Fase 2 - Muestreo e intervalos de confianza

Inferencia Estadística
Código del curso: 100403

Presentado por:
Diana Carolina Calero Millan
Código:1113673738
Grupo:90

Tutor(a):
Diana Milena Caliman

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA-CEAD PALMIRA

ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
INGENIERÍA DE SISTEMAS
Septiembre 2020
Actividad 1: Calculo tamaño de muestra

Para el desarrollo de esta actividad, es necesario que el estudiante revise en el Entorno de

conocimiento (Unidad 1), las siguientes referencias:
Silva, A. L. C. (1993). Muestreo para la investigación en ciencias de la salud. Madrid, ES:
Ediciones Díaz de Santos. (pp. 1-6).
Descripción de la actividad:

Cada estudiante debe dar respuesta a la pregunta:

1. ¿Cómo seleccionar el tamaño de muestra?

Se conoce como muestro estadístico al proceso por el cual se obtiene una muestra de una
determinada población. En todo estudio estadístico se debe poner especial atención a la
selección de la muestra o muestreo de cara a tratar de encontrar la muestra más
representativa posible de la población de la que proviene. Si la muestra extraída no resulta
representativa de la población de la que proviene, cualquier herramienta que utilicemos
posteriormente para obtener conclusiones sobre la población nos llevará a conclusiones
erróneas.
Existen numerosos mecanismos de muestreo que nos permitirán obtener muestras
de distintas formas, pero todos ellos comparten el objetivo de extraer la muestra más
representativa. Son de especial relevancia los mecanismos de muestreo probabilístico,
que seleccionan los elementos de la muestra de forma aleatoria. Estos mecanismos dan
lugar a las denominadas muestras aleatorias.
Dentro de los muestreos probabilísticos destacaremos el muestreo aleatorio
simple, por ser considerado uno de los más eficaces. En este tipo de muestreo todos los
elementos de la población tienen la misma probabilidad de estar incluidos en la muestra.
Además, la selección de cada elemento se hace con reemplazamiento, de modo que una
vez seleccionado un elemento, se toma nota de sus características y se vuelve a incluir
entre los elementos que pueden ser seleccionados. Esto garantiza que la probabilidad que
tiene cada elemento de ser seleccionado sea la misma a lo largo de todo el proceso. A
cambio, podría ocurrir que un mismo elemento se incluyese más de una vez dentro de la
muestra; sin embargo, si la población es suficientemente grande, la probabilidad de que
esto ocurra será muy pequeña.
Por otro lado, están los muestreos opináticos, en los que el investigador fi ja
determinados parámetros a la hora de obtener la muestra de cara a tratar de replicar la
población mediante la muestra de un modo eficaz. Si una población contiene, por ejem-
plo, un 30 % de hombres y un 70 % de mujeres, el investigador podría plantear incluir en
la muestra estas mismas proporciones.
para lograr lo anterior se hace uso de la siguiente fórmula propuesta por Murray y Larry (2005):

En donde:

n = es el tamaño de la muestra poblacional a obtener.

N = es el tamaño de la población total.
σ = representa la desviación estándar de la población. En caso de desconocer este dato es común
utilizar un valor constate que equivale a 0.5
Z = es el valor obtenido mediante niveles de confianza. Su valor es una constante, por lo general
se tienen dos valores dependiendo el grado de confianza que se desee siendo 99% el valor más
alto (este valor equivale a 2.58) y 95% (1.96) el valor mínimo aceptado para considerar la
investigación como confiable.
e = representa el límite aceptable de error muestral, generalmente va del 1% (0.01) al 9% (0.09),
siendo 5% (0.5) el valor estándar usado en las investigaciones.
Una vez establecido los valores adecuados, se procede a realizar la sustitución de los valores y
aplicación de la fórmula para obtener el tamaño de la muestra poblacional correspondiente al
universo finito determinado.

Ya realizado el proceso matemático, se obtendrá la muestra, la cual como se mencionó al

principio, nos ayudará a realizar una investigación válida y completa.

