Este documento describe los conceptos básicos de muestreo estadístico, incluyendo la diferencia entre población y muestra. Explica cómo determinar el tamaño de la muestra y los dos tipos principales de muestreo: probabilístico y no probabilístico. Dentro del muestreo probabilístico, describe métodos como el muestreo aleatorio simple, sistemático, estratificado y por conglomerados.
Este documento describe el muestreo aleatorio simple y el muestreo sistemático. El muestreo aleatorio simple implica seleccionar una muestra de tamaño n de una población de tamaño N, donde cada unidad tiene la misma probabilidad de ser seleccionada. El muestreo sistemático selecciona unidades a intervalos fijos calculados como N/n para obtener una muestra bien dispersa. También introduce conceptos como el muestreo estratificado, que divide la población en grupos homogéneos antes de seleccionar muestras independ
Este documento presenta información sobre diferentes métodos de muestreo en poblaciones finitas e infinitas. Explica conceptos como muestreo aleatorio simple, sistemático y estratificado, e introduce los tipos de error, cálculo del tamaño de la muestra e inferencia estadística. El autor también discute las ventajas e inconvenientes de cada método de muestreo y cómo estimar parámetros poblacionales como la media y la proporción a partir de una muestra.
Este documento trata sobre la simulación de variables aleatorias. Explica cómo generar números pseudoaleatorios uniformemente distribuidos entre 0 y 1 usando métodos como el generador incluido en hojas de cálculo o métodos congruenciales. Luego, cómo usar estos números para simular otras variables aleatorias siguiendo teorías como la transformación inversa. Finalmente, propone pruebas estadísticas como la prueba de media, varianza y forma para evaluar la calidad de los números pseudoaleatorios generados.
El documento describe diferentes tipos de muestreo para estudiar una porción representativa de una población en lugar de estudiar la población completa. Explica el muestreo probabilístico y no probabilístico, dando ejemplos de métodos como el muestreo aleatorio simple, estratificado y sistemático. También proporciona un ejemplo numérico para ilustrar cómo calcular la probabilidad de diferentes muestras posibles de una población finita.
Este documento presenta diferentes medidas estadísticas para describir conjuntos de datos, incluyendo medidas de tendencia central como la media y mediana, y medidas de dispersión como el rango, desviación estándar y varianza. Explica cómo calcular estas medidas y cómo se pueden usar para analizar el rendimiento de máquinas de empaque y el consumo de combustible de vehículos.
Este documento describe diferentes tipos de muestreo y estadísticos para resumir datos de una muestra. Explica que el muestreo aleatorio permite generalizar sobre una población cuando no es posible analizar todos sus elementos. Luego define estadísticos como la media, la mediana y la moda para describir los datos de una muestra, y estadísticos como la varianza y la desviación estándar para medir su variabilidad. Finalmente, analiza la distribución de probabilidad de estos estadísticos al tomar múltiples muestras de
Este documento describe cuatro métodos de muestreo: muestreo aleatorio simple, estratificado, sistemático y por conglomerados. Explica que el muestreo es el proceso de obtener una muestra finita de una población finita o infinita. Luego, define cada método y ofrece ejemplos para ilustrar cómo se aplican en la práctica. Concluye que el muestreo probabilístico suele producir resultados más representativos que el muestreo no probabilístico.
Este documento presenta los objetivos y contenido de un capítulo sobre distribuciones probabilísticas discretas. Introduce conceptos como variable aleatoria, distribución de probabilidad, media, varianza y desviación estándar. Explica las distribuciones binomial, hipergeométrica y de Poisson, y proporciona ejemplos numéricos para ilustrar los cálculos de estas medidas con diferentes tipos de distribuciones.
