INTRODUCCIN AL MUESTREO Se denomina muestreo al proceso por el que

generamos las muestras. Una muestra es una parte (un subconjunto) de la poblacin, y se
desea que la muestra sea lo ms representativa posible de la poblacin de la que procede.
Sin embargo, por muy cuidadosa que sea la seleccin de la muestra difcilmente ser una
representacin exacta de la poblacin. Esto significa que su tendencia central, variabilidad,
etc., aproximarn las de la poblacin, pero habr cierta diferencia, que interesa sea lo menor
posible. Un concepto clave de muestreo es el de representatividad: Los procedimientos de
muestreo tienen por objeto generar muestras lo ms representativas posible de las
poblaciones dados los objetivos de la investigacin y las circunstancias que afectan al
muestreo.
Desde un punto de vista aplicado, se denomina muestreo el proceso de seleccin de la
muestra o muestras a utilizar para la investigacin. Esto supone generar una o pocas
muestras. Actualmente es de inters la seleccin de muestras para la simulacin informtica
de los procesos de muestreo, particularmente para la obtencin de distribuciones
muestrales. En estos casos el nmero de muestras generadas puede ser muy grande (10.000,
80.000, o ms) y el procedimiento de muestreo se realiza informticamente y con
procedimientos especficos.
Desde un punto de vista terico, el concepto de muestreo es fundamental para la Inferencia
Estadstica. 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 tcnicas inferenciales es necesario conocer cmo se comportan los
estadsticos obtenidos en las muestras, esto es, cmo son las distribuciones muestrales de
los estadsticos habitualmente utilizados para la inferencia.

DEFINIR LOS ASPECTOS CONCEPTUALES DE MUESTREO Y SU APLICABILIDAD EN INFORMTICA
(FALTA)


EL MUESTREO ALEATORIO constituye una de las clases ms populares de muestreo
aleatorio o probabilstico.
EL MUESTREO ALEATORIO SIEMPLE se puede aplicar en muchos mtodos. El ms
primitivo y mecnico sera el de la lotera. A cada miembro de la poblacin se le asigna un
nmero. Todos los nmeros se colocan en un recipiente o un sombrero y se mezclan. Con
los ojos vendados, el investigador va sacando las etiquetas con nmeros. Todos los
individuos que tengan los nmeros sacados por el investigador son los sujetos del estudio.
Otra forma sera que una computadora haga la seleccin al azar de la poblacin. En el caso
de poblaciones con pocos miembros, es aconsejable utilizar el primer mtodo, pero si la
poblacin tiene muchos miembros, es preferible una seleccin aleatoria por computadora.
Ventajas del muestreo aleatorio simple
Una de las mejores cosas del muestreo aleatorio simple es la facilidad para armar la
muestra. Tambin se considera una forma justa de seleccionar una muestra a partir de una
poblacin, ya que cada miembro tiene igualdad de oportunidades de ser seleccionado.
Otra caracterstica clave del muestreo aleatorio simple es la representatividad de la
poblacin. En teora, lo nico que puede poner en peligro su representatividad es la suerte.
Si la muestra no es representativa de la poblacin, la variacin aleatoria es
denominada error de muestreo.
Para sacar conclusiones de los resultados de un estudio son importantes una seleccin
aleatoria imparcial y una muestra representatva. Recuerda que uno de los objetivos de la
investigacin es sacar conclusiones con relacin a la poblacin a partir de los resultados de
una muestra. Debido a la representatividad de una muestra obtenida mediante un muestreo
aleatorio simple, es razonable hacer generalizaciones a partir de los resultados de la muestra
con respecto a la poblacin.
Desventajas del muestreo aleatorio simple
Una de las limitaciones ms evidentes del muestreo aleatorio simple es la necesidad de una
lista completa de todos los miembros de la poblacin. Debes tener en cuenta que la lista de
la poblacin debe estar completa y actualizada. Esta lista generalmente no est disponible
en poblaciones grandes. En estos casos, es ms prudente utilizar otras tcnicas de muestreo.
Las tcnicas de muestreo estadstico son las estrategias aplicadas por los investigadores
durante el proceso de muestreo estadstico.
Este proceso se lleva a cabo cuando los investigadores intentan sacar conclusiones para
toda la poblacin despus de realizar un estudio sobre una muestra tomada de la misma
poblacin.
Muestreo aleatorio sistemtico: Este procedimiento exige, como el anterior, numerar
todos los elementos de la poblacin, pero en lugar de extraer n nmeros aleatorios slo se
extrae uno. Se parte de ese nmero aleatorio i, que es un nmero elegido al azar, y los
elementos que integran la muestra son los que ocupa los lugares i, i+k, i+2k, i+3k,...,i+(n-
1)k, es decir se toman los individuos de k en k, siendo k el resultado de dividir el tamao de
la poblacin entre el tamao de la muestra: k= N/n. El nmero i que empleamos como
punto de partida ser un nmero al azar entre 1 y k. El riesgo este tipo de muestreo est en
los casos en que se dan periodicidades en la poblacin ya que al elegir a los miembros de la
muestra con una periodicidad constante (k) podemos introducir una homogeneidad que no
se da en la poblacin. Imaginemos que estamos seleccionando una muestra sobre listas de
10 individuos en los que los 5 primeros son varones y los 5 ltimos mujeres, si empleamos
un muestreo aleatorio sistemtico con k=10 siempre seleccionaramos o slo hombres o
slo mujeres, no podra haber una representacin de los dos sexos.

