MUESTREO. ES UNA TECNICA QUE PERMITE SELECCIONAR ELEMENTOS DE UNA POBLACION E INFERIR RESULTADOS...

MUESTREOMUESTREO

MUESTREOMUESTREO

ES UNA TECNICA QUE PERMITE ES UNA TECNICA QUE PERMITE SELECCIONAR ELEMENTOS DE UNA SELECCIONAR ELEMENTOS DE UNA

POBLACION E INFERIR RESULTADOS POBLACION E INFERIR RESULTADOS POBLACIONALES DE ELLASPOBLACIONALES DE ELLAS

ES UNA TECNICA QUE PERMITE ES UNA TECNICA QUE PERMITE SELECCIONAR ELEMENTOS DE UNA SELECCIONAR ELEMENTOS DE UNA

POBLACION E INFERIR RESULTADOS POBLACION E INFERIR RESULTADOS POBLACIONALES DE ELLASPOBLACIONALES DE ELLAS

UNIVERSO:UNIVERSO:

ES EL TOTAL DE ELEMENTOS ES EL TOTAL DE ELEMENTOS QUE CONSTITUYE LA QUE CONSTITUYE LA

POBLACION EN ESTUDIO Y POBLACION EN ESTUDIO Y RESPECTO DE LA CUAL RESPECTO DE LA CUAL QUEREMOS HACER UNA QUEREMOS HACER UNA

INFERENCIA BASANDONOS EN INFERENCIA BASANDONOS EN UNA MUESTRAUNA MUESTRA

ES EL TOTAL DE ELEMENTOS ES EL TOTAL DE ELEMENTOS QUE CONSTITUYE LA QUE CONSTITUYE LA

POBLACION EN ESTUDIO Y POBLACION EN ESTUDIO Y RESPECTO DE LA CUAL RESPECTO DE LA CUAL QUEREMOS HACER UNA QUEREMOS HACER UNA

INFERENCIA BASANDONOS EN INFERENCIA BASANDONOS EN UNA MUESTRAUNA MUESTRA

MUESTRA:MUESTRA:SUBCONJUNTO DE ELEMENTOS

DEL UNIVERSO, QUE SELECCIONAMOS Y ANALIZAMOS,

Y DEL CUAL OBTENEMOS UN ESTIMADOR DE UN PARAMETRO

POBLACIONAL

SUBCONJUNTO DE ELEMENTOS DEL UNIVERSO, QUE

SELECCIONAMOS Y ANALIZAMOS, Y DEL CUAL OBTENEMOS UN

ESTIMADOR DE UN PARAMETRO POBLACIONAL

CENSOCENSOCENSOCENSO

MUESTREOMUESTREOMUESTREOMUESTREO

ESTUDIA TODOS LOSESTUDIA TODOS LOSELEMENTOS DEL ELEMENTOS DEL

UNIVERSOUNIVERSO

ESTUDIA SOLOESTUDIA SOLOALGUNOS ELEMENTOSALGUNOS ELEMENTOSDEL UNIVERSODEL UNIVERSO

RAZONES PARA REALIZAR RAZONES PARA REALIZAR UN MUESTREO UN MUESTREO

RAZONES PARA REALIZAR RAZONES PARA REALIZAR UN MUESTREO UN MUESTREO

COSTO:COSTO:TIENE UN COSTO MUY INFERIOR AL DE TIENE UN COSTO MUY INFERIOR AL DE UN CENSO.UN CENSO.

TIEMPO:TIEMPO:SE REALIZA EN UN TIEMPO MUCHO SE REALIZA EN UN TIEMPO MUCHO MENOR QUE UN CENSOMENOR QUE UN CENSO

EXACTITUD:EXACTITUD:EN ALGUNAS SITUACIONES UNA EN ALGUNAS SITUACIONES UNA MUESTRA ES MAS EXACTA QUE UN MUESTRA ES MAS EXACTA QUE UN CENSOCENSO

COSTO:COSTO:TIENE UN COSTO MUY INFERIOR AL DE TIENE UN COSTO MUY INFERIOR AL DE UN CENSO.UN CENSO.

TIEMPO:TIEMPO:SE REALIZA EN UN TIEMPO MUCHO SE REALIZA EN UN TIEMPO MUCHO MENOR QUE UN CENSOMENOR QUE UN CENSO

EXACTITUD:EXACTITUD:EN ALGUNAS SITUACIONES UNA EN ALGUNAS SITUACIONES UNA MUESTRA ES MAS EXACTA QUE UN MUESTRA ES MAS EXACTA QUE UN CENSOCENSO

ERROR ERROR MUESTRAL MUESTRAL

ERROR ERROR MUESTRAL MUESTRAL

ERROR NO ERROR NO

MUESTRAL MUESTRAL

ERROR NO ERROR NO MUESTRAL MUESTRAL

SE REFIERE AL SE REFIERE AL ERROR ESTADISTICO ERROR ESTADISTICO

PORPORBASARNOS EN UNA BASARNOS EN UNA

MUESTRAMUESTRA

SE REFIERE A SE REFIERE A ERRORES ERRORES

INDEPENDIENINDEPENDIENTESDE LOS TESDE LOS OBTENIDOS OBTENIDOS

POR POR BASARNOS BASARNOS

EN UNA EN UNA MUESTRAMUESTRA

MUESTREO MUESTREO MUESTREO MUESTREO

CENSOCENSOCENSOCENSO

PROCESO DE UN DISEÑO PROCESO DE UN DISEÑO MUESTRALMUESTRAL


DEFINIR POBLACIÓN EN DEFINIR POBLACIÓN EN ESTUDIOESTUDIO


DEFINIR: MÉTODO, MARCO DEFINIR: MÉTODO, MARCO MUESTRAL Y Y DISEÑOMUESTRAL Y Y DISEÑO

MUESTRALMUESTRAL

DEFINIR: MÉTODO, MARCO DEFINIR: MÉTODO, MARCO MUESTRAL Y Y DISEÑOMUESTRAL Y Y DISEÑO

MUESTRALMUESTRAL

1. Decidir precisión deseada, o

2. Definir presupuesto

1. Decidir precisión deseada, o

2. Definir presupuesto

DEFINIR TAMAÑO DE LA DEFINIR TAMAÑO DE LA MUESTRAMUESTRA

DEFINIR TAMAÑO DE LA DEFINIR TAMAÑO DE LA MUESTRAMUESTRA

DISEÑO MUESTRALDISEÑO MUESTRAL

DISEÑO MUESTRALDISEÑO MUESTRAL

TECNICA ESTADISTICA QUE

PERMITE DETERMINAR Y

SELECCIONAR UNA MUESTRA

DE UNA POBLACION CON EL

OBJETIVO DE ESTIMAR UN

PARAMETRO POBLACIONAL

POR MEDIO DE UN ESTIMADOR.