Este documento describe el muestreo aleatorio simple y el muestreo sistemático. El muestreo aleatorio simple implica seleccionar una muestra de tamaño n de una población de tamaño N, donde cada unidad tiene la misma probabilidad de ser seleccionada. El muestreo sistemático selecciona unidades a intervalos fijos calculados como N/n para obtener una muestra bien dispersa. También introduce conceptos como el muestreo estratificado, que divide la población en grupos homogéneos antes de seleccionar muestras independ
Este documento presenta información sobre diferentes métodos de muestreo en poblaciones finitas e infinitas. Explica conceptos como muestreo aleatorio simple, sistemático y estratificado, e introduce los tipos de error, cálculo del tamaño de la muestra e inferencia estadística. El autor también discute las ventajas e inconvenientes de cada método de muestreo y cómo estimar parámetros poblacionales como la media y la proporción a partir de una muestra.
Este documento trata sobre la simulación de variables aleatorias. Explica cómo generar números pseudoaleatorios uniformemente distribuidos entre 0 y 1 usando métodos como el generador incluido en hojas de cálculo o métodos congruenciales. Luego, cómo usar estos números para simular otras variables aleatorias siguiendo teorías como la transformación inversa. Finalmente, propone pruebas estadísticas como la prueba de media, varianza y forma para evaluar la calidad de los números pseudoaleatorios generados.
El documento describe diferentes tipos de muestreo para estudiar una porción representativa de una población en lugar de estudiar la población completa. Explica el muestreo probabilístico y no probabilístico, dando ejemplos de métodos como el muestreo aleatorio simple, estratificado y sistemático. También proporciona un ejemplo numérico para ilustrar cómo calcular la probabilidad de diferentes muestras posibles de una población finita.
Este documento presenta diferentes medidas estadísticas para describir conjuntos de datos, incluyendo medidas de tendencia central como la media y mediana, y medidas de dispersión como el rango, desviación estándar y varianza. Explica cómo calcular estas medidas y cómo se pueden usar para analizar el rendimiento de máquinas de empaque y el consumo de combustible de vehículos.
Este documento describe diferentes tipos de muestreo y estadísticos para resumir datos de una muestra. Explica que el muestreo aleatorio permite generalizar sobre una población cuando no es posible analizar todos sus elementos. Luego define estadísticos como la media, la mediana y la moda para describir los datos de una muestra, y estadísticos como la varianza y la desviación estándar para medir su variabilidad. Finalmente, analiza la distribución de probabilidad de estos estadísticos al tomar múltiples muestras de
Este documento describe cuatro métodos de muestreo: muestreo aleatorio simple, estratificado, sistemático y por conglomerados. Explica que el muestreo es el proceso de obtener una muestra finita de una población finita o infinita. Luego, define cada método y ofrece ejemplos para ilustrar cómo se aplican en la práctica. Concluye que el muestreo probabilístico suele producir resultados más representativos que el muestreo no probabilístico.
Este documento presenta los objetivos y contenido de un capítulo sobre distribuciones probabilísticas discretas. Introduce conceptos como variable aleatoria, distribución de probabilidad, media, varianza y desviación estándar. Explica las distribuciones binomial, hipergeométrica y de Poisson, y proporciona ejemplos numéricos para ilustrar los cálculos de estas medidas con diferentes tipos de distribuciones.
Este documento describe los conceptos de población, muestra y muestreo. Explica que la población es el conjunto total de unidades de estudio, mientras que la muestra es una parte de la población seleccionada para el estudio. Detalla diferentes tipos de muestras, incluyendo muestras probabilísticas como las aleatorias simples, sistemáticas y estratificadas, así como muestras no probabilísticas como las de juicio de expertos, accidentales y por cuotas.
Este documento presenta información sobre metodología de investigación y análisis de datos. Explica conceptos como variables, escalas de medición, recopilación y presentación de datos. Incluye ejemplos de tablas de frecuencias, histogramas y medidas estadísticas como media y desviación estándar. Finalmente, analiza datos de rendimiento de girasol en cuatro localidades para recomendar un lote para alquilar.
Este documento presenta la resolución de 6 problemas relacionados con distribuciones de probabilidad. En el primer problema se resume un caso sobre el funcionamiento de una máquina de refrescos y se concluye que la decisión tomada fue razonable. Los problemas 2 a 5 involucran el cálculo de probabilidades utilizando distribuciones normales y chi cuadrado. El sexto problema pide encontrar valores críticos de chi cuadrado para diferentes niveles de significancia.
