ESTADÍSTICA CUESTIONARIO SEGUNDO PARCIAL 19-06-19

UNIDAD 4

1. Explique que es y para que sirve un modelo de variable, como se denominan las
frecuencias relativas en el modelo y cuáles son las propiedades de la misma
Un modelo es una construcción teórica que presenta la realidad de manera
simplificada. Un modelo de variable es una distribución de frecuencias relativas
teóricas. Los modelos son útiles porque:
 Posibilitan una mejor comprensión de la realidad
 Facilita el análisis y la interpretación de la realidad
 Permite formular conclusiones y realizar predicciones

Las frecuencias relativas utilizadas en los modelos estadísticos se denominan

PROBABILIDADES y tienen propiedades:

 No pueden ser números negativos

 La suma de las probabilidades de un conjunto de valores es siempre 1
 Se pueden calcular las medidas de tendencia central y la dispersión: MEDIA
(sumando los productos de los valores de variable y multiplicándolos por sus
correspondientes probabilidades), MEDIANA y MODA.
 La media y el desvío estándar se distinguen con letras diferentes cuando están
relacionadas a poblaciones enteras (,) o con muestras de la población (X, S)

2. Desarrolle el concepto de distribución de probabilidades de una variable. ¿Para qué

quiere el estadístico contar con un modelo teórico de una variable?
Una distribución de probabilidades parte del concepto de modelo de variable, que es
una distribución de frecuencias relativas teóricas. En los estudios estadísticos, el
concepto de frecuencias relativas teóricas se reemplaza por probabilidades.
Los modelos teóricos de variable le permiten al estadístico deducir conclusiones que
luego confrontara con la realidad observada.
3. ¿Qué es una variable Bernoulli? Indique que valores toma y con que probabilidades
Una variable Bernoulli es un variable cuya distribución de probabilidades puede tomar
solo dos valores. Los valores que puede tomar son: ÉXITO (denominado con la letra p)
y FRACASO (indicado como 1-p)
4. Dada la variable “Condición laboral” con sus valores Trabaja-No trabaja, ¿a qué
modelo de variable responde? SI para una muestra de n individuos se cuenta el
número de ellos que trabajan, ¿Qué modelo de variable sería adecuado para
estudiar la variable que se generaría? Explique qué condiciones deben darse para
ello
En el primer caso, la variable de únicamente dos valores (Trabaja- No trabaja) por lo
tanto el modelo de variable al cual responde es el modelo Bernoulli. Al analizar las
muestra de individuos que trabajan, se puede ver que son variables Bernoulli repetidas
varias veces, por lo tanto se considera a este modelo como Variable Binomial. Una
variable binomial se forma mediante repetidas observaciones de una variable
 Bernoulli, esta variable considera la cantidad de éxitos obtenidos al observar n veces la
variable Bernoulli bajo condiciones indicadas.
5. ¿Qué expresa a través de sus valores la variable binomial? ¿Qué parámetros
intervienen en la formula que asigna probabilidad a sus valores y que significan
dichos parámetros?
La variable binomial cuenta la cantidad de éxitos en n observaciones de una variable
Bernoulli de parámetro p, si se verifican las siguientes condiciones:
 Condición de estabilidad: la probabilidad de éxito de p debe permanecer
constante en las n observaciones de la variable Bernoulli
 Condición de independencia: la probabilidad de obtener éxito en una
observación no aumente ni disminuye si se conoce el resultado de otra
observación

Los parámetros utilizados en este tipo de variable se denominan n (individuos en una

muestra/poblacion) y p (éxitos)

6. ¿Qué relación hay entre una variable Bernoulli y una Binomial? Defina Ambas
Una variable Bernoulli es una distribución de probabilidades que sólo puede tomar dos
valores (éxito y fracaso), a partir de n observaciones de la variable Bernoulli, se dice
que la variable binomial es la cuenta de éxitos en n observaciones de una variable
Bernoulli de parámetro p, que verifica dos condiciones:
 Condición de estabilidad: la probabilidad de éxito de p debe permanecer
constante en las n observaciones de la variable Bernoulli
 Condición de independencia: la probabilidad de obtener éxito en una
observación no aumente ni disminuye si se conoce el resultado de otra
observación
7. ¿Bajo qué condiciones la cantidad de éxitos obtenidos al observarse repetidamente
una variable Bernoulli puede suponerse que es una variable binomial?
Debe darse la repetición exacta de las variables Bernoulli en la cual se conserva las
propiedades
8. ¿Cuál es la media y la varianza de la distribución normal estándar? ¿Cómo se
relaciona esta distribución con otras distribuciones normales?
Media: = n.p
Varianza:²= n.p.(1-p)

