Download - Distribuciones en el muestreo. - UMA
![Page 1: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/1.jpg)
Introducción a la Inferencia Estadística.
Distribuciones en el muestreo.Introducción a la Inferencia Estadística
Ma Eugenia Cruces, Salvador J. Molina y Ma DoloresSarrión
UNIVERSIDAD DE MÁLAGADepartamento de Estadística y Econometría
Parcialmente financiado a través del PIE13-024 (UMA).
4 de julio de 2014
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 2: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/2.jpg)
Introducción a la Inferencia Estadística.
Introducción a la Inferencia Estadística
1 Introducción a la Inferencia Estadística.Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 3: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/3.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
DISTRIBUCIONES EN EL MUESTREO
1 Introducción a la Inferencia Estadística.Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 4: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/4.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
INTRODUCCIÓN
−→ Hemos estudiado MODELOS DE PROBABILIDAD que seutilizan en la práctica para describir el comportamientoprobabilístico de variables, X , que son aleatorias.
−→ El análisis del MODELO nos permite conocer cómo secomporta el fenómeno.
Cómo se comporta la POBLACIÓN (X )
MÉTODO DEDUCTIVO
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 5: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/5.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
INTRODUCCIÓN
−→ Hemos estudiado MODELOS DE PROBABILIDAD que seutilizan en la práctica para describir el comportamientoprobabilístico de variables, X , que son aleatorias.
−→ El análisis del MODELO nos permite conocer cómo secomporta el fenómeno.
Cómo se comporta la POBLACIÓN (X )
MÉTODO DEDUCTIVO
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 6: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/6.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
INTRODUCCIÓN
−→ Hemos estudiado MODELOS DE PROBABILIDAD que seutilizan en la práctica para describir el comportamientoprobabilístico de variables, X , que son aleatorias.
−→ El análisis del MODELO nos permite conocer cómo secomporta el fenómeno.
Cómo se comporta la POBLACIÓN (X )
MÉTODO DEDUCTIVO
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 7: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/7.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
INTRODUCCIÓN
−→ Hemos estudiado MODELOS DE PROBABILIDAD que seutilizan en la práctica para describir el comportamientoprobabilístico de variables, X , que son aleatorias.
−→ El análisis del MODELO nos permite conocer cómo secomporta el fenómeno.
Cómo se comporta la POBLACIÓN (X )
MÉTODO DEDUCTIVO
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 8: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/8.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
INTRODUCCIÓN
−→ Hemos estudiado MODELOS DE PROBABILIDAD que seutilizan en la práctica para describir el comportamientoprobabilístico de variables, X , que son aleatorias.
−→ El análisis del MODELO nos permite conocer cómo secomporta el fenómeno.
Cómo se comporta la POBLACIÓN (X )
MÉTODO DEDUCTIVO
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 9: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/9.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
INTRODUCCIÓN
A partir de ahora nos ocuparemos de una de las aplicacionesmás importantes de la Teoría de la Probabilidad:
INFERENCIA ESTADÍSTICA
La Inferencia estadística permite conocer:
Cómo es el fenómeno real que ha generado los datosobservadosCómo se comportarán, en general, los datos a los quedicho fenómeno podría dar lugar
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 10: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/10.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
INTRODUCCIÓN
A partir de ahora nos ocuparemos de una de las aplicacionesmás importantes de la Teoría de la Probabilidad:
INFERENCIA ESTADÍSTICA
La Inferencia estadística permite conocer:
Cómo es el fenómeno real que ha generado los datosobservadosCómo se comportarán, en general, los datos a los quedicho fenómeno podría dar lugar
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 11: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/11.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
INTRODUCCIÓN
A partir de ahora nos ocuparemos de una de las aplicacionesmás importantes de la Teoría de la Probabilidad:
INFERENCIA ESTADÍSTICA
La Inferencia estadística permite conocer:
Cómo es el fenómeno real que ha generado los datosobservadosCómo se comportarán, en general, los datos a los quedicho fenómeno podría dar lugar
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 12: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/12.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
INTRODUCCIÓN
A partir de ahora nos ocuparemos de una de las aplicacionesmás importantes de la Teoría de la Probabilidad:
INFERENCIA ESTADÍSTICA
La Inferencia estadística permite conocer:
Cómo es el fenómeno real que ha generado los datosobservados
Cómo se comportarán, en general, los datos a los quedicho fenómeno podría dar lugar
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 13: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/13.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
INTRODUCCIÓN
A partir de ahora nos ocuparemos de una de las aplicacionesmás importantes de la Teoría de la Probabilidad:
INFERENCIA ESTADÍSTICA
La Inferencia estadística permite conocer:
Cómo es el fenómeno real que ha generado los datosobservadosCómo se comportarán, en general, los datos a los quedicho fenómeno podría dar lugar
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 14: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/14.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
INTRODUCCIÓN
INFERENCIA ESTADÍSTICA
PUNTO DE PARTIDA
⇒ LOS DATOS OBSERVADOSOBJETIVO ⇒ Conocer la POBLACIÓN
Todos los posibles datos que la VARIABLE ALEATORIApodría generar
INFERIR
(MÉTODO INDUCTIVO)
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 15: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/15.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
INTRODUCCIÓN
INFERENCIA ESTADÍSTICA
PUNTO DE PARTIDA
⇒ LOS DATOS OBSERVADOSOBJETIVO ⇒ Conocer la POBLACIÓN
Todos los posibles datos que la VARIABLE ALEATORIApodría generar
INFERIR
(MÉTODO INDUCTIVO)
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 16: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/16.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
INTRODUCCIÓN
INFERENCIA ESTADÍSTICA
PUNTO DE PARTIDA
⇒ LOS DATOS OBSERVADOS
OBJETIVO ⇒ Conocer la POBLACIÓNTodos los posibles datos que la VARIABLE ALEATORIApodría generar
INFERIR
(MÉTODO INDUCTIVO)
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 17: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/17.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
INTRODUCCIÓN
INFERENCIA ESTADÍSTICA
PUNTO DE PARTIDA
⇒ LOS DATOS OBSERVADOSOBJETIVO ⇒ Conocer la POBLACIÓN
Todos los posibles datos que la VARIABLE ALEATORIApodría generar
INFERIR
(MÉTODO INDUCTIVO)
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 18: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/18.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
INTRODUCCIÓN
INFERENCIA ESTADÍSTICA
PUNTO DE PARTIDA
⇒ LOS DATOS OBSERVADOSOBJETIVO ⇒ Conocer la POBLACIÓN
Todos los posibles datos que la VARIABLE ALEATORIApodría generar
INFERIR
(MÉTODO INDUCTIVO)
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 19: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/19.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
INTRODUCCIÓN
INFERENCIA ESTADÍSTICA
PUNTO DE PARTIDA
⇒ LOS DATOS OBSERVADOSOBJETIVO ⇒ Conocer la POBLACIÓN
Todos los posibles datos que la VARIABLE ALEATORIApodría generar
INFERIR
(MÉTODO INDUCTIVO)
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 20: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/20.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
INTRODUCCIÓN
INFERENCIA ESTADÍSTICA
PUNTO DE PARTIDA
⇒ LOS DATOS OBSERVADOSOBJETIVO ⇒ Conocer la POBLACIÓN
Todos los posibles datos que la VARIABLE ALEATORIApodría generar
INFERIR
(MÉTODO INDUCTIVO)Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 21: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/21.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
INTRODUCCIÓN
PROBLEMA DE INFERENCIA
−→ Suponemos que los datos han sido generados de acuerdocon un modelo de probabilidad que es desconocido enalguno de sus aspectos.
Basándonos en los datos y en las característicasconocidas del modelo
−→ Realizamos algún tipo de afirmación acerca de alguno(s)de los aspectos desconocidos de la distribución que losgeneró. (INFERENCIA)
−→ Acompañamos a la inferencia de alguna medida de laFIABILIDAD o el RIESGO de la misma.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 22: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/22.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
INTRODUCCIÓN
PROBLEMA DE INFERENCIA−→ Suponemos que los datos han sido generados de acuerdo
con un modelo de probabilidad que es desconocido enalguno de sus aspectos.
Basándonos en los datos y en las característicasconocidas del modelo
−→ Realizamos algún tipo de afirmación acerca de alguno(s)de los aspectos desconocidos de la distribución que losgeneró. (INFERENCIA)
−→ Acompañamos a la inferencia de alguna medida de laFIABILIDAD o el RIESGO de la misma.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 23: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/23.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
INTRODUCCIÓN
PROBLEMA DE INFERENCIA−→ Suponemos que los datos han sido generados de acuerdo
con un modelo de probabilidad que es desconocido enalguno de sus aspectos.
