Documente Academic
Documente Profesional
Documente Cultură
Universo y Muestra
Una muestra es un conjunto de unidades, una porcin del total, que nos
representa la conducta del universo en su conjunto.
Una muestra, en un sentido amplio, no es ms que eso, una parte del todo
que llamamos universo y que sirve para representarlo.
Sin embargo, no todas las muestras resultan tiles para llevar a cabo un
trabajo de investigacin. Lo que se busca al emplear una muestra es que,
observando una porcin relativamente reducida de unidades, se obtengan
conclusiones semejantes a las que lograramos si estudiramos el
universo total. Cuando una muestra cumple con esta condicin, es decir,
cuando nos refleja en sus unidades lo que ocurre en el universo, la
llamamos muestra representativa. Por lo tanto, una muestra
representativa contiene las caractersticas relevantes de la poblacin en
las mismas proporciones en que estn incluidas en tal poblacin. Sus
conclusiones son susceptibles de ser generalizadas al conjunto del
universo, aunque para ello debamos aadir un cierto margen de error en
nuestras proyecciones.
Las muestras pueden ser clasificadas, en una primera divisin en
probabilsticas y no probabilsticas.
Sesgada
Su respuesta :
Ninguna de las anteriores
Muestras Aleatorias
Como dijimos, en ellas cada uno de los elementos del universo tiene una
probabilidad determinada y conocida de ser seleccionado. Los
procedimientos ms usuales para la obtencin de muestras aleatorias son
K = N/n
Donde:
N = 2.800
n = 70
K = 2.800 / 70 = 40
112
Inversamente proporcional
Existen dos criterios para valorar si una muestra debe ser considerada
representativa de una poblacin: Uno de ellos es que la forma de
seleccin debe ser aleatoria y el otro se relaciona con:
Su respuesta :
El tamao de la muestra
ESTIMACION
En estadstica se llama estimacin al conjunto de tcnicas que permiten
dar un valor aproximado de un parmetro de una poblacin a partir de los
datos proporcionados por una muestra.
En su versin ms simple, una estimacin de la media de una
determinada caracterstica de una poblacin de tamao N sera la media
de esa misma caracterstica para una muestra de tamao n.
ESTIMADOR
Un estimador de un parmetro poblacional es una funcin de los datos
muestrales. En pocas palabras, es una frmula que depende de los
valores obtenidos de una muestra, para realizar estimaciones.
Por ejemplo, un estimador de la media poblacional, ?, sera la media
muestral, , segn la siguiente frmula:
donde (x1, x2, , xn) sera el conjunto de de datos de la muestra.
En el ejemplo se habla de una estimacin puntual. Sin embargo, el
estimador es una variable aleatoria que asigna a cada valor de la funcin
su probabilidad de aparicin, esto es, la probabilidad de la muestra de la
que se extrae.
ESTIMACION PUNTUAL
Consiste en la estimacin del valor del parmetro mediante un slo valor,
obtenido de una frmula determinada. Por ejemplo, si se pretende estimar
la talla media de un determinado grupo de individuos, puede extraerse una
muestra y ofrecer como estimacin puntual la talla media de los individuos
de la muestra.
Estimacin por intervalos
Consiste en la obtencin de un intervalo dentro del cual estar el valor del
parmetro estimado con una cierta probabilidad. En la estimacin por
intervalos se usan los siguientes conceptos:
Intervalo de confianza
El intervalo de confianza es una expresin del tipo [?1, ?2] ?1 ? ? ? ?2,
donde ? es el parmetro a estimar. Este intervalo contiene al parmetro
estimado con una determinada certeza o nivel de confianza.
Variabilidad del parmetro
Si no se conoce, puede obtenerse una aproximacin en los datos
aportados por la literatura cientfica o en un estudio piloto. Tambin hay
mtodos para calcular el tamao de la muestra que prescinden de este
aspecto. Habitualmente se usa como medida de esta variabilidad la
desviacin tpica poblacional y se denota ?.
Error de la estimacin
Es una medida de su precisin que se corresponde con la amplitud del
intervalo de confianza. Cuanta ms precisin se desee en la estimacin de
un parmetro, ms estrecho deber ser el intervalo de confianza y, por
tanto, menor el error, y ms sujetos debern incluirse en la muestra
estudiada. Llamaremos a esta precisin E, segn la frmula E = ?2 - ?1.
Nivel de confianza
Es la probabilidad de que el verdadero valor del parmetro estimado en la
poblacin se site en el intervalo de confianza obtenido. El nivel de
confianza se denota por (1-?), aunque habitualmente suele expresarse
con un porcentaje ((1-?)100%). Es habitual tomar como nivel de
confianza un 95% o un 99%, que se corresponden con valores ? de 0,05 y
0,01, respectivamente.
Valor ?
Tambin llamado nivel de significacin. Es la probabilidad (en tanto por
uno) de fallar en nuestra estimacin, esto es, la diferencia entre la certeza
(1) y el nivel de confianza (1-?). Por ejemplo, en una estimacin con un
nivel de confianza del 95%, el valor ? es (10095)/100 = 0,05.
Valor crtico
Se representa por Z?/2. Es el valor de la abscisa en una determinada
distribucin que deja a su derecha un rea igual a ?/2, siendo 1-? el nivel
de confianza. Normalmente los valores crticos estn tabulados o pueden
calcularse en funcin de la distribucin de la poblacin. Por ejemplo, para
una distribucin normal, de media 0 y desviacin tpica 1, el valor crtico
para ? = 0,05 se calculara del siguiente modo: se busca en la tabla de la
distribucin ese valor (o el ms aproximado), bajo la columna rea; se
observa que se corresponde con ?0,64. Entonces Z?/2 = 0,64. Si la media
o desviacin tpica de la distribucin normal no coinciden con las de la
tabla, se puede realizar el cambio de variable t=(X-?)/? para su clculo.
Con estas definiciones, si tras la extraccin de una muestra se dice que 3
es una estimacin de la media con un margen de error de 0,6 y un nivel de
confianza del 99%, podemos interpretar que el verdadero valor de la
media se encuentra entre 2,7 y 3,3, con una probabilidad del 99%. Los
valores 2,7 y 3,3 se obtienen restando y sumando, respectivamente, la
mitad del error, para obtener el intervalo de confianza segn las
definiciones dadas.
Para un tamao fijo de la muestra, los conceptos de error y nivel de
confianza van relacionados. Si admitimos un error mayor, esto es,
aumentamos el tamao del intervalo de confianza, tenemos tambin una
mayor probabilidad de xito en nuestra estimacin, es decir, un mayor
nivel de confianza.
Directamente proporcional
Su respuesta :