Población y muestra

Población

Se define como la fuente de observaciones o medidas que describen detalladamente a un

conjunto de individuos u objetos.

Por lo tanto si se considera una investigación sobre la preferencia de los lectores para un
determinado periódico, la población consistiría en todas las suscripciones de los
lectores.

La población puede ser finita e infinita:

Población finita: es aquella que consta de un número finito de elementos, por lo tanto
conocemos el número que la integran, por ejemplo:

 La fabricación de todos los televisores por una industria en un determinado turno de

trabajo.
 El número de teléfonos instalados en la ciudad de Portoviejo.
 El tiraje de periódicos hechos por una empresa en un determinado día

Población infinita: consta de un número infinito de elementos, es decir que no se

conoce el número de elementos que la integran, por ejemplo:

 Posibles sucesos (pares e impares) en tiradas sucesivas de un dado

 Posibles sucesos de sacar un naipe con figura o uno con número en extracciones
sucesivas de una baraja.

Si la población es abundante, a veces es imposible o inusual observar la totalidad de los

elementos que la conforman, por lo que se recomienda analizar una parte representativa
de dicho conjunto, la cual se denomina muestra. [CITATION Gar141 \l 3082 ]

Características esenciales de la población

 Homogeneidad; todos los miembros de la población deben conservar las mismas

características según las variables de estudio.
 Tiempo; es el periodo en el que se ubicaría la población de interés, ya sea presente
o pasado.
 Espacio; se refiere al lugar donde se ubica la población.
 Cantidad; se refiere al tamaño de la población [CITATION 10ju \l 3082 ]
Muestra

La muestra es un subconjunto de la población.

Ejemplo: Estudiantes de primer semestre de la Universidad Técnica de Manabí, sus

principales características son:

 Representativa

Se refiere a que todos y cada uno de los elementos de la población tengan la misma
oportunidad de ser tomadas en cuenta para formar dicha muestra.

 Adecuada y valida

Se refiere a que la muestra debe ser obtenida de tal manera que permita establecer un
mínimo de error posible respecto de la población.

Para que una muestra sea fiable, es necesario que su tamaño sea obtenido mediante
procesos matemáticos que eliminen la incidencia del error.[CITATION Ach161 \l 3082 ]

Fórmula para calcular el tamaño de la muestra conociendo la población finita

N σ2 Z2
n= 2 2 2
e ( N−1 ) +σ Z

Donde:

n :Tamaño de la muestra poblacional a obtener

N: tamaño de la población total

σ : Desviación estándar de la población, en caso de desconocer este dato es común

utilizar un valor constante que equivale a 0,5.

Z: Valor obtenido mediante niveles de confianza. Su valor es una constante, por lo

general se tienen dos valores dependiendo el grado de confianza que se desee siendo
99% el valor más alto (este valor equivale a 2.58) y 95% (1.96) el valor mínimo
aceptado para considerar la investigación como confiable.

e :Límite aceptable de error muestral generalmente va de 1% (0.01) al 9% (0.09), siendo

5% (0.5) el valor estándar usado en las investigaciones.
Fórmula para calcular el tamaño de la muestra desconociendo la población infinita

Z 2 p(1−p)
n=
e2

Donde:

n : Tamaño de la muestra

p : Proporción de elementos que posee la característica de interés. Probabilidad de éxito,

proporción esperada.

Z: valor obtenido mediante niveles de confianza. Es un valor constante que, si no tiene

su valor, se lo toma en relación al 95% de confianza que equivale a 1.96 o en relación al
99% de confianza que equivale a 2.58, valor que queda a criterio del investigador.

e :Límite aceptable de error muestral generalmente va de 1% (0.01) al 9% (0.09), siendo

5% (0.5) el valor estándar usado en las investigaciones.

Tabla de nivel de confianza

Nivel de confianza Nivel de error Varianza

90% 10% 1,62

91% 9% 1,71
92% 8% 1,79
93% 7% 1,85
94% 6% 1,9
95% 5% 1.96
96% 4% 2,12
97% 3% 2,25
98% 2% 2,38
99% 1% 2,58
Ejercicio 1:

1) Calcular el tamaño de la muestra de una población de 500 elementos con un nivel de

confianza del 95%

Se tiene N=500, para el 95% de confianza Z = 1,96, y como no se tiene los demás
valores se tomará σ =0,5, y e = 0,05.

Reemplazando valores de la fórmula se tiene: población finita

N σ2 Z2
n=
e2 ( N−1 ) +σ 2 Z2

500 ∙ 0,52 ∙ 1,962

n= 2 2 2
0,05 ( 500−1 )+ 0,5 ∙ 1,96

500 ∙ 0.25 ∙3.8416

n=
0.0025 ( 499 ) +0.25 ∙3.8416

480.20
n=
1.2475+ 0.9604

480.20
n= =217
2.2079

Ejercicio 2: ¿A cuántos estudiantes tendría que estudiar para conocer la preferencia de

la marca de mochila?