TECNICA ESTADISTICA QUE

PERMITE DETERMINAR Y

SELECCIONAR UNA MUESTRA

DE UNA POBLACION CON EL

OBJETIVO DE ESTIMAR UN

PARAMETRO POBLACIONAL

POR MEDIO DE UN ESTIMADOR.





DEFINIR: MÉTODO DE MUESTREODEFINIR: MÉTODO DE MUESTREODEFINIR: MÉTODO DE MUESTREODEFINIR: MÉTODO DE MUESTREO

ALEATORIO SIMPLE ,ALEATORIO SIMPLE ,SISTEMATICO, SISTEMATICO,

ESTRATIFICADO, DE ESTRATIFICADO, DE CONGLOMERADOS, CONGLOMERADOS, MONOETÁPICO O MONOETÁPICO O MULTIETÁPICOMULTIETÁPICO

ALEATORIO SIMPLE ,ALEATORIO SIMPLE ,SISTEMATICO, SISTEMATICO,

ESTRATIFICADO, DE ESTRATIFICADO, DE CONGLOMERADOS, CONGLOMERADOS, MONOETÁPICO O MONOETÁPICO O MULTIETÁPICOMULTIETÁPICO

MÉTODMÉTODOO

MÉTODMÉTODOO

POR CONVENIENCIA,POR CONVENIENCIA,FINES ESPECIALES,FINES ESPECIALES,

POR CUOTASPOR CUOTAS

POR CONVENIENCIA,POR CONVENIENCIA,FINES ESPECIALES,FINES ESPECIALES,

POR CUOTASPOR CUOTAS

DEFINIR TAMAÑODEFINIR TAMAÑOSUBJETIVO DESUBJETIVO DE

MUESTRAMUESTRA

DEFINIR TAMAÑODEFINIR TAMAÑOSUBJETIVO DESUBJETIVO DE

MUESTRAMUESTRA

NO PROBABILISTICONO PROBABILISTICOPROBABILISTICOPROBABILISTICO

DEFINICION DE LA POBLACION EN DEFINICION DE LA POBLACION EN ESTUDIOESTUDIO

DEFINICION DE LA POBLACION EN DEFINICION DE LA POBLACION EN ESTUDIOESTUDIO

IMPLICA DEFINIR DESCRIPTIVAMENTE Y IMPLICA DEFINIR DESCRIPTIVAMENTE Y CUANTITATIVAMENTE LA POBLACION QUE SE ESTÁ CUANTITATIVAMENTE LA POBLACION QUE SE ESTÁ

ESTUDIANDOESTUDIANDO

DESCRIPTIVAMEDESCRIPTIVAMENTENTE:

DEFINIR LA POBLACION EN TERMINO DE:DEFINIR LA POBLACION EN TERMINO DE:

VARIABLES VARIABLES SOCIODEMOGRAFICASSOCIODEMOGRAFICAS

• • SEXO, EDAD, G.S.E.SEXO, EDAD, G.S.E.• • CIUDAD, REGION.CIUDAD, REGION.

VARIABLES PSICOGRAFICASVARIABLES PSICOGRAFICAS• • ESTILO DE VIDA.ESTILO DE VIDA.

OTRAS VARIABLESOTRAS VARIABLES • • USUARIOS DE PRODUCTOS O USUARIOS DE PRODUCTOS O SERVICIOSSERVICIOS

CUANTITATIVAMENCUANTITATIVAMENTETE:

DEFINIR CUANTOS ELEMENTOS DEFINIR CUANTOS ELEMENTOS COMPONEN LA POBLACION EN COMPONEN LA POBLACION EN ESTUDIO.ESTUDIO.

DEFINICION DE DEFINICION DE UNIVERSOUNIVERSO(EJEMPLO)(EJEMPLO)

DEFINICION DE DEFINICION DE UNIVERSOUNIVERSO(EJEMPLO)(EJEMPLO)

EL UNIVERSO EN ESTUDIO EL UNIVERSO EN ESTUDIO

ESTÁ CONSTITUIDO POR ESTÁ CONSTITUIDO POR

TODAS LAS PERSONAS DE 18 TODAS LAS PERSONAS DE 18

AÑOS O MÁS, AÑOS O MÁS,

PERTENECIENTES A TODOS PERTENECIENTES A TODOS

LOS G.S.E., HABITANTES DE LOS G.S.E., HABITANTES DE

LOS HOGARES LOS HOGARES

PARTICULARES DEL GRAN PARTICULARES DEL GRAN

SANTIAGO.SANTIAGO.

LOS RESULTADOSLOS RESULTADOSSON REPRESENTATIVOS YSON REPRESENTATIVOS Y

PROYECTABLES A LAPROYECTABLES A LAPOBLACIONPOBLACION

LOS RESULTADOSLOS RESULTADOSSON REPRESENTATIVOS YSON REPRESENTATIVOS Y

PROYECTABLES A LAPROYECTABLES A LAPOBLACIONPOBLACION

MUESTREOMUESTREO

MUESTREOMUESTREO

PROBABILISTIPROBABILISTI

COCO

PROBABILISTIPROBABILISTI

COCO NO NO PROBABILISTICOPROBABILISTICO

NO NO PROBABILISTICOPROBABILISTICO

TODOS LOS ELEMENTOS TODOS LOS ELEMENTOS DE LA POBLACION DE LA POBLACION

TIENEN UNA TIENEN UNA PROBABILIDAD PROBABILIDAD CONOCIDA O CONOCIDA O

CALCULABLE, Y CALCULABLE, Y DISTINTA DISTINTA

DE CERO DE SER DE CERO DE SER SELECCIONADOSSELECCIONADOS

LOS ELEMENTOS DE LOS ELEMENTOS DE LA POBLACION NO LA POBLACION NO

TIENEN UNA TIENEN UNA PROBABILIDAD PROBABILIDAD CONOCIDA O CONOCIDA O

CALCULABLE DE SER CALCULABLE DE SER SELECCIONADOSSELECCIONADOS

LOS RESULTADOSLOS RESULTADOSNO SON REPRESENTATIVOS NO SON REPRESENTATIVOS

NINIPROYECTABLES A LAPROYECTABLES A LA

POBLACIONPOBLACION

LOS RESULTADOSLOS RESULTADOSNO SON REPRESENTATIVOS NO SON REPRESENTATIVOS

NINIPROYECTABLES A LAPROYECTABLES A LA

POBLACIONPOBLACION

DETERMINACION TAMAÑO DETERMINACION TAMAÑO MUESTRALMUESTRAL

DETERMINACION TAMAÑO DETERMINACION TAMAÑO MUESTRALMUESTRAL

PARA DETERMINAR UN TAMAÑO MUESTRAL SE TRATA DE OPTIMIZAR LOS SIGUIENTES CRITERIOS.