Este documento resume los conceptos básicos de la estadística inferencial. En 3 oraciones o menos: La estadística inferencial permite deducir propiedades de una población a partir de una muestra. Explica los conceptos de población, muestra, parámetros, estadísticos y métodos de muestreo como aleatorio simple, sistemático y estratificado. También introduce conceptos como estimación puntual, intervalos de confianza, errores de muestreo y pruebas de hipótesis.
El documento describe diferentes métodos de estimación estadística. Explica cómo calcular intervalos de confianza para una media, una proporción, la diferencia entre dos medias independientes o dependientes, y la diferencia entre dos proporciones. Proporciona ejemplos numéricos ilustrativos para cada uno de estos métodos.
Este documento presenta conceptos básicos de inferencia estadística como población, muestra, muestra aleatoria, estadísticas de tendencia central y dispersión. Explica la distribución muestral de la media y el teorema del límite central. Finalmente, introduce el criterio del p-valor para realizar inferencias sobre parámetros poblacionales a partir de muestras.
Este documento presenta conceptos sobre estimación estadística. Explica que la estimación estadística consiste en utilizar datos de una muestra para determinar valores desconocidos de parámetros de una población. Define estimadores, e introduce conceptos como estimador insesgado, consistente, eficiente y suficiente. Luego explica estimación puntual e interválica, e introduce fórmulas para calcular intervalos de confianza para la media poblacional basados en distribuciones normales. Finalmente presenta ejemplos para ilustrar los conceptos.
El documento describe conceptos básicos de muestreo. Define población como el conjunto total de elementos sobre los cuales se hará inferencia y muestra como la parte seleccionada de la población de la cual se obtendrá información. Explica los pasos para seleccionar la muestra incluyendo definir la población, determinar el tamaño de muestra, y elegir el procedimiento. También describe métodos para calcular el tamaño de muestra como usar límites de confianza o probabilidades cuando se conocen características de la población.
El documento describe diferentes tipos de muestreo. Explica que el muestreo implica seleccionar una muestra representativa de una población para estudiarla. Luego detalla los principales tipos de muestreo, incluyendo muestreo aleatorio simple, sistemático, estratificado, por conglomerados, no probabilístico como bola de nieve, por conveniencia y cuotas.
Este documento describe varios métodos para generar variables aleatorias con distribuciones no uniformes, incluyendo el método de la transformada inversa, el método de rechazo, y métodos de simulación directa como la distribución normal basada en el teorema del límite central, distribuciones discretas como la binomial y Poisson, y distribuciones continuas como la normal y empíricas. Proporciona ejemplos detallados de cómo aplicar cada método.
Este documento presenta una introducción a las variables aleatorias y distribuciones de probabilidad. Define variables aleatorias discretas y continuas, y describe funciones de distribución, esperanza matemática, varianza, desviación estándar y otras medidas. También explica distribuciones comunes como la binomial, Poisson, hipergeométrica y cómo la distribución de Poisson puede aproximarse a la binomial en ciertos casos.
Este documento describe conceptos básicos de estadística como población, muestra, variable, dato, clasificación de datos, histograma y tipos de muestras. Explica que la estadística estudia poblaciones y muestras para deducir conclusiones. También define conceptos como población estadística, población física, variable, dato y cómo organizar y clasificar datos para su análisis.
Este documento presenta 8 problemas de distribuciones de probabilidad discretas y continuas. Los problemas cubren temas como la esperanza matemática, distribuciones binomiales, normales y de Poisson. Se piden calcular probabilidades y parámetros estadísticos como la media y desviación típica para diferentes conjuntos de datos.
Este documento presenta conceptos básicos de estadística como tipos de datos, medidas de tendencia central y dispersión para datos continuos y discretos, y cómo construir histogramas. Explica que los datos pueden ser continuos o discretos, y cómo calcular la media, mediana, moda, varianza y desviación estándar. También describe cómo construir un histograma dividiendo los datos en intervalos y representando la frecuencia en cada intervalo con barras.