Se desconoce la población total

Tenemos un nivel de confianza de 2.58 y un margen de error de 3%

Asumamos que se aproxima al 5%, utilizaremos el valor de p=0.5 (50%), que maximiza
el tamaño muestral.

Datos:

n=?

Z=2,58 (99%)

p=50% (0,5)

q=50% (0,5)
e=3%(0,03

Población infinita

Z2 p . q
n=
e2

2,58 2 .(0,5)(0,5)
n=
0,032

6,6564 (0,25)
n=
0.0009

1.6641
n= =1,849tamaño de la poblac ión
0.0009

Población finita

N . Z2. p . q
n= 2 2
e ( N−1 ) + Z . p . q

1,849. ( 2,58 )2 .0,5(0,5)

n=
(0,03)2 ( 1,849−1 )+ ( 2,58 )2 .( 0,5)( 0,5)

1,849 (6,6564)(0,25)
n=
0,0009 ( 1,848 ) +6,6564 (0,25)

3,076.9209
n=
1.6632+6,9064

3,0769209
n= =359
8,5696

Ejercicio 3: A cuantas personas de un cantón tendríamos que estudiar para conocer en

cuanto a la forma de ingresos personal según las actividades que se realizan en ese
cantón con un nivel de confianza del 95% y la precisión de error del 6%

Datos:

n=?

Z=1,96 (95%)

p=50% (0,5)
q=50% (0,5)

e=6% (0,06)

Población infinita

Z2 p . q
n=
e2

1,96 2 .(0,5)(0,5)
n=
0,06 2

3,8416 (0,25)
n=
0.0036

0,9604
n= =266
0.0036

Población finita

N . Z2. p . q
n= 2 2
e ( N−1 ) + Z . p . q

266. ( 1,96 )2 .0,5(0,5)

n=
(0,06)2 ( 266−1 ) + ( 1,96 )2 .(0,5)(0,5)

266 (3,8416)(0,25)
n=
0,0036 ( 265 )+ 3,8416(0,25)

255,4664
n=
0,954+0,9604

255,4664
n= =133
1,9144
Ejercicio 4: calcular el tamaño de la muestra de una población desconocida con un
valor de muestreo del 5% y el nivel de confianza de un 95%

Datos:

n=?

Z=1,96 (95%)

o=50% (0,5)

e=5% (0,05)

Población infinita

Z2 σ2
n= 2
e

(1.96)2 (0,5)2
n=
0,052

(3.8416)(0,25)
n=
0,0025

0,9604
n=
0,0025

n=384

Población finita

N σ2 Z2
n=
e2 ( N−1 ) +σ 2 Z2

384 ( 0,5 )2 .1,96 2

n= 2 2
(0,05) ( 384−1 ) +(0,5) ( 1,96 )

384 (0,25)(3,8416)
n=
0,0025 ( 383 ) +(0,25)3,8416

368.7936
n=
0,9575+ 0,9604
 368.7936
n= =192
1,9179

La estadística y su relación con otras ciencias

La estadística es necesaria cuando existe variabilidad entre los datos, en la que

encontramos dos aspectos importantes como los siguientes:

1º Describir información: es válido para los datos descritos y se realiza mediante tablas
de frecuencia, gráficos y porcentajes.

2º Hacer inferencias: corresponde a la obtención de conclusiones acerca de las

características de una población a partir de una muestra de esta. [CITATION Rus121 \l 3082
].

Según Llina y Rojas [CITATION hum06 \n \t \l 3082 ], en su libro titulado estadística

descriptiva y distribuciones de probabilidad relacionan la estadística con las siguientes
ciencias:

Contabilidad

Las empresas de contaduría pública emplean procedimientos estadísticos de muestreo

para llevar acabo auditorías a sus clientes.

Por ejemplo supongamos que una empresa de contadores desea determinar si la cantidad
que aparece en las cuentas por cobrar, en el balance de un cliente, representa fielmente
la cantidad real de ese rubro. Normalmente, la cantidad de cuentas individuales por
cobrar es tan grande que sería demasiado lento y costoso revisar y validar cada cuenta.

En casos como este, se acostumbra a que el personal del auditor seleccione un

subconjunto de las cuentas (llamado muestra). Después de revisar la exactitud de las
cuentas muestreadas, los auditores llegan a una conclusión acerca de si la cantidad que
aparece en cuentas por cobrar, en los estados financieros de sus clientes es aceptable.

Además la estadística es una herramienta fundamental en la contabilidad debido a que

ayuda a procesar, analizar, agilizar, interpretar y proyectar información relevante para
llevar a cabo una mejor toma de decisiones.