PARA DETERMINAR UN TAMAÑO MUESTRAL SE TRATA DE OPTIMIZAR LOS SIGUIENTES CRITERIOS.1.- COSTO Y PRECISIÓN

Hay 2 alternativas o criterios básicos

1.- COSTO FIJO ERROR MINIMIZADO

O

2.- ERROR FIJO COSTO MINIMIZADO

EL TAMAÑO DE LA MUESTRA TIENE UN FUERTE PESO RELATIVO EN EL COSTO DEL ESTUDIO. HAY FORMULAS QUE PERMITEN CALCULAR EL TAMAÑO MUESTRAL QUE PERMITA OBTENER LA MAXIMA PRECISION SIN SOBREPASAR EL PRESUPUESTO.

2.- TIEMPOLA INFORMACION FRECUENTEMENTE SE NECESITA LO MAS RAPIDO POSIBLE PARA TOMAR DECISIONES.

1.- COSTO Y PRECISIÓN

Hay 2 alternativas o criterios básicos

1.- COSTO FIJO ERROR MINIMIZADO

O

2.- ERROR FIJO COSTO MINIMIZADO

EL TAMAÑO DE LA MUESTRA TIENE UN FUERTE PESO RELATIVO EN EL COSTO DEL ESTUDIO. HAY FORMULAS QUE PERMITEN CALCULAR EL TAMAÑO MUESTRAL QUE PERMITA OBTENER LA MAXIMA PRECISION SIN SOBREPASAR EL PRESUPUESTO.

2.- TIEMPOLA INFORMACION FRECUENTEMENTE SE NECESITA LO MAS RAPIDO POSIBLE PARA TOMAR DECISIONES.

DEFINIR TAMAÑO DEFINIR TAMAÑO MUESTRALMUESTRAL


DEFINIR TAMAÑO MUESTRALDEFINIR TAMAÑO MUESTRAL

DEFINIR TAMAÑO MUESTRALDEFINIR TAMAÑO MUESTRAL

TIPO DE TIPO DE POBLACIPOBLACI

ÓNÓN

TIPO DE TIPO DE POBLACIPOBLACI

ÓNÓN

ESTIMADOESTIMADORR

ESTIMADOESTIMADORR ESTIMADOESTIMADO

RR

ESTIMADOESTIMADORR





MEDIAMEDIA PROPORCIÓNPROPORCIÓN MEDIAMEDIA PROPORCIÓNPROPORCIÓN

INFINITAINFINITA FINITAFINITA

REQUISITOS DE REQUISITOS DE PRECISIÓN Y PRECISIÓN Y

COSTOCOSTO


COSTOCOSTO REQUISITOS DE REQUISITOS DE PRECISIÓN Y PRECISIÓN Y

COSTOCOSTO


COSTOCOSTO





ESTADISTICA DESCRIPTIVA E ESTADISTICA DESCRIPTIVA E INFERENCIALINFERENCIAL

ESTADISTICA DESCRIPTIVA E ESTADISTICA DESCRIPTIVA E INFERENCIALINFERENCIAL

ESTADISTICA ESTADISTICA DESCRIPTIVADESCRIPTIVA

ESTADISTICA ESTADISTICA DESCRIPTIVADESCRIPTIVA ESTADISTICA ESTADISTICA

INFERENCIALINFERENCIAL

ESTADISTICA ESTADISTICA INFERENCIALINFERENCIAL

MUESTRAMUESTRA

MUESTRAMUESTRA

MUESTRAMUESTRA

MUESTRAMUESTRA

• • MEDIDAS DE MEDIDAS DE TENDENCIA CENTRALTENDENCIA CENTRAL(Medias, Proporciones,Razones)(Medias, Proporciones,Razones)

• • ESTIMACIONESTIMACION- PUNTUAL- PUNTUAL- -

INTERVALARINTERVALAR

• • MEDIDAS DE DISPERSIÓNMEDIDAS DE DISPERSIÓN • • TEST DE HIPÓTESISTEST DE HIPÓTESIS

• • Varianza, Varianza, Coeficiente de Variación Coeficiente de Variación

POBLACIÓNPOBLACIÓN

POBLACIÓNPOBLACIÓN

TECNICAS DE SELECCIÓN DE ELEMENTOS TECNICAS DE SELECCIÓN DE ELEMENTOS MUESTRALESMUESTRALES

TECNICAS DE SELECCIÓN DE ELEMENTOS TECNICAS DE SELECCIÓN DE ELEMENTOS MUESTRALESMUESTRALES

MUESTREO NO PROBABILISTICOMUESTREO NO PROBABILISTICO

• • MUESTREO DE CONVENIENCIAMUESTREO DE CONVENIENCIA

• • MUESTREO CON FINES ESPECIALESMUESTREO CON FINES ESPECIALES

• • MUESTREO POR CUOTASMUESTREO POR CUOTAS

MUESTREO PROBABILISTICOMUESTREO PROBABILISTICO

• • MUESTREO ALEATORIA SIMPLEMUESTREO ALEATORIA SIMPLE

• • MUESTREO SISTEMATICOMUESTREO SISTEMATICO

• • MUESTREO ESTRATIFICADOMUESTREO ESTRATIFICADO

* AFIJACION PROPORCIONAL* AFIJACION PROPORCIONAL

* AFIJACION DESPROPORCIONAL * AFIJACION DESPROPORCIONAL

* AFIJACION OPTIMA* AFIJACION OPTIMA

• • MUESTREO POR CONGLOMERADOSMUESTREO POR CONGLOMERADOS

• • MUESTREO POR ETAPASMUESTREO POR ETAPAS

MUESTREO ALEATORIO SIMPLEMUESTREO ALEATORIO SIMPLE MUESTREO ALEATORIO SIMPLEMUESTREO ALEATORIO SIMPLE

• • CADA ELEMENTO DE LA POBLACION TIENE UNA CADA ELEMENTO DE LA POBLACION TIENE UNA

PROBABILIDAD CONOCIDA Y DISTINTA DE CERO DE PROBABILIDAD CONOCIDA Y DISTINTA DE CERO DE

SER SELECCIONADA EN UNA MUESTRA ALEATORIA. SER SELECCIONADA EN UNA MUESTRA ALEATORIA.

EN EL CASO DE UNA MUESTRA ALEATORIA EN EL CASO DE UNA MUESTRA ALEATORIA SIMPLESIMPLE, ,

TODAS LAS UNIDADES MUESTRALES TIENEN TODAS LAS UNIDADES MUESTRALES TIENEN IGUALIGUAL

PROBABILIDAD DE SER SELECCIONADASPROBABILIDAD DE SER SELECCIONADAS

• • SE NECESITA DISPONER DE UN LISTADO NUMERADO SE NECESITA DISPONER DE UN LISTADO NUMERADO

DE TODA LA POBLACION EN ESTUDIO.DE TODA LA POBLACION EN ESTUDIO.

