ESTADÍSTICA DESCRIPTIVA

UNIDAD 4
MUESTREO Y PRUEBA DE HIPÓTESIS Y HERRAMIENTAS ESTADÍSTICAS
 ÍNDICE
1. Información de los subtemas ................................. 4

1.1 Muestreo Aleatorio Simple .......................... 4

1.2 Estimadores Puntuales................................. 5

1.3 Propiedades de los estimadores puntuales 7

PREGUNTAS DE COMPRENSIÓN DE LA UNIDAD
............................................................................... 12
MATERIAL COMPLEMENTARIO ........................... 14
Bibliografía................................................................. 14
Información de los subtemas

» Objetivo:
Aplicar técnicas de muestreo aleatorio simple y otros métodos de
muestreo, así como utilizar estimadores puntuales y comprender sus
propiedades para hacer inferencias estadísticas precisas sobre
poblaciones a partir de muestras.
INTRODUCCIÓN
En el campo de la estadística, el muestreo aleatorio simple (MAS)
es una técnica fundamental para la obtención de muestras
representativas de una población. Consiste en seleccionar, de
manera aleatoria, un subconjunto de elementos de una población,
asegurando que cada miembro tenga la misma probabilidad de ser
elegido. Esta estrategia minimiza sesgos y facilita el análisis objetivo
de los datos al permitir la inferencia estadística, es decir, la
generalización de los resultados de la muestra hacia la población
completa. El MAS se emplea en estudios científicos, investigaciones
de mercado, encuestas sociales y en muchas otras áreas para
garantizar conclusiones válidas y fiables.
Por otro lado, en la inferencia estadística, los estimadores
puntuales son valores numéricos que se utilizan para aproximar un
parámetro desconocido de la población, como la media, la
proporción o la varianza. Estos estimadores se calculan a partir de
los datos obtenidos en la muestra y buscan ser lo más precisos
posible. Un buen estimador puntual es aquel que cumple con
propiedades esenciales como la insesgadez (su valor esperado es
igual al parámetro real), la consistencia (su precisión mejora con el
tamaño de la muestra) y la eficiencia (tiene la menor varianza
posible entre los estimadores no sesgados).
En conjunto, el muestreo aleatorio simple y los estimadores
puntuales permiten realizar análisis estadísticos sólidos, brindando
herramientas esenciales para la toma de decisiones informadas en
diversos ámbitos.
MUESTREO Y PRUEBA DE HIPÓTESIS Y HERRAMIENTAS ESTADÍSTICAS

1. Información de los subtemas

1.1 Muestreo Aleatorio Simple

Antes de realizar un muestreo primero se debe elegir que
diseño de muestra de probabilidad se va a utilizar, luego
el tipo de muestreo probabilístico, en este caso uno de los
tipos de muestreo probabilístico es el muestreo aleatorio
simple.
El muestro aleatorio simple es un subconjunto donde se
selecciona una muestra para el estudio de una población,
permite a cada elemento de una población objetivo y a
cada una de las muestras de un tamaño determinado
tener la misma probabilidad de poder ser seleccionado;
una parte del muestreo está en obtener el tamaño de la
muestra correcta, para que debido a esto no se obtenga
un error de muestreo y si ocurre deba ser el mínimo
posible. (Aushay, 2015)
Para aplicarlo de manera apropiada la elección del tamaño
de la muestra debe contener más de unos cientos de
individuos; es posible que este método sea teóricamente
fácil de comprender, pero algo difícil de implementar en la
práctica.
Pasos para la selección de una muestra aleatoria:

1. Identificar un marco de muestreo.

2. Evaluar el marco de muestreo para la falta de cobertura.
3. Asignar un número, en este caso único para cada
elemento.
4. Determinar el tamaño de la muestra.
5. Seleccionar al azar el número determinado de elementos
de la población.
MUESTREO Y PRUEBA DE HIPÓTESIS Y HERRAMIENTAS ESTADÍSTICAS

