Muestreo y Estimación Aplicado Al Control

INSTITUTO TECNOLÓGICO SUPERIOR DE JEREZ
NOMBRE DEL CURSO:
ESTADÍSTICA PARA LA ADMINISTRACIÓN I

ACTIVIDAD:
EXPOSICIÓN
TÍTULO:
MUESTREO Y ESTIMACIÓN APLICADO AL CONTROL

ALUMNOS:
PEDRO ALEJANDRO ÁLVAREZ PÉREZ

CINTHIA CARRILLO CASTRO
JOSÉ LUIS GRACIANO
BRENDA YAZMIN FIERROS GALICIA
ELIZABETH MEZA VARGAS
CELIA ESTEFANY BARRIOS CALDERA
ESMERALDA AGUAYO PRIETO
CARRERA:
LICENCIATURA EN ADMINISTRACIÓN II SEMESTRE

LUGAR Y FECHA:
JEREZ DE GARCÍA SALINAS, ZAC., A 30 DE MARZO DEL 2019

6.1 Fundamentos
Teóricos del Muestreo y
Estimación
Teoría de muestreo
• MUESTREO:
• Es un procedimiento por medio del cual se estudia una parte de la población
llamada muestra, con el objetivo de inferir con respecto a toda la población.
• Es importante relacionar el muestreo con lo que es el censo, el cual se define
como la enumeración completa de todos los elementos de la población de
interés
Tipos de muestreo
• MUESTREO NO PROBABILISTICO:
• Los elementos de la muestra son seleccionados por procedimientos al azar ó con
probabilidades conocidas de selección. Por lo tanto es imposible determinar el grado
de representatividad de la muestra.
Dentro de los tipos de muestreo no Probabilístico, podemos mencionar los
siguientes:
• Muestreo por Juicio, Selección Experta o Selección Intencional
• Muestreo casual o fortuito
• Muestreo de cuota
• Muestreo de poblaciones móviles
• MUESTREO PROBABILISTICO, ALEATORIO O ESTOCASTICO
• Los elementos de la muestra son seleccionados siguiendo un procedimiento que
brinde a cada uno de los elementos de la población una probabilidad conocida de ser
incluidos en la muestra
• Propiedades del muestreo probabilístico:
• a) Existe la posibilidad de definir inequívocamente un conjunto de muestras M1, M2,
.... , Mt mediante la aplicación del procedimiento a una población. Esto significa que
podemos indicar cuales unidades de muestreo pertenecen a M1, M2 y así
sucesivamente.
• b) A cada posible muestra Mi se le asigna un probabilidad conocida de selección Pi .
• c) Seleccionamos una de las Mi por un proceso mediante el cual, cada Mi tiene una
probabilidad Pi de ser seleccionada.
• d) El método de estimación se realiza en base a la muestra, siendo unico para
cualquiera de las posibles muestras Mi.
6.2. Distribución del muestreo;
Características y aplicación en el
área administrativa
Por: Brenda Yazmin Fierros Galicia
Concepto de distribución de muestreo
• En estadística, la distribución muestral
es lo que resulta de considerar todas
las muestras posibles que pueden ser
tomadas de una población.
• Su estudio permite calcular la
probabilidad que se tiene, dada una
sola muestra, de acercarse al
parámetro de la población.
• Mediante la distribución muestral se
puede estimar el error para un tamaño
de muestra dado.
Conceptos básicos
MUESTRA: POBLACION:
En estadística, una muestra es un Es un conjunto de sujetos o
subconjunto de casos o elementos que presentan
individuos de una población características comunes.
Conceptos básicos
MARCO MUESTAL TAMAÑO DE LA MUESTRA
Es una lista de elementos que Se le conoce como aquel número
componen el universo que determinado de sujetos o cosas que
queremos estudiar y de la cuál se componen la muestra extraída de
extrae la muestra. una población, necesarios para que
los datos obtenidos sean
representativos de la población.
Características de Distribución del muestreo
1.- Teorema del limite central (como aparece en su

representación gráfica).
2.- Su media.
3.- Su desviación estándar (error estándar)
Teorema del límite central

