14 Muestreo

6,189 views

Published on

0 Comments
3 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
6,189
On SlideShare
0
From Embeds
0
Number of Embeds
3,382
Actions
Shares
0
Downloads
233
Comments
0
Likes
3
Embeds 0
No embeds

No notes for slide

14 Muestreo

  1. 1. Muestreo “No tienes que tomarte toda la sopa para saber si está caliente” --Anónimo
  2. 2. Esquema del muestreo ©Juan Timaná, Ph.D. - www.juantimana.com
  3. 3. ¿Por qué usamos muestras?   Por economía   Por rapidez   Por flexibilidad   Permite mejores procesos de medición   Porque es apropiado   Porque no hay alternativa ©Juan Timaná, Ph.D. - www.juantimana.com
  4. 4. El Proceso de Muestreo ©Juan Timaná, Ph.D. - www.juantimana.com
  5. 5. Error de Muestreo ©Juan Timaná, Ph.D. - www.juantimana.com
  6. 6. El muestreo es un trabajo técnico   Muestrear una población es obtener información de una forma rigurosa y científica   Requiere seguir ciertas reglas para lograr una muestra de calidad   Representatividad   Tamaño suficiente   Otros (costo, oportunidad) ©Juan Timaná, Ph.D. - www.juantimana.com
  7. 7. Representatividad   La muestra debe reflejar las características importantes de la población en relación al el problema en estudio,   Atención a las variables que pudieran estar relacionadas con la variable de interés ©Juan Timaná, Ph.D. - www.juantimana.com
  8. 8. Sesgo   Sesgo: Cuando los resultados no reflejan la realidad   Uno de los principales efectos de la falta de representatividad de la muestra es el sesgo ©Juan Timaná, Ph.D. - www.juantimana.com
  9. 9. Estimador no sesgado versos Estimador sesgado Estimador Estimador No Sesgado Sesgado ©Juan Timaná, Ph.D. - www.juantimana.com
  10. 10. Precisión Estimador Estimador más preciso menos Preciso ©Juan Timaná, Ph.D. - www.juantimana.com
  11. 11. Tamaño de la muestra y Estimador no sesgado Muestra grande Muestra pequeña Más Precisión Menos Precisión ©Juan Timaná, Ph.D. - www.juantimana.com
  12. 12. Tamaño de muestra y Estimador sesgado Muestra grande Muestra pequeña ©Juan Timaná, Ph.D. - www.juantimana.com
  13. 13. Errores Sistemáticos   No todos los errores son debidos al muestreo   Existen errores en los procedimientos   Se les denomina errores sistemáticos   No se reducen con el tamaño de la muestra ©Juan Timaná, Ph.D. - www.juantimana.com
  14. 14. Técnicas de Muestreo "La estadística es la primera de las ciencias inexactas." Edmont Hout De Goncourt
  15. 15. Consideraciones Generales   El objetivo del estudio   El diseño del estudio   La definición de la población   La representatividad   La precisión requerida   El costo   El tiempo disponible   La disponibilidad de información previa que facilite el muestreo ©Juan Timaná, Ph.D. - www.juantimana.com
  16. 16. Tipos de muestreo ©Juan Timaná, Ph.D. - www.juantimana.com
  17. 17. Muestreo probabilístico   Los miembros de la muestra se seleccionan aplicando un proceso aleatorio (no subjetivo).   Cada integrante tiene probabilidad de ser incluido en la muestra (no necesariamente igual) ©Juan Timaná, Ph.D. - www.juantimana.com
  18. 18. Es superior a otros métodos …   Permite estimar objetivamente el margen de error   Permite determinar matemáticamente el tamaño de la muestra si se desea cierto nivel de exactitud.   Permite obtener una muestra representativa ©Juan Timaná, Ph.D. - www.juantimana.com
  19. 19. El Muestreo Aleatorio Simple Las unidades son escogidas individual y directamente por un proceso aleatorio en el que cada unidad tiene la misma probabilidad de ser seleccionada como cualquier otra unidad. ©Juan Timaná, Ph.D. - www.juantimana.com
  20. 20. El M.A.S. requiere un Marco Muestral   Un marco muestral es una lista de las unidades a ser muestreadas.   Se espera que la diferencia entre el marco y la población sea pequeña.   Todos los marcos presentan inconveniencias prácticas. ©Juan Timaná, Ph.D. - www.juantimana.com
  21. 21. Una nueva definición de muestra   Muestra: Es una colección de unidades seleccionada de un marco o de varios marcos muestrales   Observación: La muestra será tan buena como lo es el marco muestral ©Juan Timaná, Ph.D. - www.juantimana.com
  22. 22. Muestreo Sistemático   Seselecciona las unidades de una lista aplicando un intervalo de selección K N K= n € Cada K-ésima unidad de la lista se incluye en la muestra. ©Juan Timaná, Ph.D. - www.juantimana.com
  23. 23. Muestreo Estratificado   Se puede usar para mejorar la representatividad de la muestra.   Tiene ventajas sobre el M.A.S. cuando los estratos son heterogéneos Población ©Juan Timaná, Ph.D. - www.juantimana.com
  24. 24. Muestreo por conglomerados   Los elementos para la muestra se eligen de una sub-población agrupada (conglomerado)   Los grupos son normalmente pre-existentes.   Existe la posibilidad de aumentar el error. Población ©Juan Timaná, Ph.D. - www.juantimana.com
  25. 25. Muestreo Polietápico   Se realizan varias etapas sucesivas y dependientes. ©Juan Timaná, Ph.D. - www.juantimana.com
  26. 26. Muestreo No Probabilístico   Métodos en los que algunos elementos del juicio ó criterio humano está involucrado en la selección de las unidades para la muestra.   No permiten estimar el error muestral   No podemos estar seguros de que la muestra sea representativa.   Ventaja principal: Costo ©Juan Timaná, Ph.D. - www.juantimana.com
  27. 27. Ejemplos   Muestras de Conveniencia   Muestras de Cuota   Muestras de Juicio   Muestras “Bola de nieve” ©Juan Timaná, Ph.D. - www.juantimana.com
  28. 28. Pasos para el diseño   ¿Cuál es el problema o la pregunta? (¿Es un problema de estimación o de prueba de hipótesis?)   ¿Cuál es la población de estudio y las unidades de estudio?   ¿Cuál es el marco muestral (si existe)?   ¿Cómo se seleccionarán las unidades?   ¿Cuántas unidades? ©Juan Timaná, Ph.D. - www.juantimana.com
  29. 29. Evaluación Ex post   ¿Es representativa?   ¿Tiene la precisión adecuada? ©Juan Timaná, Ph.D. - www.juantimana.com

×