UNIDAD 3

Caso 1 - Distribuciones Muestrales

INTEGRANTES

Diana Domínguez

Karent Jaimes

Susana González

Yudith Merchán

Mónica Torres

DOCENTE

Yolvi Adriana Córdoba Buitrago

Universidad Autónoma de Bucaramanga - UNAB

Contaduría Publica - Virtual

Bucaramanga

2023

Página 1 de 21
 INTRODUCCIÓN

El uso de técnicas de muestreo en la investigación y el análisis estadístico es una práctica

importante para obtener resultados representativos de la población sin necesidad de recopilar

datos exhaustivos. Este enfoque tiene importantes ventajas en términos de eficiencia, costo y

viabilidad. En este trabajo, nos centraremos en el estudio de caso de "VICTORIA Abogados

Asociados Santander", una firma de abogados ubicada en Bucaramanga. El objetivo es analizar

el número de casos en los que está involucrado cada socio por mes mediante métodos de

muestreo y análisis estadístico. En una firma de abogados, comprender la distribución de los

casos manejados por cada socio es fundamental para tomar decisiones informadas y efectivas.

Buscamos no sólo aplicar técnicas de muestreo al despacho de abogados, sino también

comprender y comunicar las principales razones por las que el muestreo es una estrategia

importante en la investigación y la estadística.

Página 2 de 21
 Caso: Despacho de Abogados

1. Resuelva el siguiente caso:

VICTORIA Abogados Asociados Santander es un despacho de abogados que tiene sus

oficinas en la ciudad de Bucaramanga y consta de 5 socios. En la tabla a continuación se muestra

el número de casos que cada uno de ellos atendió en los juzgados de Bucaramanga durante el

mes anterior:

Se desea hacer un estudio sobre los casos que cada uno de ellos atiende mensualmente. Por

razones de conveniencia no se tomará todo el grupo, sino una muestra de dos de ellos. A partir de

los anteriores datos presente la siguiente información:

Página 3 de 21
 a. Asuma a este grupo de socios como una población. Calcule el promedio (μ) y la

desviación estándar (σ) de la cantidad de casos atendido por socio para esta población.

b. Calcule la cantidad de muestras posibles de tamaño 3 que se pueden obtener

(Fórmula de las combinaciones).

Página 4 de 21
c. Elabore una lista de todas las posibles muestras de tamaño 3 de los socios.

1. Marco Antonio, Luz Elena, Roberto Castaño

2. Marco Antonio, Luz Elena, Luis Francisco

3. Marco Antonio, Luz Elena, María Mercedes

4. Marco Antonio, Roberto Castaño, Luis Francisco

5. Marco Antonio, Roberto Castaño, María Mercedes

6. Marco Antonio, Luis Francisco, María Mercedes

7. Luz Elena, Roberto Castaño, Luis Francisco

8. Luz Elena, Roberto Castaño, Maria Mercedes

9. Luz Elena, Luis Francisco, Maria Mercedes

Página 5 de 21
d. Halle la cantidad promedio de casos atendidos para cada muestra (𝑥𝑖).

1. (3 + 6 + 3) / 3 = 4

2. (3 + 6 + 0) / 3 = 3

3. (3 + 6 + 1) / 3 = 3.33 (aproximadamente)

4. (3 + 3 + 0) / 3 = 2

5. (3 + 3 + 1) / 3 = 2.33 (aproximadamente)

6. (3 + 0 + 1) / 3 = 1.33 (aproximadamente)

7. (6 + 3 + 0) / 3 = 3

8. (6 + 3 + 1) / 3 = 3.33 (aproximadamente

9. (6 + 0 + 1) / 3 = 2.33 (aproximadamente)

Página 6 de 21
e. Halle la Distribución muestral de la media. (Distribución de probabilidad de las

medias)

Distribución muestral de de la media, n=3

MEDIA NÚMERO DE PROBABILIDAD

1,33 3 15%

2.00 3 15%

2.33 4 20%

3 4 20%

3.33 3 15%

4 3 15%

TOTAL 20 100%

f. Obtenga la media de todos los promedios muestrales (Promedio de la Distribución

MEDIA POBLACIONAL
μ = ΣΧ/N = 3+6+3+0+1
5
= 13
5

= 2,67

Página 7 de 21
 MEDIA DISTRIBUCIÓN MUESTRAL

μX= 4+4+3+3.3+3+2+2.3+2+2.3+1.3+4+3+3.3+3+3.3+2.3+2+2.3 ́+1.3+1.3

= 53.3
20

= 2.67

la media de la distribución muestral es igual a la media de la población

g. Compare la media de la Distribución muestral de la media con la media poblacional

(compare 𝜇𝑥 con μ). ¿Qué conclusión se puede obtener?

Página 8 de 21
h. Calcule la desviación estándar de la Distribución muestral de la Media

Página 9 de 21
 i: Represente gráficamente la Distribución muestral de la media. ¿Esta gráfica tiende a

tener forma de campana?

