ESTADSTICA

PARTICIPANTES: Garca Minaya Oscar Lecca Zavaleta Victor

Muestro
Definicin: Proceso que nos permite la extraccin de

una muestra a partir de una poblacin.

Muestreo
Poblacin: Es la

coleccin completa de objetos o resultados acerca de la informacin buscada

Muestra: Es un subconjunto

de una poblacin, que contiene los objetos o resultados que en realidad son observado

Tipos de Muestreo
Hay dos tipos bsicos de muestreo:

1. Muestreo no probabilstico: Es aquel en el

que la seleccin de los elementos de la muestra no se hacen al azar.

2. Muestreo probabilstico: En este tipo de

muestreo, la probabilidad de aparicin en una muestra de cualquier elemento de la poblacin es conocida (o calculable).
Es el nico cientficamente vlido, y es sobre el que nos extenderemos especialmente.

Muestreo Probabilstico
Completo al azar: Es el mtodo conceptual mas simple y conocido. Consiste en extraer todos los individuos al azar de una lista. En la prctica, a menos que se trate de poblaciones pequeas o de estructura muy simple, es difcil de llevar a cabo de forma eficaz.

Ejemplo: Se pretende determinar la prevalencia de Maedi en una granja de 250 ovejas: para ello se deben examinar 61 animales, por lo tanto se obtienen 61 nmeros entre el 1 y el 250 de una tabla de nmeros aleatorios y se sangran los animales correspondientes.

Sistemtico: Cada elemento tiene una probabilidad igual de la seleccin, pero las combinaciones de elementos tienen diferentes probabilidades.

Tamao de la poblacin N, el tamao deseado de la muestra n, intervalo de muestreo k = N / n. Seleccionar al azar un nmero j entre 1 y k, de la muestra y luego cada elemento de K simo elemento despus de eso, j + k, j +2 k, etc Ejemplo: N = 64, n = 8, k = 64/8 = 8. J = 3 aleatorio.

Ejemplo: En el caso anterior debemos tomar uno de cada cuatro animales (250/61); en vez de tomar 61 nmeros aleatorios tomamos slo uno (entre el uno y el cuatro), por ejemplo el nmero 3, de modo que tomaremos la oveja nmero 3, y a continuacin cada cuarto animal (la 7, la 11, la 15 y as sucesivamente hasta llegar a la 247)

Estratificado: Divide a la poblacin en grupos que difieren en aspectos importantes La base para la agrupacin debe ser conocida antes de la toma de muestras. Seleccionar muestra aleatoria dentro de cada grupo.

Ejemplo: La probabilidad de que una oveja est infectada de Maedi est directamente relacionada con la edad. En el ejemplo anterior, la enfermedad se da en el 44% de los animales menores de 2 aos, el 28% de 3-4 aos, el 18% de 5-6 y el 10% son animales de ms de seis aos: el 44% de los 61 animales de la muestra (27 animales) se tomar al azar entre los de 1-2 aos, el 28% entre los de 3-4 aos y as sucesivamente (17, 11 y 6 animales de los otros tres grupos). Este mtodo evita que por casualidad (por azar) se tomen ms individuos de un grupo que de los dems y esto pueda condicionar el resultado.

Por conglomerado: La poblacin est dividida en grupos Algunos de los grupos son seleccionados al azar Para el tamao de muestra dado, un grupo la muestra tiene ms que un simple error de muestra aleatoria Ahorro de costes de la agrupacin puede permitir una muestra ms grande El error es menor si los grupos son similares entre s. El muestreo por conglomerado no es deseable para muestras que sean diferentes.

Ejemplo: En una investigacin en la que se trata de conocer el grado de satisfaccin laboral los profesores de instituto se necesita una muestra de 700 sujetos. Ante la dificultad de acceder individualmente a estos sujetos se decide hacer una muestra por conglomerados. Sabiendo que el nmero de profesores por instituto es aproximadamente de 35, los pasos a seguir seran los siguientes: 1. Recoger un listado de todos los institutos. 2. Asignar un nmero a cada uno de ellos. 3. Elegir por muestreo aleatorio simple o sistemtico los 20 institutos (700/35=20) que nos proporcionarn los 700 profesores que necesitamos.