Para proceder a la selección del número de elementos de

la población, se lo puede realizar mediante el método de la
lotería, una tabla de números aleatorios y los números
generadores de forma aleatoria mediante un software,
es decir al azar; en este caso.
Existen dos tipos de muestreo aleatorio simple:

Muestreo con reemplazo: Luego de que un elemento es

seleccionado del marco de muestra, vuelve a la muestra y
puede ser nuevamente seleccionado.
Muestreo sin reemplazo: luego de que un elemento es
seleccionado del marco de muestra, procede a ser
retirado y no retorna a la base del muestreo; considerando
este tipo de muestreo el más eficiente, debido a que no
permite que el elemento de dicha población reingrese
reiteradas veces a la muestra.

1.2 Estimadores Puntuales.

Es un método alternativo el cual implica la debida
numeración de individuos de la población de 1 a n; para la
selección de los números al azar el tamaño de muestra de
n debe ser determinado; sirve de ayuda en la aplicación
de la técnica de muestreo.
Debido a que es una tabla de números aleatorios no
persigue un patrón en particular, estos pueden ser leídos
de cualquier forma, ya sea por fila, columna, diagonal,
hacía delante, hacia atrás; es importante que el número
de dígitos a utilizar corresponda al tamaño total de la
población objetivo. Los números que encuentra el
investigador y que no coinciden con los números que han
sido asignados a los elementos de la población objetivo
son ignorados; es un proceso un poco tedioso, ocupa
tiempo por lo que no es recomendado para grandes
poblaciones. (Rubin, 2004)
MUESTREO Y PRUEBA DE HIPÓTESIS Y HERRAMIENTAS ESTADÍSTICAS

Esta tabla consiste en una serie de dígitos que se ordenan

en una secuencia generadora de forma aleatoria. Debido
a que dicho sistema numérico utiliza 10 dígitos, teniendo
la posibilidad de generar de una forma aleatoria cualquier
digito en particular y esto es igual a la probabilidad de
generar cualquier otra.
Estas tablas se caracterizan porque:

» Los dígitos deben estar ordenados de forma que tengan la

probabilidad de aparecer en cualquier punto dado dentro
de una secuencia, es decir la probabilidad de que ocurra
cualquier otro.
» Las combinaciones de los dígitos tengan la misma
probabilidad de ocurrencia que las otras combinaciones de
un número igual de dígitos.
Estas dos características satisfacen los requisitos
necesarios para la realización del muestreo aleatorio.
MUESTREO Y PRUEBA DE HIPÓTESIS Y HERRAMIENTAS ESTADÍSTICAS

1.3 Propiedades de los estimadores puntuales

Fórmula para el muestreo de poblaciones finitas.

La población finita se conforma por número limitado de

elementos.

Según Aushay (2016) Para proceder a realizar el cálculo

del tamaño de la muestra de un universo finito, es decir
que es contable y la variable de tipo categórica, primero
debe conocer “n” ; ya determinada que la población es
finita, es decir tenemos conocimiento del total de la
población y se desea analizar cuántos de ese total vamos
a estudiar; se aplica la fórmula:
𝑍2 × 𝑁 × 𝑝 × 𝑞
𝑛=
𝑒2 × (𝑁 − 1) + 𝑍2 × 𝑝 × 𝑞

Donde:

z= nivel de confianza, corresponde a la tabla de valores

de Z

p= % de la población que tiene la particularidad deseada.

q= % de la población que no tiene la particularidad

deseada. (1-p). cuando no especifican la población que
posee, se asume 50% para p y 50% para q.
N= tamaña del universo, es conocido debido a que es
finito. e= error de estimación máximo aceptado.
n= tamaño de la muestra.
MUESTREO Y PRUEBA DE HIPÓTESIS Y HERRAMIENTAS ESTADÍSTICAS

Fórmula para el muestreo de poblaciones

infinitas.