Muestreo aleatorio estratificado: Trata de obviar las dificultades que presentan los
anteriores ya que simplifican los procesos y suelen reducir el error muestral para un tamao
dado de la muestra. Consiste en considerar categoras tpicas diferentes entre s (estratos)
que poseen gran homogeneidad respecto a alguna caracterstica (se puede estratificar, por
ejemplo, segn la profesin, el municipio de residencia, el sexo, el estado civil, etc.). Lo
que se pretende con este tipo de muestreo es asegurarse de que todos los estratos de inters
estarn representados adecuadamente en la muestra. Cada estrato funciona
independientemente, pudiendo aplicarse dentro de ellos el muestreo aleatorio simple o el
estratificado para elegir los elementos concretos que formarn parte de la muestra. En
ocasiones las dificultades que plantean son demasiado grandes, pues exige un conocimiento
detallado de la poblacin. (Tamao geogrfico, sexos, edades,...). La distribucin de la
muestra en funcin de los diferentes estratos se denomina afijacin, y puede ser de
diferentes tipos:
Afijacin Simple: A cada estrato le corresponde igual nmero de elementos mustrales.
Afijacin Proporcional: La distribucin se hace de acuerdo con el peso (tamao) de la
poblacin en cada estrato. Afijacin Optima: Se tiene en cuenta la previsible dispersin de
los resultados, de modo que se considera la proporcin y la desviacin tpica. Tiene poca
aplicacin ya que no se suele conocer la desviacin.

Muestreo aleatorio por conglomerados: Los mtodos presentados hasta ahora estn
pensados para seleccionar directamente los elementos de la poblacin, es decir, que las
unidades mustrales son los elementos de la poblacin. En el muestreo por conglomerados
la unidad muestral es un grupo de elementos de la poblacin que forman una unidad, a la
que llamamos conglomerado. Las unidades hospitalarias, los departamentos universitarios,
una caja de determinado producto, etc., son conglomerados naturales. En otras ocasiones se
pueden utilizar conglomerados no naturales como, por ejemplo, las urnas electorales.
Cuando los conglomerados son reas geogrficas suele hablarse de "muestreo por reas". El
muestreo por conglomerados consiste en seleccionar aleatoriamente un cierto numero de
conglomerados (el necesario para alcanzar el tamao muestral establecido) y en investigar
despus todos los elementos pertenecientes a los conglomerados elegidos.

EL MUESTREO ESTADSTICO: es un procedimiento por el que se ingresan los valores
verdaderos de una poblacin a travs de la experiencia obtenida con una muestra Tambien
lo podriamos definir como aquel que utiliza tcnicas que permiten hacer estimaciones sobre
una poblacin aplicando las leyes de la estadstica. Las aplicaciones de muestreo estadstico
deben cumplir los siguientes requisitos:

El tamao de la muestra debe calcularse utilizando tcnicas estadsticas.
La seleccin de la muestra debe hacerse en forma aleatoria.
La estimacin de las caractersticas de la poblacin debe hacerse de acuerdo a las
leyes de la estadstica.