El documento describe los conceptos de población, muestra y selección de muestra. Explica que la población es el conjunto total de elementos a estudiar, mientras que la muestra es una parte representativa de la población seleccionada para el estudio. Hay dos tipos de muestras: probabilísticas, donde cada elemento tiene la misma probabilidad de ser seleccionado, y no probabilísticas. El documento también cubre cómo calcular el tamaño de la muestra y los diferentes métodos para seleccionar la muestra, como la selección aleatoria simple y sist
Este documento presenta tres ejercicios resueltos sobre muestreo. El primer ejercicio describe una población de 4 elementos y calcula las muestras posibles, sus probabilidades y estadísticos como la media y varianza. El segundo ejercicio compara dos tipos de muestreo para estimar la media poblacional. El tercer ejercicio estima la media y varianza de una población estratificada usando asignación proporcional y óptima.
Este documento presenta información sobre estadística inferencial y distribuciones muéstrales. Explica conceptos como el teorema del límite central, la distribución muestral de la media y la varianza. Además, detalla los contenidos, resultados de aprendizaje y habilidades que los estudiantes desarrollarán al aprender sobre técnicas de muestreo probabilístico y no probabilístico, y determinación del tamaño de la muestra.
Socioestadistica - 17. probabilísticos - Jorge Canales FusterF Franz Guillermo
Este documento describe diferentes tipos de muestreo probabilístico y no probabilístico. Explica que el muestreo probabilístico asigna a cada unidad de la población una probabilidad conocida de ser seleccionada, lo que permite calcular el error muestral. Describe métodos como el muestreo aleatorio simple, sistemático y estratificado.
Este documento describe el muestreo aleatorio simple como una técnica de muestreo probabilístico en la que todos los individuos de la población tienen la misma probabilidad de ser seleccionados y las observaciones se realizan con reemplazamiento. También explica cómo calcular el tamaño de la muestra requerida para estimar proporciones y medias con diferentes niveles de confianza y precisión.
La distribución binomial modela el número de éxitos en una secuencia de ensayos de Bernoulli independientes. Toma valores discretos de 0 a n, donde n es el número total de ensayos y la probabilidad de éxito p es constante para cada ensayo. Se usa comúnmente para modelar fenómenos como el número de canastas de un basquetbolista o el número de llegadas en un intervalo de tiempo.
ACERTIJO DESCIFRANDO CÓDIGO DEL CANDADO DE LA TORRE EIFFEL EN PARÍS. Por JAVI...JAVIER SOLIS NOYOLA
El Mtro. JAVIER SOLIS NOYOLA crea y desarrolla el “DESCIFRANDO CÓDIGO DEL CANDADO DE LA TORRE EIFFEL EN PARIS”. Esta actividad de aprendizaje propone el reto de descubrir el la secuencia números para abrir un candado, el cual destaca la percepción geométrica y conceptual. La intención de esta actividad de aprendizaje lúdico es, promover los pensamientos lógico (convergente) y creativo (divergente o lateral), mediante modelos mentales de: atención, memoria, imaginación, percepción (Geométrica y conceptual), perspicacia, inferencia y viso-espacialidad. Didácticamente, ésta actividad de aprendizaje es transversal, y que integra áreas del conocimiento: matemático, Lenguaje, artístico y las neurociencias. Acertijo dedicado a los Juegos Olímpicos de París 2024.
Este documento describe los conceptos de población, muestra y muestreo. Explica que la población es el conjunto total de unidades de estudio, mientras que la muestra es una parte de la población seleccionada para el estudio. Detalla diferentes tipos de muestras, incluyendo muestras probabilísticas como las aleatorias simples, sistemáticas y estratificadas, así como muestras no probabilísticas como las de juicio de expertos, accidentales y por cuotas.
Este documento presenta información sobre metodología de investigación y análisis de datos. Explica conceptos como variables, escalas de medición, recopilación y presentación de datos. Incluye ejemplos de tablas de frecuencias, histogramas y medidas estadísticas como media y desviación estándar. Finalmente, analiza datos de rendimiento de girasol en cuatro localidades para recomendar un lote para alquilar.