Muestreo No Probabilstico
Por Conveniencia: Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener muestras representativas mediante la inclusin en la muestra de grupos supuestamente tpicos. El investigador seleccione directa e intencionadamente los individuos de la poblacin
Ejemplo: Un profesor que realiza una investigacin en una universidad puede usar estudiantes voluntarios para que constituyan una muestra; la razn para elegirlos? Porque los tiene al alcance y participarn como sujetos a un costo bajo o sin costo.

Juicio de Expertos: El investigador selecciona l mismo o pide a un experto en el tema a estudiar, que elija, segn un criterio subjetivo, un conjunto de unidades que l piensa van a ser representativas de toda la poblacin objeto de estudio.

Ejemplo: Seleccionar las cuarenta granjas de ganado vacuno dedicadas a la produccin de leche, que, segn el experto representan la problemtica del sector lechero en la provincia de Coishco.

Por cuotas: El investigador establece estratos de la poblacin, determina el nmero de individuos a seleccionar en cada uno de ellos y elige intencionadamente individuos para completar las cuotas establecidas. Se asemeja al muestreo aleatorio por estratos en cuanto que supone un conocimiento previo de la poblacin que permite diferenciar segmentos o estratos dentro de la misma, pero se distancia de aqul por el hecho de que aqu los individuos que constituyen la cuota aportada a la muestra por cada estrato no son determinados aleatoriamente, sino en funcin de otros criterios (accesibilidad, comodidad, economa, etc.).

Ejemplo: En un estudio sobre la actitud de la poblacin hacia un candidato poltico, se les indica a los encuestadores entrevistar a 150 sujetos 25% sean hombres mayores de 30 aos, 25% mujeres mayores de 30 aos, 25% sean hombres menores de 25 aos, 25% mujeres menores de 25 aos.

Bola de Nieve: Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y as hasta conseguir una muestra suficiente. Este tipo se emplea muy frecuentemente cuando se hacen estudios con poblaciones "marginales", delincuentes, sectas, determinados tipos de enfermos, etc.

Ejemplo: Una muestra para estudiar el grado de aceptacin de una plantilla para ofrecer descanso a los pies de personas con una deformidad particular en los pies. Para llevarlo a cabo se renen datos de los pocos miembros de la poblacin de estudio que se puedan localizar a travs de especialistas mdicos y, a partir de stos se localizan a otros que conozcan de esta poblacin.

Ventajas

Probabilistico - Sirve para cantidades, cuantifica. - Todos los casos presentes en el marco muestral tienen la probabilidad de estar en el marco final. - Es ciego a la hora de seleccionar elementos de las muestras finales. - No requiere un conocimiento elevado de la poblacin a estudiar . - Permite inferencias estadsticas .

No Probabilistico - til cuando se quiere cualificar . - Todos los casos no tiene la misma probabilidad de ser seleccionados para la muestra. - El investigador elige los casos que ms le interesan para una informacin mas rica. - Requiere un conocimiento elevado de la poblacin. - Permite hacer inferencias lgicas.

Desventajas

Probabilistico Elementos perdidos . Marco muestral inadecuado . No cubrir toda la poblacin . Elementos extraos . Agrupaciones . Duplicaciones .

No Probabilistico - Dificultad de disear un sistema de estratificacin(para construir las cuotas) que considere ms de tres variables de control.(Esto se debe a que el n de variables a considerar acta como una funcin multiplicativa de cada una de las categoras dentro de la variable) . - A cada entrevistador se le adjudica una cuota de personas a entrevistar. el hecho de poder elegir los entrevistados siempre que renan los requisitos adecuados, puede llevar a error (entrevistas a amigos en proporcin excesiva, a las salida de mercados, universidades...etc.)

Gracias por su atencin