• • EL OBJETIVO ES ESTIMAR UN PARAMETRO EL OBJETIVO ES ESTIMAR UN PARAMETRO

POBLACIONAL A PARTIR DE UN ESTIMADOR.POBLACIONAL A PARTIR DE UN ESTIMADOR.

• • EN MUESTRAS PEQUEÑAS EXTRAIDAS DE EN MUESTRAS PEQUEÑAS EXTRAIDAS DE

UNIVERSOS FINITOS SE DEBE CONSIDERAR SI LA UNIVERSOS FINITOS SE DEBE CONSIDERAR SI LA

MUESTRA CONSISTE EN MAS DE UN 5% DEL MUESTRA CONSISTE EN MAS DE UN 5% DEL

UNIVERSO, EN CUYO CASO SE DEBERIA USAR EL UNIVERSO, EN CUYO CASO SE DEBERIA USAR EL

FACTOR CORRECTOR DE POBLACIONES FINITAS. EN FACTOR CORRECTOR DE POBLACIONES FINITAS. EN

ESTA ERA COMPUTACIONAL, ESTE FACTOR SE PUEDE ESTA ERA COMPUTACIONAL, ESTE FACTOR SE PUEDE

USAR SIEMPRE.USAR SIEMPRE.• • PROBLEMA:PROBLEMA: EXISTE LA DIFICULTAD DE TENER QUE EXISTE LA DIFICULTAD DE TENER QUE CONTAR CON POBLACIONES IDENTIFICADAS Y CONTAR CON POBLACIONES IDENTIFICADAS Y NUMERADAS.NUMERADAS.

DISTRIBUCIÓN DE MUESTREODISTRIBUCIÓN DE MUESTREODISTRIBUCIÓN DE MUESTREODISTRIBUCIÓN DE MUESTREO

Teoría del Límite CentralTeoría del Límite Central

MUESTREO ALEATORIO MUESTREO ALEATORIO SIMPLESIMPLE

MUESTREO ALEATORIO MUESTREO ALEATORIO SIMPLESIMPLE

DETERMINACION DEL TAMAÑO MUESTRAL “n”DETERMINACION DEL TAMAÑO MUESTRAL “n”

1. VARIABLE 1. VARIABLE CUANTITATIVACUANTITATIVAZ = Coeficiente Z = Coeficiente

correspondiente al correspondiente al nivel de nivel de

confianza deseado confianza deseado

S = VARIANZAS = VARIANZA

e = ERROR MUESTRAL e = ERROR MUESTRAL

DESEADODESEADO

N = TAMAÑO DE LA N = TAMAÑO DE LA

POBLACIONPOBLACION

22n n

== ee22++z sz s2 22 2

NN

z sz s2 22 2

2. VARIABLE DICOTOMICA2. VARIABLE DICOTOMICAPROPORCION DE UNIDADES PROPORCION DE UNIDADES MUESTRALES EN LAS CUALES MUESTRALES EN LAS CUALES ESTA PRESENTE LA VARIABLEESTA PRESENTE LA VARIABLE(por ej. Proporción de personas (por ej. Proporción de personas que sostienen determinada que sostienen determinada opinión)opinión)

PROPORCION DE UNIDADES PROPORCION DE UNIDADES MUESTRALES ENLAS CUALES NO MUESTRALES ENLAS CUALES NO ESTA PRESENTE LA VARIABLE . ESTA PRESENTE LA VARIABLE . (q= 1-p)(q= 1-p)(por ej. Proporción de personas (por ej. Proporción de personas que no sostienen determinada que no sostienen determinada opinión)opinión)

VARIANZA:VARIANZA:EL MAYOR VALOR QUE PUEDE EL MAYOR VALOR QUE PUEDE ALCANZAR LA VARIANZA SE ALCANZAR LA VARIANZA SE OBTIENE CUANDO p=0.5 y q=0.5, OBTIENE CUANDO p=0.5 y q=0.5, pq=0.25pq=0.25

n n

== ee22++

NN

zz22pqpqzz22pqpq

p = p =

q = q =

pq = pq =

MUESTREO ESTRATIFICADOMUESTREO ESTRATIFICADO MUESTREO ESTRATIFICADOMUESTREO ESTRATIFICADO

La población se divide en grupos homogéneos, mutuamente La población se divide en grupos homogéneos, mutuamente excluyentes, llamados estratos.excluyentes, llamados estratos.

De cada estrato se selecciona una muestra aleatoria.De cada estrato se selecciona una muestra aleatoria.

Si la muestra extraída de cada estrato es aleatoria simple, Si la muestra extraída de cada estrato es aleatoria simple, entonces se requiere disponer de una lista definida claramente entonces se requiere disponer de una lista definida claramente con los elementos numerados separadamente en cada estrato.con los elementos numerados separadamente en cada estrato.

Este método produce estimadores de la población más precisos Este método produce estimadores de la población más precisos que el M.A.S.que el M.A.S.

ESTRATIFICACIÓN DE LA MUESTRA ES DE 2 ESTRATIFICACIÓN DE LA MUESTRA ES DE 2 TIPOS TIPOS

ESTRATIFICACIÓN DE LA MUESTRA ES DE 2 ESTRATIFICACIÓN DE LA MUESTRA ES DE 2 TIPOS TIPOS

PROPORCIONALPROPORCIONAL

PROPORCIONALPROPORCIONAL

DISPROPORCIONALDISPROPORCIONAL

DISPROPORCIONALDISPROPORCIONAL

LOS TAMAÑOS LOS TAMAÑOS MUESTRALES EXTRAIDOS MUESTRALES EXTRAIDOS DE CADA ESTRATO SON DE CADA ESTRATO SON PROPORCIONALES AL PROPORCIONALES AL TAMAÑO DE CADA TAMAÑO DE CADA ESTRATOESTRATO

LOS TAMAÑOS LOS TAMAÑOS MUESTRALES EXTRAIDOS MUESTRALES EXTRAIDOS DE CADA ESTRATO NO DE CADA ESTRATO NO SON PROPORCIONALES SON PROPORCIONALES AL TAMAÑO DE CADA AL TAMAÑO DE CADA ESTRATOESTRATO


ESTRATIFICACION PROPORCIONAL:ESTRATIFICACION PROPORCIONAL:

ESTRATO POBLACIÓN Wh

TOTAL N 100%

A

B

C

N

N

N

1

2

3

N

N

N

1

2

3

/ N

/ N

/ N

Los tamaños muestrales a extraer de cada estrato se Los tamaños muestrales a extraer de cada estrato se calculan en base a la siguiente fórmula:calculan en base a la siguiente fórmula:

n = (N /N) *nn = (N /N) *n

Donde “n” es el tamaño de muestra total.Donde “n” es el tamaño de muestra total.

