UNIDAD IV: MUESTREO
INVESTIGACIÓN
INSTRUCCIONES:
INVESTIGAR LOS SIGUIENTES TEMAS CON 1 EJEMPLO PRÁCTICO DE CADA 1
. Teorema de limite central
. Tipos de estimaciones y características
. Determinación del tamaño de la muestra de una población
. Intervalos de confianza para la media con el uso de distribución
MATERIA: PROBALIDAD Y ESTADISTICA DESCRIPTIVA GES-301
DOCENTE: LUIS GILBERTO RAMOS VALENCIA
CARRERA: INGENIERIA EN GESTIÓN EMPRESARIAL
ESTUDIANTE: ELIO JOSE LUIS TAGUADO ROSAS
MATRICULA: GE23110311
INTRODUCCIÓN
La estadística y la investigación son herramientas fundamentales para entender y analizar los datos de
una variedad de campo. En este tema exploraremos algunos de los conceptos y ejemplos de cada
subtema, de igual manera las técnicas más importantes en la estadística y la investigación, incluyendo el
teorema del limite central, los tipos de estimaciones y características, la determinación del tamaño de la
muestra de una población, y los intervalos de confianza para la media con el uso de distribución.
Abordaremos es tos temas de una forma más explicita ya una vez adentrándonos en la investigación de
los conceptos y ejemplos que investigare para cada subtema.
TEOREMA DEL LIMITE CENTRAL
El teorema central del límite (TCL) es una teoría estadística que establece que, dada una muestra
aleatoria suficientemente grande de la población, la distribución de las medias muestrales seguirá una
distribución norma.
Además, el TCL afirma que a medida que el tamaño de la muestra se incrementa la media muestral se
acercará a la media de la población. Por lo tanto, mediante el TCL podemos definir la distribución de la
media muestral de una determinada población con una varianza conocía. De manera que la distribución
seguirá una distribución normal su el tamaño de la muestra es lo suficientemente grande.
PRINCIPALES PROPIEDADES DEL TEOREMA CENTRAL DEL LIMITE
. Sí el tamaño de la muestra es suficiente grande, la distribución de las medias seguirá aproximadamente
de una distribución norma. El TCL considera una muestra como grande cuando el tamaño de la misma es
superior a 30. Por lo tanto, si la muestra es superior a 30, la media muestral tendrá una función de
distribución próxima a una normal. Y esto se cumple independientemente de la forma de distribución
con la que estamos trabajando.
. La varianza de la distribución de las medidas muestrales será σ²/n. Que es la varianza de la población
dividido entre el tamaño de la muestra.
Que la distribución de las medidas muestrales se parezca a una normal es tremendamente útil. Porque la
distribución normal es muy fácil de aplicar para realizar contrastes de hipótesis y construcción de
intervalos de confianza. En estadísticas que una distribución sea normal es bastante importante, dado
que muchos estadísticos requieren este tipo de distribución. Además, el TCL nos permitirá hacer
inferencias sobre la media poblacional a través de la media muestral y esto es de gran utilidad cuando
por falta de medios no podemos recolectar datos de toda una población.
EJEMPLO DEL TEOREMA CENTRAL DEL LIMITE
Imaginemos que queremos analizar las rentabilidades medias históricas del índice S&P, que como
sabemos, tiene unas 500 compañías dentro del mismo. Pero no tenemos suficiente información como
para analizar la totalidad de las 500 compañías del índice. En este caso la rentabilidad media del S&P 500
sería la media poblacional.
Ahora bien, siguiendo al TCL podemos coger una muestra de estas 500 empresas para realizar el análisis.
La única limitación que tenemos que en la muestra tiene que haber más de 30 compañías del índice de
manera aleatoria y repetimos el proceso varias veces. Los pasos a seguir del ejemplo serían los
siguientes.
. Elegimos la muestra de unas 50 compañías y obtenemos a rentabilidad media de la totalidad de la
muestra.
. De manera continuada seguimos escogiendo 50 compañías y obteniendo la rentabilidad media.
. La distribución de todas las rentabilidades medias de toda la muestra es escogida se aproximará a una
distribución normal.
. Las rentabilidades medias de todas las muestras seleccionadas se aproximarán a la rentabilidad media
del total del índice. Tal y como demuestra el teorema central del límite.
https://www.studocu.com/es-mx/document/instituto-tecnologico-de-sonora/probabilidad-y-
estadistica/teorema-central-del-limite/29757488
https://economipedia.com/definiciones/teorema-central-del-limite.html
TIPOS DE ESTIMACIONES Y CARACTERISTICAS
. La estimación es un calculo que se realiza a partir de la evaluación estadística. Dicho estudio suele
efectuarse sobre una muestra y no sobre toda la población objetiva.
Para llevar a cabo una estimación, entonces, es necesario primero contar con una serie de datos.
Además, es común que los investigadores se sustenten en un marco teórico.
Vale aclarar también que la estimación pude efectuarse sin rigurosidad matemática. Esto suele suceder,
por ejemplo, cuando se consulta a expertos sobre cuánto va a crecer la economía en el presente año.
Entonces sin haber trabajado un cálculo econométrico el analista lanza una cifra o un (rango)
posiblemente con base en los indicadores que se vienen observando, como el consumo de cemento y
existen 3 tipos de estimaciones estadísticas.
ESTIMACIÓN PUNTUAL.
Es el método estadístico que se utiliza para estimar un parámetro desconocido de una población
mediante un valor único, llamado estimador puntual. Algunas características de la estimación puntual
son las siguientes.
UNICIDA: La estimación puntual proporciona n valor único para el parámetro desconocido
NO PROPORCIONA UN INTERVALO DE CONFIANZA: La estimación puntual no proporciona un intervalo de
confianza para el parámetro desconocido.