Una representación gráfica de la distribución de la media muestral es una parte esencial del

análisis estadístico porque proporciona una visualización de cómo se distribuye la distribución de

la media muestral alrededor de la media poblacional.

Una característica de esta distribución es su tendencia a tener forma de campana, denominada

distribución normal. La forma de campana de la distribución de la media muestral es una

consecuencia directa del teorema del límite central, que establece que cuando tomamos una

muestra aleatoria suficientemente grande de una población, la distribución de la media muestral

se aproxima a una distribución normal independientemente de la forma. de la media muestral de

la población original distribuida.

Una distribución normal es una distribución simétrica con respecto a la media, lo que significa

que la mayoría de las medias muestrales se centrarán alrededor de la media poblacional. Además,

la distribución normal se caracteriza por sus parámetros, media y desviación estándar. La media

de la distribución muestral de la media es igual a la media poblacional, y la desviación estándar

(también conocida como error estándar) de la distribución muestral de la media disminuye a

medida que aumenta el tamaño de la muestra, lo que significa que la media muestral se vuelve

más precisa...

Página 10 de 21
 En la representación gráfica se puede observar que a medida que aumenta el tamaño de la

muestra, la distribución de la media muestral adquiere forma de campana. Esto tiene un impacto

significativo en la inferencia estadística, ya que permite la evaluación y prueba de hipótesis

utilizando propiedades establecidas de la distribución normal.

j. Escriba el Teorema central del límite.

Teorema central del límite establece que, si se extrae una muestra aleatoria suficientemente

grande de la población, la distribución de la media muestral seguirá una distribución normal,

independientemente de la forma de la distribución poblacional original.

El teorema del límite central establece que no importa cuál sea la distribución poblacional

subyacente, cuando tomamos muestras suficientemente grandes y calculamos la media de esas

Página 11 de 21
muestras, las medias siguen una distribución normal. Esto es muy útil porque nos permite inferir

poblaciones basándose en propiedades bien conocidas de la distribución normal.

Convergencia a la media poblacional: a medida que aumenta el tamaño de la muestra, la

media muestral se acerca cada vez más a la media poblacional. Esto significa que la media

muestral es una estimación cada vez más precisa de la media poblacional a medida que la

muestra crece.

Condiciones aplicables para Teorema central del límite : como se mencionó

anteriormente, si el número de muestras es superior a 30, considera que el tamaño de la muestra

es lo suficientemente grande. Por tanto, la distribución muestral se acerca a la distribución

normal.

Página 12 de 21
 Media igual: vale la pena señalar que la media de todas las medias de la muestra será igual a

la media de la población total. Esta propiedad es la base de la inferencia estadística basada en

Teorema central del límite.

Varianza de la media muestral una medida de dispersión que indica la variabilidad de una

muestra estadística. Para calcular la varianza muestral se deben sumar los cuadrados de todos los

residuos de la muestra y luego dividir por el tamaño de la muestra menos uno.

Página 13 de 21
 Donde:

 es la varianza muestral.

 es la media muestral.

 es el valor del dato .

 es el número total de datos de la muestra.

Aplicaciones de la distribución normal: enfatiza la importancia de trazar la media de la

distribución normal. La distribución se usa ampliamente en estadística debido a sus propiedades

matemáticas, que facilitan la realización de pruebas de hipótesis y la construcción de intervalos

de confianza.

Inferencia estadística: Teorema central del límite le permite utilizar medias muestrales para

hacer inferencias sobre las medias poblacionales. Esto es particularmente útil cuando no se

pueden recopilar datos de toda la población debido a limitaciones prácticas.

Página 14 de 21
 2. Explique las principales razones por las cuáles se hace conveniente aplicar muestreo

en una investigación

El uso de muestras aleatorias en encuestas es una práctica común en estadística e

investigación por varias razones importantes. Las siguientes son algunas de las razones

principales por las que es más conveniente utilizar métodos de muestreo que recuentos

completos.

Ahorre tiempo y recursos: Realizar un censo integral (recopilar datos de toda la población)

puede resultar costoso en términos de tiempo, dinero y esfuerzo. El muestreo puede obtener

información representativa de una población en menos tiempo y a menor costo.

Viabilidad práctica: en algunos casos, resulta poco práctico o imposible recopilar datos de

poblaciones enteras debido al tamaño de la población, la distribución geográfica u otras

limitaciones logísticas.

Destructivos o invasivos: En situaciones en las que se deben recopilar datos mediante

procedimientos destructivos o invasivos, como investigaciones médicas, agrícolas o industriales,

el muestreo puede ser la única opción razonable para obtener información sin afectar todo.

Página 15 de 21
 Precisión y error: en muchos casos, el análisis de muestras bien elegidas puede proporcionar

estimaciones precisas de los parámetros poblacionales con un nivel de error aceptable,

eliminando así la necesidad de recopilar todos los datos.

Rapidez en la toma de decisiones: Si necesitas tomar decisiones rápidas basadas en datos, el

muestreo permite obtener resultados y conclusiones preliminares en menos tiempo que un censo

completo.