Una aplicacin de muestreo que no cumpla con alguno de estos tres requisitos se considera
muestreo no estadstico. El muestreo estadstico posee algunas ventajas con respecto al
muestreo no estadstico, entre ellas las siguientes:
Permite seleccionar de antemano el nivel de confianza de la prueba, es decir la
probabilidad de que las conclusiones obtenidas del muestreo sean correctas.
La seleccin aleatoria impide que los prejuicios o preferencias del auditor
favorezcan la seleccin de algunos elementos de la poblacin en desmedro de otros.
Permite limitar el tamao de la muestra al mnimo necesario, evitando realizar
pruebas de auditora sobre una cantidad mayor de elementos.
Los resultados de la prueba se expresan matemticamente en trminos precisos,
permitiendo elaborar recomendaciones sobre una base ms objetiva.
Permite hacer ms defendibles las conclusiones de la prueba.

No constituye una ventaja del muestreo estadstico garantizar la obtencin de una
muestra representativa de la poblacin, ya que la incertidumbre respecto de la
representatividad de la muestra es una caracterstica inherente al muestreo. Pero, segn se
menciona ms arriba, el muestreo estadstico permite cuantificar dicha incertidumbre,
seleccionando el nivel de confianza deseado.
A pesar de las ventajas enumeradas no debemos concluir que el muestreo no estadstico
es necesariamente malo. El muestreo no estadstico tambin tiene sus ventajas, ya que suele
ser ms sencillo de aplicar y requiere menos entrenamiento. De hecho, hay empresas que
han adoptado modelos de muestreo no estadstico para la evaluacin obligatoria de su
control interno.

LA TRANSFORMACIN INTEGRAL (FALTA )

TEORA DE JUEGOS
La Teora de Juegos consiste en la elaboracin de recomendaciones sobre la forma
razonable de las acciones de cada uno de los contrincantes en el curso de una situacin de
conflicto; es prcticamente una teora matemtica de las situaciones en conflicto. En un
conflicto de juego los dos oponentes son llamados jugadores y cada uno de ellos tendr un
numero finito o infinito de estrategias; a cada estrategia se encuentra asociada una
recompensa que un jugador paga a otro.
Estos juegos se conocen como juegos de suma cero entre dos personas debido a que la
ganancia de un jugador es igual a la prdida del otro y los intereses de los jugadores son
completamente opuestos, por lo tanto, es suficiente con resumir el juego en trminos del
pago a solo uno de los dos jugadores, es decir, al designar dos jugadores A y B con
estrategias m y n, respectivamente, el juego se representa mediante una matriz de pagos al
jugador A, de la siguiente manera:

B1 B2 B3 Bn
A1 a11 a12 a13 a1n
A2 a21 a22 a23 a2n
. . . . . .
. . . . . .
. . . . . .
Am am1 am2 am3 amn
La anterior representacin indica que si A usa la estrategia i y B la estrategia j, el pago a A
es aij y el pago a B es - aij.
En la teora de juegos se denomina jugada a la eleccin de una de las estrategia dadas; estas
jugadas pueden ser personales, cuando la eleccin de la estrategia se hace conscientemente,
o al azar, cuando la eleccin de la estrategia es realizada por un mecanismo de eleccin
casual y no por el jugador. Para que el juego est matemticamente definido, se debe
indicar para cada estrategia la distribucin de probabilidad.
Su objetivo principal es elaborar recomendaciones para elegir la estrategia ptima, definida
como la estrategia que garantiza al jugador la ganancia media mxima posible o la prdida
media mxima posible a medida que el juego se repite reiteradamente, de cada uno de los
jugadores
SOLUCIN OPTIMA DE JUEGOS DE SUMA CERO ENTRE DOS PERSONAS
Debido a que los juegos se concentran en conflictos de inters, la solucin optima del
problema elige una o ms estrategias para cada jugador de tal manera que cualquier cambio
en las estrategias elegidas no mejore el pago a cualquiera de los dos jugadores.
Estas soluciones pueden realizarse de dos formas: estrategia pura, con una sola estrategia, o
estrategia mixta, con varias estrategias que se mezclan de acuerdo con probabilidades
predeterminadas.
Ejemplo 1
Dos compaas A y B venden dos marcas de antigripales, La compaa A se anuncia por
radio (A1), televisin (A2) y peridicos (A3). La compaa B, adems de utilizar radio
(B1), televisin (B2) y peridicos (B3), tambin manda por correo folletos (B4).
Dependiendo del ingenio y la intensidad de la campaa de publicidad, cada compaa
puede capturar una porcin del mercado de la otra. La siguiente matriz resume el porcentaje
del mercado capturado o perdido por la compaa A:

B1 B2 B3 B4
Mnimo de la
fila
A1 8 -2 9 -3 -3

A2 6 5 6 8 5 Maximin
A3 -2 4 -9 5 -9

Mximo de la
columna
8 5 9 8


Minimax

La solucin del juego se basa en asegurar lo mejor de lo peor para cada jugador. Si la
compaa A selecciona la estrategia A1, entonces sin importar lo que haga B, lo peor que le
puede suceder es que pierda 3% de la participacin del mercado a favor de B. Esto se
encuentra representado por el valor mnimo de las entradas de la fila 1. De manera similar,
el peor resultado de la estrategia A2 es que capture 5% del mercado de B y el peor
resultado de la estrategia A3 es que pierda 9% de la participacin del mercado a favor de B.
Los anteriores resultados se separan en la columna mnimo de fila y, para lograr lo mejor
de lo peor, la compaa A escoge la estrategia A2 debido a que a esta corresponde el mayor
valor de la columna mnimo de fila denominado Maximin.
Considerando ahora la estrategia de B se requiere escoger el valor mnimo Minimax de la
columna Mximo de la columna para lograr lo mejor de lo peor de B debido a que la
matriz de pago esta dada para A. Tenemos as que la estrategia a escoger es B2.
La solucin optima del juego debe seleccionar las estrategias A2 y B2, es decir, ambas
compaas deben anunciarse en televisin Esto indica que el resultado estar a favor de A
debido a que su participacin en el mercado aumentar un 5%, por lo tanto, decimos que el
valor del juego es 5% y que A y B usan una solucin de punto de equilibrio. Esta solucin
garantiza que ninguna compaa est tentada a seleccionar otra estrategia debido a que esto
ocasionara perdidas en la participacin del mercado, es decir, en caso de que B decida
moverse a cualquiera de las otras estrategias, A puede escoger quedarse con la elegida
ocasionando as una perdida de participacin de mercado para B del 6% u 8% segn la
estrategia elegida por B, de igual manera, si A decide cambiar a la estrategia A3 , B puede
moverse a B3 ocasionando as un incremento del 9% en la participacin del mercado a
favor de B.
ESTRATEGIA (TEORA DE JUEGOS)
En teora de juegos, la estrategia de un jugador es un plan de accin completo para
cualquier situacin que pueda acaecer; determina completamente la conducta del jugador.
La estrategia de un jugador determinar la accin que tomar el jugador en cualquier
momento del juego, para cualquier secuencia de acontecimientos hasta ese punto. Un perfil
de estrategia es un conjunto de estrategias para cada jugador que especifica completamente
todas las acciones en un juego. Un perfil de estrategia debe incluir solamente una estrategia
para cada jugador.
La descripcin matemtica de una conducta tiene relacin con la programacin y los
algoritmos.
El concepto de estrategia se confunde (errneamente) en ocasiones con el de movimiento.
Un movimiento es una accin que toma un jugador en un determinado momento en el
juego (por ejemplo, en el ajedrez, al mover el alfil blanco de a2 a b3). Una estrategia, por
otra parte, es un algoritmo completo para jugar al juego, enumerando implcitamente todos
los movimientos de todos los jugadores para cada situacin del juego. El nmero de
movimientos en el tres en raya es 4 o 5 (dependiendo de si el jugador empieza o no, y
considerando que ninguno de los jugadores puede saltarse un turno), mientras que el
nmero de estrategias es superior a 6 billones.
Tipos de estrategias Una estrategia pura proporciona una definicin completa para la
forma en que un jugador puede jugar a un juego. En particular, define, para cada eleccin
posible, la opcin que toma el jugador. El espacio de estrategia de un jugador es el
conjunto de estrategias puras disponible al jugador.
UNA ESTRATEGIA MEZCLADA es una asignacin de probabilidad a cada estrategia
pura. Define una probabilidad sobre las estrategias y refleja que, en lugar de elegir una
estrategia pura particular, el jugador elegir al azar una estrategia pura en funcin de la
distribucin dada por la estrategia mezclada. Por supuesto, cada estrategia pura es una
estrategia mezclada que elige esa estrategia pura con probabilidad 1 y cualquier otra con
probabilidad 0.
ESTRATEGIA MIXTA
En teora de juegos una estrategia mixta, a veces tambin llamada estrategia mezclada
(del nombre en ingls mixed strategy), es una generalizacin de las estrategias puras, usada
para describir la seleccin aleatoria de entre varias posibles estrategias puras, lo que
determina siempre una distribucin de probabilidad sobre el vector de estrategias de cada
jugador. Una estrategia totalmente mixta es aquella en la que el jugador asigna una
probabilidad estrictamente positiva a cada estrategia pura. Las estrategias totalmente mixtas
son importantes para el refinamiento del equilibrio.
ESTRATEGIAS MIXTAS
Tambin llamada estrategias mezcladas, es una generalizacin de dos estrategias puras
usadas para describir la relacin aleatoria de entre varias posibles estrategias puras.
Consiste en el empleo de varias estrategias puras que alternan por una ley aleatoria con
determinada relacin de frecuencias.