9. Describa las características de la curva normal

 Tienen un único máximo en X=. La distribuciones normales son unimodales
 Son simétricas respecto del eje vertical que para por X=.
Tienen dos puntos de inflexión donde la concavidad cambia: En X=- cambia
de cóncava hacia arriba hacia cóncava hacia abajo
En X=+ cambia de cóncava hacia abajo a cóncava hacia arriba
 Se acercan asintóticamente al eje de abscisas tanto por derecha como por
izquierda
 El área total bajo la curva indica la probabilidad corresponde a la totalidad de
los valores y vale 1. Bajo la curva están comprendidos el 100% de los casos
  Es simetrica y unimodal. Sus mediadas de tendencia central coinciden (Media,
Moda, Mediana)
10. ¿Cuáles son las principales características de la curva normal? ¿Cómo se relaciona
esta curva con las probabilidades asignadas a los conjuntos de valores de una
variable normal?
 Tienen un único máximo en X=. La distribuciones normales son unimodales
 Son simétricas respecto del eje vertical que para por X=.
 Tienen dos puntos de inflexión donde la concavidad cambia:
 En X=- cambia de cóncava hacia arriba hacia cóncava hacia abajo
 En X=+ cambia de cóncava hacia abajo a cóncava hacia arriba
 Se acercan asintóticamente al eje de abscisas tanto por derecha como por izquierda
 El área total bajo la curva indica la probabilidad corresponde a la totalidad de los
valores y vale 1. Bajo la curva están comprendidos el 100% de los casos
 Es simétrica y unimodal. Sus mediadas de tendencia central coinciden (Media, Moda,
Mediana)

La curva se relaciona con las probabilidades de los conjuntos de valores en cuento su

área. El área que queda debajo de la curva o campana de Gauss corresponde a la
totalidad de las probabilidades por lo tanto su máximo valor puede ser 1. (El area que
representa la campana de Gauss es de 1, lo que es el valor máximo que pueden tomar
las probabilidades)

11. ¿Qué efecto produce sobre la curva de normal el cambio de valor del parámetro  o
del parámetro ?
Cuando  permanece fijo y  varía, la curva de normal se desplaza a la derecha o a la
izquierda sobre el eje de abscisas. Cuando  es fijo y  varía, la campana se acerca o
aleja de la media de abscisas, determinando una mayor o menor concentración de
valores en la media
12. ¿Qué importancia tiene el modelo teórico de la distribución normal dentro de la
práctica estadística?
El modelo teórico determina como debería comportarse un estudio estadístico. Por lo
tanto, en el caso de una distribución normal, si sabemos o podemos asumir que una
variable se distribuye según el modelo teórico de la campana de Gauss o curva de
normal, podemos obtener las probabilidades asociadas a cualquier calor de esa
variable y así obtener la distribución de probabilidad
13. ¿En qué consiste el procedimiento llamado “tipificación”? ¿Qué ventajas
proporciona en el cálculo de las probabilidades normales?
La tipificación es un proceso por el cual se convierte la escala de valores X en otro tipo
de escala. Las medidas se convierten en números que expresan las desviaciones típicas
como unidades por encima o por debajo de la media.
La tipificación conserva las propiedades de la variable por más que haya cambiado su
formato. Sirve para comparar dos unidades distintas.(en: peso y altura)

