Muestreo y Distribuciones

MUESTRALES

SEMANA 1

[ ESTADSTICA INFERENCIAL ]

1. MUESTREO Y DISTRIBUCIONES MUESTRALES

INTRODUCCION
La estadstica descriptiva muestra varios procedimientos para presentar los resultados de un
censo, es decir la numeracin completa de los elementos de la poblacin.
Aunque ni el muestreo ni la inferencia estadstica pueden sustituir el censo, son los nicos
medios posibles o prcticos para poder obtener informacin acerca de una poblacin cuando
el censo no puede hacerse por algn motivo.
La importancia del muestreo y de la estadstica inferencial se derivan del proceso de
consecucin de los datos que van a proporcionar la informacin deseada acerca de la
poblacin. Con una muestra, se utilizan menos recursos, debido a que solo una parte de la
poblacin esta bajo observacin, lo cual resulta bastante beneficioso sobre todo si se tiene
poblaciones grandes.
Los beneficios del muestreo se hacen ms notorios en el muestreo destructivo. Piense por
ejemplo en el fabricante de bombillos que quiere saber la vida promedio, en horas, del
producto. Este fabricante podra solicitar al departamento de Ingeniera la vida promedio
diseada para las bombillas, pero para determinar el tiempo de duracin de las bombillas, se
tendra que seleccionar varias bombillas, instalarlas y registrar el tiempo transcurrido hasta
que se quemen. Si tomamos un censo, estaramos destruyendo todos los elementos de la
poblacin en la prueba, lo cual no tiene sentido.
Las encuestas de opinin, por ejemplo sobre la preferencia de un producto, demuestran la
utilidad del muestreo en contraste con un censo. Los cambios de opinin deben ser
reconocidos rpidamente si se espera acomodar las polticas de venta a los deseos de los
clientes.
El nmero reducido de unidades elementales en una muestra, puede implicar que ms
variables auxiliares sean investigables. En un sitio dado, por el mismo tiempo y dinero, uno
podra obtener o un censo del nmero de industrias en una ciudad o una muestra que
incluira industrias por sector, utilidades recibidas al ao, principales productos producidos.
Hay cuatro preguntas bsicas que es necesario plantear acerca de las muestras y del proceso
de inferencia:
1. Cules son los mtodos menos costosos de muestreo que dan la mayor seguridad
que las muestras representan a la poblacin de la cual fueron seleccionados?
2. Cul es la mejor forma de describir la informacin muestral a fin de que sea til y
clara?

[ POLITCNICO GRANCOLOMBIANO ]

3. Cmo se obtienen conclusiones a partir de las muestras y cul es la manera de hacer

inferencias acerca de la poblacin?
4. En qu medida son confiables las inferencias y conclusiones basadas en la
informacin muestral?
Temas de la semana:

Muestreo aleatorio simple

Muestreo estratificado
Muestreo sistemtico
Muestreo por conglomerados.

Palabras clave: Poblacin, muestra, parmetro, estadstico, error de muestreo, muestreo

aleatorio, muestreo estratificado, muestreo sistemtico, muestreo de conglomerados.

1. DISEOS MUESTRALES

1.1 CONCEPTOS FUNDAMENTALES

POBLACIN: es un conjunto de medidas o recuento posible de todas las unidades que tienen
una o varias caractersticas en comn. Segn el nmero de unidades o elementos que la
constituyen, la poblacin puede ser finita o infinita.
La poblacin debe estar perfectamente definida en el tiempo y en el espacio. Por lo tanto, al
definir una poblacin, se debe cuidar que el conjunto de elementos que la integran quede
delimitado. Si, por ejemplo, para hacer un anlisis de las pequeas empresas, se debe
especificar cules son y en qu perodo de tiempo se analizan: pequeas empresas de la capital
de pas en el ao 2012.
PARMETRO: un parmetro es un nmero determinado que describe un aspecto de la
poblacin y para determinar su valor es necesario utilizar la informacin poblacional completa.
Por ejemplo para determinar si los hombres o las mujeres tienen ms aptitud para desempear
un puesto, es necesario conocer el puntaje promedio de una prueba de aptitud. Para
determinar el porcentaje de productos defectuosos en la produccin diaria en una empresa, se
debe conocer el porcentaje de productos que no cumplen las especificaciones en toda la
produccin del da. El promedio del puntaje y la proporcin de productos defectuosos son
parmetros.
MUESTRA: una muestra es un subconjunto de la poblacin que ha sido seleccionada con una
tcnica llamada: diseo de muestreo para garantizar que la muestra sea representativa de la
poblacin, es decir que las unidades sean seleccionadas aleatoriamente, en tal forma que cada
una de ellas tenga la misma probabilidad de ser seleccionada.