“Cuando no tenemos conocimiento del total de la

población, es decir nuestro universo es infinito se procede
a hacer uso de la fórmula:

𝑛= 𝑍2 × 𝑝 × 𝑞
𝑒2
MUESTREO Y PRUEBA DE HIPÓTESIS Y HERRAMIENTAS ESTADÍSTICAS

Donde:

z= nivel de confianza, corresponde a la tabla de valores

de Z

p= % de la población que tiene la particularidad deseada.

q= % de la población que no tiene la particularidad

deseada. (1-p). cuando no especifican la población que
posee, se asume 50% para p y 50% para q.
e= error de estimación máximo aceptado. n= tamaño de la
muestra.” (Rubin, 2004)

Ejercicios de aplicación
Calcule el tamaño de la muestra para una población de
4500 individuos con un nivel de confianza el 90% y un
margen de error del 10%
Resolvemos
Procedemos a utilizar la fórmula para poblaciones
finitas debido a que conocemos la población 𝑁 = 4500
El margen de error es 𝑒 = 0.1

En nuestra tabla para el apoyo de cálculo de la muestra

nos dice que a un nivel de confianza del 90% nuestra Z es
1,65; el ejercicio no proporciona el porcentaje del éxito,
por lo tanto
𝑝 = 0.5

Colocamos los valores en la fórmula

𝑍2 × 𝑁 × 𝑝 × 𝑞
𝑛=
𝑒2 × (𝑁 − 1) + 𝑍2 × 𝑝 × 𝑞
MUESTREO Y PRUEBA DE HIPÓTESIS Y HERRAMIENTAS ESTADÍSTICAS

(1,65)2 × 4500 × 0,5 × 0,5

𝑛=
(0,1)2 × (4500 − 1) + (1,65)2 × 0,5 × 0,5

𝑛 =67,06
Se desea estimar la proporción de estudiantes de una institución
privada que prefieren escoger ciencias administrativas, con una
confianza del 95% y un error del 5%
a) No se conoce el tamaño de la población y no hay
encuesta anterior.
b) En la institución hay 2500 estudiantes y en una encuesta
realizada anteriormente solo el 12% de estudiantes
manifiestan seguir ciencias administrativas.
Resolvemos
a) No conocemos la población por lo tanto procedemos a
utilizar la fórmula para poblaciones infinitas
Datos

𝑝 = 0.5

𝑝 = 1 − 𝑝=1-0,5=0,5

El margen de error es 𝑒 = 0.05 y nivel de confianza 95%

nuestro valor z es 1,96.
Introducimos
los datos en la
fórmula:

𝑛= 𝑍2 × 𝑝 × 𝑞

𝑒2
(1,96)2 × 0,5 × 0,5
𝑛= = 384,16
(0.05)2

𝑛 = 385

9
MUESTREO Y PRUEBA DE HIPÓTESIS Y HERRAMIENTAS ESTADÍSTICAS

b) Realizamos el mismo procedimiento del

ejercicio 1 Datos
𝑁 = 2500

El margen de error es 𝑒 = 0.05 con un nivel de confianza

del 95% nuestra z es
1,96

Para el éxito nos dice que 12% eso quiere decir que:

𝑝 = 0.12

𝑞 = 1 − 𝑝 = 1 − 0.12 = 0.88

Procedemos a colocar los valores en la fórmula

𝑍2 × 𝑁 × 𝑝 × 𝑞
𝑛=
𝑒2 × (𝑁 − 1) + 𝑍2 × 𝑝 × 𝑞

(1,96)2 × 2500 × 0,12 × 0,88

𝑛=
(0,05)2 × (2500 − 1) + (1,96)2 × 0,12 × 0,88
𝑛 = 153
MUESTREO Y PRUEBA DE HIPÓTESIS Y HERRAMIENTAS ESTADÍSTICAS

PREGUNTAS DE COMPRENSIÓN DE LA UNIDAD

1. ¿Qué es el muestreo aleatorio simple (MAS)?

o El muestreo aleatorio simple es una técnica de selección en la
que todos los elementos de la población tienen la misma
probabilidad de ser elegidos para formar parte de la muestra. Este
método garantiza que la selección sea justa y minimiza sesgos.