hh hh

MUESTREO ESTRATIFICADOMUESTREO ESTRATIFICADO MUESTREO ESTRATIFICADOMUESTREO ESTRATIFICADODETERMINACIÓN DEL TAMAÑO DETERMINACIÓN DEL TAMAÑO MUESTRAL “n”MUESTRAL “n”(Cuando se intenta estimar la media o el total (Cuando se intenta estimar la media o el total

poblacional, para cualquier tipo de afijación, poblacional, para cualquier tipo de afijación, proporcional o aproporcional)proporcional o aproporcional)

1. VARIABLE CUANTITATIVA1. VARIABLE CUANTITATIVA

n = n = ∑∑WW22 SS22

hh hhpphh

ee22

++∑∑

zz22 NN

WW SS22hh hh

Donde ph = hn

n

2. VARIABLE DICOTÓMICA2. VARIABLE DICOTÓMICA

n =n =∑∑WW22 PPhh hh

pphh

ee22

++∑∑

zz22 NN

WWhh

QQhh

PPhhQQhh

Donde ph = hn

n


AFIJACION OPTIMAAFIJACION OPTIMAPOR LO GENERAL SE INTENTA QUE LA AFIJACIÓN POR LO GENERAL SE INTENTA QUE LA AFIJACIÓN SEA OPTIMASEA OPTIMA

EN ESE CASO, LOS TAMAÑOS MUESTRALES “n ”, A EN ESE CASO, LOS TAMAÑOS MUESTRALES “n ”, A EXTRAER DE CADA ESTRATO SON LOS SIGUIENTES:EXTRAER DE CADA ESTRATO SON LOS SIGUIENTES:

hh

n =n =

∑∑NN SShh hh

NN SShh hh

** nnhh

Nota: Esta fórmula no toma en consideración el factor

costo. Una fórmula más completa toma en consideración

los costos diferenciales por entrevista, entre los varios estratos

Nota: Esta fórmula no toma en consideración el factor

costo. Una fórmula más completa toma en consideración

los costos diferenciales por entrevista, entre los varios estratos

MUESTREO SISTEMÁTICOMUESTREO SISTEMÁTICO MUESTREO SISTEMÁTICOMUESTREO SISTEMÁTICO

• • LA SELECCIÓN DE LA MUESTRA SE OBTIENE LA SELECCIÓN DE LA MUESTRA SE OBTIENE

MEDIANTE LA PRE-DEFINICION DE UN PASO MEDIANTE LA PRE-DEFINICION DE UN PASO

SISTEMATICO “K” DE SELECCIÓN.SISTEMATICO “K” DE SELECCIÓN.

• • SE SELECCIONA ALEATORIAMENTE UN SE SELECCIONA ALEATORIAMENTE UN

ELEMENTO DE LOS PRIMEROS “K” ELEMENTOS ELEMENTO DE LOS PRIMEROS “K” ELEMENTOS

EN EL MARCO MUESTRAL Y DESPUES SE EXTRAE EN EL MARCO MUESTRAL Y DESPUES SE EXTRAE

CADA “K” – ésimo ELEMENTO.CADA “K” – ésimo ELEMENTO.

• • ES UN MUESTREO MAS FACIL DE REALIZAR EN ES UN MUESTREO MAS FACIL DE REALIZAR EN

LA FASE DE TERRENO, POR ESTAR MENOS LA FASE DE TERRENO, POR ESTAR MENOS

EXPUESTO A LOS ERRORES DE SELECCIÓN.EXPUESTO A LOS ERRORES DE SELECCIÓN.

• • SE DEBE TENER CUIDADO CON PASOS SE DEBE TENER CUIDADO CON PASOS

SISTEMATICOS CICLICOS.POR EJEMPLO, CON SISTEMATICOS CICLICOS.POR EJEMPLO, CON

SELECCION EN EL TIEMPO, EVITAR UN PASO SELECCION EN EL TIEMPO, EVITAR UN PASO

SISTEMATICO DE 7, CUANDO SE SELECCIONAN SISTEMATICO DE 7, CUANDO SE SELECCIONAN

DIAS DENTRO DE UNO O MAS MESESDIAS DENTRO DE UNO O MAS MESES

MUESTREO POR MUESTREO POR CONGLOMERADOCONGLOMERADO

MUESTREO POR MUESTREO POR CONGLOMERADOCONGLOMERADO• • LA POBLACION SE DIVIDE EN GRUPOS O LA POBLACION SE DIVIDE EN GRUPOS O

CONGLOMERADOS DE ACUERDO A ALGUN CONGLOMERADOS DE ACUERDO A ALGUN

CRITERIO EN PARTICULAR.CRITERIO EN PARTICULAR.

• • EN ESTUDIOS MULTIETAPICOS DE AREAS, LOS EN ESTUDIOS MULTIETAPICOS DE AREAS, LOS

CONGLOMERADOS POR LO GENERAL SE REFIEREN CONGLOMERADOS POR LO GENERAL SE REFIEREN

A DISTRITOS, ZONAS CENSALES O MANZANAS DE A DISTRITOS, ZONAS CENSALES O MANZANAS DE

UNA CIUDAD.UNA CIUDAD.

• • AL INTERIOR DE LOS CONGLOMERADOS AL INTERIOR DE LOS CONGLOMERADOS

SELECCIONADOS, GENERALMENTE SE EXTRAE UN SELECCIONADOS, GENERALMENTE SE EXTRAE UN

MUESTRA ALEATORIA O SISTEMATICA DE LOS MUESTRA ALEATORIA O SISTEMATICA DE LOS

ELEMENTOS QUE LO COMPONEN, O SE EXTRAE ELEMENTOS QUE LO COMPONEN, O SE EXTRAE

UNA MUESTRA ALEATORIA DE CONGLOMERADOS UNA MUESTRA ALEATORIA DE CONGLOMERADOS

MAS PEQUEÑOS.MAS PEQUEÑOS.

• • ES NECESARIO DISPONER DE UN MARCO ES NECESARIO DISPONER DE UN MARCO

POBLACIONAL ADECUADO DE TODOS LOS POBLACIONAL ADECUADO DE TODOS LOS

DISTRITOS, ZONAS CENSALES O MANZANAS.DISTRITOS, ZONAS CENSALES O MANZANAS.

