1. TEORIA DEL MUESTREOConcepto:La teora del muestreo es el estudio de las relaciones existente entre una poblacin y muestras extradas de la misma. Tiene gran inters en muchos aspectos de la estadstica. Por ejemplo permite estimar cantidades desconocidas de la poblacin (tales como la media poblacional, la varianza, etc.), frecuentemente llamada parmetros poblacionales o brevemente parmetros, a partir del conocimiento, de las correspondientes cantidades muestrales (tales como la media muestral, la varianza, etc.), a, menudo llamadas estadsticos muestrales o brevemente estadsticos. La teora de muestreo es tambin til para determinar si la diferencias que se puedan observar entre dos muestras son debidas a la aleatoriedad de las mismas o si por el contrario son solamente significativas. Tales preguntas surgen por ejemplo, al ensayar un nuevo suero para el tratamiento de una enfermedad, o al decir si un proceso de produccin es mejor que otro. Estas decisiones envuelven a los llamados ensayos e hiptesis de significacin, que son de gran importancia en la teora de la decisin. En general, un estudio de inferencias, realizados sobre una poblacin mediante muestras extradas de la misma, junto con las indicaciones de la exactitud de tales inferencias aplicadas a la teora de la probabilidad, se le conoce como inferencia estadstica.

MUESTREO ALEATORIOSimple:Es el procedimiento probabilstico de seleccin de muestras ms sencillo y conocido, no obstante, en la prctica es difcil de realizar debido a que requiere de un marco muestral y en muchos casos no es posible obtenerlo. Puede ser til cuando las poblaciones son pequeas y por lo tanto, se cuenta con listados. Cuando las poblaciones son grandes, se prefiere el muestreo en etapas. Se utiliza ampliamente en los estudios experimentales, adems, de ser un procedimiento bsico como componente de mtodos ms complejos (muestreo estratificado y en etapas). Se caracteriza por que otorga la misma probabilidad de ser elegidos a todos los elementos de la poblacin. Para l calculo muestral, se requiere de: El tamao poblacional, si sta es finita, del error admisible y de la estimacin de la varianza.

Sistemtico:Es una tcnica de muestreo que requiere de una seleccin aleatoria inicial de observaciones seguida de otra seleccin de observaciones obtenida usando algnsistemao regla. En unmuestreo aleatorio sistemticose elige un individuo al azar y a partir de l, a intervalos constantes, se eligen los dems hasta completar la muestra. Ejemplo: Para obtener una muestra de suscriptores telefnicos en una ciudad grande, puede obtenerse primero una muestra aleatoria de los nmeros de las pginas del directorio telefnico; al elegir el vigsimo nombre de cada pgina obtendramos un muestreo sistemtico, tambin podemos escoger un nombre de la primera pgina del directorio y despus seleccionar cada nombre del lugar nmero cien a partir del ya seleccionado. Por ejemplo, podramos seleccionar un nmero al azar entre los primeros 100; supongamos que el elegido es el 40, entonces seleccionamos los nombres del directorio que corresponden a los nmeros 40, 140, 240, 340 y as sucesivamente.

Estratificado: Una muestra es estratificada cuando los elementos de la muestra son proporcionales a su presencia en la poblacin. La presencia de un elemento en un estrato excluye su presencia en otro. Para este tipo de muestreo, se divide a la poblacin en variosgrupos o estratos con el fin de dar representatividad a los distintos factores que integranel universode estudio. Para la seleccin de los elementos o unidades representantes, se utiliza el mtodo de muestreo aleatorio. Ensntesis, requiere de separar a la poblacin segn grupos llamadosestratos, y de elegir despus una muestra aleatoria simple en cada estrato. La informacinde las muestras aleatorias simples de cada estrato constituira entonces una muestra global. Ejemplo: Supongamos que nos interesa obtener una muestra de las opiniones de los profesores de una gran universidad. Puede ser difcil obtener una muestra con todos los profesores, as que supongamos que elegimos una muestra aleatoria de cada colegio, o departamento acadmico; los estratos vendran a ser los colegios, o departamentos acadmicos.