Basándonos en los datos y en las característicasconocidas del modelo
−→ Realizamos algún tipo de afirmación acerca de alguno(s)de los aspectos desconocidos de la distribución que losgeneró. (INFERENCIA)
−→ Acompañamos a la inferencia de alguna medida de laFIABILIDAD o el RIESGO de la misma.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 24: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/24.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
INTRODUCCIÓN
PROBLEMA DE INFERENCIA−→ Suponemos que los datos han sido generados de acuerdo
con un modelo de probabilidad que es desconocido enalguno de sus aspectos.
Basándonos en los datos y en las característicasconocidas del modelo
−→ Realizamos algún tipo de afirmación acerca de alguno(s)de los aspectos desconocidos de la distribución que losgeneró.
(INFERENCIA)−→ Acompañamos a la inferencia de alguna medida de la
FIABILIDAD o el RIESGO de la misma.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 25: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/25.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
INTRODUCCIÓN
PROBLEMA DE INFERENCIA−→ Suponemos que los datos han sido generados de acuerdo
con un modelo de probabilidad que es desconocido enalguno de sus aspectos.
Basándonos en los datos y en las característicasconocidas del modelo
−→ Realizamos algún tipo de afirmación acerca de alguno(s)de los aspectos desconocidos de la distribución que losgeneró. (INFERENCIA)
−→ Acompañamos a la inferencia de alguna medida de laFIABILIDAD o el RIESGO de la misma.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 26: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/26.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
INTRODUCCIÓN
PROBLEMA DE INFERENCIA−→ Suponemos que los datos han sido generados de acuerdo
con un modelo de probabilidad que es desconocido enalguno de sus aspectos.
Basándonos en los datos y en las característicasconocidas del modelo
−→ Realizamos algún tipo de afirmación acerca de alguno(s)de los aspectos desconocidos de la distribución que losgeneró. (INFERENCIA)
−→ Acompañamos a la inferencia de alguna medida de laFIABILIDAD o el RIESGO de la misma.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 27: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/27.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
INTRODUCCIÓN
Estudiaremos métodos para abordar problemas de:
Estimación de parámetrosEstimación puntualEstimación por intervalos
Verificación de hipótesis estadísticas
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 28: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/28.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
INTRODUCCIÓN
Estudiaremos métodos para abordar problemas de:
Estimación de parámetros
Estimación puntualEstimación por intervalos
Verificación de hipótesis estadísticas
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 29: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/29.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
INTRODUCCIÓN
Estudiaremos métodos para abordar problemas de:
Estimación de parámetrosEstimación puntualEstimación por intervalos
Verificación de hipótesis estadísticas
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 30: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/30.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
INTRODUCCIÓN
Estudiaremos métodos para abordar problemas de:
Estimación de parámetrosEstimación puntualEstimación por intervalos
Verificación de hipótesis estadísticas
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 31: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/31.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
INTRODUCCIÓN
En su forma más simple:
La población queda representada por X ∼ f (x ; θ)
f (x ; θ)−→ función de densidad de la variable en la población
f depende de un parámetro, θ, que es desconocido
El parámetro poblacional θ será, en principio, el objeto de lainferencia.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 32: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/32.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
INTRODUCCIÓN
En su forma más simple:
La población queda representada por X ∼ f (x ; θ)
f (x ; θ)−→ función de densidad de la variable en la población
f depende de un parámetro, θ, que es desconocido
El parámetro poblacional θ será, en principio, el objeto de lainferencia.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 33: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/33.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
INTRODUCCIÓN
En su forma más simple:
La población queda representada por X ∼ f (x ; θ)
f (x ; θ)−→ función de densidad de la variable en la población
f depende de un parámetro, θ, que es desconocido
El parámetro poblacional θ será, en principio, el objeto de lainferencia.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 34: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/34.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
INTRODUCCIÓN
En su forma más simple:
La población queda representada por X ∼ f (x ; θ)
f (x ; θ)−→ función de densidad de la variable en la población
f depende de un parámetro, θ, que es desconocido
El parámetro poblacional θ será, en principio, el objeto de lainferencia.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 35: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/35.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
INTRODUCCIÓN
En su forma más simple:
La población queda representada por X ∼ f (x ; θ)
f (x ; θ)−→ función de densidad de la variable en la población
f depende de un parámetro, θ, que es desconocido
El parámetro poblacional θ será, en principio, el objeto de lainferencia.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 36: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/36.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
INTRODUCCIÓN
La inferencia se realiza a partir de una muestra seleccionadaaleatoriamente de la población
Existen distintos procedimientos para seleccionar muestrasaleatorias.
MÉTODOS DE MUESTREO ALEATORIO
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 37: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/37.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
INTRODUCCIÓN
La inferencia se realiza a partir de una muestra seleccionadaaleatoriamente de la población
Existen distintos procedimientos para seleccionar muestrasaleatorias.
MÉTODOS DE MUESTREO ALEATORIO
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 38: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/38.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
DISTRIBUCIONES EN EL MUESTREO
1 Introducción a la Inferencia Estadística.Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 39: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/39.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
TIPOS DE MUESTREO
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 40: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/40.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO SIMPLE
Todos los elementos de la población tienen la mismaprobabilidad de ser elegidos.
La población es idéntica en todas las extracciones.
Lo anterior garantiza que:Cada observación tiene la misma distribución deprobabilidad que la poblaciónTodas las observaciones son independientes entre sí
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 41: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/41.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO SIMPLE
Todos los elementos de la población tienen la mismaprobabilidad de ser elegidos.
La población es idéntica en todas las extracciones.
Lo anterior garantiza que:Cada observación tiene la misma distribución deprobabilidad que la poblaciónTodas las observaciones son independientes entre sí
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 42: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/42.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO SIMPLE
Todos los elementos de la población tienen la mismaprobabilidad de ser elegidos.
La población es idéntica en todas las extracciones.
Lo anterior garantiza que:Cada observación tiene la misma distribución deprobabilidad que la poblaciónTodas las observaciones son independientes entre sí
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 43: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/43.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO SIMPLE
Todos los elementos de la población tienen la mismaprobabilidad de ser elegidos.
La población es idéntica en todas las extracciones.
Lo anterior garantiza que:
Cada observación tiene la misma distribución deprobabilidad que la poblaciónTodas las observaciones son independientes entre sí
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 44: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/44.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO SIMPLE
Todos los elementos de la población tienen la mismaprobabilidad de ser elegidos.
La población es idéntica en todas las extracciones.
Lo anterior garantiza que:Cada observación tiene la misma distribución deprobabilidad que la población
Todas las observaciones son independientes entre sí
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 45: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/45.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO SIMPLE
Todos los elementos de la población tienen la mismaprobabilidad de ser elegidos.
La población es idéntica en todas las extracciones.
Lo anterior garantiza que:Cada observación tiene la misma distribución deprobabilidad que la poblaciónTodas las observaciones son independientes entre sí
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 46: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/46.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO SIMPLE
POBLACIÓN FINITA
La selección es con reposición.
No tiene mucho sentido.
EN POBLACIÓN FINITA SE UTILIZA:
El MUESTREO IRRESTRICTAMENTE ALEATORIO
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 47: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/47.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO SIMPLE
POBLACIÓN FINITA
La selección es con reposición.
No tiene mucho sentido.
EN POBLACIÓN FINITA SE UTILIZA:
El MUESTREO IRRESTRICTAMENTE ALEATORIO
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 48: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/48.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO SIMPLE
POBLACIÓN FINITA
La selección es con reposición.
No tiene mucho sentido.
EN POBLACIÓN FINITA SE UTILIZA:
El MUESTREO IRRESTRICTAMENTE ALEATORIO
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 49: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/49.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO SIMPLE
POBLACIÓN FINITA
La selección es con reposición.
No tiene mucho sentido.
EN POBLACIÓN FINITA SE UTILIZA:
El MUESTREO IRRESTRICTAMENTE ALEATORIO
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 50: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/50.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO SIMPLE
POBLACIÓN FINITA
La selección es con reposición.
No tiene mucho sentido.
EN POBLACIÓN FINITA SE UTILIZA:
El MUESTREO IRRESTRICTAMENTE ALEATORIO
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 51: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/51.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
POBLACIÓN FINITA
MUESTREO IRRESTRICTAMENTE ALEATORIO.
Se le denomina, también, muestreo aleatorio simple
Cada elemento de la población se identifica con un número(bola, tarjeta,..)