MUESTREO ESTRATIFICADO V/S MUESTREO ESTRATIFICADO V/S MUESTREO POR MUESTREO POR

CONGLOMERADOSCONGLOMERADOS

MUESTREO ESTRATIFICADO V/S MUESTREO ESTRATIFICADO V/S MUESTREO POR MUESTREO POR

CONGLOMERADOSCONGLOMERADOS

ESTRATIFICADESTRATIFICADOO

SE PRETENDE QUESE PRETENDE QUECADA ESTRATO CADA ESTRATO PRESENTE UNA PRESENTE UNA

PEQUEÑA PEQUEÑA VARIABILIDAD EN VARIABILIDAD EN SU SU

INTERIORINTERIOR, , Y UNA GRAN Y UNA GRAN

VARIABILIDAD VARIABILIDAD ENTREENTRE ELLOSELLOS

ESTRATIFICADESTRATIFICADOO

SE PRETENDE QUESE PRETENDE QUECADA ESTRATO CADA ESTRATO PRESENTE UNA PRESENTE UNA

PEQUEÑA PEQUEÑA VARIABILIDAD EN VARIABILIDAD EN SU SU

INTERIORINTERIOR, , Y UNA GRAN Y UNA GRAN

VARIABILIDAD VARIABILIDAD ENTREENTRE ELLOSELLOS

POR POR CONGLOMERADCONGLOMERAD

OS OS

SE PRETENDE UNA SE PRETENDE UNA GRAN VARIABILIDAD GRAN VARIABILIDAD

DENTRODENTRO DE CADA DE CADA CONGLOMERADO Y UN CONGLOMERADO Y UN

MAXIMO DE MAXIMO DE

SEMEJANZA SEMEJANZA ENTREENTRE ELLOS.ELLOS.

POR POR CONGLOMERADCONGLOMERAD

OS OS

SE PRETENDE UNA SE PRETENDE UNA GRAN VARIABILIDAD GRAN VARIABILIDAD

DENTRODENTRO DE CADA DE CADA CONGLOMERADO Y UN CONGLOMERADO Y UN

MAXIMO DE MAXIMO DE

SEMEJANZA SEMEJANZA ENTREENTRE ELLOS.ELLOS.

MUESTREO MULTIETAPICOMUESTREO MULTIETAPICO MUESTREO MULTIETAPICOMUESTREO MULTIETAPICO

• • ES UNA MEZCLA DE TODAS LAS TECNICAS ES UNA MEZCLA DE TODAS LAS TECNICAS ANTERIORES UTILIZADA POR RAZONES PRÁCTICAS, ANTERIORES UTILIZADA POR RAZONES PRÁCTICAS, GENERALMENTE POR CARECER DE UNA LISTA DE GENERALMENTE POR CARECER DE UNA LISTA DE LAS UNIDADES MUESTRALES FINALES.LAS UNIDADES MUESTRALES FINALES.

• • ES LA TECNICA MAS UTILIZADA EN LOS ESTUDIOS ES LA TECNICA MAS UTILIZADA EN LOS ESTUDIOS DE MERCADO Y DE OPINION PUBLICA DONDE LAS DE MERCADO Y DE OPINION PUBLICA DONDE LAS UNIDADES MUESTRALES FINALES SON PERSONAS A UNIDADES MUESTRALES FINALES SON PERSONAS A ENTREVISTAR EN SUS HOGARES.ENTREVISTAR EN SUS HOGARES.

LA SELECCIÓN SE DESARROLLA POR MEDIO DE UN LA SELECCIÓN SE DESARROLLA POR MEDIO DE UN SORTEO JERARQUICO DE CONGLOMERADOS. (Por ej.: SORTEO JERARQUICO DE CONGLOMERADOS. (Por ej.: Zonas Censales, manzanas, hogares, personas)Zonas Censales, manzanas, hogares, personas)

• • EN TERMINOS ESTADISTICOS ES MENOS PRECISO EN TERMINOS ESTADISTICOS ES MENOS PRECISO QUE EL M.A.S PARA IGUAL TAMAÑO MUESTRAL. QUE EL M.A.S PARA IGUAL TAMAÑO MUESTRAL. ADEMAS ES MAS COMPLICADO EL CÁLCULO DE LAS ADEMAS ES MAS COMPLICADO EL CÁLCULO DE LAS ESTIMACIONES DE LOS PARAMETROS Y DE LOS ESTIMACIONES DE LOS PARAMETROS Y DE LOS ERRORES MUESTRALES.ERRORES MUESTRALES.

MUESTREO MULTIETAPICO DE MUESTREO MULTIETAPICO DE AREASAREAS

MUESTREO MULTIETAPICO DE MUESTREO MULTIETAPICO DE AREASAREAS

EJEMPLO DE MUESTREO TRI-ETAPICOEJEMPLO DE MUESTREO TRI-ETAPICOEJEMPLO DE MUESTREO TRI-ETAPICOEJEMPLO DE MUESTREO TRI-ETAPICO

PRIMERA ETAPAPRIMERA ETAPAPRIMERA ETAPAPRIMERA ETAPA

SEGUNDA ETAPASEGUNDA ETAPASEGUNDA ETAPASEGUNDA ETAPA

TERCERA ETAPATERCERA ETAPATERCERA ETAPATERCERA ETAPA

SORTEO ALEATORIO SORTEO ALEATORIO SIMPLE O CON SIMPLE O CON PROBABILUDADES PROBABILUDADES PROPORCIONALES AL PROPORCIONALES AL TAMAÑO, DE MANZANAS TAMAÑO, DE MANZANAS EN UN AREAEN UN AREASORTEO ALEATORIO O SORTEO ALEATORIO O SISTEMATICO DE SISTEMATICO DE HOGARES DENTRO DE HOGARES DENTRO DE CADA MANZANA CADA MANZANA SELECCIONADA.SELECCIONADA.

SORTEO ALEATORIO SORTEO ALEATORIO DE LA PERSONA A DE LA PERSONA A ENTREVISTAR DENTRO ENTREVISTAR DENTRO DE CADA HOGAR DE CADA HOGAR SELECCIONADO.SELECCIONADO.

INTERVALO DE CONFIANZA Y NIVEL DE INTERVALO DE CONFIANZA Y NIVEL DE CONFIANZACONFIANZA

INTERVALO DE CONFIANZA Y NIVEL DE INTERVALO DE CONFIANZA Y NIVEL DE CONFIANZACONFIANZA

PARA UNA PROPORCION POBLACIONAL PARA UNA PROPORCION POBLACIONAL EN EL CASO DE MUESTREO ALEATORIO EN EL CASO DE MUESTREO ALEATORIO

SIMPLESIMPLE

DONDE:DONDE:

PP PROPORCION POBLACIONAL.PROPORCION POBLACIONAL.

pp ESTIMADOR (MEDIA MUESTRAL).ESTIMADOR (MEDIA MUESTRAL).

ZZ NUMERO DE ERRORES STANDARD Y NUMERO DE ERRORES STANDARD Y CORRESPONDE AL CUANTIL z CORRESPONDE AL CUANTIL z

DE LA CURVADE LA CURVANORMAL Standard z ~N(0,1)NORMAL Standard z ~N(0,1)

P(1-p)P(1-p) VARIANZA POBLACIONAL VARIANZA POBLACIONAL ESTIMADA.ESTIMADA.

ERROR ESTÁNDAR DE LA ERROR ESTÁNDAR DE LA ESTIMACIONESTIMACION

DE LA PROPORCION POBLACIONAL.DE LA PROPORCION POBLACIONAL.