Este documento presenta la resolución de 6 problemas relacionados con distribuciones de probabilidad. En el primer problema se resume un caso sobre el funcionamiento de una máquina de refrescos y se concluye que la decisión tomada fue razonable. Los problemas 2 a 5 involucran el cálculo de probabilidades utilizando distribuciones normales y chi cuadrado. El sexto problema pide encontrar valores críticos de chi cuadrado para diferentes niveles de significancia.
Este documento resume los conceptos básicos de la estadística inferencial. En 3 oraciones o menos: La estadística inferencial permite deducir propiedades de una población a partir de una muestra. Explica los conceptos de población, muestra, parámetros, estadísticos y métodos de muestreo como aleatorio simple, sistemático y estratificado. También introduce conceptos como estimación puntual, intervalos de confianza, errores de muestreo y pruebas de hipótesis.
El documento describe diferentes métodos de estimación estadística. Explica cómo calcular intervalos de confianza para una media, una proporción, la diferencia entre dos medias independientes o dependientes, y la diferencia entre dos proporciones. Proporciona ejemplos numéricos ilustrativos para cada uno de estos métodos.
Este documento presenta conceptos básicos de inferencia estadística como población, muestra, muestra aleatoria, estadísticas de tendencia central y dispersión. Explica la distribución muestral de la media y el teorema del límite central. Finalmente, introduce el criterio del p-valor para realizar inferencias sobre parámetros poblacionales a partir de muestras.
Este documento presenta conceptos sobre estimación estadística. Explica que la estimación estadística consiste en utilizar datos de una muestra para determinar valores desconocidos de parámetros de una población. Define estimadores, e introduce conceptos como estimador insesgado, consistente, eficiente y suficiente. Luego explica estimación puntual e interválica, e introduce fórmulas para calcular intervalos de confianza para la media poblacional basados en distribuciones normales. Finalmente presenta ejemplos para ilustrar los conceptos.
El documento describe conceptos básicos de muestreo. Define población como el conjunto total de elementos sobre los cuales se hará inferencia y muestra como la parte seleccionada de la población de la cual se obtendrá información. Explica los pasos para seleccionar la muestra incluyendo definir la población, determinar el tamaño de muestra, y elegir el procedimiento. También describe métodos para calcular el tamaño de muestra como usar límites de confianza o probabilidades cuando se conocen características de la población.
El documento describe diferentes tipos de muestreo. Explica que el muestreo implica seleccionar una muestra representativa de una población para estudiarla. Luego detalla los principales tipos de muestreo, incluyendo muestreo aleatorio simple, sistemático, estratificado, por conglomerados, no probabilístico como bola de nieve, por conveniencia y cuotas.
Este documento describe varios métodos para generar variables aleatorias con distribuciones no uniformes, incluyendo el método de la transformada inversa, el método de rechazo, y métodos de simulación directa como la distribución normal basada en el teorema del límite central, distribuciones discretas como la binomial y Poisson, y distribuciones continuas como la normal y empíricas. Proporciona ejemplos detallados de cómo aplicar cada método.
Este documento presenta una introducción a las variables aleatorias y distribuciones de probabilidad. Define variables aleatorias discretas y continuas, y describe funciones de distribución, esperanza matemática, varianza, desviación estándar y otras medidas. También explica distribuciones comunes como la binomial, Poisson, hipergeométrica y cómo la distribución de Poisson puede aproximarse a la binomial en ciertos casos.
Este documento describe conceptos básicos de estadística como población, muestra, variable, dato, clasificación de datos, histograma y tipos de muestras. Explica que la estadística estudia poblaciones y muestras para deducir conclusiones. También define conceptos como población estadística, población física, variable, dato y cómo organizar y clasificar datos para su análisis.