De conglomerados:Requiere de elegir una muestra aleatoria simple de unidades heterogneas entre s de la poblacin llamadasconglomerados.Cada elemento de la poblacin pertenece exactamente a un conglomerado, y los elementos dentro de cada conglomerado son usualmente heterogneos o dismiles. Ejemplo: Supongamos que una compaa deserviciodetelevisinpor cable est pensando en abrir una sucursal en una ciudad grande; la compaa planea realizar un estudio para determinar el porcentaje de familias que utilizaran susservicios, como no es prctico preguntar en cada casa,la empresa decide seleccionar una parte de la ciudad al azar, la cual forma un conglomerado. En el muestreo por conglomerados, stos se forman para representar, tan fielmente como sea posible, a toda la poblacin; entonces se usa una muestra aleatoria simple de conglomerados para estudiarla. Los estudios deinstitucionessociales como iglesias, hospitales, escuelas y prisiones se realizan, generalmente, con base en el muestreo por conglomerados.

MUESTREO NO ALEATORIOLas muestras no aleatorias (o "no probabilsticas") {son seleccionadas por cualquier procedimiento que no da todos casos en la poblacin las oportunidades iguales de caer en la muestra. A veces el contexto del estudio permite o facilita un cierto mtodo de muestreo, a veces el investigador tiene la posibilidad de escoger el mtodo. Varios tales procedimientos sern discutidos abajo. Cualquier es el procedimiento, es siempre posible que favorecer ciertos tipos de casos en la poblacin ms que los otros, es decir producir una muestra sesgada. En estudiosdescriptivosla presencia de sesgo es una desventaja grave que usted encontrar ms adelante en su proyecto, en cundovalorar el muestreoy en cundo escribir el captulo final de su informe. Por lo tanto puede ser prudente pensar de l por adelantado, cundo escoger el mtodo de muestreo. Al valorar una muestra no-aleatorio que usted debe preguntar usted mismo: Sern los resultados de la muestra el mismo que usted conseguira de la poblacin? Es cierto que el criterio que usted ha utilizado en seleccionar la muestra (e.g. la buena voluntad de la gente de participar) no tiene ninguna correlacin con esas variables que usted desee registrar de la muestra? Si hay correlacin, su muestra est sesgada y usted debe considerar el construir de una muestra nueva con menos correlacin. Como contraste, muestras no aleatorias se pueden utilizar en proyectos deinvestigacin y del desarrollo,a condicin de que el sesgo sistemtico posible sea compensado ms adelante. Por ejemplo, es comn usar al muestreo de conveniencia cundo escoger clientes potenciales a un grupo de trabajo para desarrollar un concepto del productopreliminar. La seleccin de personas ser probablemente sesgada, tan bien como las propuestas del grupo de trabajo, pero las propuestas sern rectificadas ulteriormente cuando son evaluadas de nuevo por un otro grupo de gente ms grande.

TEOREMA DEL LMITE CENTRALEl teorema central del lmite es uno de los resultados fundamentales de la estadstica. Este teorema nos dice que si una muestra es lo bastante grande (generalmente cuando el tamao muestral (n) supera los 30), sea cual sea la distribucin de la media muestral, seguir aproximadamente una distribucinnormal. Es decir, dada cualquier variable aleatoria, si extraemos muestras de tamao n (n>30) y calculamos los promedios muestrales, dichos promedios seguirn una distribucin normal. Adems, la media ser la misma que la de la variable de inters, y la desviacin estndar de la media muestral ser aproximadamente el error estndar. Existen diferentes versiones del teorema, en funcin de las condiciones utilizadas para asegurar la convergencia. Una de las ms simples establece que es suficiente que las variables que se suman sean independientes, idnticamente distribuidas, con valor esperado y varianza finitas.

2. TEORIA DE LA ESTIMACION ESTADISTICALa teora de estimacin estadstica estudia como obtener informacin sobre una poblacin, mediante muestras extradas de ella. Es un conjunto de tcnicas que permiten dar un valor aproximado de unparmetrode una poblacin a partir de los datos proporcionados por unamuestra.

