REPÚBLICA BOLIVARIANA DE VENEZUELA
UNIVERSIDAD NACIONAL EXPERIMENTAL
“SIMÓN RODRÍGUEZ”
NÚCLEO BARQUISIMETO
MUESTREO Y
ESTIMACION
Participante: Luisana Palacios 30.716.102.
Seccion: 202.
Carrera: Administración mención Mercadeo.
Curso: Estadistica II.
Facilitador: Orlando Segovia.
Barquisimeto, Noviembre, 2024.
Indice
Introducción...................................................................................................................2
Nociones de muestreo....................................................................................................3
¿Por qué se realiza el muestreo?.............................................................................3
Población y muestra................................................................................................3
Tipos de muestreo...................................................................................................3
Parámetros y estadísticos........................................................................................4
Inferencia estadística..............................................................................................4
Ventajas del muestreo.............................................................................................5
Muestreo probabilístico..........................................................................................6
Ventajas del muestreo probabilístico......................................................................6
Tipos de muestreo probabilístico............................................................................6
Cálculo del tamaño de la muestra...........................................................................8
Distribución muestral de la media..........................................................................9
Distribución muestral de las proporciones.............................................................9
Estimador y estimación.........................................................................................10
Tipos de estimación..............................................................................................10
Conclusión...................................................................................................................12
Referencias bibliograficas...........................................................................................13
Introducción.
Para comenzar, el muestreo estadístico es una técnica fundamental en la
investigación científica que nos permite obtener información sobre una población a
partir del estudio de una parte de ella, denominada muestra.
En este trabajo, se exploran los conceptos clave del muestreo, desde la
definición de población y muestra hasta los métodos para calcular el tamaño de la
muestra y realizar inferencias estadísticas. Se comienza por diferenciar entre
población y muestra, y se explica la importancia de seleccionar una muestra
representativa para garantizar la validez de los resultados. A continuación, se
introducen los conceptos de parámetros y estadísticos, y se verán cómo estos se
utilizan para describir las características de una población y una muestra,
respectivamente.
La inferencia estadística nos permite explorar los resultados obtenidos de una
muestra a toda la población. Analizando las diferentes técnicas de inferencia, como la
estimación puntual y por intervalos, y las pruebas de hipótesis. Además, las ventajas
del muestreo, destacando su eficiencia en términos de tiempo y costos, así como su
capacidad para obtener información precisa sobre poblaciones grandes y diversas.
A lo largo de este trabajo, se profundiza en los diferentes tipos de muestreo,
poniendo especial énfasis en el muestreo probabilístico, que garantiza que cada
elemento de la población tenga una probabilidad conocida de ser seleccionado.
Explorando los tipos más comunes de muestreo probabilístico, como el aleatorio
simple, estratificado, por conglomerados y sistemático.
Finalmente, se abordara el cálculo del tamaño de la muestra, un aspecto
crucial para garantizar la precisión de los resultados. Estudiando las fórmulas y los
factores que influyen en la determinación del tamaño de muestra óptimo. Además,
explorando las distribuciones muestrales de la media y las proporciones, conceptos
fundamentales para realizar inferencias estadísticas.
2
3
Nociones de muestreo.
El muestreo estadístico es una técnica fundamental que nos permite obtener
información de una población a partir del estudio de una parte de ella, denominada
muestra. Esta práctica es esencial en diversas disciplinas, desde las ciencias sociales
hasta las naturales, ya que a menudo es imposible o poco práctico analizar a toda la
población.
¿Por qué se realiza el muestreo?
Reducción de costos: Analizar una muestra es más económico que estudiar toda
la población.
Ahorro de tiempo: Los procesos de recolección y análisis de datos son más
rápidos con una muestra.
Factibilidad: En poblaciones muy grandes o infinitas, el muestreo es la única
opción viable.
Precisión: Si el muestreo se realiza correctamente, las conclusiones obtenidas de
la muestra pueden generalizarse a toda la población con un margen de error
conocido.
Población y muestra.
