error estándar, por ejemplo usando la estimación
de máxima verosimilitud o una aproximación más formal derivada de los intervalos de
confianza. Un caso bien conocido donde se pueda usar de forma apropiada puede ser en
la distribución de Student para proporcionar un intervalo de confianza para una media
estimada o diferencia de medias. En otros casos, el error estándar puede ser usado para
proveer una indicación del tamaño de la incertidumbre, pero su uso formal o semi-
formal para proporcionar intervalos de confianza o test debe ser evitado a menos que el
tamaño de la muestra sea al menos moderadamente grande. Aquí el concepto "grande"
dependerá de las cantidades particulares que vayan a ser analizadas.

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:

s es la desviación estándar (es decir, la estimación basada en la muestra de la desviación

estándar de la población).
n es el tamaño (número de individuos de la muestra)

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 .

Se denomina muestreo el proceso de selección de la muestra o muestras a utilizar para

la investigación. Esto supone generar una o pocas muestras. Actualmente es de interés
la selección de muestras para la simulación informática de los procesos de muestreo,
particularmente para la obtención de distribuciones muestrales. En estos casos el
número de muestras generadas puede ser muy grande y el procedimiento de muestreo se
realiza informáticamente y con procedimientos específicos.

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

MARTÍNEZ BENCARDINO, Ciro (2012). Estadística y Muestreo.

COCHRAN, William G. (1980). Técnicas de muestreo.

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