Estimacin de punto e intervalo:La estima de un parmetro dada por un nmero se llamaestima de puntodel parmetro. Consiste en la estimacin del valor del parmetro mediante un slo valor, obtenido de una frmula determinada. Por ejemplo, si se pretende estimar la talla media de un determinado grupo de individuos, puede extraerse una muestra y ofrecer como estimacin puntual la talla media de los individuos. Lo ms importante de un estimador, es que sea un estimador eficiente. Es decir, que sea insesgado (ausencia de sesgos) y estable en el muestreo o eficiente (varianza mnima)

La media de la poblacin se puede estimar puntualmente mediante la media de la muestra:

La proporcin de la poblacin se puede estimar puntualmente mediante la proporcin de la muestra:

La desviacin tpica de la poblacin se puede estimar puntualmente mediante la desviacin tpica de la muestra, aunque hay mejores estimadores:

La estima de un parmetro poblacional dada por dos nmeros entre los cuales se considera que se encuentra dicho parmetro se llamaestima de intervalo. Consiste en la obtencin de un intervalo dentro del cual estar el valor del parmetro estimado con una cierta probabilidad.En la estimacin por intervalos se usan los siguientes conceptos:

Intervalo de confianza: Elintervalo de confianzase le llama una expresin del tipo [1, 2] 1 2, donde es el parmetro a estimar. Este intervalo contiene al parmetro estimado con una determinada certeza o nivel de confianza. Pero a veces puede cambiar este intervalo cuando la muestra no garantiza un axioma o un equivalente circunstancial.

Variabilidad del Parmetro: Si no se conoce, puede obtenerse una aproximacin en los datos aportados por la literatura cientfica o en un estudio piloto. Tambin hay mtodos para calcular el tamao de la muestra que prescinde de este aspecto. Habitualmente se usa como medida de esta variabilidad ladesviacin tpicapoblacional y se denota.

Error de la estimacin: Es una medida de su precisin que se corresponde con la amplitud delintervalo de confianza. Cuanta ms precisin se desee en la estimacin de un parmetro, ms estrecho deber ser el intervalo de confianza y, si se quiere mantener o disminuir el error, ms ocurrencias debern incluirse en la muestra estudiada. En caso de no incluir nuevas observaciones para la muestra, ms error se comete al aumentar la precisin. Se suele llamarE, segn la frmulaE = 2- 1.

Lmite de Confianza: Es la probabilidad de que el verdadero valor del parmetro estimado en la poblacin se site en el intervalo de confianza obtenido. El nivel de confianza se denota por (1-), aunque habitualmente suele expresarse con un porcentaje ((1-)100%). Es habitual tomar como nivel de confianza un 95% o un 99%, que se corresponden con valores de 0,05 y 0,01 respectivamente.

Estimacin de la media de una poblacin:Una vez obtenida la muestra, el objetivo ser caracterizar la poblacin por medio de una muestra estimando los parmetros de mayor inters, como la media y el total poblacional. Despus se procede a estimar los parmetros con sus correspondientes varianzas y por ltimo los intervalos de confianza.

Estimacin de la proporcin poblacional:Otra tarea que suele ser de inters al estudiar una poblacin es la determinacin de la proporcin, P o , de las unidades muestrales que pertenecen auno de dos grupos posibles. Por ejemplo, para conocer la proporcin de personas analfabetas de una poblacin, la proporcin que apoya a cierto partido poltico o iniciativa gubernamental, la proporcin de estudiantes de la Facultad de Telemtica que tienen computadora porttil, la proporcin de individuos en la ciudad de Colima que cree en Dios, etc. Todos estos ejemplos tienen dos opciones de respuesta: s o no. Por lo tanto, para calcular dicha proporcin se hace la suma de todas las respuestas afirmativas (s) y se divide sobre el total de respuestas (s y no); esto se debe a que slo se consider dos grupos posibles. En ocasiones son ms de dos grupos a los que pueden pertenecerlas unidades muestrales; este caso no lo consideraremos aqu, pero aun as se podra tener la posibilidad de anlisis si se considera que una unidad muestral pertenece o no pertenece a uno de los grupos. Esta aplicacintambin seconoce como muestreo poratributos, donde cada unidad de muestreo podra pertenecer a determinado grupo debido a que posee cierto atributo.