• Cuando muestras aleatorias del mismo
tamaño son tomadas de la población, la
distribución de las medias de las
muestras se acercarán a la distribución
Normal.
• Cuando la distribución de muestreo de
la media tiene muestras de tamaño de
30 o mayores se dice que están
Normalmente distribuidas.
Distribución Muestral de Medias

• La colección de todas estas medias
muestrales recibe el nombre de
distribución muestral de medias.
Distribución Muestral de la Proporción

• La distribución de probabilidad de las
proporciones de todas las muestras.
Desviación estándar
En estadística, la desviación estándar, es una medida que se usa para cuantificar la variación o dispersión de
un conjunto de datos numéricos.
Cuando solo está disponible una muestra de datos

de una población, el término desviación estándar de
la muestra o desviación estándar muestral, puede
referirse a la cantidad mencionada anteriormente
aplicada a esos datos, o también a una cantidad
modificada que es una estimación imparcial de la
desviación estándar de la población (la desviación
estándar de toda la población).
Aplicación en el área administrativa.
• Una empresa eléctrica fabrica baterías que tienen una duración que se distribuye aproximadamente
en forma normal, con media de 800 horas y desviación estándar de 40 horas. Encuentre la
probabilidad de que una muestra aleatoria de 16 baterías tenga una vida promedio de menos de
775 horas. Solución:
La respuesta sería que la probabilidad de que la media

de la muestra de 16 baterías sea menor a 775 horas
es de 0.0062 o 0.62 %.
6.3 TEOREMA DEL LIMITE CENTRAL
• Es un teorema fundamental de probabilidad y estadística.

• Describe la distribución de la media de una muestra aleatoria proveniente de
una población con varianza finita. Cuando el tamaño de la muestra es lo
suficientemente grande, la distribución de las medias sigue aproximadamente
una distribución normal.
• Se aplica independientemente de la forma de la distribución de la población.
Muchos procedimientos estadísticos comunes requieren que los datos sean
aproximadamente normales.
• El teorema de límite central le permite aplicar estos procedimientos útiles a
poblaciones que son considerablemente no normales. El tamaño que debe tener la
muestra depende de la forma de la distribución original. Si la distribución de la
población es simétrica, un tamaño de muestra de 5 podría producir una
aproximación adecuada. Si la distribución de la población es considerablemente
asimétrica, es necesario un tamaño de muestra más grande. Por ejemplo, la
distribución de la media puede ser aproximadamente normal si el tamaño de la
muestra es mayor que 50. Las siguientes gráficas muestran ejemplos de cómo la
distribución afecta el tamaño de la muestra que se necesita.
Propiedades:
• Si el tamaño de la muestra es suficientemente grande, la distribución de las medias
muéstrales seguirá aproximadamente una distribución normal. El TCL considera una
muestra como grande cuando el tamaño de la misma es superior a 30. Por tanto, si la
muestra es superior a 30, la media muestra tendrá una función de distribución próxima a una
normal. Y esto se cumple independientemente de la forma de la distribución con la que
estamos trabajando.
• La media poblacional y la media muestra serán iguales. Es decir, la media de la distribución
de todas las medias muéstrales será igual a la media del total de la población.
• La varianza de la distribución de las medias muéstrales será σ²/n. Que es la varianza de la
población dividido entre el tamaño de la muestra.
6.4 ESTIMACIÓN
TIPOS Y CARACTERÍSTICAS
ESTIMACIÓN
ES RESULTADO PROBABLE
CALCULADO, QUE REGULARMENTE
SE APLICA A CUESTIONES
CUANTITATIVAS, TALES COMO
COSTOS Y LAPSOS DE TIEMPO.
BAYESIANA:
Se basa en la interpretación
subjetiva de la probabilidad, el
cual considera esta como un grado
de creencia respecto a la
incertidumbre.
PUNTUAL:
consiste en un solo estadístico muestral que se usa para
POR INTERVALO: estimar el valor verdadero de un parámetro de una población
es la estimación de un parámetro de la población dado por dos que es desconocido. Cuando usamos una estimación puntual,
números entre los cuales se puede considerar que se encuentra el sabemos que aunque usemos un método bueno de estimación
parámetro. Las estimaciones de intervalo indican la precisión de es prácticamente improbable que el valor de la estimación
una estimación y son, por lo tanto, preferibles a las estimaciones coincida con el verdadero valor del parámetro, así que sería
puntuales. conveniente acompañar nuestra estimación con alguna
medida que nos permitiera expresar la cercanía del estimador
al parámetro.
6.5 Determinación del tamaño de la muestra
• Un tamaño de muestra demasiado grande representa un desperdicio de