La extracción es sin reposición.
En cada extracción, todos los elementos disponiblestienen la misma probabilidad de ser elegidos
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 52: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/52.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
POBLACIÓN FINITA
MUESTREO IRRESTRICTAMENTE ALEATORIO.
Se le denomina, también, muestreo aleatorio simple
Cada elemento de la población se identifica con un número(bola, tarjeta,..)
La extracción es sin reposición.
En cada extracción, todos los elementos disponiblestienen la misma probabilidad de ser elegidos
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 53: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/53.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
POBLACIÓN FINITA
MUESTREO IRRESTRICTAMENTE ALEATORIO.
Se le denomina, también, muestreo aleatorio simple
Cada elemento de la población se identifica con un número(bola, tarjeta,..)
La extracción es sin reposición.
En cada extracción, todos los elementos disponiblestienen la misma probabilidad de ser elegidos
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 54: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/54.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
POBLACIÓN FINITA
MUESTREO IRRESTRICTAMENTE ALEATORIO.
Se le denomina, también, muestreo aleatorio simple
Cada elemento de la población se identifica con un número(bola, tarjeta,..)
La extracción es sin reposición.
En cada extracción, todos los elementos disponiblestienen la misma probabilidad de ser elegidos
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 55: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/55.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
POBLACIÓN FINITA
MUESTREO IRRESTRICTAMENTE ALEATORIO.
Se le denomina, también, muestreo aleatorio simple
Cada elemento de la población se identifica con un número(bola, tarjeta,..)
La extracción es sin reposición.
En cada extracción, todos los elementos disponiblestienen la misma probabilidad de ser elegidos
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 56: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/56.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
POBLACIÓN FINITA
MUESTREO IRRESTRICTAMENTE ALEATORIO.
Si N es el tamaño de la población encuestada y n el tamaño dela muestra, el número de muestras posibles es:
(Nn
)Todas las muestras son igualmente probables
f = nN V Fracción de muestreo
e = 1f = N
n ⇒ Coeficiente de elevación
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 57: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/57.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
POBLACIÓN FINITA
MUESTREO IRRESTRICTAMENTE ALEATORIO.
Si N es el tamaño de la población encuestada y n el tamaño dela muestra, el número de muestras posibles es:
(Nn
)
Todas las muestras son igualmente probables
f = nN V Fracción de muestreo
e = 1f = N
n ⇒ Coeficiente de elevación
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 58: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/58.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
POBLACIÓN FINITA
MUESTREO IRRESTRICTAMENTE ALEATORIO.
Si N es el tamaño de la población encuestada y n el tamaño dela muestra, el número de muestras posibles es:
(Nn
)Todas las muestras son igualmente probables
f = nN V Fracción de muestreo
e = 1f = N
n ⇒ Coeficiente de elevación
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 59: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/59.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
POBLACIÓN FINITA
MUESTREO IRRESTRICTAMENTE ALEATORIO.
Si N es el tamaño de la población encuestada y n el tamaño dela muestra, el número de muestras posibles es:
(Nn
)Todas las muestras son igualmente probables
f = nN V Fracción de muestreo
e = 1f = N
n ⇒ Coeficiente de elevación
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 60: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/60.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
POBLACIÓN FINITA
MUESTREO IRRESTRICTAMENTE ALEATORIO.
Si N es el tamaño de la población encuestada y n el tamaño dela muestra, el número de muestras posibles es:
(Nn
)Todas las muestras son igualmente probables
f = nN V Fracción de muestreo
e = 1f = N
n ⇒ Coeficiente de elevación
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 61: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/61.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO SIMPLE EN POBLACIÓNFINITA
VENTAJAS E INCONVENIENTES
Desde un punto de vista teórico, es el método de muestreomás sencillo
Su coste es elevado si N es muy grande
Sirve de base a los demás métodos de muestreo aleatorio
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 62: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/62.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO SIMPLE EN POBLACIÓNFINITA
VENTAJAS E INCONVENIENTES
Desde un punto de vista teórico, es el método de muestreomás sencillo
Su coste es elevado si N es muy grande
Sirve de base a los demás métodos de muestreo aleatorio
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 63: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/63.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO SIMPLE EN POBLACIÓNFINITA
VENTAJAS E INCONVENIENTES
Desde un punto de vista teórico, es el método de muestreomás sencillo
Su coste es elevado si N es muy grande
Sirve de base a los demás métodos de muestreo aleatorio
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 64: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/64.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO SIMPLE EN POBLACIÓNFINITA
VENTAJAS E INCONVENIENTES
Desde un punto de vista teórico, es el método de muestreomás sencillo
Su coste es elevado si N es muy grande
Sirve de base a los demás métodos de muestreo aleatorio
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 65: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/65.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
POBLACIÓN FINITA
OTROS MÉTODOS DE MUESTREO
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 66: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/66.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO SISTEMÁTICO
Se utiliza cuando:
Los elementos están ordenados en listasEl orden no afecta a la aleatoriedad
¿Cómo se toma la muestra?
Se calcula el coeficiente de elevación: e = Nn
Se selecciona un número K ≤ E [e], (arranque aleatorio)Los elementos que forman la muestra son los que ocupanlos lugares k , k + E [e], k + 2E [e],...,k + (n − 1)E [e]Hay E [e] muestras distintas
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 67: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/67.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO SISTEMÁTICO
Se utiliza cuando:Los elementos están ordenados en listas
El orden no afecta a la aleatoriedad
¿Cómo se toma la muestra?
Se calcula el coeficiente de elevación: e = Nn
Se selecciona un número K ≤ E [e], (arranque aleatorio)Los elementos que forman la muestra son los que ocupanlos lugares k , k + E [e], k + 2E [e],...,k + (n − 1)E [e]Hay E [e] muestras distintas
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 68: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/68.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO SISTEMÁTICO
Se utiliza cuando:Los elementos están ordenados en listasEl orden no afecta a la aleatoriedad
¿Cómo se toma la muestra?
Se calcula el coeficiente de elevación: e = Nn
Se selecciona un número K ≤ E [e], (arranque aleatorio)Los elementos que forman la muestra son los que ocupanlos lugares k , k + E [e], k + 2E [e],...,k + (n − 1)E [e]Hay E [e] muestras distintas
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 69: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/69.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO SISTEMÁTICO
Se utiliza cuando:Los elementos están ordenados en listasEl orden no afecta a la aleatoriedad
¿Cómo se toma la muestra?
Se calcula el coeficiente de elevación: e = Nn
Se selecciona un número K ≤ E [e], (arranque aleatorio)Los elementos que forman la muestra son los que ocupanlos lugares k , k + E [e], k + 2E [e],...,k + (n − 1)E [e]Hay E [e] muestras distintas
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 70: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/70.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO SISTEMÁTICO
Se utiliza cuando:Los elementos están ordenados en listasEl orden no afecta a la aleatoriedad
¿Cómo se toma la muestra?
Se calcula el coeficiente de elevación: e = Nn
Se selecciona un número K ≤ E [e], (arranque aleatorio)Los elementos que forman la muestra son los que ocupanlos lugares k , k + E [e], k + 2E [e],...,k + (n − 1)E [e]Hay E [e] muestras distintas
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 71: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/71.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO SISTEMÁTICO
Se utiliza cuando:Los elementos están ordenados en listasEl orden no afecta a la aleatoriedad
¿Cómo se toma la muestra?
Se calcula el coeficiente de elevación: e = Nn
Se selecciona un número K ≤ E [e], (arranque aleatorio)
Los elementos que forman la muestra son los que ocupanlos lugares k , k + E [e], k + 2E [e],...,k + (n − 1)E [e]Hay E [e] muestras distintas
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 72: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/72.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO SISTEMÁTICO
Se utiliza cuando:Los elementos están ordenados en listasEl orden no afecta a la aleatoriedad
¿Cómo se toma la muestra?
Se calcula el coeficiente de elevación: e = Nn
Se selecciona un número K ≤ E [e], (arranque aleatorio)Los elementos que forman la muestra son los que ocupanlos lugares k , k + E [e], k + 2E [e],...,k + (n − 1)E [e]
Hay E [e] muestras distintas
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 73: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/73.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO SISTEMÁTICO
Se utiliza cuando:Los elementos están ordenados en listasEl orden no afecta a la aleatoriedad
¿Cómo se toma la muestra?