[ ESTADSTICA INFERENCIAL ]

ESTADISTICA: un estadstico es un nmero determinado que describe un aspecto de la muestra

y para encontrar su valor es necesario utilizar la informacin muestral. En los ejemplos
enunciados en la definicin de parmetros los estadsticos correspondientes son: puntaje medio
obtenido en la prueba de aptitud en las muestras seleccionadas de hombres y mujeres y
porcentaje de productos defectuosos en una muestra seleccionada de la produccin diaria.
CENSO: es una tcnica para obtener los datos por medio de la cual se cuentan todos los
elementos que conforman la poblacin y se registran sus caractersticas.

1.2 TIPOS DE ERRORES EN EL MUESTREO

1.2.1 Errores no muestrales

El requisito fundamental de una muestra es que sea representativa de la poblacin que se trata
de describir. Hay, por supuesto, muchas formas de obtener una muestra poco confiable. Una
falla en la representatividad ocurre cuando, por desconocimiento o en forma inadvertida, se
toma una muestra de una poblacin equivocada. Muchas veces hemos escuchado encuestas
que dan a un candidato como posible ganador en elecciones presidenciales, informacin que ha
sido recogida a travs de una muestra conformada por habitantes de las clases media y alta de
las grandes capitales del pas. El candidato obtuvo el apoyo de las clases con menos ingresos,
cuyas opciones no se reflejan en la encuesta.
Otra fuente de error en el muestreo, especialmente en las encuestas de opinin pblica, son las
respuestas sesgadas. Cuestionarios mal redactados o mal elaborados dan lugar a respuestas
que no reflejan las verdaderas opiniones.
Estos tipos de error se llaman errores no muestrales. Incluyen todo tipo de errores humanos
tales como, errores en la recoleccin, anlisis o publicacin de datos, un instrumento de
medicin mal calibrado o un registro del dato mal escrito.
1.2.2 Errores muestrales
Por otra parte, aun cuando se trate de muestras bien diseadas y seleccionadas, habr casos en
donde la muestra no representa en forma adecuada a la poblacin de estudio, simplemente
porque solo representa una parte de esa poblacin. En tales casos la informacin contenida en
la muestra puede dar inferencias incorrectas acerca de la poblacin; es decir, puede cometerse
un error al estimar las caractersticas de la poblacin sobre la base de la informacin muestral.
Los errores de esta naturaleza, que representan las diferencias que pueden existir entre un
estadstico muestral y el parmetro poblacional que se esta estimando, reciben el nombre de
errores muestrales.

[ POLITCNICO GRANCOLOMBIANO ]

Un objetivo fundamental del diseo de muestreo consiste en minimizar tanto los errores
muestrales como los no muestrales. Los errores son costosos, no solo en trminos del tiempo y
del dinero invertido en la recoleccin de las muestras, sino tambin en trminos de la prdida
potencial que podra provenir de una decisin errnea tomada a partir de una inferencia
errnea basada en esos datos, es por esto que trataremos aqu el problema de determinar el
diseo de muestreo que minimice con mayor efectividad los errores.
1.3 TIPOS DE MUESTREO
Se dispone de dos mtodos para seleccionar muestras de poblaciones: el muestreo no aleatorio
o de juicio y el muestreo aleatorio o probabilstico.
1.3.1 Muestreo no Aleatorio
En el muestreo no aleatorio o de juicio, se usa el conocimiento y la opinin personal para
identificar los elementos de la poblacin que van a incluirse en la muestra. Una muestra
seleccionada por muestreo de juicio se basa en el conocimiento de la poblacin por parte de
alguien; en ocasiones este muestreo sirve como muestra piloto para decidir como seleccionar
despus una muestra aleatoria.
1.3.2 Muestreo Probabilstico
En una muestra aleatoria o probabilstica, sabemos que posibilidades existen que un
elemento de la poblacin figure o no en la muestra. Por eso se puede evaluar objetivamente
las estimaciones de las caractersticas de la poblacin que resultan de la muestra, es decir, se
puede describir matemticamente la objetividad de las estimaciones. Se comenzar la
explicacin de este proceso describiendo cuatro mtodos de muestreo aleatorio:

Muestreo aleatorio simple
Muestreo estratificado
Muestreo sistemtico
Muestreo por conglomerados.