K %K % NIVEL DE CONFIANZA.NIVEL DE CONFIANZA.

* 1 *(1 )Pr * 1 * 1 %

1 1

p p n p p np z P p z K

n N n N

ESTIMACION DE TAMAÑO MUESTRAL EN ESTIMACION DE TAMAÑO MUESTRAL EN EL CASO EL CASO

DE MUESTREO ALEATORIO SIMPLEDE MUESTREO ALEATORIO SIMPLE

ESTIMACION DE TAMAÑO MUESTRAL EN ESTIMACION DE TAMAÑO MUESTRAL EN EL CASO EL CASO

DE MUESTREO ALEATORIO SIMPLEDE MUESTREO ALEATORIO SIMPLE

n =n =zz22 pqpq

ee22++zz22 pqpq

NN

ASUMIENDO VARIANZA MAXIMA (P=0.5)ASUMIENDO VARIANZA MAXIMA (P=0.5)

Calcular el tamaño muestral necesario si se desea un error muestral Calcular el tamaño muestral necesario si se desea un error muestral máximo de +/- 5% (5 puntos porcentuales) a un nivel de confianza del máximo de +/- 5% (5 puntos porcentuales) a un nivel de confianza del 95%, en un Universo de 3200 personas. Muestra a extraer en base a 95%, en un Universo de 3200 personas. Muestra a extraer en base a muestreo aleatorio simple.muestreo aleatorio simple.

n =n =1.96 (.5)(.5)1.96 (.5)(.5)22

.05.0522++1.96 (.5)(.5)1.96 (.5)(.5)22

32003200

n = 343n = 343

TEORIA DELLIMITE CENTRAL

TEORIA DELLIMITE CENTRAL

SI UNA VARIABLE SE DISTRIBUYE CON MEDIA = SI UNA VARIABLE SE DISTRIBUYE CON MEDIA = µ µ Y Y

VARIANZA = VARIANZA = σσ22 NO IMPORTANDO LA FORMA DE LA NO IMPORTANDO LA FORMA DE LA

DISTRIBUCIÓN POBLACIONAL, Y SI SE EXTRAEN REPETIDAS DISTRIBUCIÓN POBLACIONAL, Y SI SE EXTRAEN REPETIDAS

MUESTRAS ALEATORIAS DE TAMAÑO “n” , ENTONCES LAS MUESTRAS ALEATORIAS DE TAMAÑO “n” , ENTONCES LAS

MEDIAS ARITMETICAS x DE TODAS ESTAS MUESTRAS SE MEDIAS ARITMETICAS x DE TODAS ESTAS MUESTRAS SE

DISTRIBUIRAN EN FORMA APROXIMADAMENTE NORMAL DISTRIBUIRAN EN FORMA APROXIMADAMENTE NORMAL

CON MEDIA= CON MEDIA= µµ, Y VARIANZA = , Y VARIANZA = σσ22/n A MEDIDA QUE LOS /n A MEDIDA QUE LOS

TAMAÑOS MUESTRALES CREZCANTAMAÑOS MUESTRALES CREZCAN (O SE DISTRIBUIRAN EN (O SE DISTRIBUIRAN EN

FORMA EXACTAMENTE NORMAL SI LA DISTRIBUCION ORIGINAL DE LA FORMA EXACTAMENTE NORMAL SI LA DISTRIBUCION ORIGINAL DE LA

VARIABLE TAMBIEN ERA NORMAL, NO IMPORTANDO EL TAMAÑO VARIABLE TAMBIEN ERA NORMAL, NO IMPORTANDO EL TAMAÑO

MUESTRAL).MUESTRAL).

__

EFECTO DEL DISEÑOEFECTO DEL DISEÑOEFECTO DEL DISEÑOEFECTO DEL DISEÑO

El efecto del diseño “deff” se define como El efecto del diseño “deff” se define como la relación entre la varianza del estimador la relación entre la varianza del estimador (calculada respetando la complejidad del (calculada respetando la complejidad del diseño muestral realmente utilizado ( o por diseño muestral realmente utilizado ( o por utilizar), y la varianza del estimador que se utilizar), y la varianza del estimador que se obtendría si se utilizara el muestreo obtendría si se utilizara el muestreo aleatorio simple (m.a.s)aleatorio simple (m.a.s)

La varianza del estimador se define como el La varianza del estimador se define como el cuadrado del “error Standard”, el cual - a cuadrado del “error Standard”, el cual - a su vez – es la unidad con la que suele su vez – es la unidad con la que suele medirse la precisión de las estimaciones.medirse la precisión de las estimaciones.

EJEMPLO DEL “EFECTO DEL EJEMPLO DEL “EFECTO DEL DISEÑO”DISEÑO”

EJEMPLO DEL “EFECTO DEL EJEMPLO DEL “EFECTO DEL DISEÑO”DISEÑO”

1.- Varianza del estimador de “P”, en muestreo aleatorio 1.- Varianza del estimador de “P”, en muestreo aleatorio simple:simple:

Donde “n” es el tamaño muestral y “N” el tamaño del Donde “n” es el tamaño muestral y “N” el tamaño del universouniverso

2.- Varianza del estimador de “P”, en muestreo de 2.- Varianza del estimador de “P”, en muestreo de conglomerados:conglomerados:

Donde.Donde.ñ es el número promedio de observaciones (entrevistas en el caso ñ es el número promedio de observaciones (entrevistas en el caso de encuestas de opinión pública), por conglomerado de encuestas de opinión pública), por conglomerado ρρ es el coeficiente de correlación intraclase, que mide el grado de es el coeficiente de correlación intraclase, que mide el grado de homogeneidad relativa de los conglomerados (fluctúa entre – 1/(Ñ-homogeneidad relativa de los conglomerados (fluctúa entre – 1/(Ñ-1) y 1, donde Ñ es el tamaño promedio por conglomerado en el 1) y 1, donde Ñ es el tamaño promedio por conglomerado en el Universo, medido en términos de unidades finales.Universo, medido en términos de unidades finales.

deff.= (1 + (ñ-1) )deff.= (1 + (ñ-1) )

2 *ˆ 1

1P

p q n

n N

2 *1 1 1

1p

p q nñ

n N

Suponiendo un diseño muestral complejo, por ejemplo, Suponiendo un diseño muestral complejo, por ejemplo, muestreo bietápico de áreas, el que corresponde a un muestreo bietápico de áreas, el que corresponde a un muestreo por conglomerados multietápico, con las muestreo por conglomerados multietápico, con las “manzanas” como unidades de primera etapa y “hogares” “manzanas” como unidades de primera etapa y “hogares” como unidades de segunda etapa, con un promedio de 8 como unidades de segunda etapa, con un promedio de 8 entrevistas por manzana y un coeficiente de correlación entrevistas por manzana y un coeficiente de correlación intraclase de 0.2, tendríamos el siguiente deff.intraclase de 0.2, tendríamos el siguiente deff.