Lamedicin: La medicin consiste en determinar si la unidad de muestreo tiene el atributo que la hara pertenecer a la proporcin que se desea conocer. Paramuchos atributos tal determinacin puede ser muy sencilla, por ejemplo, en un conjunto de Ncomputadoras; pertenecer a cierta marca. Sin embargo, aveces es difcil determinar el atributo, por ejemplo, calificar a un paciente como enfermo o no, es una condicin en la que se presenta una gradualidad desde sano hasta enfermo. Esdecir, elMAS para proporciones no considera losesta-dos intermedios, por lo que debe establecerse un criterio unvoco que permitacalificar al paciente como sano o enfermo solamente.

El estimador de la proporcin poblacional Py sur elacin con el estimador de una media poblacional: Una manera fcil de introducir esta estimacin es aceptar que se trata de una variable Yque solamente puede tomar los valores de cero o uno. De estamanera podremos usarlas frmulas delos apartados anteriores, aunque con-viene adecuar la simbologa. Para esto, seaPy la proporcin de la poblacin de uno de los dos grupos que posee el atributo evaluado en Y. La proporcin de la poblacin PY. Esta definida por la siguiente expresin:

Donde A es el nmero de unidades de la poblacin claro que es igual a A, ya que si la unidad de muestreo tiene el atributo de inters aporta un valor de uno y si no lo tiene aporta un valor de cero. Si se realiza un muestreo, se entiende que no se puede tener acceso a todas las N unidades de poblacin, sino solamente a las n de la muestra. Con la muestra definimos un estimado de la proporcin de la poblacin. Simbolizado por P igual p y definido por la expresin:

De igual manera que la definicin del parmetro a - representa el nmero de unidades de la muestra que tienen el atributo de inters. El complemento de P es Q (1-P) en el caso de la poblacin y de la muestra es q (1 p), es decir, q es un estimador de Q.Determinacin del tamao de la muestra:Nmero de sujetos que componen lamuestraextrada de unapoblacin, necesarios para que los datos obtenidos sean representativos de la poblacin.Objetivo de la determinacin del tamao de la muestra:1. Estimar unparmetrodeterminado con elnivel de confianzadeseado.

2. Detectar una determinada diferencia, si realmente existe, entre los grupos de estudio con un mnimo de garanta.

3. Reducir costes o aumentar la rapidez del estudio.

A la hora de determinar el tamao que debe alcanzar una muestra hay que tomar en cuenta varios factores: el tipo de muestreo, el parmetro a estimar, el error muestral admisible, la varianza poblacional y el nivel de confianza. Por ello antes de presentar algunos casos sencillos de clculo del tamao muestral delimitemos estos factores.

Parmetro: Son las medidas o datos que se obtienen sobre la poblacin.

Estadstico: Los datos o medidas que se obtienen sobre una muestra y por lo tanto una estimacin de los parmetros.

Error Muestral, de estimacin o estndar: Es la diferencia entre un estadstico y su parmetro correspondiente. Es una medida de la variabilidad de las estimaciones de muestras repetidas en torno al valor de la poblacin, nos da una nocin clara de hasta dnde y con qu probabilidad una estimacin basada en una muestra se aleja del valor que se hubiera obtenido por medio de un censo completo. Siempre se comete un error, pero la naturaleza de la investigacin nos indicar hasta qu medida podemos cometerlo (los resultados se someten a error muestral e intervalos de confianza que varan muestra a muestra). Vara segn se calcule al principio o al final. Un estadstico ser ms preciso en cuanto y tanto su error es ms pequeo. Podramos decir que es la desviacin de la distribucin muestral(1) de un estadstico y su fiabilidad.

Nivel de Confianza: Probabilidad de que la estimacin efectuada se ajuste a la realidad. Cualquier informacin que queremos recoger est distribuida segn una ley de probabilidad (Gauss o Student), as llamamos nivel de confianza a la probabilidad de que el intervalo construido en torno a un estadstico capte el verdadero valor del parmetro.

Varianza Poblacional: Cuando una poblacin es ms homognea la varianza es menor y el nmero de entrevistas necesarias para construir un modelo reducido del universo, o de la poblacin, ser ms pequeo. Generalmente es un valor desconocido y hay que estimarlo a partir de datos de estudios previos.