UNIDAD 5
14. ¿Qué se entiende por puntuaciones típicas o puntuaciones estándar y que ventajas
tienen sobre las puntuaciones brutas?
Las puntuaciones típicas o estándar se obtienen dividendo las puntuaciones
diferenciales por la desviación típica. Se representan con la letra z.
X¡
z ¡= =( X ¡−X )/Sx
Sx
Se diferencian de las puntuaciones brutas ya que calculan que cantidad de la
población/muestra está por debajo o por encima de la media. Al ser números
abstractos, son siempre comparables (no se expresan en ninguna unidad concreta de
medida)
15. ¿Con que finalidad se tipifican las puntuaciones de los tests? ¿Qué información
proporciona una puntuación Z?
La tipificación permite hacer comparaciones, llevando los resultados a una escala
común. Son útiles para comprar unidades de grupos distintos, y para hacer
comparaciones entre observaciones que corresponden a variables medidas de distinta
forma o entre distintas variables (EJ: peso y altura).
Las puntuaciones Z indican el numero de desviaciones estándar que separan a una
X−X
observación de la media (Puede ser MUESTRAL ( Z= ) o POBLACIONAL (
Sx
X−μ
Z= ). Determina a cuantos desvíos se encuentran una puntuación de la media
σ
16. ¿Qué características debe tener el grupo normativo para proporcionar una adecuada
descripción estadística del sujeto?
El grupo de sujetos participantes en una experimentación se denomina grupo
normativo. Este grupo normativo deber ser representativo de la población a la que
está destinado el test, debe tener un tamaño adecuado para proporcionar
estimaciones seguras dentro de los límites del error muestral. El grupo normativo
también debe ser homogéneo, todos los miembros deben pertenecer a la población
objetivo. Los datos utilizados serán todos los estadísticos descriptivos en rangos
percentilares.
17. Explique los conceptos de rango percentil de un puntaje y percentil. Dé un ejemplo
El rango percentilar es el área que deja un valor de variable por atrás multiplicado por
100. Indica la posición relativa de un sujeto según el porcentaje de puntuaciones del
grupo al que pertenece. Muestra la posición del sujeto en el grupo según el porcentaje
de puntuaciones que supera. Los percentiles dividen a la distribución de una variable
en 100 partes iguales.
EJEMPLO: Un alumno obtuvo muy buena puntuación en un examen de matemática, si
se ubica en el rango percentil 80 quiere decir que ha superado al 80% de los demás
estudiantes, y sólo es superado por el 20% de ellos.
18. Para conseguir buenas normas de un test hay que realizar un estudio de tipificación.
¿Cuáles son los pasos que deben seguirse para dicho estudio?
1. Identificar la población objetivo
2. Especificar los estadísticos que se deberán calcular a partir de los datos
muestrales
 3. Determinar la cantidad de error muestral tolerable para los estadísticos
especificados (discrepancia máxima entre el estadístico y el parámetro)
4. Diseño muestral (siguiendo técnicas del muestreo probabilístico)
5. Fijar el tamaño muestral requerido para mantener el error dentro de los
límites ya fijados. (Depende de la estrategia muestral utilizada. Es mayor con el
muestreo por conglomerados)
6. Extraer la muestra y recoger los datos, documentando los casos de no
respuestas y las posibles causas
7. Calcular los valores de los estadísticos en la muestra y sus errores típicos
8. Identificar los tipos de puntuaciones normativas necesarias y preparar las
tablas de conversión
9. Preparar la documentación escrita sobre el proceso de tipificación del test y la
guía para la interpretación de las puntuaciones normativas
19. En el contexto de la teoría y de la práctica de los test psicológicos ¿Qué son las
normas? Mencione la importancia de un grupo normativo como ayuda para
interpretar puntajes de pruebas

20. Comente las similitudes y diferencias entre las normas nacionales y locales y las de
usuario y conveniencia
NORMAS NACIONALES Y NORMAS LOCALES

SIMILITUDES DIFERENCIAS
 Representan un grupo normativo  Las normas nacionales están
 Deben estar incluidas todas basadas en muestras
aquellas características relevantes
representativas a nivel nacional
que pueden influir en los  Las normas locales están basadas
resultados de un test (sexo, edad,en subpoblaciones
raza, status social, hábitat, etc)
 Las normas locales están
referidas a la población con la
que el usuario del test tiene
experiencia directa
 Para las normas nacionales se
necesita calcular los datos
estadísticos y los rangos
percentiles para cada uno de los
niveles
NORMAS DE USUARIO Y NORMAS DE CONVENIENCIA

SIMILITUDES DIFERENCIAS
 Los sujetos no son representativos  Las normas de usuario requieren
de la población una determinado período de
tiempo
 Las normas de conveniencia se
basan en grupos de sujetos que
son accesibles al construir el test