La población es el conjunto completo de todos los elementos que comparten
una característica común y que son de interés para el estudio. Mientras que la muestra
es un subconjunto de la población seleccionado de manera aleatoria o siguiendo un
criterio específico.
Tipos de muestreo.
Aleatorio simple: Cada elemento de la población tiene la misma probabilidad de
ser seleccionado.
Estratificado: La población se divide en estratos homogéneos y se selecciona una
muestra de cada estrato.
4
Por conglomerados: La población se divide en conglomerados y se selecciona
una muestra de conglomerados.
Sistemático: Se selecciona un punto de partida aleatorio y luego se seleccionan
elementos a intervalos regulares.
Parámetros y estadísticos.
Los parámetros son medidas numéricas que describen características de una
población (por ejemplo, media, desviación estándar, proporción). Y los estadisticos
son medidas numéricas que describen características de una muestra (por ejemplo,
media muestral, desviación estándar muestral, proporción muestral).
Ejemplo: Si queremos conocer la altura promedio de los estudiantes de una
universidad, la altura promedio de todos los estudiantes (población) sería un
parámetro, mientras que la altura promedio de una muestra de 100 estudiantes sería
un estadístico.
Inferencia estadística.
La inferencia estadística es el proceso de utilizar los datos de una muestra para
hacer inferencias sobre una población. Su objetivo es estimar parámetros
poblacionales o probar hipótesis sobre ellos. Existen técnicas de inferencia estadística
y estas son:
Estimación: Consiste en calcular un intervalo de confianza para un parámetro
poblacional.
Pruebas de hipótesis: Se utiliza para aceptar o rechazar una afirmación sobre un
parámetro poblacional.
Fórmulas clave:
5
Media muestral: X̄ = (σx) / n
Donde:
X̄ : Media muestral
Σx: Suma de todos los valores de la muestra
N: Tamaño de la muestra
Desviación estándar muestral: S = √[σ(x - x̄ )² / (n - 1)]
Donde:
S: Desviación estándar muestral
X: Cada valor de la muestra
X̄ : Media muestral
N: Tamaño de la muestra
Intervalo de confianza para la media: X̄ ± zα/2 * (s / √n)
Donde:
Zα/2: Valor crítico de la distribución normal estándar para un nivel de confianza
dado
S: Desviación estándar muestral
N: Tamaño de la muestra
Ventajas del muestreo.
El muestreo, como técnica estadística, ofrece una serie de ventajas innegables
que lo convierten en una herramienta esencial en la investigación:
Reducción de costos: Al trabajar con una muestra más pequeña que la población
total, se reducen considerablemente los gastos asociados a la recolección y
análisis de datos.
6
Ahorro de tiempo: Los procesos de investigación se aceleran significativamente
al trabajar con muestras, lo que permite obtener resultados más rápidamente.
Factibilidad: En muchas ocasiones, estudiar toda una población es simplemente
imposible debido a su tamaño o dispersión geográfica. El muestreo permite
obtener información valiosa incluso en estos casos.
Precisión: Si se selecciona una muestra representativa, los resultados obtenidos
pueden generalizarse a la población completa con un margen de error conocido.
Flexibilidad: El muestreo permite adaptar el diseño de la investigación a
diferentes objetivos y recursos.
Muestreo probabilístico.
El muestreo probabilístico es aquel en el que cada elemento de la población
tiene una probabilidad conocida y no nula de ser seleccionado. Esta característica
garantiza que la muestra obtenida sea representativa de la población, lo que permite
hacer inferencias válidas.
Ventajas del muestreo probabilístico.
Representatividad: La principal ventaja es que las muestras obtenidas son más
propensas a reflejar las características de la población.
Generalización: Los resultados obtenidos pueden generalizarse a toda la
población con un mayor grado de confianza.
Cálculo del error estándar: Permite estimar el margen de error de las
estimaciones.
Fundamento teórico sólido: Se basa en principios estadísticos bien establecidos.