Se calcula el coeficiente de elevación: e = Nn
Se selecciona un número K ≤ E [e], (arranque aleatorio)Los elementos que forman la muestra son los que ocupanlos lugares k , k + E [e], k + 2E [e],...,k + (n − 1)E [e]Hay E [e] muestras distintas
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 74: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/74.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO SISTEMÁTICO
VENTAJAS E INCONVENIENTES
Reduce costes
Garantiza que en la muestra aparezcan elementos de todas lasclases
En ocasiones, genera muestras más representativas que elmuestreo aleatorio simple
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 75: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/75.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO SISTEMÁTICO
VENTAJAS E INCONVENIENTES
Reduce costes
Garantiza que en la muestra aparezcan elementos de todas lasclases
En ocasiones, genera muestras más representativas que elmuestreo aleatorio simple
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 76: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/76.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO SISTEMÁTICO
VENTAJAS E INCONVENIENTES
Reduce costes
Garantiza que en la muestra aparezcan elementos de todas lasclases
En ocasiones, genera muestras más representativas que elmuestreo aleatorio simple
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 77: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/77.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO SISTEMÁTICO
VENTAJAS E INCONVENIENTES
Reduce costes
Garantiza que en la muestra aparezcan elementos de todas lasclases
En ocasiones, genera muestras más representativas que elmuestreo aleatorio simple
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 78: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/78.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO ESTRATIFICADO
Se utiliza cuando:
La población no es homogénea con respecto al carácterque es objeto de estudio
¿Qué son los estratos?
Los estratos son una partición de la población
¿Cómo se toma la muestra?
De cada estrato se selecciona una muestra aleatoriasimpleLa muestra aleatoria estratificada es la unión de lasdistintas muestras aleatorias simples
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 79: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/79.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO ESTRATIFICADO
Se utiliza cuando:La población no es homogénea con respecto al carácterque es objeto de estudio
¿Qué son los estratos?
Los estratos son una partición de la población
¿Cómo se toma la muestra?
De cada estrato se selecciona una muestra aleatoriasimpleLa muestra aleatoria estratificada es la unión de lasdistintas muestras aleatorias simples
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 80: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/80.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO ESTRATIFICADO
Se utiliza cuando:La población no es homogénea con respecto al carácterque es objeto de estudio
¿Qué son los estratos?
Los estratos son una partición de la población
¿Cómo se toma la muestra?
De cada estrato se selecciona una muestra aleatoriasimpleLa muestra aleatoria estratificada es la unión de lasdistintas muestras aleatorias simples
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 81: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/81.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO ESTRATIFICADO
Se utiliza cuando:La población no es homogénea con respecto al carácterque es objeto de estudio
¿Qué son los estratos?
Los estratos son una partición de la población
¿Cómo se toma la muestra?
De cada estrato se selecciona una muestra aleatoriasimpleLa muestra aleatoria estratificada es la unión de lasdistintas muestras aleatorias simples
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 82: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/82.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO ESTRATIFICADO
Se utiliza cuando:La población no es homogénea con respecto al carácterque es objeto de estudio
¿Qué son los estratos?
Los estratos son una partición de la población
¿Cómo se toma la muestra?
De cada estrato se selecciona una muestra aleatoriasimpleLa muestra aleatoria estratificada es la unión de lasdistintas muestras aleatorias simples
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 83: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/83.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO ESTRATIFICADO
Se utiliza cuando:La población no es homogénea con respecto al carácterque es objeto de estudio
¿Qué son los estratos?
Los estratos son una partición de la población
¿Cómo se toma la muestra?
De cada estrato se selecciona una muestra aleatoriasimple
La muestra aleatoria estratificada es la unión de lasdistintas muestras aleatorias simples
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 84: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/84.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO ESTRATIFICADO
Se utiliza cuando:La población no es homogénea con respecto al carácterque es objeto de estudio
¿Qué son los estratos?
Los estratos son una partición de la población
¿Cómo se toma la muestra?
De cada estrato se selecciona una muestra aleatoriasimpleLa muestra aleatoria estratificada es la unión de lasdistintas muestras aleatorias simples
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 85: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/85.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO ESTRATIFICADO
Presenta ventajas frente a los otros tipos de muestreo si:
La variable presenta alta variabilidadLa variable presenta poca variabilidad dentro de losestratosLa heterogeneidad de la variable en la población sepresenta en forma de variabilidad entre estratos
En ese caso:
Aumenta la precisión de las estimacionesReduce el coste en la recolección de los datosSe obtienen, sin coste adicional, de estimaciones paracada estrato
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 86: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/86.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO ESTRATIFICADO
Presenta ventajas frente a los otros tipos de muestreo si:La variable presenta alta variabilidad
La variable presenta poca variabilidad dentro de losestratosLa heterogeneidad de la variable en la población sepresenta en forma de variabilidad entre estratos
En ese caso:
Aumenta la precisión de las estimacionesReduce el coste en la recolección de los datosSe obtienen, sin coste adicional, de estimaciones paracada estrato
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 87: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/87.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO ESTRATIFICADO
Presenta ventajas frente a los otros tipos de muestreo si:La variable presenta alta variabilidadLa variable presenta poca variabilidad dentro de losestratos
La heterogeneidad de la variable en la población sepresenta en forma de variabilidad entre estratos
En ese caso:
Aumenta la precisión de las estimacionesReduce el coste en la recolección de los datosSe obtienen, sin coste adicional, de estimaciones paracada estrato
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 88: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/88.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO ESTRATIFICADO
Presenta ventajas frente a los otros tipos de muestreo si:La variable presenta alta variabilidadLa variable presenta poca variabilidad dentro de losestratosLa heterogeneidad de la variable en la población sepresenta en forma de variabilidad entre estratos
En ese caso:
Aumenta la precisión de las estimacionesReduce el coste en la recolección de los datosSe obtienen, sin coste adicional, de estimaciones paracada estrato
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 89: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/89.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO ESTRATIFICADO
Presenta ventajas frente a los otros tipos de muestreo si:La variable presenta alta variabilidadLa variable presenta poca variabilidad dentro de losestratosLa heterogeneidad de la variable en la población sepresenta en forma de variabilidad entre estratos
En ese caso:
Aumenta la precisión de las estimacionesReduce el coste en la recolección de los datosSe obtienen, sin coste adicional, de estimaciones paracada estrato
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 90: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/90.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO ESTRATIFICADO
Presenta ventajas frente a los otros tipos de muestreo si:La variable presenta alta variabilidadLa variable presenta poca variabilidad dentro de losestratosLa heterogeneidad de la variable en la población sepresenta en forma de variabilidad entre estratos
En ese caso:
Aumenta la precisión de las estimaciones
Reduce el coste en la recolección de los datosSe obtienen, sin coste adicional, de estimaciones paracada estrato
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 91: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/91.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO ESTRATIFICADO
Presenta ventajas frente a los otros tipos de muestreo si:La variable presenta alta variabilidadLa variable presenta poca variabilidad dentro de losestratosLa heterogeneidad de la variable en la población sepresenta en forma de variabilidad entre estratos
En ese caso:
Aumenta la precisión de las estimacionesReduce el coste en la recolección de los datos
Se obtienen, sin coste adicional, de estimaciones paracada estrato
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 92: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/92.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO ESTRATIFICADO
Presenta ventajas frente a los otros tipos de muestreo si:La variable presenta alta variabilidadLa variable presenta poca variabilidad dentro de losestratosLa heterogeneidad de la variable en la población sepresenta en forma de variabilidad entre estratos
En ese caso:
Aumenta la precisión de las estimacionesReduce el coste en la recolección de los datosSe obtienen, sin coste adicional, de estimaciones paracada estrato
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 93: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/93.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO POR CONGLOMERADOS
La unidad de muestreo son grupos de elementos:
Dichos grupos se denominan conglomeradosLos conglomerados son grupos de:
personasfamiliasedificiosbarriosmunicipios,...
¿Cómo se toma la muestra?
Se selecciona una muestra aleatoria de conglomeradosSe observa la variable en todos los elementos de losconglomerados seleccionados
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 94: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/94.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO POR CONGLOMERADOS
La unidad de muestreo son grupos de elementos:Dichos grupos se denominan conglomerados
Los conglomerados son grupos de:personasfamiliasedificiosbarriosmunicipios,...
¿Cómo se toma la muestra?
Se selecciona una muestra aleatoria de conglomeradosSe observa la variable en todos los elementos de losconglomerados seleccionados
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 95: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/95.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO POR CONGLOMERADOS
La unidad de muestreo son grupos de elementos:Dichos grupos se denominan conglomeradosLos conglomerados son grupos de:
personasfamiliasedificiosbarriosmunicipios,...
¿Cómo se toma la muestra?
