Las muestras son subconjuntos de la población ellas se dividen en: muestras probabilísticas y no probabilísticas. Las muestras no probabilísticas son más sencillas y baratas de obtener, ya que, como su nombre lo indican no dependen de probabilidades, dichas muchas muestras no deberían ser usadas para la inferencia en las poblaciones, están conformadas por: muestras de cuota, de juicio y de trozo.
Presentación de Estrategias de Enseñanza-Aprendizaje Virtual.pptx
Muestra o analisis_muestral
1. Investigación de Mercados II
Tema: Muestra o Análisis Muestral
Estudiantes: Uriona Cadima Abdel Eddy
Docente: Mgr. José Ramiro Zapata Barrientos
“Liberemos Bolivia”
Muestra o Análisis Muestral
1. INTRODUCCIÓN
La Estadística es una ciencia matemática que se utiliza para describir, analizar e
interpretar ciertas características de un conjunto de individuos llamado población.
Cuando nos referimos a muestra y población hablamos de conceptos relativos pero
estrechamente ligados. Una población es un todo y una muestra es una fracción o
segmento de ese todo.
Podemos dividir la estadística en dos ramas; la estadística descriptiva, que se dedica a
los métodos de recolección, descripción, visualización y resumen de datos originados
a partir de los fenómenos en estudio; y la estadística inferencial, que se dedica a la
generación de los modelos, inferencias y predicciones asociadas a los fenómenos en
cuestión.
La estadística trata en primer lugar, de acumular la masa de datos numéricos
provenientes de la observación de multitud de fenómenos, procesándolos de forma
razonable. Mediante la teoría de la probabilidad analiza y explora la estructura
matemática subyacente al fenómeno del que estos datos provienen y, trata de sacar
conclusiones y predicciones que ayuden al mejor aprovechamiento del fenómeno.
2. DESARROLLO
Las muestras son subconjuntos de la población ellas se dividen en: muestras
probabilísticas y no probabilísticas. Las muestras no probabilísticas son más sencillas
y baratas de obtener, ya que, como su nombre lo indican no dependen de
probabilidades, dichas muchas muestras no deberían ser usadas para la inferencia en
las poblaciones, están conformadas por: muestras de cuota, de juicio y de trozo. Las
muestras probabilísticas embarcan todos los elementos, cada una de ellas tiene
probabilidad de entrar en la muestra, ya que, se necesita que la muestra sea
representativa para que pueda tener las características proporcionales de la población
que necesite el investigador.
CARACTERÍSTICAS DE UNA MUESTRAESTADÍSTICAREPRESENTATIVA
Si se quiere hacer una buena investigación, la calidad de la muestra estadística es
esencial. De nada sirve realizar las métricas estadísticas más complejas con los
modelos más sofisticados si la muestra estadística está sesgada. Es decir, si la
muestra no es representativa. A la hora de obtener una muestra representativa existen
ciertos aspectos que el investigador debe conocer de antemano. Entre esos aspectos
se encuentran las características de una muestra representativa. Las características
de una muestra representativa son las siguientes:
Tamaño suficientemente grande
Cuando trabajamos con muestras estamos, normalmente, trabajando con
una cantidad de datos inferior a la población. Ahora bien, para que una
muestra estadística sea representativa deberá ser lo suficientemente
2. Investigación de Mercados II
Tema: Muestra o Análisis Muestral
Estudiantes: Uriona Cadima Abdel Eddy
Docente: Mgr. José Ramiro Zapata Barrientos
“Liberemos Bolivia”
grande como para considerarse representativa. Por ejemplo, si nuestra
población está formada por 10 millones de datos y escogemos 10, es difícil
que sea representativa. Eso sí, no siempre a mayor tamaño la muestra es
más representativa.
Aleatoriedad
La selección de los datos de una muestra estadística debe ser
aleatoria. Es decir, debe ser totalmente al azar. Si en lugar de realizarlo
al azar, realizamos un proceso de selección de datos planificado,
estamos introduciendo un sesgo a la obtención de datos. Por tanto,
para evitar que la muestra sea sesgada y, por tanto, conseguir que sea
una muestra representativa, debemos hacer una selección aleatoria.