recursos, tanto materiales como humanos. Además la calidad del estudio,
dado dicho incremento, puede verse afectada en sentido negativo.
• Un tamaño demasiado pequeño es un desperdicio de esfuerzo, pues no podrá

detectar un efecto significativo o se tendrán menos probabilidades de
hacerlo.
Factores que afectan
• La magnitud de las diferencias que se quiere detectar en la investigación. Si
son pequeñas mayor será el tamaño muestral y viceversa.
• El número de variables o factores de estudio. Cuanto más numerosas, más
grande tendrá que ser la muestra.
• El tamaño de la población. Para poblaciones finitas, el tamaño de muestra
será menor que para poblaciones infinitas, pero la relación no es lineal
Parámetro y Estimador
• Parámetro es la característica de la población que es objeto de estudio y el
estimador es la función de la muestra que se usa para medirlo.
• Ejemplo:
Para evaluar la calidad de un grupo (parámetro) se mide a través de los
promedios (estimador).
El error muestral
• Siempre se comete debido a la perdida de representatividad al momento de
elegir los elementos de la muestra.
• La naturaleza de la investigación nos indicará hasta que grado se puede

aceptar.
Nivel de confianza
• Probabilidad de que la estimación efectuada se ajuste a la realidad. Se
encuentre dentro de un intervalo determinado basado en el estimador y que
capte el valor verdadero del parámetro a medir.
Calculo del tamaño
• Porcentaje de confianza.
• Porcentaje de error.
• Variabilidad
Si no se conoce con precisión el tamaño de la
población:
En caso de conocer el tamaño de la población:
6.6 INTERVALOS DE
CONFIANZA
APLICADOS AL CONTROL
ESTADÍSTICO DE PROCESOS
El proceso de inferencia es aquel mediante el cual se pretende estimar el valor
de un parámetro a partir del valor de un estadístico. Esta estimación puede ser
puntual o bien por intervalo.
• . La mejor estimación puntual de un parámetro es simplemente el valor del

estadístico correspondiente, pero es poco informativa porque la probabilidad
de no dar con el valor correcto es muy elevada, es por eso que se acostumbra
a dar una estimación por intervalo, en el que se espera encontrar el valor del
parámetro con una elevada probabilidad. Esta estimación recibe el nombre
de estimación mediante intervalos de confianza
¿ EN QUE CONSISTE EL INTERVALO DE CONFIANZA?
en determinar un posible rango de valores o intervalo (a; b), en el