3. ANALISIS DE REGRESION Y CORRELACIONLa regresin y la correlacin son dos tcnicas estrechamente relacionadas y comprenden una forma de estimacin. En forma ms especifica el anlisis de correlacin y regresin comprende el anlisis de los datos muestrales para saber que es y como se relacionan entre si dos o mas variables en una poblacin. El anlisis de correlacin produce un nmero que resume el grado de la correlacin entre dos variables; y el anlisis de regresin da lugar a una ecuacin matemtica que describe dicha relacin. El anlisis de correlacin generalmente resulta til para un trabajo de exploracin cuando un investigador o analista trata de determinar que variables son potenciales importantes, el inters radica bsicamente en la fuerza de la relacin. La correlacin mide la fuerza de una entre variables; la regresin da lugar a una ecuacin que describe dicha relacin en trminos matemticos. Los datos necesarios para anlisis de regresin y correlacin provienen de observaciones de variables relacionadas.

Regresin lineal:La regresin lineal simple comprende el intento de desarrollar una lnea recta o ecuacin matemtica lineal que describe la reaccin entre dos variables. La regresin puede utilizarse de diversas formas. Se emplean en situaciones en la que las dos variables miden aproximadamente lo mismo, pero en las que una variable es relativamente costosa, o, por el contrario, es poco interesante trabajar con ella, mientras que con la otra variable no ocurre lo mismo. La finalidad de una ecuacin de regresin seria estimar los valores de una variable con base en los valores conocidos de la otra. Otra forma de emplear una ecuacin de regresin es para explicar los valores de una variable en trmino de otra. Es decir se puede intuir una relacin de causa y efecto entre dos variables. El anlisis de regresin nicamente indica qu relacin matemtica podra haber, de existir una. Ni con regresin ni con la correlacin se pude establecer si una variable tiene causa ciertos valores de otra variable.

La ecuacin lineal:Una ecuacin lineal es un planteamiento de igualdad, involucrando una o ms variables a la primera potencia, que no contiene productos entre las variables, o mejor dicho, es una ecuacin que involucra solamente sumas y restas de una variable a la primera potencia. En el sistema cartesiano representan rectas. Una forma comn de ecuaciones lineales es y = mx + c Donde m representa la pendiente y el valor de c determina la ordenada al origen (el punto donde la recta corta al eje Y). Las ecuaciones en las que aparece el trmino x*y (llamado rectangular) no son consideradas lineales. Algunos ejemplos de ecuaciones lineales:3x + 2y = 10

3a + 472b = 10b + 37

3x + y 5 = 7x + 4y +3

x-y+z=15

3x-2y+z=20

x+4y-3z=10

Tipos de relaciones: Visual Studio 2010 Visual Studio 2008 Visual Studio 2012 .NET Framework 3.5El funcionamiento de una relacin se basa en hacer coincidir datos de columnas clave, normalmente columnas que tienen el mismo nombre en ambas tablas. En la mayora de los casos, la relacin hace coincidir la clave principal de una tabla, que proporciona un identificador nico para cada fila, con una entrada de la clave externa de la otra tabla. Por ejemplo, se pueden asociar las ventas de libros con los ttulos especficos vendidos mediante la creacin de una relacin entre la columna title_id de la tabla titles (la clave principal) y la columna title_id de la tabla sales (la clave externa).Existen tres tipos de relaciones entre tablas. El tipo de relacin creado depende de cmo se definen las columnas relacionadas. Relaciones uno a varios Relaciones Varios a Varios Relaciones uno a uno

Relaciones uno a varios: Una relacin uno a varios es el tipo ms habitual de relacin. En este tipo de relacin, una fila de la tabla A puede corresponderse con muchas filas de la tabla B, pero una fila de la tabla B slo puede corresponderse con otra de la tabla A. Por ejemplo, en las tablas publishers (editoriales) y titles (ttulos) se da una relacin uno a varios: una editorial publica muchos ttulos, pero a cada ttulo le corresponde slo una editorial. Cree una relacin uno a varios si solamente una de las columnas relacionadas es la clave principal o tiene una restriccin nica. El lado de la clave principal de una relacin uno a varios se indica mediante un smbolo de clave. El lado de la clave externa de una relacin se indica mediante un smbolo de infinito.