UNIDAD 6
21. Mencione los distintos métodos de muestreo y explique en qué consiste el muestreo
aleatorio simple
 Muestreo probabilístico: el criterio esencial de selección muestral es la
selección aleatoria. Cada unidad tiene una probabilidad igual de ser
seleccionada para la muestra, la selección de cada unidad es independiente de
las demás, y permite el control del error muestral EJEMPLOS: muestreo
aleatorio simple, muestreo sistemático, muestreo estratificado, muestreo por
conglomerados.
 MUESTREO ALEATORIO SIMPLE: es el prototipo de muestreo en el cual
se estiman las formulas básicas para el cálculo del tamaño y del error
muestral. Cada una de las unidades de la población se identifica con
un número. La selección muestral se puede hacer mediante una tabla
de números aleatorios u otros procedimientos que garanticen: cada
unidad de la población tenga una probabilidad igual de participar en la
muestra, y que la selección muestral sea totalmente aleatoria.
(Básicamente consiste en otorgarle un numero a cada unidad de la
población y elegir al azar una x cantidad de números que
representarán la muestra )
 Muestreo no probabilístico: utiliza criterios como la conveniencia u otros
criterios subjetivos. Algunas unidades van a tener mayor probabilidad que
otras de ser seleccionadas para la muestra, no es fácil calcular el error
muestral. EJEMPLOS: muestreo por cuotas, muestreo estratégico.
22. Explique el carácter variable de la media muestral ¿Qué significa que la misma es un
estimador insesgado de la media poblacional?
La media muestral varía dependiendo del tamaño de la muestra, si el tamaño de la
muestra es suficientemente grande, la distribución de Xmedia es aproximadamente
normal con media  y varianza /n. Esto se considera TEOREMA CENTRAL DEL
LIMITE. Se estandariza Xmedia y se obtiene el siguiente estadístico que sigue una
X−μ
distribución normal:
σ /√ n
Se dice que un estimador es INSESGADO cuando su media coincide con el parámetro
que pretende estimar. En este caso Xmedia sería un estimador insesgado de 
23. Respecto de la media muestral considerada como variable ¿Qué se puede decir de su
distribución, su media y su desvío estándar?
La media muestral se comporta como una variable dado que al cambiar las muestras
se obtienen diferentes medias, y se simboliza con X
La media muestral tiene una media poblacional que coincide con la media poblacional
de la variable X (x=)
El desvío estándar de la variable media muestral es igual al desvío estándar de la
variable X dividido la raíz cuadrada del tamaño de la muestra (x=σ /√ n )
24. ¿Qué es una hipótesis estadística y en que consiste una prueba de hipótesis?
Una hipótesis estadística es cualquier afirmación que se formule sobre o acerca de la
distribución de una o mas variables. Una prueba de hipótesis es un conjunto de
operaciones estadisticas que permite, mediante la utilización del muestreo, rechazar o
no la hipótesis formulada.
 La prueba de hipótesis consiste en elegir la HIPOTESIS NULA o la HIPOTESIS
ALTENATIVA. La hipótesis nula afirma/refutar el valor numérico de un parámetro. La
hipótesis alternativa es la operación contraria a la hipótesis nula. El proceso de
elección entre ambas hipótesis se hace en base a un ESTADISTICO DE PRUEBA que
vincula el estimador obtenido con el parámetro. Si la hipótesis nula se confirma, no se
rechaza. Si la hipótesis alternativa se confirma, se rechaza la nula.

25. ¿Cuáles son las 4 consecuencias que resultan de comparar la decisión tomada en la
prueba de hipótesis con el estado real de la población?

El resultado del Estado de la poblacion

experimento H0 es realmente cierta H0 es realmente falsa
Aceptar H0 DECISION CORRECTA: La ERROR DE TIPO II: el riesgo de
posibilidad de aceptar la H0 cierta aceptar una H0 falsa es β
es 1-α
Rechazar H0 ERROR TIPO I: el riesgo de rechazar DECISION CORRECTA: la
una H0 cierta es de α probabilidad de rechazar una H0
falta es de 1-β