Este documento presenta 8 problemas de distribuciones de probabilidad discretas y continuas. Los problemas cubren temas como la esperanza matemática, distribuciones binomiales, normales y de Poisson. Se piden calcular probabilidades y parámetros estadísticos como la media y desviación típica para diferentes conjuntos de datos.
Este documento presenta conceptos básicos de estadística como tipos de datos, medidas de tendencia central y dispersión para datos continuos y discretos, y cómo construir histogramas. Explica que los datos pueden ser continuos o discretos, y cómo calcular la media, mediana, moda, varianza y desviación estándar. También describe cómo construir un histograma dividiendo los datos en intervalos y representando la frecuencia en cada intervalo con barras.
El documento describe los conceptos de población, muestra y selección de muestra. Explica que la población es el conjunto total de elementos a estudiar, mientras que la muestra es una parte representativa de la población seleccionada para el estudio. Hay dos tipos de muestras: probabilísticas, donde cada elemento tiene la misma probabilidad de ser seleccionado, y no probabilísticas. El documento también cubre cómo calcular el tamaño de la muestra y los diferentes métodos para seleccionar la muestra, como la selección aleatoria simple y sist
Este documento presenta tres ejercicios resueltos sobre muestreo. El primer ejercicio describe una población de 4 elementos y calcula las muestras posibles, sus probabilidades y estadísticos como la media y varianza. El segundo ejercicio compara dos tipos de muestreo para estimar la media poblacional. El tercer ejercicio estima la media y varianza de una población estratificada usando asignación proporcional y óptima.
Este documento presenta información sobre estadística inferencial y distribuciones muéstrales. Explica conceptos como el teorema del límite central, la distribución muestral de la media y la varianza. Además, detalla los contenidos, resultados de aprendizaje y habilidades que los estudiantes desarrollarán al aprender sobre técnicas de muestreo probabilístico y no probabilístico, y determinación del tamaño de la muestra.
Socioestadistica - 17. probabilísticos - Jorge Canales FusterF Franz Guillermo
Este documento describe diferentes tipos de muestreo probabilístico y no probabilístico. Explica que el muestreo probabilístico asigna a cada unidad de la población una probabilidad conocida de ser seleccionada, lo que permite calcular el error muestral. Describe métodos como el muestreo aleatorio simple, sistemático y estratificado.
Este documento describe el muestreo aleatorio simple como una técnica de muestreo probabilístico en la que todos los individuos de la población tienen la misma probabilidad de ser seleccionados y las observaciones se realizan con reemplazamiento. También explica cómo calcular el tamaño de la muestra requerida para estimar proporciones y medias con diferentes niveles de confianza y precisión.
La distribución binomial modela el número de éxitos en una secuencia de ensayos de Bernoulli independientes. Toma valores discretos de 0 a n, donde n es el número total de ensayos y la probabilidad de éxito p es constante para cada ensayo. Se usa comúnmente para modelar fenómenos como el número de canastas de un basquetbolista o el número de llegadas en un intervalo de tiempo.
ACERTIJO DESCIFRANDO CÓDIGO DEL CANDADO DE LA TORRE EIFFEL EN PARÍS. Por JAVI...JAVIER SOLIS NOYOLA
El Mtro. JAVIER SOLIS NOYOLA crea y desarrolla el “DESCIFRANDO CÓDIGO DEL CANDADO DE LA TORRE EIFFEL EN PARIS”. Esta actividad de aprendizaje propone el reto de descubrir el la secuencia números para abrir un candado, el cual destaca la percepción geométrica y conceptual. La intención de esta actividad de aprendizaje lúdico es, promover los pensamientos lógico (convergente) y creativo (divergente o lateral), mediante modelos mentales de: atención, memoria, imaginación, percepción (Geométrica y conceptual), perspicacia, inferencia y viso-espacialidad. Didácticamente, ésta actividad de aprendizaje es transversal, y que integra áreas del conocimiento: matemático, Lenguaje, artístico y las neurociencias. Acertijo dedicado a los Juegos Olímpicos de París 2024.