Se selecciona una muestra aleatoria de conglomeradosSe observa la variable en todos los elementos de losconglomerados seleccionados
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 96: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/96.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO POR CONGLOMERADOS
La unidad de muestreo son grupos de elementos:Dichos grupos se denominan conglomeradosLos conglomerados son grupos de:
personasfamiliasedificiosbarriosmunicipios,...
¿Cómo se toma la muestra?
Se selecciona una muestra aleatoria de conglomeradosSe observa la variable en todos los elementos de losconglomerados seleccionados
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 97: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/97.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO POR CONGLOMERADOS
La unidad de muestreo son grupos de elementos:Dichos grupos se denominan conglomeradosLos conglomerados son grupos de:
personasfamiliasedificiosbarriosmunicipios,...
¿Cómo se toma la muestra?
Se selecciona una muestra aleatoria de conglomeradosSe observa la variable en todos los elementos de losconglomerados seleccionados
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 98: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/98.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO POR CONGLOMERADOS
La unidad de muestreo son grupos de elementos:Dichos grupos se denominan conglomeradosLos conglomerados son grupos de:
personasfamiliasedificiosbarriosmunicipios,...
¿Cómo se toma la muestra?
Se selecciona una muestra aleatoria de conglomerados
Se observa la variable en todos los elementos de losconglomerados seleccionados
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 99: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/99.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO POR CONGLOMERADOS
La unidad de muestreo son grupos de elementos:Dichos grupos se denominan conglomeradosLos conglomerados son grupos de:
personasfamiliasedificiosbarriosmunicipios,...
¿Cómo se toma la muestra?
Se selecciona una muestra aleatoria de conglomeradosSe observa la variable en todos los elementos de losconglomerados seleccionados
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 100: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/100.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO POR CONGLOMERADOS
Cuando los conglomerados son zonas geográficas
Al muestreo por conglomerados se le denomina muestreopor zonas o áreas
Ventajas
Simplifica el problema de listado de toda la poblaciónSólo se necesita para los grupos seleccionados, por lo quereduce costes
Para que no implique disminución en la precisión:
Homogeneidad entre conglomeradosHeterogeneidad dentro de cada conglomerado
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 101: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/101.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO POR CONGLOMERADOS
Cuando los conglomerados son zonas geográficasAl muestreo por conglomerados se le denomina muestreopor zonas o áreas
Ventajas
Simplifica el problema de listado de toda la poblaciónSólo se necesita para los grupos seleccionados, por lo quereduce costes
Para que no implique disminución en la precisión:
Homogeneidad entre conglomeradosHeterogeneidad dentro de cada conglomerado
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 102: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/102.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO POR CONGLOMERADOS
Cuando los conglomerados son zonas geográficasAl muestreo por conglomerados se le denomina muestreopor zonas o áreas
Ventajas
Simplifica el problema de listado de toda la población
Sólo se necesita para los grupos seleccionados, por lo quereduce costes
Para que no implique disminución en la precisión:
Homogeneidad entre conglomeradosHeterogeneidad dentro de cada conglomerado
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 103: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/103.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO POR CONGLOMERADOS
Cuando los conglomerados son zonas geográficasAl muestreo por conglomerados se le denomina muestreopor zonas o áreas
Ventajas
Simplifica el problema de listado de toda la poblaciónSólo se necesita para los grupos seleccionados, por lo quereduce costes
Para que no implique disminución en la precisión:
Homogeneidad entre conglomeradosHeterogeneidad dentro de cada conglomerado
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 104: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/104.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO POR CONGLOMERADOS
Cuando los conglomerados son zonas geográficasAl muestreo por conglomerados se le denomina muestreopor zonas o áreas
Ventajas
Simplifica el problema de listado de toda la poblaciónSólo se necesita para los grupos seleccionados, por lo quereduce costes
Para que no implique disminución en la precisión:
Homogeneidad entre conglomeradosHeterogeneidad dentro de cada conglomerado
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 105: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/105.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO POR CONGLOMERADOS
Cuando los conglomerados son zonas geográficasAl muestreo por conglomerados se le denomina muestreopor zonas o áreas
Ventajas
Simplifica el problema de listado de toda la poblaciónSólo se necesita para los grupos seleccionados, por lo quereduce costes
Para que no implique disminución en la precisión:
Homogeneidad entre conglomerados
Heterogeneidad dentro de cada conglomerado
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 106: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/106.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO POR CONGLOMERADOS
Cuando los conglomerados son zonas geográficasAl muestreo por conglomerados se le denomina muestreopor zonas o áreas
Ventajas
Simplifica el problema de listado de toda la poblaciónSólo se necesita para los grupos seleccionados, por lo quereduce costes
Para que no implique disminución en la precisión:
Homogeneidad entre conglomeradosHeterogeneidad dentro de cada conglomerado
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 107: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/107.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO POR ETAPAS
Es una generalización del muestreo por conglomerados
Minimiza el coste del listado de los elementos
En cada etapa los grupos son menores que en la anterior:
1a etapa: Se seleccionan aleatoriamente conglomeradosde una clase (u. m. primarias):
p. e. provincias2a etapa: Se seleccionan aleatoriamente conglomeradosmás pequeños (u. m. secundarias):
p. e. municipios
.........................
Hasta llegar a los elementos de la población
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 108: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/108.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO POR ETAPAS
Es una generalización del muestreo por conglomeradosMinimiza el coste del listado de los elementos
En cada etapa los grupos son menores que en la anterior:
1a etapa: Se seleccionan aleatoriamente conglomeradosde una clase (u. m. primarias):
p. e. provincias2a etapa: Se seleccionan aleatoriamente conglomeradosmás pequeños (u. m. secundarias):
p. e. municipios
.........................
Hasta llegar a los elementos de la población
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 109: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/109.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO POR ETAPAS
Es una generalización del muestreo por conglomeradosMinimiza el coste del listado de los elementos
En cada etapa los grupos son menores que en la anterior:
1a etapa: Se seleccionan aleatoriamente conglomeradosde una clase (u. m. primarias):
p. e. provincias2a etapa: Se seleccionan aleatoriamente conglomeradosmás pequeños (u. m. secundarias):
p. e. municipios
.........................
Hasta llegar a los elementos de la población
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 110: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/110.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO POR ETAPAS
Es una generalización del muestreo por conglomeradosMinimiza el coste del listado de los elementos
En cada etapa los grupos son menores que en la anterior:
1a etapa: Se seleccionan aleatoriamente conglomeradosde una clase (u. m. primarias):
p. e. provincias
2a etapa: Se seleccionan aleatoriamente conglomeradosmás pequeños (u. m. secundarias):
p. e. municipios
.........................
Hasta llegar a los elementos de la población
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 111: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/111.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO POR ETAPAS
Es una generalización del muestreo por conglomeradosMinimiza el coste del listado de los elementos
En cada etapa los grupos son menores que en la anterior:
1a etapa: Se seleccionan aleatoriamente conglomeradosde una clase (u. m. primarias):
p. e. provincias2a etapa: Se seleccionan aleatoriamente conglomeradosmás pequeños (u. m. secundarias):
p. e. municipios
.........................
Hasta llegar a los elementos de la población
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 112: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/112.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO POR ETAPAS
Es una generalización del muestreo por conglomeradosMinimiza el coste del listado de los elementos
En cada etapa los grupos son menores que en la anterior:
1a etapa: Se seleccionan aleatoriamente conglomeradosde una clase (u. m. primarias):
p. e. provincias2a etapa: Se seleccionan aleatoriamente conglomeradosmás pequeños (u. m. secundarias):
p. e. municipios
.........................
Hasta llegar a los elementos de la población
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 113: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/113.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO POR ETAPAS
Es una generalización del muestreo por conglomeradosMinimiza el coste del listado de los elementos
En cada etapa los grupos son menores que en la anterior:
1a etapa: Se seleccionan aleatoriamente conglomeradosde una clase (u. m. primarias):
p. e. provincias2a etapa: Se seleccionan aleatoriamente conglomeradosmás pequeños (u. m. secundarias):
p. e. municipios
.........................