26. Defina el concepto “nivel de significación de una prueba de hipótesis” y explique

como se relaciona con la regla de decisión (o “zona de rechazo”)
El nivel de significación es la probabilidad de cometer un error tipo I. Se simboliza con
α. El nivel de significación de una prueba es un dato y de este dato se obtiene el o los
puntos críticos los cuales van a delimitar la ZONA DE RECHAZO. La zona de rechazo es
el conjunto de valores del recorrido del estadístico de prueba con los cuales se rechaza
una H0.
27. La “zona de rechazo de Ho” queda determinada a partir de la consideración de 3
cosas. Menciónelas y explique como intervienen en esa determinación
Depende del nivel de significación, de cómo está determinada la hipótesis alternativa
(a la derecha a la izquierda) y también como está distribuida (t student o normal).
28. Cuando se dice que una diferencia es estadísticamente significativa, ¿a qué se hace
mención y a qué alude el término “significativa”?
El término alude a la comprobación de que una hipótesis nula no puede ser aceptada.
Cuando se rechaza la hipótesis nula, los resultados de la hipótesis alternativa se
consideran significativamente mayores, menores o diferentes en relación a lo
propuesto por la hipótesis nula.
29. Explique los términos: estadístico, parámetro y estimador de un parámetro
ESTADÍSTICO: variable cuyos valores son función de los valores observados en la
muestra (característica numérica de la muestra)
PARÁMETRO: característica numérica de la población
ESTIMADOR DE PARÁMETROS: variables cuyos valores están próximos al parámetro.
30. ¿Cómo se otorga carácter variable a la media muestral? Responda y ejemplifique
 La variabilidad de la media muestral depende del método utilizado para determinar los
estadísticos. EL muestreo aleatorio con reemplazo implica una especie de sorteo entre
los participantes de una muestra, lo bueno de este tipo de muestreo es que los
elementos pueden ser devueltos a la población y el proceso se repite. Es útil
teóricamente, pero dependen del tamaño de la población. La media muestral varía
debido a los valores aleatorios de las muestras.
EJ:
31. ¿Qué nombres reciben las hipótesis que intervienen en una prueba y qué refleja
cada una de ellas?
Las hipótesis que intervienen en una prueba son:
 Hipótesis nula: hipótesis donde se afirma el valor numérico de un parámetro
 Hipótesis alternativa: rechazo de la hipótesis nula
32. ¿Cuáles son los errores que se pueden cometer en una prueba de hipótesis y en qué
consiste cada uno?
Error tipo I: implica tomar la decisión de rechazar la hipótesis nula siendo esta
verdadera
Error II: implica no rechazar la hipótesis nula siendo esta falsa
33. Explique el significado de “hipótesis nula” y de “hipótesis alternativa”
La hipótesis nula es la afirmación de un determinado valor de un parámetro. Y la
hipótesis alternativa es lo contrario, es la negación de esa hipótesis nula.
34. Explique los errores que pueden cometerse al realizar una prueba de hipótesis ¿Qué
se entiende por “nivel de significación de la prueba”?
Error tipo I: implica tomar la decisión de rechazar la hipótesis nula siendo esta
verdadera
Error II: implica no rechazar la hipótesis nula siendo esta falsa
El nivel de significación es la probabilidad de cometer un error del tipo I, se simboliza
con α. Es un dato por el cual se obtienen los puntos críticos que determinan la zona de
rechazo de una hipótesis
35. En una prueba de hipótesis ¿qué criterio se emplea para rechazar la hipótesis nula y
en qué consideraciones se funda?
En una prueba de hipótesis, el criterio utilizado para rechazar la hipótesis nula es el
NIVEL DE SIGNIFICACION. EL nivel de significación determina el o los puntos críticos
que delimitan la zona de rechazo. Si el resultado de esa hipótesis nula se encuentra
fuera de la zona de rechazo, se conserva. Si esta cae en la zona de rechazo,
efectivamente se rechaza. Se basa en la probabilidad de ocurrencia de los resultados
de la hipótesis nula, si un resultado que tenia poca probabilidad de que ocurriera,
ocurre efectivamente, la hipótesis nula puede no ser verdadera.
36. ¿Qué se postula sobre el Ho al iniciar la prueba de hipótesis para establecer la regla
de decisión y a qué conclusiones se puede arribar sobre Ho al finalizar dicha prueba?
La regla de decisión establece que:
1. Se rechazará H0 si el estadístico de prueba toma un valor que pertenece a la
zona de rechazo
2. No se rechazará H0 si el estadístico de prueba toma un valor que no pertenece
a la zona de rechazo.
 Previo a la regla de decisión se dice que la hipótesis nula debe coincidir con la media
poblacional.