deff.= 1+(8-1) * 0.2 ) = 2.4deff.= 1+(8-1) * 0.2 ) = 2.4

Entre otras cosas, esto significaría que Entre otras cosas, esto significaría que para igual tamaño para igual tamaño muestralmuestral, el error Standard del diseño multietápico, es , el error Standard del diseño multietápico, es √√2.4 2.4

=1.55 veces mayor que el del muestreo aleatorio simple. =1.55 veces mayor que el del muestreo aleatorio simple. En otras palabras, es un 55% mayor. Si con m.a.s. el error En otras palabras, es un 55% mayor. Si con m.a.s. el error Standard es de 3% (tres puntos porcentuales) por Standard es de 3% (tres puntos porcentuales) por ejemplo, con el diseño multietápico sería de 4.65%.ejemplo, con el diseño multietápico sería de 4.65%.Otra conclusión es la siguiente: Si se desea obtener la Otra conclusión es la siguiente: Si se desea obtener la misma precisión (mismo error Standard), en el diseño misma precisión (mismo error Standard), en el diseño multietápico que en el m.a.s., debería multiplicarse el multietápico que en el m.a.s., debería multiplicarse el tamaño muestral utilizado en el m.a.s., por 2.4.tamaño muestral utilizado en el m.a.s., por 2.4.Así, si en el m.a.s., la muestra constaba de 400 Así, si en el m.a.s., la muestra constaba de 400 entrevistas, con el diseño multietápico deberían entrevistas, con el diseño multietápico deberían efectuarse 960 entrevistas para obtener el mismo error efectuarse 960 entrevistas para obtener el mismo error Standard.Standard.

DETECCION DE DIFERENCIAS ESTADISTICAMENTE DETECCION DE DIFERENCIAS ESTADISTICAMENTE SIGNIFICATIVAS ENTRE 2 RESPUESTAS A UNA SIGNIFICATIVAS ENTRE 2 RESPUESTAS A UNA MISMA PREGUNTA MEDIDA EN UNA ESCALA MISMA PREGUNTA MEDIDA EN UNA ESCALA

NOMINALNOMINAL

La fórmula del error Standard de la diferencia entre 2 La fórmula del error Standard de la diferencia entre 2 proporciones, obtenidas a partir de las respuestas a una proporciones, obtenidas a partir de las respuestas a una misma misma preguntapregunta en una misma muestra, es la siguiente: en una misma muestra, es la siguiente:

Para detectar si la diferencia encontrada entre ambas Para detectar si la diferencia encontrada entre ambas proporciones es estadísticamente significativa, en el sentido proporciones es estadísticamente significativa, en el sentido de que la respuesta que recibió la mayor proporción de de que la respuesta que recibió la mayor proporción de respuestas en la muestra, realmente es la más preferida respuestas en la muestra, realmente es la más preferida también en el contexto del Universo de Estudio, (test también en el contexto del Universo de Estudio, (test Unilateral), debe dividirse dicha diferencia (pmayor- pmenor) Unilateral), debe dividirse dicha diferencia (pmayor- pmenor) por el precedente error Standard, y utilizar el valor de dicha por el precedente error Standard, y utilizar el valor de dicha relación, comparándolo con los valores críticos que se relación, comparándolo con los valores críticos que se encuentran en una tabla de distribución normal o t de Student encuentran en una tabla de distribución normal o t de Student si la muestra es relativamente pequeña ( menor de 60 casos).si la muestra es relativamente pequeña ( menor de 60 casos).

––o o 11nn

== [[ ]]√√ p q + p q + 2 p pp q + p q + 2 p p11 11 22 22 11 22

( p - p )( p - p )11 22

Si el valor de esta relación es mayor a 1.645, entonces puede aceptarse la Si el valor de esta relación es mayor a 1.645, entonces puede aceptarse la hipótesis de que la proporción que apareció en la muestra como mayor, es hipótesis de que la proporción que apareció en la muestra como mayor, es realmente mayor también en el Universo, a un nivel de significancia realmente mayor también en el Universo, a un nivel de significancia estadística del 5%. Esto implica que nos permitimos una probabilidad del 5% estadística del 5%. Esto implica que nos permitimos una probabilidad del 5% de incurrir en el error de aceptar dicha diferencia (favorable a la proporción de incurrir en el error de aceptar dicha diferencia (favorable a la proporción que apareció como mayor que la otra), cuando en la realidad dicha diferencia que apareció como mayor que la otra), cuando en la realidad dicha diferencia no existe en el Universo. ( Error Tipo 1)no existe en el Universo. ( Error Tipo 1)

Si queremos reducir la probabilidad de incurrir en este tipo de error (error de Si queremos reducir la probabilidad de incurrir en este tipo de error (error de tipo I), podemos elegir otro valor crítico, como por ejemplo 1.96 para una tipo I), podemos elegir otro valor crítico, como por ejemplo 1.96 para una probabilidad del 2.5% de cometer dicho error. Otro valor crítico de “z” probabilidad del 2.5% de cometer dicho error. Otro valor crítico de “z” menosmenos común es el de 2.575, que reduce la probabilidad de cometer este error a un común es el de 2.575, que reduce la probabilidad de cometer este error a un 0.5%.0.5%.

También se debe considerar la posibilidad de efectuar el test bilateral en cuyo También se debe considerar la posibilidad de efectuar el test bilateral en cuyo caso las probabilidades precedentes se deben multiplicar por 2.caso las probabilidades precedentes se deben multiplicar por 2.Igualmente, existe un test para los mismos efectos, pero cuando las muestras Igualmente, existe un test para los mismos efectos, pero cuando las muestras son independientes, en cuyo caso la fórmula difiere de la actual en que se son independientes, en cuyo caso la fórmula difiere de la actual en que se debe omitir de ella la expresión 2pdebe omitir de ella la expresión 2p11pp2 2 y el tamaño muestral común ‘n’ debe y el tamaño muestral común ‘n’ debe ser reemplazado ( como denominadores de cada sumando bajo la raiz ser reemplazado ( como denominadores de cada sumando bajo la raiz cuadrada), por ncuadrada), por n11 y n y n22 respectivamente, los que representan el tamaño respectivamente, los que representan el tamaño muestral de cada una de las 2 muestras independientes .muestral de cada una de las 2 muestras independientes .

==zz11nn

[[ ]]√√ p q + p q + 2 p pp q + p q + 2 p p11 11 22 22 11 22

p - pp - p11 22

MUESTREO. ES UNA TECNICA QUE PERMITE SELECCIONAR ELEMENTOS DE UNA POBLACION E INFERIR RESULTADOS...

Documents

Transcript of MUESTREO. ES UNA TECNICA QUE PERMITE SELECCIONAR ELEMENTOS DE UNA POBLACION E INFERIR RESULTADOS...