que, con una determinada probabilidad, sus límites contendrán el
valor del parámetro poblacional que andamos buscando. Para cada
muestra obtendremos un intervalo distinto que, para el X % de ellas,
contendrá el verdadero valor del parámetro. A este intervalo se le
denomina intervalo de confianza.
“ Evidentemente esta técnica no tiene porqué dar siempre un resultado correcto, tal y como hemos
comentado para algunas muestras el intervalo correspondiente contendrá el verdadero valor del
parámetro y para otras no. A la probabilidad de que hayamos acertado al decir que el intervalo
contiene al parámetro se la denomina nivel de confianza (o simplemente confianza). También se
denomina nivel de significación a la probabilidad de errar en esta afirmación, es decir la significación
”
(probabilidad de errar con nuestro intervalo) será igual a 1-(nivel de confianza), ya que el nivel de
confianza corresponde a la probabilidad de que el intervalo contenga el valor verdadero del parámetro.
6.7 GRÁFICAS DE
PROCESOS Y TIPOS
DE VARIACIÓN EN
LOS PROCESOS
• Gráfica de Control
• Una gráfica de control es un diagrama que sirve para examinar si un proceso se
encuentra en una condición estable, o para asegurar que se mantenga en esa
condición.
• En estadística, se dice que un proceso es estable (o está en control) cuando las
únicas causas de variación presentes son las de tipo aleatorio. En esta condición se
pueden hacer inferencias con respecto a la salida del proceso, esto es, la
característica de calidad que se esté midiendo. En cambio, la presencia de causas
especiales o asignables hace que el proceso se desestabilice, impidiendo la predicción
de su comportamiento futuro.
Las gráficas de control sirven para:
– Determinar el estado de control de un proceso.
– Diagnostica el comportamiento de un proceso en el tiempo.
– Indica si un proceso ha mejorado o ha empeorado.
– Permite identificar las dos fuentes de variación de un proceso.
– Sirve como una herramienta de detección de problemas.
Fuentes de Variación en un Proceso:
1. Causas Asignables o Especiales
Son los factores esporádicos que desestabilizan el sistema. Su identificación es inmediata y fácil.
2. Causas Comunes o Naturales
Son los factores que afectan en poco la variabilidad del sistema.
Su presencia es aleatoria y no son de fácil detección.
Generalmente están relacionadas con aspectos administrativos.
Consideraciones previas
• Antes de establecer una gráfica de control, es necesario definir con claridad los siguientes puntos:
el propósito de la gráfica, el aspecto que se va a considerar, y la unidad de donde se va a tomar la
muestra.
Tipos de gráficas de control
1. Gráficas de Control de Variables
– Gráfica x – R Promedios y rangos
– Gráfica x – s Promedios y Desviación
Estándar
– Gráfica x – R Medianas y Rangos
– Gráfica x – R Lecturas Individuales y Rangos
2. Gráficas de Control por Atributos
– Gráfica p Porcentaje de unidades o procesos
defectuosos
– Gráfica np Número de unidades o procesos
defectuosos
– Gráfica c Número de defectos por área de
oportunidad
– Gráfica u Porcentaje de defectos por área de
oportunidad
REFERENCIAS
• Blaiotta, Jimena; Delieutraz, Pablo (30 de julio de 2004). «Teorema central del
límite»(PDF). Consultado el 25 de marzo de 2019.
• Behar Gutiérrez, Roberto; Grima Cintas, Pere (2004). 55 respuestas a dudas
típicas de Estadística. Madrid: Ediciones Díaz de Santos, S.A. ISBN 84-7978-
643-4.
• M.A. Sanders. «Characteristic function of the univariate normal
distribution». Consultado el 26 de marzo de 2019

Muestreo y Estimación Aplicado Al Control

Cargado por

Copyright:

Formatos disponibles

Muestreo y Estimación Aplicado Al Control

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Muestreo y Estimación Aplicado Al Control

Cargado por

Copyright:

Formatos disponibles

INSTITUTO TECNOLÓGICO SUPERIOR DE JEREZ

NOMBRE DEL CURSO:

ESTADÍSTICA PARA LA ADMINISTRACIÓN I

MUESTREO Y ESTIMACIÓN APLICADO AL CONTROL

PEDRO ALEJANDRO ÁLVAREZ PÉREZ

LICENCIATURA EN ADMINISTRACIÓN II SEMESTRE

JEREZ DE GARCÍA SALINAS, ZAC., A 30 DE MARZO DEL 2019

1.- Teorema del limite central (como aparece en su

Teorema del límite central

Distribución Muestral de Medias

Distribución Muestral de la Proporción

Cuando solo está disponible una muestra de datos

La respuesta sería que la probabilidad de que la media

• Es un teorema fundamental de probabilidad y estadística.

• Un tamaño de muestra demasiado grande representa un desperdicio de

• Un tamaño demasiado pequeño es un desperdicio de esfuerzo, pues no podrá

• La naturaleza de la investigación nos indicará hasta que grado se puede

• . La mejor estimación puntual de un parámetro es simplemente el valor del

en determinar un posible rango de valores o intervalo (a; b), en el

También podría gustarte