Muestreo aleatorio simple

Una muestra aleatoria simple es aquella en la cual todos los elementos de la poblacin a
muestrear, tienen la misma probabilidad de ser seleccionados.
El muestreo se puede realizar con remplazamiento, cuando una unidad de muestreo es
extrada de una poblacin finita y despus de registrar sus caractersticas se vuelve a dicha
poblacin antes de extraer la siguiente unidad. Si esto no se hace, es decir una vez
seleccionada la unidad sta no se regresa a la poblacin, se dice que el muestreo es sin
remplazo. Si en una poblacin finita el muestreo se hace con remplazamiento, esta se vuelve

[ ESTADSTICA INFERENCIAL ]

una poblacin infinita. La prctica usual para muestrear poblaciones finitas, es muestrear sin
remplazo, es decir, con un elemento seleccionado que ser elegido solo una vez. En el
muestreo simple las unidades de muestreo individual y directamente por medio
de un proceso aleatorio (por medio de las tablas de nmeros aleatorios).

Nmero Tiempo(Minutos)


01
15

02
14
03
15

04
18

05
19
06
20

07
13
08
23

09
30

10
35
11
30

12
27

13
25
14
26

15
29

Seleccin del muestreo aleatorio simple: el principal requisito para la aplicacin de este
muestreo es que cada elemento de la poblacin sea identificable en forma clara y sin
ambigedades, de tal forma que se pueda obtener una lista que permita identificar de manera
nica cada elemento. Cuando ya se dispone de esta informacin y esta completa, pueden
numerarse secuencialmente todas las unidades de la lista y puede elegirse una muestra
aplicando un proceso de seleccin por medio de una tabla de nmeros aleatorios. Se deben
tener tantos nmeros diferentes de esta tabla como los casos que se desean para la muestra,
excluyendo los nmeros que estn fuera de la secuencia de nmeros correspondientes a la
poblacin. Se seleccionan aquellos elementos que correspondan a los nmeros aleatorios que
se obtuvieron.
Este procedimiento se muestra con el siguiente ejemplo: suponga una poblacin de quince
trabajadores y su tiempo (en minutos) en la realizacin de un proceso.
Con el objeto de seleccionar una muestra aleatoria de 5 trabajadores se procede de la siguiente
forma:
1. Se hace una enumeracin de cada uno de los elementos de la poblacin, en este caso de cada
trabajador.

[ POLITCNICO GRANCOLOMBIANO ]

2. Para la seleccin de los elementos que van a conformar la muestra, se utiliza la generacin de
nmeros aleatorios de Excel.

Para esto se elige la funcin fx, y aleatorio entre:

Aqu se genera el primer nmero aleatorio y el resultado se extiende hasta obtener los cinco
nmeros generados:

[ ESTADSTICA INFERENCIAL ]

Los valores aleatorios corresponden a los datos:
Nmero

01
02
03
04
05
06
07
08
09
10
11
12
13
14
15

Tiempo
(minutos)

15
14
15
18
19
20
13
23
30
35
30
27
25
26
29

Muestreo Estratificado
Este es un segundo tipo de diseo de muestreo, que frecuentemente proporciona una
cantidad de informacin a menor costo que el muestreo aleatorio simple. Este diseo se

[ POLITCNICO GRANCOLOMBIANO ]

recomienda cuando la poblacin la conforma un conjunto de grupos heterogneos

(distintos).
El proceso de estratificacin requiere que la poblacin se divida en grupos o estratos con
elementos que son homogneos dentro de los estratos, donde cada elemento tiene una
caracterstica tal que no le permite pertenecer a otro estrato.
Para la seleccin de una muestra estratificada se usa el procedimiento de muestreo
proporcional, que divide el tamao de la muestra en forma proporcional al tamao de los
estratos.
El primer paso en la seleccin consiste en la especificacin clara de cada estrato, asociando a
cada elemento de la poblacin uno y solo un estrato. Una vez especificados los estratos, se
puede seleccionar una muestra aleatoria en cada estrato.
Usando el muestreo proporcional, el tamao de la muestra n se divide en un tamao de
muestra para cada uno de los estratos de manera que n = n1 + n2 +.+ nk con cada ni
determinada por la siguiente frmula:

!! = !

!!

!

Donde Ni es el tamao del estrato i y
N1+N2+..+ Nk = N
Donde N es el tamao de la poblacin.
Ejemplo: suponga que la poblacin de los tiempos de los trabajadores esta conformada por
los siguientes valores:
19
21
35
15
21
17
19
20
32
22
34
27
21
19
20
21
34
20
20
17
25
30
15
19
19
28
19
17
18
23
32
18
21
30
15
25
15
35
31
16
32
25
16
20
25
25
28
18
25
32
N=60 y se quiere seleccionar una muestra estratificada de 20 elementos:

18
21
17
19
23
20
21
22
30
18

[ ESTADSTICA INFERENCIAL ]

1. Se divide la poblacin en tres estratos de la siguiente forma:

Estrato 1: trabajadores que gastan menos de 20 minutos
Estrato 2: trabajadores que gastan entre 20 y 30 minutos
Estrato 3: trabajadores que gastan ms de 30 minutos.
Los valores que conforman cada uno de los estratos son:
Estrato 1:
Nmero
1
2
3
4
5
6
7
8