Hasta llegar a los elementos de la poblaciónCruces, Molina, Sarrión Distribuciones en el muestreo
![Page 114: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/114.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO POR ETAPAS
VENTAJAS
Minimiza el coste del listado de los elementosSólo se necesita la lista de los elementos de la últimaetapaEn cada etapa se puede aplicar el muestreo aleatorio :
simplesistemáticoestratificado
El que se considere más adecuado
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 115: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/115.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO POR ETAPAS
VENTAJASMinimiza el coste del listado de los elementos
Sólo se necesita la lista de los elementos de la últimaetapaEn cada etapa se puede aplicar el muestreo aleatorio :
simplesistemáticoestratificado
El que se considere más adecuado
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 116: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/116.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO POR ETAPAS
VENTAJASMinimiza el coste del listado de los elementosSólo se necesita la lista de los elementos de la últimaetapa
En cada etapa se puede aplicar el muestreo aleatorio :simplesistemáticoestratificado
El que se considere más adecuado
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 117: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/117.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO POR ETAPAS
VENTAJASMinimiza el coste del listado de los elementosSólo se necesita la lista de los elementos de la últimaetapaEn cada etapa se puede aplicar el muestreo aleatorio :
simplesistemáticoestratificado
El que se considere más adecuado
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 118: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/118.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO ALEATORIO POR ETAPAS
VENTAJASMinimiza el coste del listado de los elementosSólo se necesita la lista de los elementos de la últimaetapaEn cada etapa se puede aplicar el muestreo aleatorio :
simplesistemáticoestratificado
El que se considere más adecuado
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 119: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/119.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO NO ALEATORIO
¿Cuándo se utiliza?
Cuando el muestreo aleatorio resulta excesivamentecostosoCuando el tiempo es insuficiente
Generalmente, en estudios de tipo exploratorio
. Entre los más utilizados están:
Muestreo por juicio u opinión (opinático)
Muestreo por cuotas
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 120: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/120.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO NO ALEATORIO
¿Cuándo se utiliza?Cuando el muestreo aleatorio resulta excesivamentecostoso
Cuando el tiempo es insuficienteGeneralmente, en estudios de tipo exploratorio
. Entre los más utilizados están:
Muestreo por juicio u opinión (opinático)
Muestreo por cuotas
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 121: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/121.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO NO ALEATORIO
¿Cuándo se utiliza?Cuando el muestreo aleatorio resulta excesivamentecostosoCuando el tiempo es insuficiente
Generalmente, en estudios de tipo exploratorio
. Entre los más utilizados están:
Muestreo por juicio u opinión (opinático)
Muestreo por cuotas
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 122: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/122.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO NO ALEATORIO
¿Cuándo se utiliza?Cuando el muestreo aleatorio resulta excesivamentecostosoCuando el tiempo es insuficiente
Generalmente, en estudios de tipo exploratorio
. Entre los más utilizados están:
Muestreo por juicio u opinión (opinático)
Muestreo por cuotas
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 123: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/123.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO NO ALEATORIO
¿Cuándo se utiliza?Cuando el muestreo aleatorio resulta excesivamentecostosoCuando el tiempo es insuficiente
Generalmente, en estudios de tipo exploratorio
. Entre los más utilizados están:
Muestreo por juicio u opinión (opinático)
Muestreo por cuotas
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 124: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/124.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO NO ALEATORIO
MUESTREO OPINÁTICO O INTENCIONAL
Se seleccionan los elementos que en nuestra opiniónpueden ser representativos de la población
Como la selección no es aleatoria
No es posible obtener la distribución de las característicasmuestralesNo puede medirse la precisión de las estimaciones
El método da lugar a un sesgo latente
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 125: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/125.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO NO ALEATORIO
MUESTREO OPINÁTICO O INTENCIONALSe seleccionan los elementos que en nuestra opiniónpueden ser representativos de la población
Como la selección no es aleatoria
No es posible obtener la distribución de las característicasmuestralesNo puede medirse la precisión de las estimaciones
El método da lugar a un sesgo latente
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 126: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/126.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO NO ALEATORIO
MUESTREO OPINÁTICO O INTENCIONALSe seleccionan los elementos que en nuestra opiniónpueden ser representativos de la población
Como la selección no es aleatoria
No es posible obtener la distribución de las característicasmuestralesNo puede medirse la precisión de las estimaciones
El método da lugar a un sesgo latente
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 127: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/127.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO NO ALEATORIO
MUESTREO OPINÁTICO O INTENCIONALSe seleccionan los elementos que en nuestra opiniónpueden ser representativos de la población
Como la selección no es aleatoria
No es posible obtener la distribución de las característicasmuestrales
No puede medirse la precisión de las estimaciones
El método da lugar a un sesgo latente
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 128: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/128.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO NO ALEATORIO
MUESTREO OPINÁTICO O INTENCIONALSe seleccionan los elementos que en nuestra opiniónpueden ser representativos de la población
Como la selección no es aleatoria
No es posible obtener la distribución de las característicasmuestralesNo puede medirse la precisión de las estimaciones
El método da lugar a un sesgo latente
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 129: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/129.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO NO ALEATORIO
MUESTREO OPINÁTICO O INTENCIONALSe seleccionan los elementos que en nuestra opiniónpueden ser representativos de la población
Como la selección no es aleatoria
No es posible obtener la distribución de las característicasmuestralesNo puede medirse la precisión de las estimaciones
El método da lugar a un sesgo latente
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 130: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/130.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO NO ALEATORIO
MUESTREO POR CUOTAS
Es una variante del muestreo opinático
Está basado en el análisis previo de la estructura de lapoblación
El objetivo es mejorar la representatividad de la muestraReplicando la estructura poblacional
¿Qué son las cuotas?
El número de individuos de cada grupo o clase que formanparte de la muestra
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 131: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/131.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO NO ALEATORIO
MUESTREO POR CUOTASEs una variante del muestreo opinático
Está basado en el análisis previo de la estructura de lapoblación
El objetivo es mejorar la representatividad de la muestraReplicando la estructura poblacional
¿Qué son las cuotas?
El número de individuos de cada grupo o clase que formanparte de la muestra
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 132: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/132.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO NO ALEATORIO
MUESTREO POR CUOTASEs una variante del muestreo opinático
Está basado en el análisis previo de la estructura de lapoblación
El objetivo es mejorar la representatividad de la muestraReplicando la estructura poblacional
¿Qué son las cuotas?
El número de individuos de cada grupo o clase que formanparte de la muestra
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 133: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/133.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO NO ALEATORIO
MUESTREO POR CUOTASEs una variante del muestreo opinático
Está basado en el análisis previo de la estructura de lapoblación
El objetivo es mejorar la representatividad de la muestra
Replicando la estructura poblacional
¿Qué son las cuotas?
El número de individuos de cada grupo o clase que formanparte de la muestra
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 134: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/134.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO NO ALEATORIO
MUESTREO POR CUOTASEs una variante del muestreo opinático
Está basado en el análisis previo de la estructura de lapoblación
El objetivo es mejorar la representatividad de la muestraReplicando la estructura poblacional
¿Qué son las cuotas?
El número de individuos de cada grupo o clase que formanparte de la muestra
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 135: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/135.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO NO ALEATORIO
MUESTREO POR CUOTASEs una variante del muestreo opinático
Está basado en el análisis previo de la estructura de lapoblación
El objetivo es mejorar la representatividad de la muestraReplicando la estructura poblacional
¿Qué son las cuotas?
El número de individuos de cada grupo o clase que formanparte de la muestra
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 136: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/136.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTREO NO ALEATORIO
MUESTREO POR CUOTASEs una variante del muestreo opinático
Está basado en el análisis previo de la estructura de lapoblación
El objetivo es mejorar la representatividad de la muestraReplicando la estructura poblacional
¿Qué son las cuotas?
El número de individuos de cada grupo o clase que formanparte de la muestra
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 137: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/137.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
DISTRIBUCIONES EN EL MUESTREO
1 Introducción a la Inferencia Estadística.Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 138: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/138.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTRA ALEATORIA SIMPLE
En lo que sigue de la introducción:
Trabajamos en el contexto de población infinita o muestreocon reposiciónMuestra aleatoria simple (m.a.s.)
Recordemos que:
Una muestra es aleatoria simple cuando:Todos los elementos de la población tienen la mismaprobabilidad de ser elegidos.La población es idéntica en todas las extracciones.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 139: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/139.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTRA ALEATORIA SIMPLE
En lo que sigue de la introducción:
Trabajamos en el contexto de población infinita o muestreocon reposición
Muestra aleatoria simple (m.a.s.)
Recordemos que:
Una muestra es aleatoria simple cuando:Todos los elementos de la población tienen la mismaprobabilidad de ser elegidos.La población es idéntica en todas las extracciones.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 140: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/140.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTRA ALEATORIA SIMPLE
En lo que sigue de la introducción:
Trabajamos en el contexto de población infinita o muestreocon reposiciónMuestra aleatoria simple (m.a.s.)