TIPOS DE MUESTRAESTADÍSTICA
Muestreo simple
Este tipo de muestreo toma solamente una muestra de una población
dada para el propósito de inferencia estadística. Puesto que solamente
una muestra es tomada, el tamaño de muestra debe ser el
suficientemente grande para extraer una conclusión. Una muestra
grande muchas veces cuesta demasiado dinero y tiempo.
Muestreo doble Bajo
Este tipo de muestreo, cuando el resultado del estudio de la primera
muestra no es decisivo, una segunda muestra es extraído de la misma
población. Las dos muestras son combinadas para analizar los
resultados. Este método permite a una persona principiar con una
muestra relativamente pequeña para ahorrar costos y tiempo. Si la
primera muestra arroja una resultado definitivo, la segunda muestra
puede no necesitarse.
Por ejemplo, al probar la calidad de un lote de productos
manufacturados, si la primera muestra arroja una calidad muy alta, el
lote es aceptado; si arroja una calidad muy pobre, el lote es rechazado.
Solamente si la primera muestra arroja una calidad intermedia, será
requerirá la segunda muestra. Un plan típico de muestreo doble puede
ser obtenido de la Military Standard Sampling Procedures and Tables
for Inspection by Attributes, publicada por el Departamento de Defensa
y también usado por muchas industrias privadas. Al probar la calidad de
un lote consistente de 3,000 unidades manufacturadas, cuando el
número de defectos encontrados en la primera muestra de 80 unidades
es de 5 o menos, el lote es considerado bueno y es aceptado; si el
número de defectos es 9 o más, el lote es considerado pobre y es
rechazado; si el número está entre 5 y 9, no puede llegarse a una
decisión y una segunda muestra de 80 unidades es extraída del lote. Si
el número de defectos en las dos muestras combinadas (incluyendo 80
+ 80 = 160 unidades) es 12 o menos, el lote es aceptado si el número
combinado es 13 o más, el lote es rechazado.
Muestreo múltiple
3. Investigación de Mercados II
Tema: Muestra o Análisis Muestral
Estudiantes: Uriona Cadima Abdel Eddy
Docente: Mgr. José Ramiro Zapata Barrientos
“Liberemos Bolivia”
El procedimiento bajo este método es similar al expuesto en el
muestreo doble, excepto que el número de muestras sucesivas
requerido para llegar a una decisión es más de dos muestras. Métodos
de muestreo clasificados de acuerdo con las maneras usadas en
seleccionar los elementos de una muestra. Los elementos de una
muestra pueden ser seleccionados de dos maneras diferentes: a.
Basados en el juicio de una persona. b. Selección aleatoria (al azar)
a) Muestreo de juicio
Una muestra es llamada muestra de juicio cuando sus elementos
son seleccionados mediante juicio personal. La persona que
selecciona los elementos de la muestra, usualmente es un experto
en la medida dada. Una muestra de juicio es llamada una muestra
probabilística, puesto que este método está basado en los puntos
de vista subjetivos de una persona y la teoría de la probabilidad no
puede ser empleada para medir el error de muestreo, Las
principales ventajas de una muestra de juicio son la facilidad de
obtenerla y que el costo usualmente es bajo.
b) Muestreo Aleatorio
Una muestra se dice que es extraída al azar cuando la manera de
selección es tal, que cada elemento de la población tiene igual
oportunidad de ser seleccionado. Una muestra aleatoria es también
llamada una muestra probabilística son generalmente preferidas por
los estadísticos porque la selección de las muestras es objetiva y el
error muestral puede ser medido en términos de probabilidad bajo la
curva normal. Los tipos comunes de muestreo aleatorio son el
muestreo aleatorio simple, muestreo sistemático, muestreo
estratificado y muestreo de conglomerados.
MUESTRANO PROBABILÍSTICA
En la muestra no probabilística, los elementos se seleccionan a través de procesos
que no brindan, a todos los individuos de la población, la misma posibilidad de ser
elegidos para la muestra. A su vez, este deriva en los siguientes tipos de muestreo:
Muestreo por cuotas
Los investigadores forman la muestra partiendo de determinadas
características, con el fin de lograr la misma distribución de
características en la muestra que en la población. Por ejemplo, si en
una población hay 70% hombres y 30% mujeres, los individuos de la
muestra deberán estar distribuidos de la misma manera.