Las decisiones que pueden ser tomadas al finalizar la prueba de hipótesis son rechazar
la H0 o no rechazarla

37. ¿En qué consiste el proceso de inferencia estadística? Explique los términos
involucrados en él
La inferencia estadística es el proceso mediante el cual se puede inducir el
comportamiento de una determinada población. El método para realizarlo es el de
contraste o prueba de hipótesis que consiste en el planteo de 2 hipótesis, una
hipótesis nula (H0. Se afirma un valor numérico de un parámetro) y una hipótesis
auxiliar (H1. Se niega la hipótesis nula). El método consiste en la elección de una de las
dos hipótesis. Para hacerlo se requiere la determinación de una ZONA DE RECHAZO o
REGIÓN CRITICA (conjunto de valores en los cuales se puede rechazar una hipótesis
nula). Si el resultado de una hipótesis nula cae en este sector, la hipótesis podrá ser
rechazada
38. De qué manera se debería organizar una experiencia para que luego fuese posible
realizar una interpretación causalista de los resultados hallados? (“Las diferencias
encontradas se deben al efecto de la variable independiente sobre la variable
dependiente”) Ejemplifique
Para que se pueda interpretar de manera causal una experiencia se necesita que todos
los datos ,que no sean el dato que se quiere comprobar, deben ser iguales.
39. Muchas encuestas requieren ser administradas a individuos que constituyen una
muestra representativa ¿Cuál es la necesidad de este requerimiento? ¿Cómo debe
ser y como debe obtenerse una muestra representativa?
La mayoría de las encuestas estadisticas utilizan muestras representativas en vez de
poblaciones enteras debido a que su costo es menor, requiere menos tiempo y son
más fáciles de realizar. Una muestra debe ser variable para que de sus valores se
llegue a conclusiones más generales y universales. Hay distintos métodos para obtener
la muestra representativa, el mejor de ellos es método de muestreo al azar: se les
asigna a todos los elementos que forman una población un número que los
identifique. Al azar se elegirán los números que conformarán la muestra. Dependiendo
de la compatibilidad de los individuos de la muestra, el muestreo podrá ser con
reposición (se pueden “devolver” ciertos participantes que quizás no coincidan con el
criterio que se busca comprobar) o sin reposición.
Para que una muestra sea considerada como representativa de la población, esta debe
ser relativamente grande, debe haber variabilidad en sus integrantes y debe ser
estable.
40. En la organización de las experiencias debe establecerse el tipo de muestras por usar
y la manera de obtenerlas. Explique en qué consiste esto, las limitaciones prácticas
que se encuentran para la obtención de las muestras deseadas y sus importancias

