Beruflich Dokumente
Kultur Dokumente
Introducción.
Probabilidad y estadística.
• Probabilidad.
• Estadística.
• Relación entre probabilidad y estadística.
Muestreo.
Tipos de muestreo.
Ventajas e inconvenientes.
Números aleatorios.
¿Para qué sirven?
¿Cómo puedo generar números aleatorios?
¿Qué son los números pseudoaleatorios?
¿Por qué hay que recurrir a los números pseudoaleatorios?
Aplicaciones en la criptografía.
Error de muestreo.
• ¿Por qué sucede este error?
• Tamaño de la muestra y error de muestreo
• Desviación estándar y error de muestreo
Distribución muestral de medias.
Teorema de límite central.
Íntroduccioó n
Se denomina muestreo al proceso por el que generamos las muestras. Una
muestra es una parte (un subconjunto) de la población, y se desea que la
muestra sea lo más representativa posible de la población de la que procede.
Sin embargo, por muy cuidadosa que sea la selección de la muestra difícilmente
será una representación exacta de la población. Esto significa que su tendencia
central, variabilidad, etc., aproximarán las de la población, pero habrá cierta
diferencia, que interesa sea lo menor posible. Un concepto clave de muestreo
es el de representatividad: Los procedimientos de muestreo tienen por objeto
generar muestras lo más representativas posible de las poblaciones dados los
objetivos de la investigación y las circunstancias que afectan al muestreo.
Probabilidad y estadíóstica descriptiva
PROBABILIDAD.
ESTADÍSTICA
Muestreo no aleatorio:
Es práctica común seleccionar una muestra en forma intencional. De acuerdo
a opiniones o criterios personales, fundamentalmente con el objeto de
obtener información sin mucho costo.
Muestreo aleatorio:
En el cual todos los elementos de la población tienen la oportunidad de ser
escogidos para la muestra. Este procedimiento da a cada elemento de la
población una probabilidad de ser seleccionado.
Tipos de muestreo
Existen diferentes criterios de clasificación de los diferentes tipos de
muestreo, aunque en general pueden dividirse en dos grandes grupos:
métodos de muestreo probabilísticos y métodos de muestreo no
probabilísticos.
Muestreo probabilístico
Los métodos de muestreo probabilísticos son aquellos que se basan en el
principio de equiprobabilidad. Es decir, aquellos en los que todos los
individuos tienen la misma probabilidad de ser elegidos para formar parte de
una muestra y, consiguientemente, todas las posibles muestras de tamaño n
tienen la misma probabilidad de ser seleccionadas. Sólo estos métodos de
muestreo probabilísticos nos aseguran la representatividad de la muestra
extraída y son, por tanto, los más recomendables. Dentro de los métodos de
muestreo probabilísticos encontramos los siguientes tipos:
APLICACIONES EN LA CRIPTOGRAFÍA
Imagina que tienes sólo 10 sujetos. Con este tamaño de la muestra tan
pequeño, la tendencia de sus resultados es que variarán mucho, produciendo
una alta desviación estándar. Ahora imagina que el tamaño de la muestra
aumentó a 100. La tendencia de sus puntuaciones es a agruparse,
produciendo una desviación estándar baja. Formas de eliminar el error de
muestreo Sólo hay una manera de eliminar este error. Consiste en eliminar el
concepto de muestra y probar a toda la población.
DISTRIBUCIÓN MUESTRAL
Valor esperado
Cuando se tienen las medias de varias muestras sacadas de una población, la
media de todos esos valores, se le conocerá como valor esperado de la media
muestral.
DISTRIBUCIÓN MUESTRAL
El valor esperado de la media muestral E (), es igual a la media de la
población (µ) de la que se tomó la muestra. Cuando el valor esperado de un
estimador puntual es igual al parámetro poblacional, se dice que el estimador
puntual es insesgado.
factor
√ N −n
N −1
se requiere y en la infinita no, a este factor se le conoce
como factor de corrección para una población finita. Esto se ve cuando el
muestreo que se hace en una población finita, es grande, mientras que el
tamaño de la muestra es pequeño, en estos casos el factor de corrección para
una población finita es igual a 1. Por lo tanto, la diferencia entre el valor de la
desviación estándar de la media muestral en el caso de la población finita o
σ
infinita se vuelve despreciable. Entonces σ = es una buena
√n
aproximación a la desviación estándar de la media muestral, aun cuando la
población se a finita. Esta observación lleva a la siguiente regla general, para
calcular la desviación estándar de la media muestral.
DISTRIBUCIÓN MUESTRAL
En los casos en que n/N < 0.05, para calcular σ deberá usarse la versión
para poblaciones finitas.
Para calcular σ, se necesita conocer σ (la desviación estándar de la
población) y para diferenciar σ de σ, a la desviación estándar de la media
muestral se le llama error estándar de la media. Este término se refiere a la
desviación estándar de un estimador puntual, a través de este valor se puede
determinar qué tan lejos puede estar la media muestral de la media
poblacional.
Distribución uniforme
Medias de las muestras
Distribución exponencial
Medias de las muestras
• http://frecuenciaestadistica.blogspot.mx/2009/04/muestreo.html
• http://estadisticavigrado.blogspot.mx/2011/04/teorema-del-limite-
central.html
• https://explorable.com/es/distribucion-de-muestreo
• https://es.scribd.com/search?
content_type=documents&page=1&query=%EF%83%98Distribuci
%C3%B3n%20muestral%20de%20medias.
• https://es.scribd.com/doc/277667877/Probabilidad-y-Estadistica-
Unidad-IV