Posteriormente, con la ayuda de Excel, calculará un (1) tamaño de muestra para estimar la media
de la variable seleccionada.

Cada estudiante seleccionará y realizará un cálculo de tamaño de muestra diferente a partir de la

siguiente tabla, el tamaño de muestra que aparece con el nombre “colaborativo” se debe realizar
de forma grupal. En la hoja de Excel los diferencian colocando el nombre del estudiante que lo
realiza. Los siguientes son los valores que debe usar como referencia para calcular los tamaños de
muestra “n”:
 Parámetro Variable Estudiante Significancia Error

Vida útil del Estudiante 1 3% 1

producto

Precio de costo Estudiante 2 9% 230

Precio de envío Estudiante 3 5% 38

Promedio
Precio de venta Estudiante 4 4% 700

Edad del cliente Estudiante 5 5% 0,8

Probabilidad de COLABORATIVO 5% 0,07

defecto

Nota: En el consolidado deben estar el proceso y resultado de seis (6) tamaños de muestra. Pero
si no trabajan todos los estudiantes entregarán tantos tamaños de muestra como estudiantes
hayan participado (2 estudiantes= 2 tamaños de muestra, etc.), más el tamaño de muestra
colaborativo (es obligatorio).

Socializar el aporte con respecto a la pregunta “¿Cómo seleccionar el tamaño muestral?” y el

cálculo del tamaño de muestra en el foro de la Fase 2: Muestreo e intervalos de confianza.

Condiciones de entrega:
 Nombre el archivo de su aporte de la siguiente manera: Actividad 1_u1_nombre del
estudiante
 Presentar el desarrollo en un archivo de Excel en el foro fase 2: Muestreo e intervalos de
confianza en el entorno de aprendizaje colaborativo.

Bibliografía

 Romero, R. E. (2016). Estadística para todos: análisis de datos: estadística descriptiva,

teoría de la probabilidad e inferencia. Madrid, ESPAÑA: Larousse - Ediciones Pirámide.
Pp.275. Recuperado
de https://elibronet.bibliotecavirtual.unad.edu.co/es/ereader/unad/49136?page=270 
Actividad 2: Tipo de muestreo

Para el desarrollo de esta actividad, es necesario que el estudiante revise en el Entorno de

conocimiento (Unidad 1), las siguientes referencias:

Gutiérrez, H. (2013). Capítulo 4: Elementos de Inferencia Estadística Control estadístico de la

calidad y Seis Sigma. (3a. ed.) McGraw-Hill Interamericana. (pp. 62-65).

Matus, R., Hernández, M., & García, E. (2010). Estadística. México, D.F., MX: Instituto
Politécnico Nacional. (pp. 27-57).

Descripción de la actividad:

Cada estudiante debe dar respuesta a las siguientes preguntas:

1. ¿Cuándo se utiliza un muestreo?

Existen poblaciones con datos infinitos o grandes, en las cuales se hace un poco difícil su
estudio, por ello, elegimos una población que represente las características más
importantes de la totalidad y la denominamos muestreo.

2. ¿Cuáles son los diferentes tipos de muestreos? Explique en qué consiste cada uno de

ellos.

Existen varios métodos de muestreo aleatorio, por ejemplo, el simple, el

estratificado, el muestreo sistemático y por conglomerados; cada uno de ello logra
muestras representativas en función de los objetivos del estudio y ciertas
circunstancias, así como características particulares de la población (vea Gutiérrez
Pulido,2010)

1. Muestreo aleatorio simple:

En este método de muestreo lo principales es tener una idea clara de cuantos sujetos
serán necesarios para completar el tamaño de la muestra que se va a investigar, pues
este consiste en que a cada sujeto de la población se le debe asignar un número, para
que posteriormente mediante algún sorteo, o generando números aleatorios con ayuda
de rifas o algún ordenador se logre dar a conocer los números de los sujetos
seleccionados que serán tomados como muestra.
 2. Muestreo sistemático:

Pues en este método como en el primero, los sujetos que conforman a la población
son enumerados, pero en lugar de dar a conocer los que serán incluidos mediante el
azar en este caso incluyen otra técnica. Posteriormente de que son enumerados, los
investigadores dividen el total de la población que se presenta entre el total de sujetos
que requieren para la muestra; para después elegir a uno de los primeros de estos
sujetos al azar (ya enumerados) y posteriormente se va sumando de una forma
secuencial o constante el mismo valor para elegir a los sujetos requeridos.

