UNIVERSIDAD PERUANA LOS ANDES
FACULTAD DE CIENCIAS ADMINISTRTIVAS Y CONTABLES
ESTADÍSTICA APLICADA
MUESTREO
DOCENTE
BLANCAS ESPINOZA, Ninita
INTEGRANTES
ALIAGA CAMAYO, Anghy Sthefany
BENDEZÚ QUISPE, Kevin
GARCIA QUISPE, Zayuri
HUALI CASTILLÓN, Katlyn
MATOS ECHAVARRIA, Jair
HYO - 2024
EL MUESTREO Y DISTRIBUCIONES DE MUESTREO
El muestreo como una herramienta efectiva para obtener información representativa de una
población sin necesidad de examinar cada elemento individualmente. Se compara el proceso de
muestreo con ejemplos cotidianos como probar una porción de queso o whisky para determinar sus
características generales. Se destaca la dificultad y la impracticabilidad de examinar toda la población
en ciertos contextos, como la identificación de empleados que han dejado una compañía en los
últimos 10 años. Se enfatiza la importancia del tiempo, ilustrada mediante el ejemplo de una máquina
automática de clasificación de correo. El texto también introduce los conceptos de población y
muestra en estadística, proporcionando ejemplos para cada uno.
ESTADISTICAS Y PARAMETROS
La diferencia entre estadísticas y parámetros en el contexto de muestras y poblaciones.
Muestra cómo se utilizan medidas como la media, la mediana, la moda y la desviación estándar para
describir características de muestras y poblaciones. Se ilustra con ejemplos, como la altura media de
los estudiantes de décimo grado en Estados Unidos. La altura media de todos los estudiantes de
décimo grado sería un parámetro, mientras que la altura media de la clase de la maestra Jones sería
una estadística. Se destaca que las estadísticas se utilizan para estimar parámetros, y se presenta una
convención para representar estas medidas con símbolos específicos.
TIPOS DE MUESTREO
Se presenta dos métodos de selección de muestras: el muestreo no aleatorio o de juicio, y el
muestreo aleatorio o de probabilidad. En el muestreo de probabilidad, todos los elementos de la
población tienen la misma oportunidad de ser seleccionados. En cambio, en el muestreo de juicio, se
utiliza el conocimiento y la opinión para seleccionar los elementos de la muestra. Se ejemplifica con
un guardabosques que decide las zonas de un área arbolada para estimar la cantidad de madera que se
puede obtener. Aunque las muestras de juicio son más cómodas, no pueden analizarse
estadísticamente como las aleatorias. Se destaca que, si se opta por el muestreo de juicio sacrificando
representatividad, la comodidad tiene un costo demasiado alto.
MUESTAS SESGADAS
Las muestras sesgadas son las que no representan adecuadamente la población de la que se
extrajo por distorsión sistemática en el proceso de selección. Este sesgo puede deberse a diversas
razones, como un método de muestreo no adecuado, errores en la recolección de datos, o la influencia
de factores externos que afectan la selección de la muestra. Por lo tanto, los resultados obtenidos con
muestras sesgadas pueden estar sesgados y no representar a la población en su totalidad. Es
importante tener en cuenta y corregir los sesgos en el proceso de selección de muestras para garantizar
la validez y la precisión de los resultados de cualquier estudio o investigación.
MUESTREO ALEATORIO
El texto describe cómo en una muestra aleatoria o de probabilidad se conocen las
probabilidades de que un elemento de la población sea incluido en la muestra, lo que permite
determinar objetivamente las estimaciones de las características de la población. Se mencionan cuatro
métodos de muestreo aleatorio:
1) Muestreo aleatorio simple:
El muestreo simple es un método de selección de muestras en el que cada elemento de la
población tiene la misma probabilidad de ser seleccionado. En otras palabras, todos los elementos de
la población pueden incluirse en la muestra. Este método es útil cuando la población es homogénea y
no se necesita dividirla en subgrupos antes de seleccionar la muestra. El proceso de selección se
realiza de manera aleatoria, lo que garantiza que la muestra sea representativa de la población en su
conjunto. El muestreo simple es uno de los métodos más básicos en estadística y se usa en
investigaciones y estudios.
2) Muestreo sistemático:
El muestreo sistemático es un método de selección de muestras en el que se eligen los
elementos de la población de manera sistemática, siguiendo un patrón predefinido. En este método, se
selecciona un elemento de la población inicial de manera aleatoria y luego se elige cada k-ésimo
elemento subsiguiente para formar la muestra, donde "k" es un número constante conocido como
intervalo de muestreo. Es útil cuando se quiere mantener una estructura ordenada en la selección de la
muestra y cuando la población está organizada de alguna manera sistemática, como por ejemplo en
una lista o secuencia. Sin embargo, es importante tener en cuenta que, si la población presenta algún
tipo de patrón cíclico o estacional, el método puede introducir sesgos en la muestra resultante.