41. Describa un método de selección de individuos para conformar una muestra

probabilista y otro para una muestra no probabilística
 Muestreo probabilista: Método de muestreo aleatorio: se les asigna a todos los
elementos que forman una población un número que los identifique. Al azar se
elegirán los números que conformarán la muestra. Dependiendo de la compatibilidad
de los individuos de la muestra, el muestreo podrá ser con reposición (se pueden
“devolver” ciertos participantes que quizás no coincidan con el criterio que se busca
comprobar) o sin reposición.
Muestreo no probabilista: Muestreo por conveniencia: el investigador realiza una
muestra en base a la selección de individuos que considera accesible, fácil y rápida.
Generalmente lo hace por proximidad a la muestra
42. ¿Qué se entiende por definición y acotación de la población y qué se tiene en cuenta
para ello? Ejemplifique
EL proceso de definición de una población involucra determinar cual será la población
de estudio que tendrá el investigador en cuenta para su prueba de hipótesis. Como la
prueba de hipótesis en las poblaciones es costosa, difícil y requiere mucho tiempo, esa
población se acota, es decir, se toma una porción de ella denominada “muestra
poblacional” sobre la cual se realizará la prueba de hipótesis. La muestra debe
representar correctamente la población, por lo tanto no puede ser ni muy chica ni muy
grande.
EJEMPLO: se quiere comprobar la siguiente hipótesis nula: “la vida facultativa genera
niveles muy elevados de estrés en los estudiantes”. Si consideramos a la UBA como el
territorio en donde se dará la prueba de hipótesis, la población serán todos los jóvenes
entre cierta edad que asistan a la UBA y que sientan estrés. Teniendo en cuenta que la
UBA es muy grande y tiene diferentes facultades, por ende muchísimos alumnos, se va
a hacer un “recorte” de esta población, por ejemplo 5000 estudiantes, estos
conformarán la muestra representativa.
43. ¿A que se hace referencia con la expresión “marco de muestreo”? Explique que
requisitos debe cumplir este marco
El marco muestral conforma una lista de elementos que componen la población que
queremos estudiar del cual se extrae una muestra. Cada elemento es una unidad
muestral. Los requisitos son:
 Debe ser lo más completo posible, para así facilitar la representatividad de la
muestra
 Debe ser actualizado en cortos períodos de tiempo
 Cada componente debe estar igualmente representado
 No puede incluir unidades que no correspondan a la población que se analiza
 Debe contener información suplementaria que ayude a localizar las unidades
seleccionadas (DNI, teléfono, sexo, dirección, etc)
 Debe ser fácil de utilizar, debe reducir costos y errores.
44. Mencione algunos de los factores que se tienen en cuenta para decidir el número de
unidades por incluir en una muestra. Explique uno de ellos
Los factores a tener en cuenta a la hora de determinar las unidades de una muestra
son:
 El tiempo y los recursos disponibles
 La modalidad de muestreo seleccionada
 La diversidad de los análisis de datos prevista
  La varianza o heterogeneidad poblacional: si la muestra intenta ser una
representación de la población, su tamaño se verá afectado por la varianza
poblacional. Cuando más heterogénea sea la población, mayor será su
varianza, en consecuencia se necesitará un mayor tamaño muestral para que
todas las posibilidades se encuentren representadas en la muestra.
 El margen de error máximo admisible
 El nivel de confianza de la estimación muestral
45. ¿Qué se entiende por error muestral o error de muestreo y como se relaciona con el
tamaño de muestra?
El error de muestreo es el grado de inadecuación existente entre las estimaciones
muestrales y los parámetros poblacionales. En un error muestral pueden intervenir
diferentes elementos, el tamaño de la muestra es uno de ellos. El error muestral va a
variar con el tamaño de la muestra, a más grande la muestra menor es el error
muestral.
46. Mencione y caracterice las dos amplias categorías en que se agrupan las
modalidades de muestreo
 Muestreo probabilístico o aleatorio: se fundamenta sobre el azar como criterio
esencial de selección, cuyas ventajas son:
 Cada unidad tiene igual probabilidad de participar en la muestra
 La elección de cada unidad es independiente de las demás
 Se puede utilizar para estimar parámetros y compara hipótesis.
 Muestreo no probabilístico: se utilizan métodos que los investigadores
consideran factibles para obtener la muestra, esto repercute en:
 Desigualdad y dificultad de calcular el error muestral
 Se introducen los sesgos.

Es atractivo debido a que no precisa de la existencia de un marco de muestreo

y su materialización es más sencilla y económica. Puede utilizarse en métodos
cualitativos y en las indagaciones exploratorias

47. Mencione los diferentes métodos de muestreo probabilístico y explique uno de ellos
 M.P. Simple: se les otorga a cada uno de los elementos un número, y,
mediante la selección aleatoria y azarosa de los individuos, todos los
elementos tienen la misma probabilidad de ser seleccionados. Con este
método es muy fácil armar una muestra. Como la representatividad de los
individuos se deja a la “suerte”, siempre hay que tener en cuenta el error de
muestreo
 M.P. Sistemático
 M.P.Estratificado
 M.P. por Conglomerados
 M.P. de rutas aleatorias
48. Mencione los diferentes métodos de muestreo no probabilístico y explique uno de
ellos
 M.NP. Por cuotas: la muestra reunida tiene la misma proporción de individuos
que toda la población con respecto a las características o rasgos conocidos. La
población se divide en subgrupos. Se identifican las proporciones de estos
 subgrupos y se les aplica el proceso de muestreo. El investigador selecciona a
sujetos de diversos grupos y se asegura que esa muestra obtenida de los
subgrupos sea representativa de toda la poblacion
 M.NP. Estratégico
 M. NP. “Bola de nieve”