3. Muestreo estratificado:

Mediante este método de investigación, los investigadores dividen a la población en

grupos o estratos que tengan relación o compartan características similares y
posteriormente se selecciona al azar o aleatoriamente a los sujetos finales de los
grupos o estratos formados. Este método es utilizado para cuando los investigadores
pretenden que dentro de la muestra se encuentren incluidos todos los grupos de
interés que puedan representar significancia para la investigación.

4. Muestreo por Conglomerados:

En este método, la población ya se encuentra dividida en grupos o estratos formados

naturalmente y a partir de estos se toman la cantidad de sujetos que sean necesarios de
cada uno para así formar la muestra. Este es similar al método por estratificación, sin
embargo, se facilita más, pues los grupos ya están formados y solo se requieren los
datos de esos elementos que lo integran.

3. ¿Cómo se realiza el muestreo sistemático?

El proceso: De forma concreta, el proceso que seguiríamos en un muestreo sistemático

sería el siguiente:

1. Elaboramos una lista ordenada de los N individuos de la población, lo que sería el

marco muestral.
2. Dividimos el marco muestral en n fragmentos, donde n es el tamaño de muestra que
deseamos. El tamaño de estos fragmentos será: K=N/n, donde K recibe el nombre de
intervalo o coeficiente de elevación.
 3. Número de inicio: obtenemos un número aleatorio entero A, menor o igual al
intervalo. Este número corresponderá al primer sujeto que seleccionaremos para la
muestra dentro del primer fragmento en que hemos dividido la población.
4. Selección de los n-1 individuos restantes: Seleccionamos los siguientes individuos a
partir del individuo seleccionado aleatoriamente, mediante una sucesión aritmética,
seleccionando a los individuos del resto de fragmentos en que hemos dividido la muestra
que ocupan la misma posición que el sujeto inicial. Esto equivale a decir que
seleccionaremos los individuos:
A, A + K, A + 2K, A + 3K, ...., A + (n-1)K

4. ¿Cómo se realiza el muestreo aleatorio simple?

Pasos para seleccionar una muestra aleatoria simple

1. Define la población objetivo.

2. Identifica un marco de muestreo actual de la población objetivo o desarrolla
uno nuevo.
3. Evalúa el marco de muestreo para la falta de cobertura, cobertura excesiva,
cobertura múltiple y la agrupación, y haz los ajustes que consideres
necesarios.
4. Asigna un número único a cada elemento de la trama.
5. Determina el tamaño de la muestra.
6. Selecciona al azar el número específico de elementos de la población.

Para seleccionar el número de elementos de la población puedes recurrir al método de

lotería, una tabla de números aleatorios y los números generados de forma aleatoria
mediante un programa de computadora, es decir, al azar.

5. ¿Qué sucede cuando se realiza un muestreo probabilístico en muestras pequeñas?

A veces el muestreo probabilístico resulta poco preciso y puede ser difícil calcular o
interpretar sus resultados.

Posteriormente, con la ayuda de Excel, y teniendo en cuenta la muestra obtenido en la

Actividad 1: Calculo tamaño de muestra, se realizará un muestreo sistemático.
Nota: Recuerde que el tamaño de la muestra y la forma como selecciona la muestra son aspectos
diferentes.
Además del muestreo individual, con el tamaño de muestra obtenida en forma colaborativa,
se realizará colaborativamente el muestreo sistemático, la cual servirá en la Actividad 3:
Intervalos de confianza.
Finalmente, en el documento de Excel se debe realizar colaborativamente una contextualización,
caracterización y explicación teórica del muestreo empleado.

Socializar la respuesta a las preguntas, más el procedimiento en Excel del muestreo sistemático
individual realizado en el foro de la Fase 2: Muestreo e intervalos de confianza.