Relaciones Varios a Varios: En una relacin varios a varios, una fila de la tabla A puede tener muchas filas coincidentes en la tabla B y viceversa. Este tipo de relaciones se crea definiendo una tercera tabla, denominada tabla de unin, cuya clave principal est constituida por las claves externas de las tablas A y B. Por ejemplo, entre las tablas authors (autores) y titles (ttulos) existira una relacin varios a varios definida por una relacin uno a varios entre cada una de ellas y la tabla titleauthors (ttuloautor). La clave principal de la tabla titleauthors es la combinacin de la columna au_id (la clave principal de la tabla authors) y la columna title_id (la clave principal de la tabla titles).

Relaciones uno a uno: En una relacin uno a uno, una fila de la tabla A no puede tener ms de una fila coincidente en la tabla B y viceversa. Se crea una relacin uno a uno si las dos columnas relacionadas son claves principales o tienen restricciones UNIQUE. Este tipo de relacin no es habitual, ya que la mayor parte de la informacin relacionada de esta manera estara toda en una tabla. Puede utilizar una relacin uno a uno para:

Dividir una tabla con muchas columnas. Aislar parte de una tabla por razones de seguridad. Almacenar datos que son efmeros y que pueden eliminarse fcilmente mediante la simple eliminacin de la tabla. Almacenar informacin que se aplica solamente a un subconjunto de la tabla principal.

El lado de la clave principal de una relacin uno a uno se indica mediante un smbolo de clave. El lado de la clave externa tambin se indica mediante un smbolo de clave.

Anlisis de regresin y correlacin:El anlisis de regresin consiste en emplear mtodos que permitan determinar la mejor relacin funcional entre dos o ms variables concomitantes (o relacionadas). El anlisis de correlacin estudia el grado de asociacin de dos o ms variables.

Anlisis de Regresin Una relacin funcional matemticamente hablando, est dada por: Y = f(x1,...,xn; 1,...,m) donde:

Y : Variable respuesta (o dependiente)xi : La i-sima variable independiente (i=1,..,n)j : El j-simo parmetro en la funcin (j=1,..,m)f : La funcin

El anlisis de correlacin emplea mtodos para medir la significacin del grado o intensidad de asociacin entre dos o ms variables. El concepto de correlacin est estrechamente vinculado al concepto de regresin, pues, para que una ecuacin de regresin sea razonable los puntos muestrales deben estar ceidos a la ecuacin de regresin; adems el coeficiente de correlacin debe ser: - grande cuando el grado de asociacin es alto (cerca de +1 o -1, y pequeo cuando es bajo, cerca de cero. - independiente de las unidades en que se miden las variables.

UNIVERSIDAD DE SAN CARLOS DE GUATEMALACENTRO UNIVERSITARIO SAN MARCOSEXTENSIN MALACATNCARRERA: TCNICO EN ADMINISTRACIN DE EMPRESASCURSO: ADMINISTRACION IIICODIGO: 144DOCENTE: LIC.EDGAR GUMERCINDO REQUENA NAVARRO

TEMA:

PRIMER EJE TEORIA DEL MUESTREO MUESTREO ALEATORIO.SIMPLE.SISTEMATICO.ESTRATEFICADO.DE CONGLOMERADOS MUESTREO NO ALEATORIO TEOREMA DEL LMITE CENTRAL SEGUNDO EJE TEORIA DE LA ESTIMACION ESTADISTICA .ESTIMACION DE PUNTO E INTERVALO .ESTIMACION DE LA MEDIA DE UNA POBLACION .ESTIMACION DE LA PROPORCION POBLACIONAL .DETERMINACION DEL TAMAO DE LA MUESTRA TERCER EJE ANALISIS DE REGRESION Y CORRELACION .REGRESION LINEAL .LA ECUACION LINEAL .TIPOS DE RELACIONES .ANALISIS DE REGRESION Y CORRELACION

INTEGRANTES: No. DE CARNE SARITA LUCRECIA DE LEON SAMAYOA 200943951ARMANDO GAMALIEL FUENTES HERNANDEZ 200943970ANDREA LILY RIVERA RODAS 201045640ALFONSO ISMAEL LOPEZ DARDON 201045687

INTRODUCCION

La teora del muestreo es el estudio de las relaciones existente entre una poblacin y muestras extradas de la misma. Frecuentemente llamada parmetros poblacionales o brevemente parmetros, a partir del conocimiento, de las correspondientes cantidades muestrales (tales como la media muestral, la varianza, etc.), a, menudo llamadas estadsticos muestrales o brevemente estadsticos. Estas decisiones envuelven a los llamados ensayos e hiptesis de significacin, que son de gran importancia en la teora de la decisin.

