CONCEPTOS BÁSICOS DE LA INTRODUCCIÓN A MUESTREO

Sandra Milena Diaz Diaz

CORPORACIÓN UNIVERSITARIA UNITEC

MUESTREO Y ANÁLISIS DE DATOS

24 DE FEBRERO DE 2020
 TABLA DE CONTENIDOS

Introducción ………………………………………………………………………………3

Desarrollo …………………………………………………………………….…………...4

Conclusión ……………………………………………………………………………….6
Referencias……………………………………………………………………………….7
 INTRODUCCIÓN

A continuación, presento los conceptos básicos de la introducción a muestreo, que

necesitamos antes de resolver cualquier problema y un sencillos ejemplo, Para
empezar a entender los ejercicios de estadística, se necesita conocer
perfectamente estos conceptos básicos y saber en todo momento cual es el
requerimiento.
 DESARROLLO

Necesitamos realizar un estudio para determinar la cantidad de alumnos

universitarios de unitec de primer semestre, que hacen uso del área de bienestar
universitario en el gimnasio. De 300 alumnos que ingresaron a primer semestre,
se seleccionó una muestra aleatoria de 169 alumnos de primer semestre. De los
169 alumnos, 49 alumnos informaron usar el área, 70 alumnos no la usan y el
resto no la conocía. Según el área de registro y control el 40% de estos alumnos
de primer semestre son hombres.

CONCEPTO EJEMPLO

Población: Todos los alumnos universitarios de unitec.

Todos los alumnos universitarios de unitec de primer

Población objetivo
semestre.
Muestra 169 alumnos de primer semestre de unitec.
Cada uno de los estudiantes de primer semestre de
Elemento
unitec.
Lista de estudiantes que ingresan a primer semestre en
Marco muestral
unitec.

Unidades muestrales Cada uno de los estudiantes presentes en esta lista.

Cantidad de alumnos de primer semestre que hacen uso

Variable
del área de bienestar universitario en el gimnasio.

Parámetro 40% de estos alumnos de primer semestre son hombres.

49 alumnos informaron usar el área, 70 alumnos no la
Estadístico
usan 50 no la conocían.
Error muestral 5%
Nivel de confianza 95%
Intervalo de confianza 11.398 límite inferior 28.719 límite superior
Estimación de punto  
Margen de error 5
Varianza poblacional  0.5857
1,1,1,1,1,1,1,1,1,1

1,1,1,1,1,1,1,1,1,1
1,1,1,1,1,1,1,1,1,1

1,1,1,1,1,1,1,1,1,1

1,1,1,1,1,1,1,1,1
2,2,2,2,2,2,2,2,2,2
2,2,2,2,2,2,2,2,2,2
2,2,2,2,2,2,2,2,2,2
2,2,2,2,2,2,2,2,2,2
2,2,2,2,2,2,2,2,2,2
2,2,2,2,2,2,2,2,2,2
2,2,2,2,2,2,2,2,2,2
3,3,3,3,3,3,3,3,3,3
3,3,3,3,3,3,3,3,3,3
3,3,3,3,3,3,3,3,3,3
3,3,3,3,3,3,3,3,3,3
3,3,3,3,3,3,3,3,3,3

Un parámetro estadístico es un número que se obtiene a partir de los datos de

una muestra estadística. Los parámetros estadísticos también se conocen
como estadísticos descriptivos.

Los parámetros estadísticos sirven para sintetizar o resumir la información dada

por una tabla o por una gráfica. En otras palabras, dados unos pocos parámetros
estadísticos se puede tener una idea general de la distribución de la información.

Los parámetros estadísticos dan un buen resumen cuando se conoce la

distribución de la población. En particular, si la muestra proviene de una
distribución normal, entonces el promedio típico y la desviación estándar dan
un buen resumen de la distribución.

Ejemplos de parámetros estadísticos son el promedio, la mediana, la desviación

estándar o los cuartiles.

Los parámetros estadísticos se clasifican según la información que resumen. Los

dos tipos más comunes de parámetros estadísticos son:

 De tendencia central
 De dispersión

Otros tipos de parámetros estadísticos son aquellos de forma y escala. Estos

parámetros son más utilizados en distribuciones como la Beta, Pareto o Weibull —
por lo tanto, no las describiremos ya que nos enfocamos principalmente en la
distribución normal—.

Medidas de tendencia central

Estos parámetros nos indican alrededor de qué valor (centro) se distribuyen los
datos.

Algunas medidas de tendencia central son (al dar clic en el enlace podrás ver una
descripción detallada de cada parámetro):

Media aritmética:

La media es el valor promedio de la muestra. También se puede interpretar como

el centro de gravedad de los datos.

 
Mediana:

La mediana es el valor que separa la mitad superior de la muestra y la inferior. En

otras palabras, divide los datos en dos partes iguales.

Moda:

La moda es el valor que más se repite en una muestra. Es decir, es el valor más
frecuente.

Ejemplo

Tenemos los siguientes datos, los cuales representan las edades en una oficina:

Para estos datos:

1 su media es 29.92 años. Es decir, el trabajador promedio tiene 30 años

(después de redondear).

2 la moda de estos datos es 27 años. Por lo tanto, 27 años es la edad más
frecuente.

3 la mediana es 27 años también. Esto significa que la mitad de los empleados
tienen más de 27 años, mientras que la otra mitad tienen 27 años o menos.

Podemos observar los datos en la siguiente gráfica:

 
Probabilidad: frecuencia esperada de un fenómeno aleatorio basándose en la
experiencia
Población: son los elementos que se analizan para realizar cálculos de
probabilidad
Muestra: son los casos de una población que se estudian en un estudio
probabilístico
Muestreo: técnicas de obtención de muestras en una población
Media: valor promedio que toman los sucesos de un fenómeno aleatorio
Moda (Mo): es el valor que se da con mayor frecuencia en una muestra de datos
Mediana (Me): valor que deja la mitad de los sucesos ordenados a cada lado
Desviación Estándar o Típica (σ): medida del grado de dispersión de los
resultados obtenidos 
Varianza (σ2): se calcula elevando al cuadrado la desviación típica
Percentiles (Pan): valor del elemento que es mayor que un porcentaje de la
muestra
Deciles (Dan): valor del elemento que es mayor a un porcentaje (tomado por
grupos de 10%)
Cuartiles (Qm.): valor del elemento que es mayor a un porcentaje (tomado por
grupos de 25%)
Quintiles (Qm.): valor del elemento que es mayor a un porcentaje (tomado por
grupos de 20%)
Variable Aleatoria: función que asigna un valor numérico a cada elemento de una
muestra aleatoria
Función de Probabilidad: función (P) que asigna a cada valor (xi) una probabilidad
(pi)
Función de Distribución: función que indica la probabilidad de obtener un valor ≤ a
un suceso
Esperanza Matemática: valor medio que se puede esperar de un fenómeno
aleatorio
Distribución binomial: es una distribución de sucesos cuya probabilidad es fija
Distribución normal o de Gauss: distribución que toma valores continuos no
discretos
...

Fuente: https://www.matematicas10.net/2015/12/ejemplos-de-muestra.html