2. ¿Cuáles son las ventajas del muestreo aleatorio simple?

o Representatividad: Cada elemento tiene igual oportunidad de
ser seleccionado, lo que reduce el sesgo.
o Simplicidad: Es fácil de entender y aplicar.
o Base para inferencias: Permite hacer generalizaciones
estadísticamente válidas de la muestra a la población.

3. ¿Qué limitaciones tiene el MAS?

o Requiere una lista completa de la población, lo que puede ser
difícil de obtener en algunos casos.
o Costoso y lento si la población es muy grande.
o No asegura diversidad, ya que la aleatoriedad puede no
capturar bien subgrupos específicos.

4. ¿Qué es un estimador puntual?

o Un estimador puntual es un valor único calculado a partir de los
datos muestrales para aproximar un parámetro desconocido de la
población, como la media, la proporción o la varianza.

5. ¿Qué propiedades debe tener un buen estimador puntual?

MUESTREO Y PRUEBA DE HIPÓTESIS Y HERRAMIENTAS ESTADÍSTICAS

o Insesgado: Su valor esperado es igual al parámetro poblacional.

o Eficiente: Tiene la menor varianza posible entre los estimadores
no sesgados.
o Consistente: A medida que aumenta el tamaño de la muestra, el
estimador se acerca al valor verdadero del parámetro.

6. ¿Qué ejemplos de estimadores puntuales existen?

o Media muestral (X̄): Estima la media poblacional (μ).
o Proporción muestral (p̂): Estima la proporción poblacional (p).
o Varianza muestral (S²): Estima la varianza poblacional (σ²).

7. ¿Cuál es la diferencia entre un estimador puntual y un estimador

por intervalo?
o El estimador puntual proporciona un valor único como
aproximación del parámetro poblacional, mientras que el
estimador por intervalo ofrece un rango de valores dentro del
cual se espera que se encuentre el parámetro con un cierto nivel
de confianza.

8. ¿Por qué es importante la eficiencia en los estimadores?

o La eficiencia asegura que, entre varios estimadores posibles, el
elegido tenga la menor varianza, es decir, que las estimaciones
fluctúen lo menos posible en diferentes muestras.

9. ¿Cómo se relaciona el tamaño de la muestra con los estimadores

puntuales?
MUESTREO Y PRUEBA DE HIPÓTESIS Y HERRAMIENTAS ESTADÍSTICAS

o A mayor tamaño de la muestra, mejora la precisión de los

estimadores puntuales, ya que tienden a acercarse más al valor
verdadero del parámetro de la población.

10. ¿Cuándo es recomendable utilizar el muestreo aleatorio simple?

• Es recomendable cuando se tiene acceso completo a la población y se

busca una muestra representativa sin necesidad de dividirla en
subgrupos específicos. También es ideal en estudios donde se desea
aplicar técnicas estadísticas básicas para hacer inferencias.

MATERIAL COMPLEMENTARIO

https://youtu.be/vK7KscmDets?si=T32R1I2eNgqlOyC4

https://matematicas.unex.es/~inmatorres/teaching/muestreo/assets/Cap_3.pdf

https://matematicas.unex.es/~inmatorres/teaching/muestreo/assets/Cap_3.pdf

https://halweb.uc3m.es/esp/personal/personas/jmmarin/esp/Muestras/NC03M.p
df

Bibliografía
Aushay, J. W. (2015). Estadística aplicada a la educación.
Riobamba: EDG-FIE. Aushay, J. W. (2016). Estadística
aplicada a la educación. Riobamba: EDG-FIE.
Rubin, R. I. (2004). Estadística para administración y
economía. México: Pearson Educación.