Condiciones de entrega:
 Nombre el archivo de su aporte de la siguiente manera: Actividad 2_u1_nombre del
estudiante
 Presentar el desarrollo en un archivo de Excel en el foro fase 2: Muestreo e intervalos de
confianza en el entorno de aprendizaje colaborativo.

Bibliografía

Gutiérrez, H. (2013). Capítulo 4: Elementos de Inferencia Estadística Control estadístico

de la calidad y Seis Sigma. (3a. ed.) McGraw-Hill Interamericana. (pp. 62-65).

Matus, R., Hernández, M., & García, E. (2010). Estadística. México, D.F., MX: Instituto
Politécnico Nacional. (pp. 27-57).

Parra, V., & Bravo,A. (2018). Tipos de muestreo. Estadística. Recuperado el 20 de

septiembre de 2020, de https://www.gestiopolis.com/tipos-de-muestreo-estadistica/

Ochoa ,C. (2015) . Muestreo probabilístico: muestreo sistemático. Recuperado el 20 de

septiembre de 2020, de https://www.netquest.com/blog/es/blog/es/muestreo-sistematico

QuestionPro. (2020).Muestreo aleatorio simple, uno de los tipos de muestreo de

probabilidad. Recuperado el 20 de septiembre de 2020, de
https://www.questionpro.com/blog/es/muestreo-aleatorio-simple/

Carrasquedo, V, Karla S. (2017, enero 23). Muestreo probabilístico y no probabilístico.

Recuperado el 20 de septiembre de 2020, de https://www.gestiopolis.com/muestreo-
probabilistico-y-no-probabilistico/
Actividad 3: Intervalos de confianza

Para el desarrollo de esta actividad, es necesario que el estudiante revise en el Entorno de

conocimiento (Unidad 1), las siguientes referencias:

Gutiérrez, H. (2013). Capítulo 4: Elementos de Inferencia Estadística Control estadístico de la

calidad y Seis Sigma. (3a. ed.) McGraw-Hill Interamericana. (pp. 65-72).

Matus, R., Hernández, M., & García, E. (2010). Estadística. México, D.F., MX: Instituto
Politécnico Nacional. (pp. 43- 57).

Gil, I. M., Gonzáles, M. A. I., & Jano, S. M. D. (2014). Ejercicios de estadística teórica:
probabilidad e Inferencia (2a.e d.). Madrid, ES: Editorial Universidad Autónoma de Madrid. (pp.
127-140).

Descripción de la actividad:

Cada estudiante debe dar respuesta a las preguntas:

1. ¿Para qué se utilizan los intervalos de confianza?

Un intervalo de confianza es una técnica de estimación utilizada en inferencia
estadística que permite acotar un par o varios pares de valores, dentro de los cuales se
encontrará la estimación puntual buscada (con una determinada probabilidad).

Un intervalo de confianza nos va a permitir calcular dos valores alrededor de una media
muestral (uno superior y otro inferior). Estos valores van a acotar un rango dentro del
cual, con una determinada probabilidad, se va a localizar el parámetro poblacional.

Intervalo de confianza = media +- margen de error

2. ¿A qué se le llama error de estimación?

Es la distancia entre el valor del parámetro poblacional y el de su estimado.

El error de estimación es un valor que se puede estimar a priori como el máximo error
permitido entre el valor de la media de una muestra y el valor de la media poblacional,
siendo este error función de z del desvío estándar poblacional y de n, tamaño de la
muestra:
 z: que definirá el grado de bondad o nivel de confianza.
σ: desvío estándar poblacional.
n: tamaño de la muestra.

3. ¿Qué representan los límites de confianza obtenidos en un intervalo de confianza?

 La estimación puede ser puntual, una media, por ejemplo, o por intervalo, la media está
entre ciertos límites, denominados de confianza. Este expresa la probabilidad de que la
media poblacional se encuentre dentro de ese intervalo.
 El ancho del intervalo de confianza permite estimar el grado de imprecisión de la
estimación; es inversamente proporcional al tamaño de la muestra.
 La estimación se hace para un determinado nivel de confianza, usualmente 95% o 99%.