Recordemos que:
Una muestra es aleatoria simple cuando:Todos los elementos de la población tienen la mismaprobabilidad de ser elegidos.La población es idéntica en todas las extracciones.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 141: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/141.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTRA ALEATORIA SIMPLE
En lo que sigue de la introducción:
Trabajamos en el contexto de población infinita o muestreocon reposiciónMuestra aleatoria simple (m.a.s.)
Recordemos que:
Una muestra es aleatoria simple cuando:Todos los elementos de la población tienen la mismaprobabilidad de ser elegidos.La población es idéntica en todas las extracciones.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 142: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/142.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTRA ALEATORIA SIMPLE
En lo que sigue de la introducción:
Trabajamos en el contexto de población infinita o muestreocon reposiciónMuestra aleatoria simple (m.a.s.)
Recordemos que:
Una muestra es aleatoria simple cuando:
Todos los elementos de la población tienen la mismaprobabilidad de ser elegidos.La población es idéntica en todas las extracciones.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 143: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/143.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTRA ALEATORIA SIMPLE
En lo que sigue de la introducción:
Trabajamos en el contexto de población infinita o muestreocon reposiciónMuestra aleatoria simple (m.a.s.)
Recordemos que:
Una muestra es aleatoria simple cuando:Todos los elementos de la población tienen la mismaprobabilidad de ser elegidos.
La población es idéntica en todas las extracciones.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 144: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/144.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTRA ALEATORIA SIMPLE
En lo que sigue de la introducción:
Trabajamos en el contexto de población infinita o muestreocon reposiciónMuestra aleatoria simple (m.a.s.)
Recordemos que:
Una muestra es aleatoria simple cuando:Todos los elementos de la población tienen la mismaprobabilidad de ser elegidos.La población es idéntica en todas las extracciones.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 145: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/145.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTRA ALEATORIA SIMPLE
Lo anterior garantiza que:
Cada observación tiene la misma distribución deprobabilidad que la poblaciónTodas las observaciones son independientes entre sí
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 146: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/146.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTRA ALEATORIA SIMPLE
Lo anterior garantiza que:
Cada observación tiene la misma distribución deprobabilidad que la población
Todas las observaciones son independientes entre sí
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 147: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/147.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTRA ALEATORIA SIMPLE
Lo anterior garantiza que:
Cada observación tiene la misma distribución deprobabilidad que la poblaciónTodas las observaciones son independientes entre sí
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 148: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/148.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
EJEMPLO
Supongamos una población...
Tamaño de la población N=4X = "Número de años en funcionamientosin reformar sus instalaciones"Valores de X :
2, 4, 9 y 11 (años)
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 149: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/149.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
EJEMPLO
Supongamos una población...
Tamaño de la población N=4X = "Número de años en funcionamientosin reformar sus instalaciones"Valores de X :
2, 4, 9 y 11 (años)
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 150: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/150.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
EJEMPLO
Supongamos una población...
Tamaño de la población N=4
X = "Número de años en funcionamientosin reformar sus instalaciones"Valores de X :
2, 4, 9 y 11 (años)
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 151: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/151.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
EJEMPLO
Supongamos una población...
Tamaño de la población N=4X = "Número de años en funcionamientosin reformar sus instalaciones"
Valores de X :2, 4, 9 y 11 (años)
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 152: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/152.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
EJEMPLO
Supongamos una población...
Tamaño de la población N=4X = "Número de años en funcionamientosin reformar sus instalaciones"Valores de X :
2, 4, 9 y 11 (años)
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 153: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/153.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
EJEMPLO (Cont.)
Distribución de la POBLACIÓN:
Principales características de la distribución dela población:
µ =
N∑i=1
xi
N=
2 + 4 + 9 + 114
= 6,5 años
σ =
√√√√√√N∑
i=1
(xi − µ)2
N= 3,64 años
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 154: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/154.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
EJEMPLO (Cont.)
Principales características de la distribución dela población:
µ =
N∑i=1
xi
N=
2 + 4 + 9 + 114
= 6,5 años
σ =
√√√√√√N∑
i=1
(xi − µ)2
N= 3,64 años
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 155: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/155.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
EJEMPLO (Cont.)
Principales características de la distribución dela población:
µ =
N∑i=1
xi
N=
2 + 4 + 9 + 114
= 6,5 años
σ =
√√√√√√N∑
i=1
(xi − µ)2
N= 3,64 años
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 156: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/156.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
EJEMPLO (Cont.)
Consideramos todas las posibles muestras de tamaño 2:
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 157: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/157.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
EJEMPLO (Cont.)
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 158: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/158.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
EJEMPLO (Cont.)
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 159: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/159.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
EJEMPLO (Cont.)
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 160: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/160.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
EJEMPLO (Cont.)
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 161: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/161.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTRA ALEATORIA SIMPLE. DEFINICIÓN
Formalmente,
Las variables X1, X2, · · ·, Xn son una muestra aleatoria simplede X , X ∼ f (x ; θ), si:
C.1 Xi ∼ f (x ; θ), i = 1,2, ...,n.C.2 X1, X2, · · ·, Xn son conjuntamente independientes.
Cada valor concreto−→x = (x1, x2, ..., xn) de la muestra
−→X = (X1, X2, · · ·, Xn)
es una Muestra observada o Datos observados.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 162: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/162.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTRA ALEATORIA SIMPLE. DEFINICIÓN
Formalmente,
Las variables X1, X2, · · ·, Xn son una muestra aleatoria simplede X , X ∼ f (x ; θ), si:
C.1 Xi ∼ f (x ; θ), i = 1,2, ...,n.C.2 X1, X2, · · ·, Xn son conjuntamente independientes.
Cada valor concreto−→x = (x1, x2, ..., xn) de la muestra
−→X = (X1, X2, · · ·, Xn)
es una Muestra observada o Datos observados.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 163: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/163.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTRA ALEATORIA SIMPLE. DEFINICIÓN
Formalmente,
Las variables X1, X2, · · ·, Xn son una muestra aleatoria simplede X , X ∼ f (x ; θ), si:
C.1 Xi ∼ f (x ; θ), i = 1,2, ...,n.
C.2 X1, X2, · · ·, Xn son conjuntamente independientes.
Cada valor concreto−→x = (x1, x2, ..., xn) de la muestra
−→X = (X1, X2, · · ·, Xn)
es una Muestra observada o Datos observados.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 164: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/164.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTRA ALEATORIA SIMPLE. DEFINICIÓN
Formalmente,
Las variables X1, X2, · · ·, Xn son una muestra aleatoria simplede X , X ∼ f (x ; θ), si:
C.1 Xi ∼ f (x ; θ), i = 1,2, ...,n.C.2 X1, X2, · · ·, Xn son conjuntamente independientes.
Cada valor concreto−→x = (x1, x2, ..., xn) de la muestra
−→X = (X1, X2, · · ·, Xn)
es una Muestra observada o Datos observados.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 165: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/165.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTRA ALEATORIA SIMPLE. DEFINICIÓN
Formalmente,
Las variables X1, X2, · · ·, Xn son una muestra aleatoria simplede X , X ∼ f (x ; θ), si:
C.1 Xi ∼ f (x ; θ), i = 1,2, ...,n.C.2 X1, X2, · · ·, Xn son conjuntamente independientes.
Tamaño de muestra: n
Cada valor concreto−→x = (x1, x2, ..., xn) de la muestra
−→X = (X1, X2, · · ·, Xn)
es una Muestra observada o Datos observados.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 166: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/166.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTRA ALEATORIA SIMPLE. DEFINICIÓN
Formalmente,
Las variables X1, X2, · · ·, Xn son una muestra aleatoria simplede X , X ∼ f (x ; θ), si:
C.1 Xi ∼ f (x ; θ), i = 1,2, ...,n.C.2 X1, X2, · · ·, Xn son conjuntamente independientes.
−→X = (X1, X2, · · ·, Xn) Muestra genérica de tamaño n
Cada valor concreto−→x = (x1, x2, ..., xn) de la muestra
−→X = (X1, X2, · · ·, Xn)
es una Muestra observada o Datos observados.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 167: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/167.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
MUESTRA ALEATORIA SIMPLE. DEFINICIÓN
Formalmente,
Las variables X1, X2, · · ·, Xn son una muestra aleatoria simplede X , X ∼ f (x ; θ), si:
C.1 Xi ∼ f (x ; θ), i = 1,2, ...,n.C.2 X1, X2, · · ·, Xn son conjuntamente independientes.