La economía
Como ciencia social, la economía es un campo fértil para aplicar la estadística a todos y
cada uno de los fenómenos que tienen que ver con la producción (costos, materias
primas, capital, tecnología, trabajos, salarios, métodos y sistemas), la distribución
(medios o canales, localización, empaque y embalaje, transporte, ubicación geográfica,
capacidad, etc.) y el consumo, (hábitos y motivos de compra y consumo, promoción,
publicidad, marketing, medidas de satisfacción, etc.)

La administración

Es necesaria para planificar, programar, integrar, dirigir, coordinar, ejecutar, controlar,

evaluar y retroalimentar o reorientar los procesos y proyectos estadísticos, con el fin de
pronosticar eventos y resultados futuros, con eficacia y eficiencia. La administración
interviene en la planificación de los estudios, en la programación de las actividades a
realizar (actividad, lugar, tiempo y personal), en la integración y organización (de los
recursos: personas o cosas, capital, tecnología, métodos y sistemas), en la dirección y
coordinación de los mismos; y, en el control, evaluación, retroalimentación u
orientación.

Matemática

Se relaciona con la estadística por el uso de la aritmética, algebra y geometría como

medios de expresión, ya sea para sumar, calcular y relacionar datos, con el fin de extraer
resultados numéricos que luego presenta a través de cuadros y gráficas.

Informática

Es una técnica o una ciencia, muy importante debido a que está presente la tecnología,
programas y procesos muy avanzados, lógicos y útiles que permiten detallar
información y reducir datos mediante tablas, con el objetivo de alcanzar la eficiencia y
eficacia en el uso.[ CITATION pro16 \l 3082 ]

Estadística descriptiva e inferencial

Estadística descriptiva

Es la parte de la estadística que también se conoce con el nombre de estadística

deductiva, ya que trata solamente de describir y analizar un grupo de datos, los cuales se
representan mediante tablas, gráficas y cuadros. [CITATION Gar141 \l 3082 ]
La estadística descriptiva tiene como objetivo resumir la información contenida en los
datos de la forma más sencilla y presentable posible, obteniendo así los parámetros que
distinguen las características de un conjunto de datos (lo que se conoce como
estadísticos).

Pertenecen al ámbito de la estadística descriptiva las tablas de frecuencia, a partir de los

cuales se obtiene lo siguiente:

 Medidas de centralización:
La media en todas sus variantes (aritmética, geométrica), la moda y la mediana.
 Medidas de dispersión:
La varianza, la desviación típica (raíz cuadrada de la varianza) y el rango.
 Medidas de tendencia central:
Los cuantiles y sus desgloses (percentiles, cuartiles, deciles, etc.) [ CITATION San16 \l
3082 ]

Estadística inferencial

La estadística inferencial consiste en la estimación de las características o propiedades

de una población, a partir del análisis de una muestra extraída de ella.

Se denomina estadística inferencial a los métodos matemáticos empleados y basados en

la teoría de la probabilidad para deducir (inferir) las propiedades de una población a
partir del análisis de las propiedades de una muestra de datos extraídos de la misma.
[CITATION 17ag \l 3082 ]

¿Qué es lo que distingue a la estadística descriptiva de la inferencial?

La principal diferencia de la estadística descriptiva e inferencial es la naturaleza de los

datos, es decir que la estadística descriptiva sirve tanto para una población como para
una muestra (un subconjunto de esa población cuyos elementos son elegidos al azar),
mientras que la estadística inferencial trabaja con muestras a partir de las cuales intenta
extraer conclusiones sobre la población.
Bibliografía

Achury, E. (13 de mayo de 2016). Estadistica de la probabilidad. Obtenido de teoria de

muestreo:
http://estadistidicadelaprobabilidadachury.blogspot.com/2016/05/unidad-5-
teoria-de-muestreo.html
Bujan, A. (30 de agosto de 2017). estadistica inferencial. Obtenido de Enciclopedia
financiera: https://www.enciclopediafinanciera.com/definicion-estadistica-
inferencial.html

Garza, B. (2014). Estadistica y probabilidad. Mexico: Pearson.

Humberto, L., & Carlos, R. (2006). Estadistica descriptiva y distribuciones de

probabilidad. Barranquilla: Uninorte.

proyecto informatica I. (2 de Junio de 2016). relacion de la estadistica con otras

ciencias. Obtenido de Estadistica :
http://proyectestadisticaumg.blogspot.com/2016/06/5relacion-de-la-estadistica-
con-otras.html

Rustom, A. (2012). Estadistica descriptiva, probabilidad e inferencia. Chile:

Universidad de chile .

Santillán, A. (13 de septiembre de 2016). Estadística descriptiva e inferencial:

conceptos generales. Obtenido de El rincon de Picanumeros:
https://ebevidencia.com/archivos/3568

Wigodski, J. (14 de junio de 2010). metodologia de la investigacion . Obtenido de

Población y muestra:
http://metodologiaeninvestigacion.blogspot.com/2010/07/poblacion-y-
muestra.html