SE UTILIZA UNA MUESTRA DE DATOS: La estimación puntual se basa en una muestra de datos para
calcular el estimado puntual.
ESTIMACIÓN POR INTERVALO
Una estimación por intervalo de un parámetro θ es algún par de funciones de la
muestra que satisfacen L(x) ≤ U(x) para todo x ∈ X. El intervalo aleatorio [L(X), U(X)]
Es llamado un estimador por intervalo.
• Insesgado: en promedio, tiende a tomar valores que están por encima del
parámetro de la población con la misma frecuencia y la misma extensión, con la
que tiende a asumir valores por debajo del parámetro de población que se está
esfumando.
. Eficiente: de varios estimadores insesgados, el más eficiente es el que tiene error estándar más
pequeño.
. Consistente: significa que a medida que aumenta el tamaño de la muestra, la estimación se aproxima al
valor del parámetro.
. suficiente: significa que ningún otro estimador puede suministrar más información sobre el parámetro.
DETERMINACIÓN DEL TAMAÑO DE LA MUESTRA DE UNA POBLACIÓN
Una muestra es una selección de los encuestados elegidos y que representan la población total. El
tamaño de la muestra es una porción significativa de la población que cumplen las características de la
investigación reduciendo los costos y el tiempo.
INTERVALO DE CONFIANZA PARA LA MEDIA, CON EL USO DE LA DISTRIBUCIÓN.
Un intervalo de confianza para una media poblacional con una desviación típica poblacional conocida se
basa en la conclusión del teorema del limite central de que la distribución muestral sigue una
distribución aproximadamente normal.
EJEMPLO
https://www.studocu.com/co/document/institucion-universitaria-de-barranquilla/contabilidad-
general/prob-aprender/40748904
DETERMINACIÓN DEL TAMAÑO DE LA MUESTRA DE UNA POBLACIÓN
El tamaño de la muestra o tamaño muestral es el número de individuos que componen la muestra de un
estudio. En estadística, el tamaño de la muestra es importante para que la muestra sea representativa de
toda población, por lo tanto, el tamaño de la muestra de un estudio estadístico debe ser suficientemente
grande para que represente las características de toda la población. Por otro lado, el tamaño de la
muestra no puede ser excesivamente grande ya que entonces se encarece la investigación. En
conclusión, el tamaño de la muestra debe ser el adecuado, ni demasiado grande ni demasiado pequeño.
¿Y como podemos saber el tamaño de la muestra adecuada?
¿CÓMO CALCULAR EL TAMAÑO DE LA MUESTRA?
Para la estimación de una media, el tamaño de la muestra necesario es igual al cuadrado de
Zα/2 multiplicando por la desviación media típica (σ) divido por el margen de error deseado(e). De modo
que la fórmula para calcular el tamaño de la muestra es la siguiente.
Donde: n es el tamaño de la muestra.
αes el nivel de significación de deseo. Teniendo en cuenta que 1-α es el nivel de confianza deseado.
Zα/2 es el cuantil de la distribución normal estándar correspondiente a una probabilidad de α/2. Para
tamaño muestrales grandes y un nivel de confianza del 95% se suele aproximar a 1,96 y para una
confianza del 99% se suele aproximar a 2,576.
Ten presente que el tamaño de esta fórmula se está suponiendo que el tamaño poblacional es infinito, es
decir, que el tamaño de población es muy grande o desconocido.
EJEMPLO
2 https://www.youtube.com/watch?v=Hng7LgbH_HU
INTERVALO DE CONFIANZA PARA LA MEDIA, CON EL USO DE LA DISTRIBUCIÓN
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 inferior y otro superior). Estos valores van acotar un rango dentro
del cual, con una determinada probabilidad, se va a localizar el parámetro poblacional.
Intervalo de confianza= media+- margen de error
FACTORES DE LOS QUE DEPENDE UN INTERVALO
TAMAÑO DE LA MUESTRA SELCCIONADA: Dependiendo de la cantidad de datos que se hayan utilizado
para calcular el valor muestral, este se acercará más o menos al verdadero parámetro poblacional.
NIVEL DE CONFIANZA: Nos va a informar en qué porcentaje de casos nuestra nuestra estación acierta.
Los niveles habituales son de 95% y el 99%.
MARGEN DE ERROR DE NUESTRA ESTIMACIÓN: Este se denomina como alfa y nos informa de la
probabilidad que existe de que el valor poblacional esté fuera de nuestro intervalo.
https://www.matematicasonline.es/pdf/ejercicios/2%C2%BA%20Bach%20Hum/Intervalos%20de
%20confianza%20para%20la%20media.pdf
CONCLUSIÓN
En conclusión, el estudio de los temas relacionados con el limite central, tipos de estimaciones y
características, determinación del tamaño de la muestra de una población e intervalos de confianza, para
la media con el uso de distribución, nos ha permitido comprender la importancia de las estadísticas en la
toma de decisiones informales, el teorema del limite central nos ha demostrado que a medida que el
tamaño de la muestra aumenta, la distribución de la media muestral se acerca a una distribución normal,
lo que nos permite hacer inferencias precisas sobre la población.
Los diferentes tipos de estimaciones, como la estimación puntual y la estimación por intervalos nos han
permitido comprender cómo se pueden utilizar diferentes métodos para estimar parámetros
poblacionales.
La determinación del tamaño de la muestra de una población es fundamental para garantizar la precisión
y la confiabilidad de los resultados, y hemos visto cómo se pueden utilizar diferentes métodos para
determinar es tamaño de la muestra adecuado.
Y finalmente los intervalos de confianza para la media con el uso de distribución nos han permitido
comprender cómo se pueden utilizar estos intervalos para hacer inferencias precisas sobre la población.