Cada valor concreto−→x = (x1, x2, ..., xn) de la muestra
−→X = (X1, X2, · · ·, Xn)
es una Muestra observada o Datos observados.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 168: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/168.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
Volviendo al EJEMPLO
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 169: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/169.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
Volviendo al EJEMPLO
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 170: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/170.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
Volviendo al EJEMPLO
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 171: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/171.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
DISTRIBUCIONES EN EL MUESTREO
1 Introducción a la Inferencia Estadística.Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 172: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/172.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
PARÁMETRO Y ESTADÍSTICO
La información contenida en la muestra se resume mediante
ESTADÍSTICOS
EstadísticoCualquier función real de las variables que forman la muestra,siempre que en su definición no intervenga ningún "parámetropoblacional desconocido".
PARÁMETRO POBLACIONALCaracterística numérica de la distribución de probabilidad de lapoblación que permite su descripción, parcial o completa.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 173: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/173.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
PARÁMETRO Y ESTADÍSTICO
La información contenida en la muestra se resume mediante
ESTADÍSTICOS
EstadísticoCualquier función real de las variables que forman la muestra,siempre que en su definición no intervenga ningún "parámetropoblacional desconocido".
PARÁMETRO POBLACIONALCaracterística numérica de la distribución de probabilidad de lapoblación que permite su descripción, parcial o completa.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 174: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/174.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
PARÁMETRO Y ESTADÍSTICO
La información contenida en la muestra se resume mediante
ESTADÍSTICOS
EstadísticoCualquier función real de las variables que forman la muestra,siempre que en su definición no intervenga ningún "parámetropoblacional desconocido".
PARÁMETRO POBLACIONALCaracterística numérica de la distribución de probabilidad de lapoblación que permite su descripción, parcial o completa.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 175: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/175.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
PARÁMETRO Y ESTADÍSTICO
La información contenida en la muestra se resume mediante
ESTADÍSTICOS
EstadísticoCualquier función real de las variables que forman la muestra,siempre que en su definición no intervenga ningún "parámetropoblacional desconocido".
PARÁMETRO POBLACIONALCaracterística numérica de la distribución de probabilidad de lapoblación que permite su descripción, parcial o completa.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 176: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/176.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
ESTADÍSTICO (Ejemplos)
X1, X2, · · ·, Xn una m.a.s. de X ,podemos definir los siguientes estadísticos:
X Media muestral
X =X1 + X2 + ...+ Xn
n=
1n
n∑i=1
Xi .
S2X Varianza muestral
S2X =
n∑i=1
(Xi − X )2
n=
1n
n∑i=1
X 2i − X
2.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 177: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/177.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
ESTADÍSTICO (Ejemplos)
X1, X2, · · ·, Xn una m.a.s. de X ,
X Media muestral
X =X1 + X2 + ...+ Xn
n=
1n
n∑i=1
Xi .
S2X Varianza muestral
S2X =
n∑i=1
(Xi − X )2
n=
1n
n∑i=1
X 2i − X
2.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 178: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/178.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
ESTADÍSTICO (Ejemplos)
X1, X2, · · ·, Xn una m.a.s. de X ,
X Media muestral
X =X1 + X2 + ...+ Xn
n=
1n
n∑i=1
Xi .
S2X Varianza muestral
S2X =
n∑i=1
(Xi − X )2
n=
1n
n∑i=1
X 2i − X
2.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 179: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/179.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
Estadístico (Ejemplos) Cont.
S2X Cuasivarianza muestral
S2X =
n∑i=1
(Xi − X )2
n − 1=
nn − 1
S2X .
PX Proporción muestral
PX =X1 + X2 + ...+ Xn
n,
siendo X1, X2, · · ·, Xn una m.a.s. de X ∼ B(1,p).
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 180: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/180.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
Estadístico (Ejemplos) Cont.
S2X Cuasivarianza muestral
S2X =
n∑i=1
(Xi − X )2
n − 1=
nn − 1
S2X .
PX Proporción muestral
PX =X1 + X2 + ...+ Xn
n,
siendo X1, X2, · · ·, Xn una m.a.s. de X ∼ B(1,p).
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 181: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/181.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
Estadístico (Ejemplos) Cont.
S2X Cuasivarianza muestral
S2X =
n∑i=1
(Xi − X )2
n − 1=
nn − 1
S2X .
PX Proporción muestral
PX =X1 + X2 + ...+ Xn
n,
siendo X1, X2, · · ·, Xn una m.a.s. de X ∼ B(1,p).
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 182: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/182.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
ESTIMADOR Y ESTIMACIÓN
Al estadístico que se utiliza con la finalidad de estimar unparámetro desconocido se le denomina ESTIMADOR
El valor numérico que el estimador toma en una muestraobservada es la ESTIMACIÓN
NOTACIÓN: θ (PARÁMETRO) =⇒ θ (ESTIMADOR de θ)
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 183: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/183.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
ESTIMADOR Y ESTIMACIÓN
Al estadístico que se utiliza con la finalidad de estimar unparámetro desconocido se le denomina
ESTIMADOR
El valor numérico que el estimador toma en una muestraobservada es la ESTIMACIÓN
NOTACIÓN: θ (PARÁMETRO) =⇒ θ (ESTIMADOR de θ)
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 184: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/184.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
ESTIMADOR Y ESTIMACIÓN
Al estadístico que se utiliza con la finalidad de estimar unparámetro desconocido se le denomina ESTIMADOR
El valor numérico que el estimador toma en una muestraobservada es la ESTIMACIÓN
NOTACIÓN: θ (PARÁMETRO) =⇒ θ (ESTIMADOR de θ)
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 185: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/185.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
ESTIMADOR Y ESTIMACIÓN
Al estadístico que se utiliza con la finalidad de estimar unparámetro desconocido se le denomina ESTIMADOR
El valor numérico que el estimador toma en una muestraobservada es la
ESTIMACIÓN
NOTACIÓN: θ (PARÁMETRO) =⇒ θ (ESTIMADOR de θ)
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 186: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/186.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
ESTIMADOR Y ESTIMACIÓN
Al estadístico que se utiliza con la finalidad de estimar unparámetro desconocido se le denomina ESTIMADOR
El valor numérico que el estimador toma en una muestraobservada es la ESTIMACIÓN
NOTACIÓN: θ (PARÁMETRO) =⇒ θ (ESTIMADOR de θ)
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 187: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/187.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
ESTIMADOR Y ESTIMACIÓN
Al estadístico que se utiliza con la finalidad de estimar unparámetro desconocido se le denomina ESTIMADOR
El valor numérico que el estimador toma en una muestraobservada es la ESTIMACIÓN
NOTACIÓN: θ (PARÁMETRO) =⇒ θ (ESTIMADOR de θ)
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 188: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/188.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
ESTIMADOR Y ESTIMACIÓN
Al estadístico que se utiliza con la finalidad de estimar unparámetro desconocido se le denomina ESTIMADOR
El valor numérico que el estimador toma en una muestraobservada es la ESTIMACIÓN
NOTACIÓN: θ (PARÁMETRO) =⇒ θ (ESTIMADOR de θ)
La media muestral, varianza muestral (o cuasivarianzamuestral) y proporción muestral se utilizan como estimadoresde la media, varianza y proporción poblacionales,respectivamente.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 189: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/189.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
ESTIMADOR Y ESTIMACIÓN
Al estadístico que se utiliza con la finalidad de estimar unparámetro desconocido se le denomina ESTIMADOR
El valor numérico que el estimador toma en una muestraobservada es la ESTIMACIÓN
NOTACIÓN: θ (PARÁMETRO) =⇒ θ (ESTIMADOR de θ)
Con la notación anterior:
X = µ, S2X = σ2, S2
X = σ2 y PX = p
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 190: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/190.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
Distribución en el muestreo de un estadístico
La distribución en el muestreo de un estadísticoes la distribución de probabilidad del estadístico fijado eltamaño muestral.
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 191: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/191.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
Volviendo al EJEMPLO
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 192: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/192.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
Volviendo al EJEMPLO
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 193: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/193.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
Volviendo al EJEMPLO
Los valores que el estadístico X puede tomar en la muestraaleatoria (X1,X2) son:
Cruces, Molina, Sarrión Distribuciones en el muestreo
![Page 194: Distribuciones en el muestreo. - UMA](https://reader035.vdocuments.site/reader035/viewer/2022073117/62e5a1998064bb32be395e43/html5/thumbnails/194.jpg)
Introducción a la Inferencia Estadística.
Introducción.Tipos de muestreo.Muestra aleatoria simple.Conceptos básicos en Inferencia.
Volviendo al EJEMPLO
Cruces, Molina, Sarrión Distribuciones en el muestreo