La Unidad Eudista de Espiritualidad se complace en poner a su disposición el siguiente Triduo Eudista, que tiene como propósito ofrecer tres breves meditaciones sobre Jesucristo Sumo y Eterno Sacerdote, el Sagrado Corazón de Jesús y el Inmaculado Corazón de María. En cada día encuentran una oración inicial, una meditación y una oración final.
2. OBJETIVOS
• Conocer la diferencia entre población y
muestra
• Aprender a determinar el tamaño de la
muestra
• Conocer los tipos de muestreo
probabilísticos y no probabilísticos
3. POBLACION
Todos los elementos (La totalidad) del
universo o todo el conjunto de elementos
con características comunes. Ejemplo:
• Todos los guatemaltecos que vivimos en
Guatemala,
• Todos los estudiantes de la Universidad
Rafael Landívar de Guatemala
4. MUESTRA
Es una parte seleccionada de todo el
universo sobre la que se efectúa un juicio,
inferencia o generalización para estimar las
características del universo o población
total.
5. MUESTRA
Una verdadera muestra debe de llevar los
siguientes requisitos.
1. Representación adecuada del universo
2. Tener un grado de precisión que se
pueda medir matemáticamente.
3. Debe de ser simple.
6. TAMAÑO DE LA MUESTRA
Cálculo del tamaño de una muestra para estimar
un promedio
7. TAMAÑO DE LA MUESTRA
Ejemplo: La empresa AGROEX tiene un total de
50 socios los cuales le entregan brócoli para
exportación, el gerente de la empresa quiere
conocer el promedio semanal de cajas por socio
con esta información determine el tamaño de la
muestra utilizando una precisión del 10% y un
nivel de 99% de confianza.
9. TAMAÑO DE LA MUESTRA
Media aritmética (promedio):
ഥ
𝒙 =
∑𝑿𝒊
𝒏
=
𝟔𝟒+𝟖𝟗+𝟖𝟏+𝟖𝟒+𝟕𝟔
𝟓
ഥ
𝒙 = 𝟕𝟖. 𝟖
Varianza:
𝒔𝟐
=
∑(𝑿𝒊−ഥ
𝒙)𝟐
𝒏−𝟏
=
(𝟔𝟒−𝟕𝟖.𝟖)𝟐+(𝟖𝟗−𝟕𝟖.𝟖)𝟐+(𝟖𝟏−𝟕𝟖)𝟐+(𝟖𝟒−𝟕𝟖)𝟐+(𝟕𝟔−𝟕𝟖)𝟐
𝟓−𝟏
𝒔𝟐
= 𝟗𝟎. 𝟕
Precisión del estimador de interés
𝒅 = ഥ
𝒙 ∗ 𝒑𝒓𝒆𝒔𝒊𝒄𝒊ó𝒏 = 𝟕𝟖. 𝟖 ∗ 𝟎. 𝟏 𝒅 = 𝟕. 𝟖𝟖
Calculo de z: α=1- nivel de confianza =1-0.99 α=0.01
𝑧
1−
α
2
𝑧
1−
0.01
2
𝑧𝟎.995 Ej: 2.5+0.08 z=2.58
Se busca el 0.995 dentro de
la tabla de z, y la suma del
valor horizontal y vertical de la
tabla es el valor de z que se
utiliza dentro de la fórmula.
11. TAMAÑO DE LA MUESTRA
Cálculo del tamaño de una muestra para estimar
un total
12. TAMAÑO DE LA MUESTRA
𝒏 =
𝑵𝟐
∗ 𝒔𝟐
∗ 𝑧(α/2)
𝟐
𝒅𝟐 + (𝑵 ∗ 𝑧 α/2
𝟐 ∗ 𝒔𝟐)
N= 50
𝒔𝟐
=90.7
d= 0.1
𝑧(α/2)=2.58
𝒏 =
𝟓𝟎𝟐∗𝟗𝟎.𝟕∗𝟐.𝟓𝟖𝟐
𝟎.𝟏𝟐+(𝟓𝟎∗𝟐.𝟓𝟖𝟐∗𝟗𝟎.𝟕)
=
𝟏𝟓𝟎𝟗𝟑𝟑𝟖.𝟕𝟎
𝟑𝟎𝟏𝟖𝟔.𝟕𝟖
𝒏 = 𝟒𝟗. 𝟗𝟗𝟗𝟗𝟗 = 𝟓𝟎
Con los mismos datos calcule el tamaño de la muestra para determinar el total
de cajas entregadas por los socios de la empresa utilizando una precisión del
10% y un nivel de confianza del 99%.
