Documente Academic
Documente Profesional
Documente Cultură
CONCEPTO .
Estudio de las relaciones existentes entre una poblacin y las muestras extradas de la misma.
2.
UTILIDAD :
La teora del muestreo nos permite:
a. Estimar parmetros poblacionales
b. Determinar si las diferencias entre dos o mas muestras son debidas al azar
3.
CONCEPTO:
CLASES:
MUESTRA .
4.1
CONCEPTO:
Parte del universo o subconjunto de un conjunto de unidades obtenidas con el fin de conocer las
propiedades del universo o conjunto de procedencia.
4.2
APLICACIONES :
a. Cuando el universo es infinito o muy grande
b. Cuando la poblacin es suficientemente uniforme
c. Cuando el proceso de investigacin destruye al individuo que se estudia.
4.3
4.4
Las nicas desventaja son los errores muestrales, que pueden ser de dos tipos:
a. Errores sistemticos o de sesgo :
Son aquellos que se originan en general por causas ajenas a las tcnicas de muestreo.
b. Errores de muestreo :
Son aquellos que se deben a las tcnicas de muestreo; es la diferencia entre el valor dado por la
muestra y el verdadero valor del universo.
c. Fuentes de error de muestreo (Lindquist) :
*0 Errores S provenientes de los sujetos
*1 Errores G derivados de los grupos
*2 Errores R derivado de las repeticiones
4.5
CLASES DE MUESTRAS:
a. No probabilsticas: Cuando no se conoce cul es la probabilidad de que cada individuo sea incluida
en la muestra.
b. Muestras probabilsticas : Cuando cada individuo tiene una probabilidad conocida de formar parte
de la muestra
Existen los siguientes tipos de muestras probabilsticas:
Muestras estratificadas
Tambin todas Las unidades muestrales tienen la misma probabilidad de formar parte de la
muestra.
Se siguen los siguientes pasos:
- Se elabora el marco muestral.
- Se forman estratos de acuerdo a las variables relevantes.
4.7
6.
EL ERROR ESTANDAR.
Hemos mencionado que la nica desventaja de trabajar con muestras, es el error de muestreo. El error de
muestreo no se puede evitar, pero si se puede medir. Para medir este error se utiliza el error estndar.
El error estndar mide la variacin de un conjunto de muestras. Vamos a tratar de explicar este
concepto con el siguiente ejemplo: (Ver figura No. 1)
Se tiene una poblacin de 10,000 recin nacidos, cuyo peso promedio es de 3,400 gramos con una
desviacin estndar de 200 gramos. De esta poblacin se toman cinco muestras compuesta de 1,000
recin nacidos. Se obtiene el promedio del peso de cada una de estas muestras: 3,500 g , 3,350 g ,
3,100 g, 3,300 g y 3,550 g. Luego se determina el peso promedio de estos cinco promedios, as como
su desviacin estndar, obtenindose un promedio global de 3,360 g y una desviacin estndar de
178.18 g. Observamos que este promedio es muy cercano al verdadero promedio de la poblacin que fue
de 3,400 g. (Apenas hay una diferencia de 40 garmos). Asimismo, observamos que existen dos
desviaciones estndar: una desviacin estndar del peso de los 10,000 recin nacidos de la poblacin, y
una desviacin estndar del peso del promedio de las cinco muestras. La primera desviacin estndar
mide la variacin individual
del peso de los 10,000 recin nacidos, mientras que la segunda desviacin estndar mide la variacin del
peso de las cinco muestras. Operativamente, ambas son desviaciones estndar, pero conceptualmente
son dos hechos distintos: el primero mide la variacin individual, mientras que la segunda mide la
variacin de un conjunto de muestras, o sea la variacin muestral. Como son dos conceptos distintos, a
la primera desviacin estndar la seguiremos llamando desviacin estndar, mientras que a la segunda,
para diferenciarla de la primera, la llamaremos error estndar.
O sea que para obtener el error estndar es necesario determinar la desviacin estndar de un conjunto
de muestras. Sin embargo, en la prctica no trabajamos con muchas muestras, sino con slamente una
muestra, y con esta muestra debemos estimar el error estndar. Para ello se utiliza la siguiente frmula:
s
Donde :
s
n
7.
8.
ESTIMACION DE PARAMETROS
A.
ESTIMACION PUNTUAL.
Valor nico calculado a partir de las observaciones muestrales que se utiliza como estimacin del
valor poblacional o parmetro.
B.
ESTIMACION DE INTERVALO.
Intervalo de valores numricos dentro del cual se encuentra el valor poblacional que se esta
estimando con un determinado nivel de confianza (95% o 99%)
9.
ESTIMACION DE UN PROMEDIO
La estimacin de un promedio lo haremos a travs de un ejemplo.
Se desea conocer la edad promedio de 20,000 estudiantes. Para ello se toma una muestra de 400
alumnos, hallndose un promedio de 23 aos y una desviacin estndar de 0.40 aos.
Estime Ud. el promedio de la edad con una certeza o confianza del 95%.
PASOS:
a. Se determina el error estndar de la media:
E.E.
0.40
0.40
0.02 AOS.
20
400
b. Estimar la edad promedio de los estudiantes con una certeza o confianza del 95%
X 1.96 E.E. X
X
1.96 E.E.
CERTEZA O
CONFIANZA
DEL 95%
23 0.04
Rp. La edad promedio de los estudiantes se halla entre 22.96 y 23.04 aos, con una certeza del 95%.
c. Estimar la edad promedio con una certeza del 99%
X 2.58 E.E. X
X 2.58 E.E. X
23 0.05
22.05 AOS
2.58
0.02
23 0.0516 23 0.05
23 0.05
23.05 AOS
Rp. La edad promedio se halla entre 22.05 y 23.05 aos con una certeza o confianza del 99%.