Tiempo
19
17
19
19
18
15
15
17

Nmero
9
10
11
12
13
14
15
16

Tiempo
16
18
15
19
19
18
17
19
Estrato 2:

Nmero
17
18
19
20
21
22

Tiempo
15
16
18
17
19
18

Nmero
1
2
3
4
5
6
7
8
9

Tiempo
21
25
28
25
25
21
27
25
28

Nmero
10
11
12
13
14
15
16
17
18

Tiempo
20
21
20
21
20
20
25
21
22
Estrato 3:

Nmero
19
20
21
22
23
24
25
26

Tiempo
20
23
25
21
23
20
20
21

Nmero
9
10
11
12

Tiempo
30
31
32
30

Nmero
Tiempo
Nmero
Tiempo
1
34
5
30
2
32
6
35
3
32
7
35
4
34
8
32
El tamao de muestra correspondiente a cada estrato es:
n1 = !

10

[ POLITCNICO GRANCOLOMBIANO ]

!!
!

!!

= 20 !" = 7,3 = 7

n2 = !

!!
!

n3 = !

!"

= 20 !" = 8,6 = 9
!!
!

!"

= 20 !" = 4

Se utiliza la generacin de nmeros aleatorios utilizando la funcin de Excel en cada estrato:

Estrato 1
Nmero Nmero aleatorio Tiempo
1
15
17
2
1
19
3
16
19
4
20
17
5
22
18
6
17
15
7
10
18
Estrato 2
Nmero Nmero aleatorio Tiempo
1
15
20
2
11
21
3
4
25
4
5
25
5
22
21
6
12
20
7
11
21
8
14
20
9
16
25

Estrato 3
Nmero aleatorio Tiempo

1
2
32
2
8
32
3
9
30
4
1
34

[ ESTADSTICA INFERENCIAL ]

11

Muestreo Sistemtico
El muestreo sistemtico o en serie, se usa frecuentemente por ser simple, directo y
econmico. Consiste en seleccionar uno en uno, los elementos de la muestra en un orden
determinado, con un comienzo aleatorio.
La fraccin de muestreo se establece con la relacin:
!

F = !
Suponga que N= 1000 y n = 100 entonces la fraccin de muestreo es:
!"""

F= !"" = 10
El primer elemento se selecciona aleatoriamente en el intervalo 0 a 10, por ejemplo resulto
seleccionado el nmero 5, el segundo elemento que se seleccionar ser 15, luego 25 y as
sucesivamente, ya que la fraccin de muestreo es 10.

Muestreo por conglomerados

El muestreo por conglomerados se refiere al procedimiento de dividir la poblacin en grupos
de tal forma que dentro de ellos sean lo ms heterogneos posible y entre ellos sean
homogneos, lo contrario al muestreo estratificado.
En general, en el muestreo por conglomerados se obtendrn los resultados ms exactos,
cuando cada conglomerado tenga la mezcla ms variada posible y al mismo tiempo se
asemejen lo ms posible entre s.
Un ejemplo del muestreo por conglomerados es cuando se quiere medir el rendimiento
acadmico de los universitarios en Colombia. En este caso cada Universidad se puede
considerar como un conglomerado en donde las caractersticas son heterogneas dentro del
conglomerado, es decir encontramos estudiantes con rendimiento alto, medio, bajo y entre
conglomerados se encuentran condiciones homogneas o similares para ser comparables.
De cada Universidad se selecciona un grupo de estudiantes hasta conformar la muestra
definitiva.

12

[ POLITCNICO GRANCOLOMBIANO ]

BIBLIOGRAFA
FREUND, John E., MILLER, Irwin y MILLER, Marylees. Estadstica Matemtica con
aplicaciones. 6ed. Madrid Prentice Hall, 2000.

GUTIERREZ, Humberto y DE LA VARA, Romn. Control estadstico de Calidad y Seis Sigma
(6s). Mxico: McGraw-Hill, 2005.

KENNET, Ron S., y ZACKS, Shelemyahu. Estadstica Industrial Moderna. Barcelona, Thomson,
2000.

MONTGOMERY, Douglas C. y RUNGER, George C. Probabilidad y Estadstica aplicadas a la
Ingeniera. 2ed. Mxico: Limusa, 2002.

NEWBOLD. Paul. Estadstica para los Negocios y la Economa. 4ed. Madrid Prentice Hall, 1988.

WALPOLE Ronal, E., MYERS, Raymond H. y MYERS, Sharon L. Probabilidad y Estadstica para
Ingenieros. 6ed. Madrid Prentice Hall, 1998.

[ ESTADSTICA INFERENCIAL ]

13