En general, la correcta interpretación de un intervalo de confianza es de la siguiente

manera: si se obtuvieran 100 muestras independientes de la misma población o proceso,
cada una de tamaño n y para cada muestra se calcule el intervalo de confianza a 95% para
el mismo parámetro, entonces se espera que 95 de los 100 intervalos contengan el
verdadero valor de dicho parámetro.

4. ¿Cómo se calculan los intervalos de confianza para la media?

Intervalo de confianza para la media cuando la población es normal y conocemos la

desviación típica

Supongamos que la variable que queremos estudiar sigue una ley normal de media µ
(desconocida) y desviación típica σ conocida y que disponemos de una muestra
aleatoria simple de tamaño n y del valor de la media de la muestra x́.

Para estimar μ, el estadístico que mejor nos va a ayudar es x́, del que conocemos su ley
de distribución:

Esa ley de distribución depende de μ (desconocida). Lo más conveniente es hacer que la

ley de distribución no dependa de ningún parámetro desconocido, para ello tipificamos:
 Este es el modo en que haremos siempre la estimación puntual: buscaremos una relación
en la que intervengan el parámetro desconocido junto con su estimador y de modo que
estos se distribuyan según una ley de probabilidad que es bien conocida y a ser posible
tabulada.

Vamos a desarrollar cómo calcular el intervalo de confianza:

1. Fijamos el nivel de confianza (en forma de porcentaje), que habitualmente

escribiremos como (1 ).

2. Calculamos el error estándar de la media:

3. Calculamos valor crítico, z2.

4. Calculamos el llamado margen de error3 (también llamado precisión de la

estimación):

El intervalo de confianza para la media al nivel 1-α obtenido con la muestra de partida es el
siguiente:
La figura 5.3 nos muestra la distribución N(0,1) y el intervalo más pequeño posible cuya
probabilidad es 1 Por simetría, los cuartiles z2 y z1-2 sólo difieren en el signo

Intervalo de confianza para la media cuando la población es normal y desconocemos la

desviación típica (caso general)
En este caso estimaremos la desviación típica utilizando los valores muestrales y trabajaremos
con la distribución de la media muestral x , ya que, por un procedimiento parecido a la
estandarización, podemos relacionarla con otra variable que sigue una distribución t de
Student.
La distribución t de Student es una aproximación que tiene en cuenta el tamaño de la muestra.
Cuando el tamaño de la muestra es muy grande t≈z.
Si la muestra es pequeña y sólo se dispone del valor de la desviación estándar muestral, como
sucede en este caso, es imprescindible sustituir el valor de z por otro mayor que sigue la
distribución t de Student.
El intervalo de confianza al nivel 1−α para la media de una distribución Normal cuando sus
parámetros son desconocidos es:
5. ¿Cómo se calculan los intervalos de confianza para la proporción?

Dada una variable aleatoria con distribución Binomial B(n, p), el objetivo es la construcción de

un intervalo de confianza para el parámetro p, basada en una observación de la variable que ha
dado como valor x. El mismo caso se aplica si estudiamos una Binomial B(1, p) y consideramos
el número de veces que ocurre el suceso que define la variable al repetir el experimento n veces
en condiciones de independencia.

Existen dos alternativas a la hora de construir un intervalo de confianza para p:

 Considerar la aproximación asintótica de la distribución Binomial en la distribución

Normal.

 Utilizar un método exacto.

Aproximación asintótica

Tiene la ventaja de la simplicidad en la expresión y en los cálculos, y es la más referenciada en la

mayoría de textos de estadística. Se basa en la aproximación

que, trasladada a la frecuencia relativa, resulta

Tomando como estadístico pivote

que sigue una distribución N(0, 1), y añadiendo una corrección por continuidad al pasar de una
variable discreta a una continua, se obtiene el intervalo de confianza asintótico:
donde zα/2 es el valor de una distribución Normal estándar que deja a su derecha una probabilidad
de α/2 para un intervalo de confianza de  (1 − α) · 100 %. Las condiciones generalmente
aceptadas para considerar válida la aproximación asintótica anterior son:

El intervalo obtenido es un intervalo asintótico y por tanto condicionado a la validez de la

aproximación utilizada.