13. TAMAÑO DE LA MUESTRA
Cálculo del tamaño de una muestra para estimar
una proporción
14. TAMAÑO DE LA MUESTRA
Ejemplo
Una empresa de fertilizantes necesita realizar
una investigación para determinar la proporción
de productores del cultivo de papa que estarían
dispuestos a utilizar un fertilizante diferenciado,
por lo que es necesario calcular el tamaño de la
muestra requerida con un nivel de confianza del
95% y una precisión del 5%. La investigación se
realizara en un municipio donde existen 1,500
productores del cultivo de papa
16. TIPOS DE MUESTREO
Muestreo NO probabilístico:
• Los elementos de la población NO tienen la
misma probabilidad de ser seleccionados para
formar parte de la muestra.
Muestreo probabilístico:
• Los elementos de la población tienen la misma
probabilidad de ser seleccionado como muestra
17. Muestreo no probabilístico
Muestreo por bola de nieve: Se realiza en
poblaciones en las que es muy difícil acceder a
ellos.
Muestreo intencional: la persona a cargo de
realizar la investigación se basa en su propio
juicio para elegir a los integrantes que formarán
parte del estudio
Muestreo por cuotas: se asigna una cuota me
muestreo sin aleatorizar
19. Muestreo probabilístico
Muestreo simple aleatorio: Las unidades de
muestreo son seleccionadas de forma aleatoria
(al azar) dentro de la población es aplicable en
investigaciones en diferente tipo de
investigaciones ya que es mas económico y de
operación fácil.
20. Muestreo probabilístico
Ejemplo: con los datos de altura de planta en cm
de una población de 24 plantas determinar una
muestra de tamaño 5. *Aleatorización fila 26 columna 46 en forma vertical. 14, 12, 20,09,08
N=24 n=5 *la población se contó de derecha a izquierda de forma vertical
37.63 36.29 37.88 37.71
38.08 39.46 36.75 35.29
37.42 40.21 35.46 36.92
37.50 37.88 39.46 37.33
36.17 35.33 39.21 40.54
36.92 34.00 34.29 33.75
No. Muestra
1 36.75
2 34.00
3 35.29
4 40.21
5 39.46
21. Muestreo probabilístico
Muestreo sistemático: Se utiliza cuando dentro
de la población existe un orden por naturaleza,
de donde nosotros queremos obtener una
muestra ordenada y de manera directa.
𝑲 =
𝑵
𝒏
Donde:
K= Paso de una muestra a otra (salto sistemático)
N=Población
n= Muestra
24. Muestreo probabilístico
Muestreo estratificado aleatorio: Se realiza en
poblaciones que tienen sub-grupos dentro de las
mismas, para ello se debe de calcular la
proporción de cada sub-grupo con la siguiente
formula.
𝑝 =
𝑛
𝑁
25. Muestreo probabilístico
Ejemplo. una empresa que exporta hortalizas las cuales tiene 479
proveedores en 4 municipios de Quetzaltenango los cuales están distribuidos
de la siguiente forma
Con los datos anteriores le pide calcular una muestra de tamaño 80 para
determinar el promedio de producción de cada uno de ellos.
Lugar
Productores de
hortalizas
San Juan Ostuncalco 150
Almolonga 89
Concepción Chiquirichapa 190
Zunil 50
TOTAL 479
27. Muestreo probabilístico
Muestreo por conglomerados: En este tipo de
muestreo la unidad experimental es un grupo
de elementos de la población que forman la
unidad a la que se le denomina conglomerado.
Por ejemplo un naranjo forma un conglomerado
de naranjas para la investigación de diámetro
de frutos.