En general, un estudio de inferencias, realizados sobre una poblacin mediante muestras extradas de la misma, junto con las indicaciones de la exactitud de tales inferencias aplicadas a la teora de la probabilidad, se le conoce como inferencia estadstica. Puede ser til cuando las poblaciones son pequeas y por lo tanto, se cuenta con listados. Cuando las poblaciones son grandes, se prefiere el muestreo en etapas. Se utiliza ampliamente en los estudios experimentales, adems, de ser un procedimiento bsico como componente de mtodos ms complejos (muestreo estratificado y en etapas). Se caracteriza por que otorga la misma probabilidad de ser elegidos a todos los elementos de la poblacin. Para l calculo muestral, se requiere de: El tamao poblacional, si sta es finita, del error admisible y de la estimacin de la varianza.

Es una tcnica de muestreo que requiere de una seleccin aleatoria inicial de observaciones seguida de otra seleccin de observaciones obtenida usando algnsistemao regla. En unmuestreo aleatorio sistemticose elige un individuo al azar y a partir de l, a intervalos constantes, se eligen los dems hasta completar la muestra.

Una muestra es estratificada cuando los elementos de la muestra son proporcionales a su presencia en la poblacin. Para este tipo de muestreo, se divide a la poblacin en variosgrupos o estratos con el fin de dar representatividad a los distintos factores que integranel universode estudio. Para la seleccin de los elementos o unidades representantes, se utiliza el mtodo de muestreo aleatorio. Ensntesis, requiere de separar a la poblacin segn grupos llamadosestratos, y de elegir despus una muestra aleatoria simple en cada estrato. La informacinde las muestras aleatorias simples de cada estrato constituira entonces una muestra global. Puede ser difcil obtener una muestra con todos los profesores, as que supongamos que elegimos una muestra aleatoria de cada colegio, o departamento acadmico; los estratos vendran a ser los colegios, o departamentos acadmicos.

Requiere de elegir una muestra aleatoria simple de unidades heterogneas entre s de la poblacin llamadasconglomerados.Cada elemento de la poblacin pertenece exactamente a un conglomerado, y los elementos dentro de cada conglomerado son usualmente heterogneos o dismiles. En el muestreo por conglomerados, stos se forman para representar, tan fielmente como sea posible, a toda la poblacin; entonces se usa una muestra aleatoria simple de conglomerados para estudiarla. Los estudios deinstitucionessociales como iglesias, hospitales, escuelas y prisiones se realizan, generalmente, con base en el muestreo por conglomerados.

Las muestras no aleatorias (o "no probabilsticas") {son seleccionadas por cualquier procedimiento que no da todos casos en la poblacin las oportunidades iguales de caer en la muestra. A veces el contexto del estudio permite o facilita un cierto mtodo de muestreo, a veces el investigador tiene la posibilidad de escoger el mtodo. Cualquier es el procedimiento, es siempre posible que favorecer ciertos tipos de casos en la poblacin ms que los otros, es decir producir una muestra sesgada. Por lo tanto puede ser prudente pensar de l por adelantado, cundo escoger el mtodo de muestreo. Al valorar una muestra no-aleatorio que usted debe preguntar usted mismo: Sern los resultados de la muestra el mismo que usted conseguira de la poblacin? Es cierto que el criterio que usted ha utilizado en seleccionar la muestra (e.g. la buena voluntad de la gente de participar) no tiene ninguna correlacin con esas variables que usted desee registrar de la muestra? Si hay correlacin, su muestra est sesgada y usted debe considerar el construir de una muestra nueva con menos correlacin. Como contraste, muestras no aleatorias se pueden utilizar en proyectos deinvestigacin y del desarrollo,a condicin de que el sesgo sistemtico posible sea compensado ms adelante. La seleccin de personas ser probablemente sesgada, tan bien como las propuestas del grupo de trabajo, pero las propuestas sern rectificadas ulteriormente cuando son evaluadas de nuevo por un otro grupo de gente ms grande.