Tipos de muestreo probabilístico
Existen diversos tipos de muestreo probabilístico, cada uno con sus propias
características y aplicaciones:
1. Muestreo aleatorio simple (mas)
7
Se basa en que cada elemento de la población tiene la misma probabilidad de ser
seleccionado. Se asigna un número a cada elemento de la población y se seleccionan
aleatoriamente los números correspondientes a los elementos de la muestra. Por
ejemplo, extraer bolas numeradas de una urna. Lo bueno es que es sencillo de
implementar y entender, lo malo es que puede ser poco práctico para poblaciones
grandes y dispersas.
2. Muestreo estratificado
Se basa en que la población se divide en estratos homogéneos y se selecciona
una muestra aleatoria de cada estrato. Su procedimiento es, se identifican las
variables de estratificación (ej: Edad, género, nivel educativo), se divide la población
en estratos homogéneos respecto a estas variables, se selecciona una muestra aleatoria
de cada estrato. Por ejemplo, dividir una población en estratos por edad y seleccionar
una muestra de cada grupo de edad. Su ventaja es que aumenta la precisión de las
estimaciones, especialmente cuando existe variabilidad entre los estratos, lo malo es
que requiere un conocimiento previo de las características de la población.
3. Muestreo por conglomerados
Se basa en que la población se divide en conglomerados (grupos naturales) y
se selecciona una muestra de conglomerados. Su proceso es se identifican los
conglomerados (ej: Escuelas, barrios), se selecciona una muestra de conglomerados,
se estudian todos los elementos de los conglomerados seleccionados o se selecciona
una submuestra de ellos. Por ejemplo, seleccionar una muestra de escuelas y estudiar
a todos los estudiantes de las escuelas seleccionadas. Lo bueno es que este tipo es util
cuando no se dispone de un marco muestral completo. Lo malo es que tiene mayor
error de muestreo que en el muestreo aleatorio simple.
4. Muestreo sistemático
8
Se selecciona un punto de partida aleatorio y luego se seleccionan elementos a
intervalos regulares. Su procedimiento es se ordena la población de alguna manera, se
calcula el intervalo de muestreo (tamaño de la población / tamaño de la muestra), se
selecciona aleatoriamente un punto de partida y se seleccionan los elementos a
intervalos regulares. Por ejemplo, seleccionar cada décimo nombre de una lista de
estudiantes.
Fórmula para calcular el tamaño de muestra en un muestreo aleatorio simple:
N = (zα/2)² * p̂ * (1-p̂ ) / e²
Donde:
N: Tamaño de la muestra
Zα/2: Valor crítico de la distribución normal estándar
P̂ : Estimación previa de la proporción (si no se tiene, se puede usar 0.5)
E: Margen de error
Cálculo del tamaño de la muestra.
Determinar el tamaño adecuado de una muestra es fundamental para
garantizar la precisión de los resultados de una investigación. El tamaño de la muestra
depende de varios factores, como:
Nivel de confianza: La probabilidad de que el parámetro poblacional se
encuentre dentro del intervalo de confianza.
Margen de error: La máxima diferencia aceptable entre el estimador y el
parámetro poblacional.
Variabilidad de la población: La dispersión de los datos en la población.
Tamaño de la población: Aunque menos influyente en muestras grandes, puede
considerarse en poblaciones pequeñas.
9
Fórmula general para el tamaño de muestra (proporciones): N = (zα/2)² * p̂ * (1-
p̂ ) / e²
Donde:
N: Tamaño de la muestra
Zα/2: Valor crítico de la distribución normal estándar para un nivel de confianza
dado
P̂ : Estimación previa de la proporción (si no se tiene, se puede usar 0.5)
E: Margen de error
Para medias: N = (zα/2)² * σ² / e²
Donde:
Σ²: Varianza poblacional
Software estadístico: Existen programas como spss, r o excel que facilitan el
cálculo del tamaño de muestra.
Distribución muestral de la media y de las proporciones
La distribución muestral de un estadístico (como la media o la proporción) es
la distribución de todos los posibles valores que ese estadístico puede tomar en todas
las posibles muestras de un mismo tamaño extraídas de una población.
Distribución muestral de la media.