Muestreo por conveniencia
Aquí el investigador suele elegir a los individuos de su muestra solo por
su proximidad. Generalmente, el investigador no reconoce esta muestra
como una representación de toda una población, sino que la realiza
para conocer opiniones, datos e información de manera rápida.
Muestreo por bola de nieve
4. Investigación de Mercados II
Tema: Muestra o Análisis Muestral
Estudiantes: Uriona Cadima Abdel Eddy
Docente: Mgr. José Ramiro Zapata Barrientos
“Liberemos Bolivia”
Se utiliza cuando el investigador requiere que un sujeto de su muestra
ayude a identificar a otro con las mismas características y, a su vez,
estos a otros, para formar la muestra deseada.
Muestra discrecional
También conocida como muestreo por juicio o criterio, se da cuando el
investigador selecciona los individuos de su muestra en base a
determinado conocimiento de la población. Por ejemplo, si desea
realizar una investigación de personas con problemas psicológicos en el
embarazo, seleccionará aquellas mujeres que hayan pasado por la
experiencia del embarazo.
TAMAÑO DE LA MUESTRA
Calcular el tamaño de la muestra (o tamaño muestral) es fundamental. Una muestra
más grande supone un desperdicio de recursos; una muestra más pequeña produce
una pérdida en la calidad de los resultados.
La ecuación a emplear depende del objetivo que se persiga (p.ej. una proporción, una
media, etc.) y también depende del tamaño de la población, de si ésta es N es finita o
infinita o muy grande. La elección de los parámetros intervinientes para el cálculo han
de ser determinados con base experta y, en todo caso, “pecar de conservadores”.
TAMAÑO DE UNA MUESTRAPARA ESTIMAR UNA PROPORCIÓN
Se halla con esta fórmula: Fórmula del tamaño de una muestra a través de la
proporción Para aplicarla, debemos saber:
El nivel de confianza (1-α) o nivel de seguridad.
Una estimación de la proporción (p) que se quiere medir.
El margen de error (e) deseado.
El nivel de confianza (1-α) se refiere a la probabilidad de que el dato deseado esté
dentro del margen establecido. Este parámetro lo decide el investigador. Suele ser del
95%, (α = 0,05) al que se corresponde un coeficiente de confianza Z = 1,96, que es el
que se pone en la fórmula. Es la semi distancia estandarizada en términos de
desviaciones típicas que definen ambos extremos del intervalo
3. COCLUSION
Si no tenemos representatividad, seguramente tendremos datos que no nos servirán
para nada. Es importante que garanticemos que las características que nos importan y
necesitamos investigar, se encuentren en la muestra que va a ser objeto de estudio.
Siempre estaremos propenso a caer en un sesgo de la muestra, porque siempre habrá
personas que no contesten la encuesta por estar ocupadas, o la contesten de manera
incompleta, por lo que no podremos obtener los datos que requerimos.
Mientras más grande sea, aumenta la posibilidad de que sea más representativa de la
población. Que una muestra sea representativa nos da mayor certeza de que las
5. Investigación de Mercados II
Tema: Muestra o Análisis Muestral
Estudiantes: Uriona Cadima Abdel Eddy
Docente: Mgr. José Ramiro Zapata Barrientos
“Liberemos Bolivia”
personas que estén incluidas sean las que necesitamos, además reducimos un posible
sesgo.
4. REFERENCIAS
https://www.monografias.com/trabajos11/tebas/tebas.shtml#intro
https://matemovil.com/poblacion-y-muestra-ejemplos-y-ejercicios/
https://economipedia.com/definiciones/muestra-estadistica.html
https://enciclopediaeconomica.com/muestra-estadistica/
https://www.universoformulas.com/estadistica/descriptiva/muestra-
estadistica/
5. VIDEOS
https://www.youtube.com/watch?v=3_tW-Cg4BSY
https://www.youtube.com/watch?v=IxV1HmUdqDw