10.
ESTIMACION DE UN PORCENTAJE.
Se desea conocer el porcentaje de personas vacunadas contra la tuberculosis en una poblacin de 20,000
habitantes. Se estudio una muestra de 400 personas, de las cuales 300 estaban vacunadas, es decir, un
75%.
PASOS:
a. Se determina el error estndar del porcentaje:
E.E.
pq
n
E.E. p
75 x 25
400
1875
400
4.6875
2.1650 2.17
b. Estimar el verdadero porcentaje de vacunados con una certeza o confianza del 95%.
p 1.96 E.E. p 75 1.96 ( 2.17 ) 75 4.2532 75 4.25
75 4.25
70.75%
75 4.25 79.25%
Rp. El verdadero porcentaje de vacunados con una certeza del 95% se halla entre 70.75% y 79.25%
c. Estimar el verdadero porcentaje de vacunados con una certeza o confianza del 99%.
p
Rp.
11.
2.58 E.E. p
75 5.60 69.40%
75 5.60 80.60%
El verdadero porcentaje de vacunados con una certeza del 99% se halla entre 69.40% y 80.60%.
9.1
z 22
P2
DONDE:
n =
Tamao de la muestra
z2 =
Varianza poblacional
P =
Precisin deseada
a. Buscando antecedentes de trabajos similares o relacionados en las que se tenga esta informacin.
b. Consultando con expertos en el tema que nos puedan proporcionar esta informacin.
c. Realizando una encuesta pilote en la comunidad donde se va a realizar el estudio y obtener esta
informacin.
En este caso hemos consultado con un experto y ste nos informa que el peso de los escolares vara entre
30 y 48 kilos. Sabemos que el promedio ms o menos tres desviaciones estndar incluye
aproximadamente al 100% de todas las observaciones; esto quiere decir que entre el valor mnimo y el
valor mximo existen 6 desviaciones estndar. O sea que para tener una idea aproximada del valor de
la desviacin estndar basta dividir la diferencia entre el valor mximo y el mnimo (Rango) entre 6.
Aplicando este razonamiento tendramos:
Rango
Re emplazando :
48 30
6
n
18
6
( 1.96 2 ) ( 3 2 )
0.5
3 Kg
( 3.8416 ) ( 9)
123.48 124
0.25
n
N
DONDE:
n = Tamao de la muestra para poblacin finita.
n = Tamao de la muestra para poblacin infinita
N = Tamao de la poblacin.
Supongamos que estamos frente a una poblacin finita compuesta por 600 escolares. Haciendo el ajuste
correspondiente, tendramos:
n'
n
N
124
124
124
102.76 103
124
1 0.2066
1.2066
1
600
Rp. Con el ajuste efectuado, el tamao mnimo de la muestra sera de 103 escolares.
9.2
z 2 pq
P2
DONDE:
n =
Tamao de la muestra
z2 =
z 2
Precisin deseada
P =
Si
Si
Si
Si
Si
p
p
p
p
p
=
=
=
=
=
0.30
0.40
0.50
0.60
0.70
q
q
q
q
q
=
=
=
=
=
0.70
0.60
0.50
0.40
0.30
y
y
y
y
y
pq
pq
pq
pq
pq
=
=
=
=
=
0.30 x 0.70
0.40 x 0.60
0.50 x 0.50
0.60 x 0.40
0.70 x 0.30
=
=
=
=
=
0.2100
0.2400
0.2500
0.2400
0.2100
( 3.8416 ) ( 0.21 )
0.0009
0.806736
~ 897
896.37
0.0009
n
1
n
N
12.
12.1
( z z 2 ) 2 2 2
( 1 2 ) 2
Ejemplo: Se desea conocer si el sexo tiene influencia en el nivel de atencin-percepcin. Para ello se
aplica un test de atencin percepcin a un grupo de hombres y de mujeres. Qu numero de
individuos deber tener cada grupo para descubrir una diferencia de 1 punto entre las medias de la
poblacin origen de los hombres y mujeres. se aceptan unos riesgos =
Para unos riesgos = .05, la tabla A da el valor
zz
Supongamos que la estimacin de la varianza de la poblacin es de 25 = 25).
Aplicando la formula tendramos:
12.996 x 2 x 25
649.8
12
B.
( z 2 z 2 ) 2 2 2
( 1 2 ) 2
2 p 1 ( 1 p ) z 2
p1 p 2
p 2 ( 1 p 2 ) p1 ( 1 p 2 )
DONDE :
n
z
z 2
p1
p2
Ejemplo: Se quiere estudiar la eficacia del antisuero 15 en la reduccin del shock en las infecciones a
gram negativos, partiendo del nivel del 10 % de acuerdo a experiencias previas a 5 % o menos.
Se acepta un error tipo 1 de 0.05 ( Nivel de significacin ) y deseamos una probabilidad de 0.90 de
detectar una diferencia verdadera.
z
z
p1
p
1.96
0.05 0.10
1.306
0.05
26.12 2 682.2544
Prueba bilateral
( z z22
12.996
Prueba unilateral
( z2z22
10.824
Nmero de
medias a
comparar
h
= 0.05
= 0.05
= 0.01
2
3
4
5
6
26.0
30.7
34.2
37.0
38.9
36.7
42.9
46.8
52.3
53.8
35.6
41.4
45.0
49.6
51.3
48.1
55.4
59.8
64.0
66.8