Intervalo exacto

Aun cuando las condiciones anteriores no se verifiquen, es posible la construcción de un

intervalo exacto, válido siempre pero algo más complicado en los cálculos. Es posible demostrar
que un intervalo exacto para el parámetro p viene dado por los valores siguientes:

donde Fα/2,a,b es el valor de una distribución F de Fisher-Snedecor con a y b grados de libertad

que deja a su derecha una probabilidad de α/2 para un intervalo de confianza de  (1 − α) · 100 %.

Una justificación de los intervalos de confianza exactos para distribuciones discretas 

Teniendo en cuenta el muestreo colaborativo realizado en la Actividad 2: Tipo de muestreo, cada

estudiante con la ayuda de Excel realizará un intervalo de confianza para la media y un intervalo
de confianza para la proporción, seleccionando la misma variable cuantitativa de la actividad 1 y
otra variable cualitativa1 de las siguientes tablas:

1
Utilice el mismo nivel de significancia de la variable de tipo colaborativo para las variables a trabajar.
Tabla 1 IC cuantitativas

Variable Estudiante 1 Estudiante 2 Estudiante 3 Estudiante 4 Estudiante 5 COLABORATIVO

Vida útil del Precio de Precio de Precio de Edad del Probabilidad de
Cálculo
producto costo envío venta cliente defecto
N         2950  
n         568  
Promedio
muestral
        37  
Desviación         11  
Significancia         5%  
Valor Z         1,96  
Limi inf         35,86  
Limi sup         37,63  
(35,86 ;
IC=         37,63)  
Tabla 2 IC cualitativas

Estudiante
Variable Estudiante 2 Estudiante 3 Estudiante 4 Estudiante 5 COLABORATIVO
1

Probabilidad
Tipo de Género de Portal de Recomendación del
Cálculo Satisfacción de volver a
articulo cliente compra producto
comprar

N            

n            

P            
Q            

Significancia            

Valor Z            
lim inf            
lim sup            
IC=            

Nota: Cada estudiante debe hacer un intervalo de confianza para la media y otro para la
proporción.
Socializar en el foro la respuesta a las preguntas planteadas, más los intervalos de confianza
calculados con su respectivo análisis y conclusión en el foro de la Fase 2: Muestreo e intervalos de
confianza.

Condiciones de entrega:
 Nombre el archivo de su aporte de la siguiente manera: Actividad 3_u1_nombre del
estudiante
 Presentar el desarrollo en un archivo de Excel en el foro fase 2: Muestreo e intervalos de
confianza en el entorno de aprendizaje colaborativo.

Marco, S, Francisco. Intervalo de confianza. Recuperado el 21 de septiembre de 2020, de

https://economipedia.com/definiciones/intervalo-de-confianza.html

Gutiérrez, H. (2013). Capítulo 4: Elementos de Inferencia Estadística Control estadístico

de la calidad y Seis Sigma. (3a. ed.) McGraw-Hill Interamericana. (pp. 65-72).

Matus, R., Hernández, M., & García, E. (2010). Estadística. México, D.F., MX: Instituto
Politécnico Nacional. (pp. 43- 57).

Gil, I. M., Gonzáles, M. A. I., & Jano, S. M. D. (2014). Ejercicios de estadística teórica:
probabilidad e Inferencia (2a.e d.). Madrid, ES: Editorial Universidad Autónoma de
Madrid. (pp. 127-140).

Clara, Laguna. Inferencia estadística: estimación de parámetros. intervalos de

confianza Recuperado el 21 de septiembre de 2020, de http://www.ics-
aragon.com/cursos/salud-publica/2014/pdf/M2T05.pdf
Intervalo de confianza para una proporción. Recuperado el 21 de septiembre de 2020, de
http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo8/B0C8m1t11.ht
m