Tales estrategias combinadas, que consisten en el empleo de varias estrategias puras que
alternan por una ley aleatoria con una determinada relacin de frecuencias, en la teora de
los juegos se llaman estrategias mixtas.

Introduciremos designaciones especiales para las estrategias mixtas. Si, por ejemplo,
nuestra estrategia mixta consiste en el empleo de las estrategias A1, A2, A3, con las
frecuencias p1, p2, p3 (teniendo en cuenta que p1 + p2 + p3 = 1) designaremos esta
estrategia as:

Anlogamente, a la estrategia mixta del adversario la designaremos:

donde q1, q2, q3 son las frecuencias con las que se mezclan las estrategias B1, B2, B3; q1
+ q2 + q3 = 1

Supongamos que hemos encontrado la solucin del juego que consiste de dos estrategias
ptimas mixtas SA*, SB*. En el caso general, notodas las estrategias puras accesibles a
cada jugador entran en su estrategia ptima mixta, sino slo algunas. Llamaremos a las
estrategias que entran en la estrategia ptima mixta del jugador sus estrategias "tiles".

Resulta que la solucin del juego goza de una notable propiedad ms: si uno de los
jugadores se atiene a su estrategia ptima mixta SA*(SB*), la ganancia queda inalterable e
igual al valor del juego y, independientemente de lo que haga el otro jugador, a menos que
l salga de las limites de sus estrategias "tiles". Puede, por ejemplo, emplear cualquiera de
sus estrategias "tiles" en forma pura o tambin mezclarlas en cualquier proporcin.
SOLUCIN DE JUEGOS CON PROGRAMACIN LINEAL
La teora de juegos tiene una fuerte relacin con la programacin lineal debido a que un
juego de suma cero entre dos personas se puede expresar como un programa lineal y
viceversa. Incluso, J. von Neuman, padre de la teora de juegos, reconoci la relacin entre
esta teora y la programacin y recalc el concepto de dualidad en la programacin lineal.


Tenemos entonces que las probabilidades ptimas del jugador A xi , con i = 1, 2,, m se
puede determinar resolviendo el siguiente problema mximin:




Para transformar el problema en un programa lineal, sea




La ecuacin implica que

El problema del jugador A se puede escribir como:
Maximice z = v



Sujeta a:



El valor del juego no tiene restricciones debido a que su signo puede cambiar dependiendo
del resultado de este.


Las estrategias ptimas de B , y1 , y2 , .. , y yn se determinan resolviendo el problema


Mediante un procedimiento al requerido con el problema de A, resolvemos el de B
obteniendo que:
Minimice w = v


Sujeta a:




Los dos problemas optimizan la misma variable v, el valor del juego, debido a que el
problema B es el dual del problema A, lo que significa que la solucin optima de un
problema automticamente de la solucin del otro.
Ejemplo 4.
Resuelva el siguiente juego con programacin lineal:

B1 B2 B3 Mnimo de la fila

A1 3 -1 -3 -3

A2 -2 4 -1 -2

A3 -5 -6 2 -6

Mximo de la columna 3 4 2

Notamos que el valor del juego se encuentra entre los valores -2 y 2.
Tenemos entonces que el programa lineal del jugador A es:
Maximice z = v




Sujeta a:




La solucin ptima es:




La solucin dual asociada es:


La razn por la cual los resultados de las probabilidades de B son negativos es debido a que
el problema de A es una maximizacin con restricciones ", una condicin que requiere que
las variables duales asociadas sean negativas.
El programa lineal de B esta dado por:
Minimice z = v


Sujeta a:







La solucin ptima es:

La solucin dual asociada es: