ESTADISTICA
Contenido 1:
1. El teorema central del límite: El teorema del límite central es un concepto
fundamental en estadística que estudia el comportamiento de la suma de variables
aleatorias a medida que aumenta el número de sumandos. Asegura la convergencia
hacia una distribución normal en condiciones muy generales. Este teorema tiene una
aplicación importante en la inferencia estadística, ya que muchos parámetros de
diferentes distribuciones de probabilidad, como la media, convergen a una distribución
normal. El teorema del límite central también está estrechamente relacionado con la
distribución normal, lo cual es necesario para su comprensión. El teorema ha
evolucionado históricamente a través de diferentes versiones desarrolladas por
matemáticos como de Moivre, Laplace y Chebyshev, entre otros.
El teorema del límite central establece que si una muestra es lo suficientemente grande
(generalmente cuando el tamaño de la muestra excede 30), independientemente de la
distribución de la media muestral, seguirá aproximadamente una distribución normal.
Esto significa que dada cualquier variable aleatoria, si extraemos muestras de tamaño n
(n>30) y calculamos las medias muestrales, estas medias seguirán una distribución
normal. La media será la misma que la de la variable de interés y la desviación estándar
de la media muestral será aproximadamente el error estándar.
La importancia del teorema del límite central radica en que explica por qué, en muchos
campos de aplicación, se encuentran distribuciones normales o casi normales. Este
teorema es una herramienta clave para comprender el comportamiento de las medias
muestrales y su distribución, proporcionando una base para la inferencia estadística y la
prueba de hipótesis.
2. Muestreos probalistico: definición y procedimientos de selección
Muestreo probabilístico es un tipo de selección de muestra estadística que utiliza la
aleatoriedad para garantizar que todos los individuos de la población tengan las mismas
oportunidades de ser incluidos en la muestra. Este método se utiliza para analizar y
estudiar una población estadística mediante selección aleatoria, asegurando que la
muestra sea representativa de toda la población. La idea central es que en un grupo de
individuos, todos tienen las mismas posibilidades de ser elegidos.
El muestreo probabilístico tiene varias ventajas, incluida una mayor precisión y
representatividad, así como la capacidad de calcular el error de muestreo y hacer
inferencias estadísticas sobre la población.
Sin embargo, también tiene algunas desventajas, como la necesidad de un marco de
muestreo completo y preciso, la posibilidad de sesgo de muestreo y el mayor costo y
complejidad en comparación con los métodos de muestreo no probabilísticos.
Los procedimientos de selección de muestreo probabilístico se basan en la
aleatorización para garantizar que todos los individuos de la población tengan la misma
oportunidad de ser seleccionados. Algunos de los métodos comunes de muestreo
probabilístico incluyen:
1. Muestreo Aleatorio Simple: En este método, cada miembro de la población tiene la
misma probabilidad de ser seleccionado. Puede realizarse de forma mecánica, como
sacar nombres de un sombrero, o de manera computarizada.
2. Muestreo Aleatorio Estratificado: Los individuos se agrupan en diferentes categorías
(estratos) según características como edad o género. Luego, se selecciona
aleatoriamente una muestra de cada estrato.
3. Muestreo Aleatorio Sistemático: Se elige un punto de partida aleatorio y se
seleccionan miembros de la población en intervalos regulares.
4. Muestreo Aleatorio por Conglomerados: Se utiliza cuando la población es muy
grande y se agrupa en conglomerados. Se seleccionan aleatoriamente algunos
conglomerados y se incluyen todos los individuos dentro de ellos en la muestra.
Estos métodos garantizan que la muestra sea representativa de la población y que no
haya sesgos en la selección, lo que permite realizar inferencias precisas sobre la
población en su conjunto
3. Metodos de muestreo : sistemáticos , estratificados y tipos de afijación, muestreo por
conglomerado
1. Muestreo por conglomerados: El muestreo por conglomerados es una técnica de
selección de muestras en la que se divide la población en grupos llamados
conglomerados o clústeres. Estos conglomerados representan a la población y se
analizan como unidades de muestreo. El objetivo principal de este método es reducir
costos y aumentar la eficiencia del muestreo
2. Muestreo sistemático: El muestreo sistemático es un método de selección de
muestras en el que se toman todos los individuos de la lista y se selecciona cada uno
en un intervalo determinado. Para comenzar, se utiliza un número al azar. Este método
es útil cuando la población está ordenada de alguna manera y se quiere garantizar que
se seleccionen individuos uniformemente distribuidos
3. Muestreo estratificado: El muestreo estratificado es una técnica de selección de
muestras en la que se divide la población en estratos o capas según algún criterio
relevante. Luego, se selecciona una muestra aleatoria de cada estrato. Este método
garantiza que la muestra sea representativa de la población en términos de las
variables utilizadas para estratificar
2. Muestreo por conglomerados: El muestreo por conglomerados es una técnica de
selección de muestras en la que se divide la población en grupos llamados
conglomerados o clústeres. Estos conglomerados representan a la población y se
analizan como unidades de muestreo. El objetivo principal de este método es reducir
costos y aumentar la eficiencia del muestreo
Hay varios tipos de muestreo probabilístico, incluido el muestreo aleatorio simple, el
muestreo aleatorio estratificado, el muestreo sistemático y el muestreo por
conglomerados.
--El muestreo aleatorio simple es la forma más básica de muestreo probabilístico,
donde cada individuo de la población tiene las mismas posibilidades de ser
seleccionado. Esto se puede lograr mediante varios métodos, como sacar nombres de
un sombrero o usar una secuencia de números aleatorios generada por computadora.
--El muestreo aleatorio estratificado implica dividir la población en subgrupos o estratos
según criterios específicos, como la edad, el sexo o el nivel socioeconómico. Luego se
selecciona aleatoriamente una muestra de cada estrato, asegurando que la muestra
sea representativa de toda la población en términos de estas características.
--El muestreo sistemático implica seleccionar individuos a intervalos regulares a partir
de un punto de partida elegido al azar en la lista de población. Por ejemplo, si el
objetivo es seleccionar 100 personas de una lista de 1000, el investigador podría elegir
una de cada diez personas a partir de un número aleatorio entre 1 y 10.
--El muestreo por conglomerados se utiliza cuando la población es demasiado grande o
está demasiado dispersa para ser muestreada directamente. La población se divide en
conglomerados o grupos y se selecciona una muestra aleatoria de estos
conglomerados. Luego, todos los individuos dentro de los conglomerados
seleccionados se incluyen en la muestra.
Los tipos de afijación en muestreo estadístico son:
Afijación Simple: Cada estrato tiene igual número de unidades de estudio.
Afijación Proporcional: La asignación del tamaño del estrato se hace de acuerdo con el
peso (tamaño) de la población en cada estrato.
La afijación simple es un método en el que a cada estrato se le asigna el mismo número
de elementos muestrales, mientras que la afijación proporcional se realiza de acuerdo
con el tamaño de la población en cada estrato. Estos métodos se utilizan en el
muestreo estratificado, donde la población se divide en diferentes estratos y se
selecciona una muestra de cada uno de ellos
4. Muestreos no probabilísticos: muestreo por criterio y cuotas
Muestreos no probabilísticos: muestreo por criterio y muestreo por cuotas
Los muestreos no probabilísticos son métodos de selección de muestras en los que la
selección de los elementos de la muestra no se realiza de forma aleatoria, sino que se
basa en criterios específicos.
---Muestreo por criterio: El muestreo por criterio es un método de muestreo no
probabilístico en el que se selecciona una muestra basándose en un criterio específico.
Este método se utiliza cuando se desea obtener información sobre una población
específica y se selecciona a los individuos que cumplen con los criterios establecidos
---Muestreo por cuotas: El muestreo por cuotas es un método de muestreo no
probabilístico en el que se forma una muestra estadística a partir de estratos que
comparten características. El investigador divide a la población en grupos o estratos
que poseen características similares (sexo, edad, región, etc.) y de ellos selecciona una
muestra proporcional y representativa de toda la población. La selección de individuos
se hace por conveniencia y a propia elección del investigador
Ventajas y desventajas
-El muestreo por cuotas tiene las siguientes ventajas:
-Es sencillo y fácil de implementar.
-Permite obtener una muestra representativa de la población en términos de las
variables utilizadas para estratificar.
-Es económico, ya que no requiere la utilización de métodos aleatorios.
Sin embargo, también tiene las siguientes desventajas:
-Puede haber una selección sesgada de los individuos, lo que puede afectar la validez
de los resultados.
-No es posible calcular la probabilidad de que un individuo sea seleccionado para la
muestra.
-Puede haber un sesgo en la selección de los individuos, lo que puede afectar la validez
de los resultados.
-No se puede generalizar los resultados a la población total, ya que la muestra no es
aleatoria
5. Muestreo por conveniencia
Muestreo por conveniencia
El muestreo por conveniencia es una técnica de muestreo no probabilístico en la que
los sujetos son seleccionados por su fácil accesibilidad y proximidad al investigador
Esta técnica se utiliza comúnmente en estudios preliminares y pilotos, ya que permite
obtener datos iniciales de manera rápida y económica
En resumen, el muestreo por conveniencia es una técnica de muestreo no probabilística
que se utiliza comúnmente en estudios preliminares y pilotos. Aunque tiene ventajas
como la reducción de costos y el ahorro de tiempo, también tiene desventajas como la
falta de representatividad y la posibilidad de sesgos en los resultados. Por lo tanto, se
recomienda utilizar esta técnica con precaución y considerar otras alternativas de
muestreo cuando sea posible.
6. Tamaño de la muestra
El tamaño de la muestra es el número de observaciones que componen una muestra
estadística. Determinar el tamaño de la muestra adecuado es un paso importante en
cualquier estudio de investigación, ya que un tamaño de muestra grande brinda mayor
precisión en las estimaciones de las diversas propiedades de la población.
La elección del tamaño de la muestra depende de consideraciones no estadísticas y
estadísticas. Las consideraciones no estadísticas pueden incluir la disponibilidad de
recursos, la mano de obra, el presupuesto, la ética y el marco de muestreo. Las
consideraciones estadísticas incluyen la precisión deseada de la estimación de la
prevalencia y la prevalencia esperada de los problemas oculares en niños en edad
escolar.
Para determinar el tamaño adecuado de las muestras, se deben seguir los tres criterios:
Nivel de precisión: es el rango en donde se estima que está el valor real de la
población.
Intervalo de confianza: es la medida estadística del número de veces de cada 100 que
se espera que los resultados se encuentren dentro de un rango específico.
Teorema del límite central: cuando una población se muestrea muchas veces, el valor
promedio de un atributo obtenido es igual al valor real de la población.
El tamaño de la muestra puede ser representativo o adecuado, dependiendo de las
características de la población y los objetivos de la investigación.
CONTENIDO 2
1. Definición de estimación de parámetros estimador
2. Propiedades de un buen estimador