3) Muestreo estratificado:
El muestreo estratificado es un método de selección de muestras en el que la población se
divide en subgrupos o estratos homogéneos con respecto a alguna característica relevante, como la
edad, el género, el nivel educativo, o cualquier otra variable de interés. Luego, se selecciona una
muestra aleatoria de cada estrato, de modo que todos los estén representados en la muestra final.
Este método es útil cuando se desea garantizar que ciertos subgrupos de la población estén
bien representados en la muestra y se quiere reducir la variabilidad dentro de cada estrato. Además, el
muestreo estratificado puede aumentar la precisión de las estimaciones de la población al asegurar una
representación adecuada de los diferentes grupos presentes en la población.
4) Muestreo de racimo:
El muestreo de racimo, también conocido como muestreo por conglomerados, es un método
de selección de muestras en el cual la población se divide en grupos o racimos naturales o
predefinidos, y se seleccionan algunos de estos racimos al azar para formar la muestra. Luego, todos
los elementos dentro de los racimos seleccionados se incluyen en la muestra.
Este método es útil cuando no es práctico o se puede hacer una lista completa de los
elementos de la población, pero sí es factible agruparlos en racimos o conglomerados. El muestreo de
racimo puede ser más eficiente y menos costoso que otros métodos de muestreo, ya que permite
reducir la cantidad de tiempo y recursos necesarios para obtener la muestra.
DISEÑOS DE ESPERIMENTOS:
La planificación de experimentos: Implica diseñar cuidadosamente un estudio científico para
investigar relaciones entre variables. Se deben definir objetivos claros, seleccionar variables, elegir un
diseño experimental adecuado, determinar el tamaño de la muestra, establecer protocolos para la
recopilación de datos y analizar los resultados. El proceso garantiza la validez y fiabilidad de los
hallazgos, contribuyendo al avance del conocimiento en el área de estudio.
Fases del diseño experimental:
Estas fases son fundamentales para llevar a cabo un experimento de manera rigurosa y
obtener resultados válidos y fiables que contribuyan al avance del conocimiento en el área de estudio.
1. Definición de objetivos: Establecer claramente los propósitos y metas del experimento, así
como las hipótesis que se probarán.
2. Selección de variables: Identificar las variables independientes (que se manipulan) y las
variables dependientes (que se miden para evaluar los efectos de la manipulación), así como controlar
las variables extrañas que podrían influir en los resultados.
3. Diseño experimental: Elegir el tipo de diseño experimental más apropiado para el estudio,
como el diseño factorial, el diseño completamente aleatorizado, el diseño de bloques aleatorizados,
entre otros.
4. Planificación de la muestra: Determinar el tamaño de la muestra necesario para detectar
efectos significativos y representativos, utilizando métodos estadísticos adecuados.
5. Recopilación de datos: Establecer protocolos claros y estandarizados para la recolección
de datos, asegurando la precisión y consistencia en la obtención de la información.
6. Análisis de datos: Utilizar técnicas estadísticas apropiadas para analizar los datos
recopilados y determinar si existen diferencias significativas entre los grupos o condiciones
experimentales.
EXPERIMENTOS FACTORIALES:
Los experimentos factoriales son un tipo de diseño experimental en el que se estudian los
efectos de dos o más variables independientes (factores) simultáneamente. Cada factor puede tener
múltiples niveles, y todas las combinaciones posibles de los niveles de los factores se prueban en el
experimento. Esto permite analizar no solo los efectos individuales de cada factor, sino también las
interacciones entre ellos.
Los experimentos factoriales son útiles para investigar cómo diferentes variables afectan a un
resultado en conjunto y cómo pueden interactuar entre sí para influir en dicho resultado. Estos
experimentos permiten maximizar la eficiencia de la investigación al explorar múltiples factores de
manera simultánea, lo que puede proporcionar una comprensión más profunda y completa del
fenómeno estudiado.
Logro de mayor eficiencia en el diseño experimental
El logro de una mayor eficiencia en el diseño experimental implica optimizar el uso de
recursos disponibles para obtener resultados válidos y significativos de manera más rápida, precisa y
económica. Implica una cuidadosa planificación y ejecución del estudio, así como la utilización de
técnicas estadísticas y metodológicas apropiadas para obtener resultados válidos y significativos con
los recursos disponibles.
