METODOS DE MUSTREO Y EL TEOREMA DE LÍMITE CENTRAL

Por: Juan Diego Rosas Iñiguez

Muestra probabilística.- Es una Muestra que se selecciona de modo que cada integrante de la
población en estudio tenga probabilidad de ser incluido en la muestra.

Muestra no probabilística.- En una muestra no probabilística la inclusión en la muestra se basa

en el criterio de la persona que realiza el muestreo. Las muestras no probabilísticas pueden
llevar a resultados con sesgo.

Muestreo aleatorio simple.- Es una muestra seleccionada para que cada integrante de la
población tenga la misma posibilidad de quedar incluido.

Muestreo aleatorio sistemático.- Los elementos de la población se ordenan de alguna forma

ya sea secuencial, alfabéticamente etc. Se selecciona al azar un punto de partida. Sin embargo
no debe utilizarse una muestra sistemática si hay un patrón determinado en la población.

Muestreo aleatorio estratificada.- La población se divide en subgrupos, denominados estratos,

y se selecciona una muestra de cada uno.

Después de que la población se ha dividido en estratos se selecciona una muestra

proporcional o no proporcional esto quiere decir que el número de elementos en cada estrato
tenga la misma proporción que se encuentra en la población.

En una muestra estratificada no proporcional, la cantidad de elementos estudiada en cada

estrato es desproporcionada respecto de su número en la población. Luego se ponderan los
resultados de la muestra de acuerdo con la proporción del estrato respecto a la población total.

El muestro estratificado tiene la ventaja, en algunos casos, de reflejar con mayor precisión las
características de la población.

Error de Muestreo: Es la diferencia entre un valor estadístico de muestra y su parámetro de

población correspondiente, es decir podemos interpretar que el erro es la variación existente
entre un valor de muestra, como la media muestral o la desviación estándar y el
correspondiente parámetro de población.

Distribución de Muestreo de Medias Muestrales: Es una distribución de probabilidades que

consta de todas las medias muestrales posibles de un tamaño de muestra dado.

Teorema del Límite Central: Su aplicación se dirige a la distribución del muestreo de valores
medios muestrales y permite el uso de la distribución de probabilidad normal con el fin de crea
intervalos de confianza de la media poblacional y realizar pruebas de hipótesis. El Teorema del
Límite Central establece que, para muestras aleatorias grandes, la forma de distribución de
medias muestrales se acerca a la de la distribución del tipo normal. La aproximación es más
exacta para muestras grandes que para pequeñas. Esta es una de las conclusiones más útiles en
estadística y radica en que el teorema del límite central es cierto para todas las distribuciones.
Si la población está distribuida normalmente, entonces, para cualquier tamaño de muestra, la
distribución de la media muestral también lo estará. Si la distribución de la población es
simétrica (pero no normal), se verá surgir la forma normal del Teorema del Límite Central, en
conclusión:

“En el Teorema de Límite Central si se seleccionan de cualquier población todas las muestras de
un tamaño determinad, la distribución de las medias muestrales se acercará a una de tipo
normal. Esta aproximación aumenta en el caso de muestras más grandes”.