Si el tamaño de la muestra es suficientemente grande (generalmente n ≥ 30),
la distribución muestral de la media se aproxima a una distribución normal, según el
teorema del límite central.
Distribución muestral de las proporciones.
10
También se aproxima a una distribución normal bajo ciertas condiciones,
especialmente cuando np ≥ 5 y n(1-p) ≥ 5.
Estimador y estimación.
El estimador es una regla o fórmula que se utiliza para calcular una estimación
de un parámetro poblacional a partir de los datos de una muestra. Por ejemplo, la
media muestral es un estimador de la media poblacional. Por otro lado la estimación
es el valor específico obtenido al aplicar un estimador a una muestra particular.
Tipos de estimación.
Estimación puntual: Consiste en asignar un único valor al parámetro poblacional.
Por ejemplo, la media muestral es una estimación puntual de la media
poblacional.
Estimación por intervalos: Proporciona un rango de valores dentro del cual se
espera que se encuentre el parámetro poblacional con una cierta probabilidad.
Los intervalos de confianza son un ejemplo de estimación por intervalos.
Ejemplo de intervalo de confianza para la media: X̄ ± zα/2 * (s / √n)
Donde:
X̄ : Media muestral
Zα/2: Valor crítico de la distribución normal estándar
S: Desviación estándar muestral
N: Tamaño de la muestra
Puntos a cosiderar:
Sesgo: Un estimador está sesgado si, en promedio, tiende a sobrestimar o
subestimar el parámetro poblacional.
11
Eficiencia: Un estimador es eficiente si tiene una varianza menor que otros
estimadores.
Consistencia: Un estimador es consistente si, a medida que aumenta el tamaño de
la muestra, la probabilidad de que el estimador se aproxime al verdadero valor
del parámetro poblacional tiende a 1.
12
Conclusión
El presente trabajo ha realizado un recorrido por los fundamentos del
muestreo estadístico, una herramienta indispensable en la investigación científica. Se
ha explorado cómo, a partir de una porción representativa de una población, es
posible obtener inferencias válidas sobre el conjunto total.
Se han detallado los diversos tipos de muestreo, poniendo énfasis en el
muestreo probabilístico y sus distintas modalidades. Asimismo, se ha profundizado
en el cálculo del tamaño de muestra, un aspecto crucial para garantizar la precisión de
los resultados. Los conceptos de distribución muestral, estimador y estimación han
sido abordados, permitiendo comprender cómo se utilizan los datos muestrales para
realizar inferencias sobre parámetros poblacionales.
En conclusión, el muestreo estadístico ofrece un marco sólido para la
obtención de conocimiento a partir de datos. Sin embargo, es fundamental reconocer
que los resultados obtenidos a partir de una muestra siempre están sujetos a un
margen de error. A través de la correcta aplicación de las técnicas de muestreo y de
inferencia estadística, es posible minimizar este error y obtener resultados confiables.
En síntesis, el muestreo estadístico es una herramienta poderosa que permite
extraer información valiosa de la realidad y tomar decisiones informadas basadas en
evidencia empírica.
13
Referencias bibliograficas.
https://emilopezcano.github.io/estadistica-ciencias-ingenieria/muestreo.html
https://www.probabilidadyestadistica.net/poblacion-y-muestra/
https://www.probabilidadyestadistica.net/parametros-estadisticos/
https://economipedia.com/definiciones/inferencia-estadistica.html
https://www.proscont.com/ventajas-y-desventajas-del-muestreo/#:~:text=Ventajas
%20del%20muestreo
https://www.probabilidadyestadistica.net/muestreo-probabilistico/
https://www.probabilidadyestadistica.net/tipos-de-muestreo/
https://www.questionpro.com/es/calculadora-de-muestra.html
https://www.probabilidadyestadistica.net/distribucion-muestral-de-la-media/
https://www.probabilidadyestadistica.net/distribucion-muestral-de-la-proporcion/
https://www.probabilidadyestadistica.net/estimador/
https://soy-staff.blogspot.com/2015/11/tipos-de-estimacion-y-caracteristicas.html
14