El teorema central del lmite es uno de los resultados fundamentales de la estadstica. Este teorema nos dice que si una muestra es lo bastante grande, sea cual sea la distribucin de la media muestral, seguir aproximadamente una distribucinnormal. Es decir, dada cualquier variable aleatoria, dichos promedios seguirn una distribucin normal.

La teora de estimacin estadstica estudia como obtener informacin sobre una poblacin, mediante muestras extradas de ella. Es un conjunto de tcnicas que permiten dar un valor aproximado de unparmetrode una poblacin a partir de los datos proporcionados por unamuestra.

La estima de un parmetro dada por un nmero se llamaestima de puntodel parmetro. Consiste en la estimacin del valor del parmetro mediante un slo valor, obtenido de una frmula determinada. Lo ms importante de un estimador, es que sea un estimador eficiente. Es decir, que sea insesgado (ausencia de sesgos) y estable en el muestreo o eficiente (varianza mnima)

CONCLUSION

La estima de un parmetro poblacional dada por dos nmeros entre los cuales se considera que se encuentra dicho parmetro se llamaestima de intervalo. Consiste en la obtencin de un intervalo dentro del cual estar el valor del parmetro estimado con una cierta probabilidad.

Este intervalo contiene al parmetro estimado con una determinada certeza o nivel de confianza. Tambin hay mtodos para calcular el tamao de la muestra que prescinde de este aspecto. Habitualmente se usa como medida de esta variabilidad ladesviacin tpicapoblacional y se denota.

Es una medida de su precisin que se corresponde con la amplitud delintervalo de confianza. Cuanta ms precisin se desee en la estimacin de un parmetro, ms estrecho deber ser el intervalo de confianza y, si se quiere mantener o disminuir el error, ms ocurrencias debern incluirse en la muestra estudiada. En caso de no incluir nuevas observaciones para la muestra, ms error se comete al aumentar la precisin.

Otra tarea que suele ser de inters al estudiar una poblacin es la determinacin de la proporcin, P o , de las unidades muestrales que pertenecen auno de dos grupos posibles. Esta aplicacintambin seconoce como muestreo poratributos, donde cada unidad de muestreo podra pertenecer a determinado grupo debido a que posee cierto atributo.

La medicin consiste en determinar si la unidad de muestreo tiene el atributo que la hara pertenecer a la proporcin que se desea conocer. Para esto, seaPy la proporcin de la poblacin de uno de los dos grupos que posee el atributo evaluado en Y.

A la hora de determinar el tamao que debe alcanzar una muestra hay que tomar en cuenta varios factores: el tipo de muestreo, el parmetro a estimar, el error muestral admisible, la varianza poblacional y el nivel de confianza. Por ello antes de presentar algunos casos sencillos de clculo del tamao muestral delimitemos estos factores.

Es la diferencia entre un estadstico y su parmetro correspondiente. Es una medida de la variabilidad de las estimaciones de muestras repetidas en torno al valor de la poblacin, nos da una nocin clara de hasta dnde y con qu probabilidad una estimacin basada en una muestra se aleja del valor que se hubiera obtenido por medio de un censo completo. Siempre se comete un error, pero la naturaleza de la investigacin nos indicar hasta qu medida podemos cometerlo (los resultados se someten a error muestral e intervalos de confianza que varan muestra a muestra).

OBJETIVOS

GENERALES

Conceptualizar los diferentes temas estadsticos para saber aplicarlos de manera correcta y en forma eficaz al momento de las investigaciones que se vayan a realizar.

Conceptualizar el tema de estimacin estadstica y sus clases que coexisten.

Conocer el marco de diferenciacin entre el anlisis de regresin y correlacin.

ESPECIFICOS

Con la muestra definimos un estimado de la proporcin de la poblacin. Representa el nmero de unidades de la muestra que tienen el atributo de inters.

Nmero de sujetos que componen lamuestraextrada de unapoblacin, necesarios para que los datos obtenidos sean representativos de la poblacin.

Estimar unparmetrodeterminado con elnivel de confianzadeseado.

Detectar una determinada diferencia, si realmente existe, entre los grupos de estudio con un mnimo de garanta.

BIBLIOGRAFA

www.monografias.com

www.wikipedia.com

www.buenastareas.com

http://www.estadisticafacil.com

http://www.aulafacil.com/CursoEstadisticawww.economia48.com