Documente Academic
Documente Profesional
Documente Cultură
Ventajas:
Necesitamos estudiar menos individuos, necesitamos menos recursos (tiempo y dinero).
La manipulación de datos es mucho más simple. Si con una muestra de 1.000 personas tengo
suficiente, ¿para qué quiero analizar un fichero de millones de registros?
Inconvenientes:
Introducimos error (controlado) en el resultado, debido a la propia naturaleza del muestreo y a la
necesidad de generalizar resultados.
Tenemos el riesgo de introducir sesgos debido a una mala selección de la muestra. Por ejemplo,
si la forma en que selecciono individuos para la muestra no es aleatoria, mis resultados pueden
verse seriamente afectados.
1° Muestreo por conglomerados de una etapa : El muestreo se hace una sola vez. Un ejemplo
sería, digamos que estamos interesados en el estudio de personas sin hogar que viven en
refugios. Si hay cinco refugios en una ciudad, un investigador seleccionará al azar a uno de
los refugios y luego incluirá en el estudio a todas las personas sin hogar que residen en el
refugio seleccionado. Un investigador de mercado podría optar por utilizar un diseño de
muestreo por conglomerado de una sola etapa. Digamos que un investigador está interesado
en la prueba de comercialización de un producto. El investigador puede seleccionar al azar
códigos postales; enviar muestras del producto junto con un cuestionario de evaluación a
cada dirección dentro del grupo seleccionado.
2° Muestreo por conglomerados en dos etapas: El diseño incluye todos los pasos del diseño de
un muestreo por conglomerados, con una excepción del último paso. En lugar de incluir todos
los elementos de los grupos seleccionados de la muestra, una muestra aleatoria (ya sea una
muestra aleatoria simple, muestra estratificada o muestra sistemática) se toman los
elementos de cada grupo seleccionado. El muestreo por conglomerados de una etapa se
refiere a veces como un submuestreo. En general, a menos que el grupo sea homogéneo, un
diseño de muestra de conglomerados en dos etapas es mejor que uno de una sola etapa.
3° Muestreo por conglomerados de etapas múltiples : Las encuestas de grandes áreas
geográficas requieren un diseño de la muestra algo más complicado que los descritos hasta
este punto. Por lo general, se debe utilizar un diseño de muestreo por conglomerados de
etapas múltiples, que consiste en la repetición de dos pasos básicos: listado y toma de
muestras.
Típicamente, en cada etapa, los grupos se hacen progresivamente más pequeños en tamaño; y en la
última etapa se utiliza el elemento de muestreo.
MU= μ
SIGMA= σ
Con carácter general, o al menos en los modelos de probabilidad clásicos, se admite una aproximación
aceptable al modelo normal siempre que n sea mayor o igual que 30, a pesar de que esta cifra es
insuficiente en determinados casos y excesiva en otros; por lo que debemos ser cautelosos en su
aplicación.
Los factores que determinan el tamaño de la muestra son la distribución de la población, el nivel de
confianza y el margen de error permitido.
Tamaño de la Muestra
N = tamaño de la población.
n = tamaño necesario de la muestra.
Z = margen de confiabilidad o número de unidades de desviación estándar en la distribución normal que
producirá un nivel deseado de confianza.
S = desviación estándar de la población conocida o estimada a partir de anteriores estudios o de una
prueba piloto.
E = error o diferencia máxima entre la media muestral y la media de la población que se está dispuesto
a aceptar con un nivel de confianza que se ha definido.
Muestreo aleatorio simple (Si no se conoce el tamaño de la población):
Muestreo proporcional
Muestreo estratificado.
Suponiendo que se trabaja con tres estratos A, B y C el tamaño de cada estrato proporcional al tamaño
de la población en cada estrato se determina con la siguiente fórmula:
4.5 Intervalos de confianza para la media, con el uso de la distribución normal y “t” de
Student.
Dada una variable aleatoria con distribución Normal N (μ, σ), el objetivo es la construcción de
un intervalo de confianza para el parámetro μ, basado en una muestra de tamaño n de la variable.
se distribuye según una t de Student de n − 1 grados de libertad. Por tanto, y siguiendo pasos similares
a los del apartado anterior, el intervalo de confianza resultante es
donde tα/2 es el valor de una distribución t de Student con n − 1 grados de libertad que deja a su derecha
una probabilidad de α/2.
Con el programa siguiente podemos calcular el intervalo de confianza para la media de una distribución
Normal con desviación típica desconocida.
4.8 Tamaño de la muestra como una estimación de P y un grado de confianza (1.-α) 100%.
La amplitud del intervalo de confianza depende del valor de
Con un nivel de confianza del (1-a) 100% admitimos que la diferencia entre la estimación para la media
a partir de la muestra y su valor real es menor que E, que llamaremos error máximo admisible.
El tamaño de la muestra depende del nivel de confianza que se desee para los resultados y
de la amplitud del intervalo de confianza, es decir del error máximo que se esté dispuesto a
admitir. Fijados estos, 1-a y E, podemos calcular el tamaño mínimo de la muestra que
emplearemos.
En el caso de estimar proporciones con lo que
BIBLIOGRAFÍA
http://conceptodefinicion.de/muestreo/
https://www.netquest.com/blog/es/blog/es/muestreo-que-es-porque-funciona
http://www.vadenumeros.es/sociales/tipos-de-muestreo.htm
http://recursostic.educacion.es/descartes/web/materiales_didacticos/muestreo_poblaciones_
ccg/tipos_muestreo.htm
http://maralboran.org/wikipedia/index.php/Tipos_de_muestreos
http://www.estadistica.mat.uson.mx/Material/elmuestreo.pdf
https://es.wikipedia.org/wiki/Muestreo_(estad%C3%ADstica)
https://www.questionpro.com/blog/es/muestreo-estratificado/
https://www.questionpro.com/blog/es/muestreo-por-conglomerados/
http://www.eumed.net/libros-gratis/2011b/939/CONCEPTOS%20BASICOS%20DE
%20ESTADISTICA%20DISTRIBUCION%20DE%20MUESTREO.htm
http://calculo.cc/temas/temas_estadistica/muestreo/teoria/dist_difer_medias.html
http://e-stadistica.bio.ucm.es/glosario2/teor_limite_central.html
http://estadisticavigrado.blogspot.mx/2011/04/teorema-del-limite-central.html
http://www.sai.com.ar/metodologia/rahycs/rahycs_v7_n2_06.htm
http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo8/B0C8m1t8.htm
http://recursostic.educacion.es/descartes/web/materiales_didacticos/inferencia_estadistica/e
stimac.htm