Análisis práctico: el uso de conjuntos de datos más pequeños hace que el análisis sea más

manejable y los métodos estadísticos sean más fáciles de usar.

Reducción de la carga para la población: en investigaciones que involucran encuestas o

cuestionarios, el muestreo puede reducir la carga para la población objetivo al requerir que solo

un pequeño número de personas responda en lugar de que todos participen.

Mayor eficiencia: si el fenómeno bajo estudio muestra una variabilidad relativamente baja, es

probable que una muestra más pequeña produzca resultados similares a los obtenidos de un

censo completo.

Página 16 de 21
 Evaluación de calidad: durante la fabricación o producción, el muestreo se puede utilizar

para evaluar la calidad de un lote sin inspeccionar cada lote.

Generalización de resultados: al realizar una muestra suficiente y representativa, los

resultados obtenidos de la muestra pueden generalizarse a toda la población, proporcionando así

una imagen más amplia y confiable de las tendencias y características del fenómeno en estudio.

Flexibilidad y adaptabilidad: el muestreo permite ajustar el tamaño de la muestra según los

recursos disponibles, los objetivos de la investigación y las necesidades específicas de la

investigación.

Poblaciones, muestras y muestreo:

Población: Se define como un conjunto de personas u objetos que se quieren estudiar. En el

contexto de la comunicación social, este grupo puede ser amplio y diverso e incluir personas,

videos, películas, artículos periodísticos, programas de radio, programas de televisión y más.

Página 17 de 21
 Muestra: Es un subconjunto de la población que se selecciona para un estudio. Una muestra

es una porción representativa de una población que se utiliza para extrapolar resultados a toda la

población.

Muestreo: es un método de selección de componentes aleatorios de un conjunto. Esto

significa que se deben desarrollar reglas y criterios para seleccionar una muestra representativa.

Muestra de probabilidad:

El muestreo probabilístico significa que cada elemento del conjunto tiene una probabilidad

conocida distinta de cero de ser seleccionado de la muestra.

Se divide en varios tipos: aleatorio simple, aleatorio mediante tabla de números aleatorios,

aleatorio sistemático, aleatorio estratificado y aleatorio por conglomerados. El muestreo

probabilístico aleatorio simple implica seleccionar elementos de una población de forma

completamente aleatoria.

El muestreo sistemático implica seleccionar sujetos de acuerdo con ciertos intervalos en la

población. El muestreo estratificado divide la población en grupos homogéneos (estratos) y

luego selecciona muestras de cada estrato. El muestreo por conglomerados agrupa a la población

en conglomerados y luego selecciona subconjuntos de esos conglomerados. Muestreo no

probabilístico:

Página 18 de 21
 En el muestreo no probabilístico, no todos los elementos de la población tienen las mismas

posibilidades de ser seleccionados de la muestra. Esto incluye métodos intencionales o

deliberados, no intencionales o convenientes y pagos. Estos métodos se utilizan comúnmente en

la investigación cualitativa y pueden usarse para seleccionar casos específicos de interés.

Consideraciones especiales para la investigación cualitativa:

En la investigación cualitativa, se recomienda seleccionar los casos por su relevancia y

capacidad para proporcionar información rica y profunda.

Las técnicas de muestreo cualitativo incluyen el muestreo de casos extremos, el muestreo de

máxima variabilidad, el muestreo estratificado intencional, el muestreo estándar, el muestreo de

informantes clave y el muestreo de conveniencia.

Página 19 de 21
 CONCLUSION

Este trabajo concluye con un estudio de caso del despacho de abogados “VICTORIA

Abogados Asociados Santander” utilizando métodos de muestreo y análisis estadístico. A partir

de los datos proporcionados sobre el número de casos procesados por cada socio en un mes

determinado, se realizaron varios análisis, incluido el promedio y la desviación estándar del

número de casos procesados por cada socio en la población, y se calculó el posible tamaño de

muestra. Demostrar que la media de una distribución muestral de medias es igual a la media

poblacional es una expresión del teorema del límite central. Además, se calcula la desviación

estándar de la distribución muestral de la media y se traza la distribución. Se analiza la

importancia del muestreo en la investigación y se destacan algunas de las razones principales por

las que se prefiere el muestreo a un censo completo. Estas razones incluyen ahorro de tiempo y

recursos, viabilidad práctica, precisión, toma de decisiones rápida, reducción de la carga para los

ciudadanos, generalización de resultados, flexibilidad y adaptabilidad, etc. En general, este

trabajo proporciona una comprensión de cómo se utilizan las técnicas de muestreo y análisis

estadístico en el mundo real, así como la importancia del teorema del límite central en la

inferencia estadística. También destaca las ventajas del muestreo aleatorio en términos de

eficiencia y utilidad de la investigación.

Página 20 de 21
Referencias
Abellan. (26 de agosto de 2018). Teorema central del limite (TCL). Economia, págs.

[Link]

Lopez. (09 de 08 de 2004). POBLACION MUESTRA Y MUESTREO . punto cero , págs.

[Link]

Página 21 de 21