CONCEPTOS BÁSICOS DE LA ESTADÍSTICA

• POBLACIÓN: Es el conjunto total de individuos, objetos o eventos que tienen las mismas características y sobre el que estamos interesados en obtener conclusiones.
• MUESTRA: Es una parte de la población, la cual se selecciona con el propósito de obtener información (representativo).

• VARIABLES: Son una representación de datos.

1. Variables cuantitativas:  

 -Discretas: Que no se pueden fraccionar

 -Continuas: Que si se pueden fraccionar  

2. Variables cualitativas: 

 -Nominal: No tienen un orden.

 -Ordinal: Expresan un orden natural 

• MUESTREO: El muestreo es el proceso de seleccionar un conjunto de individuos de una población con el fin de estudiarlos y poder caracterizar el total de la población.

1. Muestreo aleatorio o probabilístico:  

-Muestreo aleatorio simple: Se realiza mediante un sorteo y tiene la misma posibilidad de ser seleccionado.

-Muestreo aleatorio estratificado: Agrupa a diferentes poblaciones según estratos, se puede hacer un estudio a profundidad de manera proporcional. 

-Muestreo aleatorio conglomerados: Se da por un agrupamiento natural.

-Muestreo aleatorio sistemático: Ordena a la población para elegir a un individuo de manera aleatoria y a partir de ahí se crea una regla que cada cierta cantidad será de manera sistemática.

2. Muestreo no aleatorio o no probabilístico:  

-Muestreo no probabilístico por conveniencia: Es el más sencillo ya que ahorra tiempo y esfuerzo pero sus conclusiones no son representativas.

-Muestreo no probabilístico por cuota: Divide población en estratos y también en cantidades de acuerdo al interés del investigador.

-Muestreo no probabilístico por bola de nieve: Identifica a los sujetos potenciales en estudios en donde los sujetos son difíciles de encontrar. La clave es la referencia.

-Muestreo no probabilístico por juicio: Los individuos son seleccionados gracias al criterio y sapiencia del observador.

 PREGUNTAS PLANTEADAS EN CLASE:

1.¿El tamaño de la muestra tendrá que ver con la representatividad?

Sí, porque el tamaño de la muestra viene a ser parte de la población y dicha muestra debe tener una representatividad que permitirá extrapolar y generalizar los resultados.

Los datos más representativos puede ser subgrupos o subconjuntos que son extraídos de    una población por algún método de muestreo.

2.¿El error y el nivel de significancia tendrá que ver con el tamaño de la muestra?

Margen de error, nivel de significancia y tamaño de la muestra siempre van de la mano. Si queremos obtener un margen de error y un nivel de confianza determinados (por ejemplo, error del 5% con confianza 95%) necesitaremos un tamaño de muestra mínimo correspondiente. Modificar cualquiera de los 3 parámetros, altera los restantes:

a. Reducir el margen de error obliga a aumentar el tamaño de la muestra.

b. Aumentar el nivel de confianza obliga a aumentar el tamaño de la muestra.

c. Si aumenta el tamaño de mi muestra, puedo reducir el margen de error o incrementar el nivel de confianza.

Pero, ¿qué fórmulas gobiernan la relación entre los parámetros anteriores? El conjunto de teoremas que se conocen como Ley de los grandes números viene a nuestro rescate. Estos teoremas son los que dan soporte matemático a la idea de que el promedio de una muestra al azar de una población de gran tamaño tenderá a estar cerca de la media de la población completa. En concreto, el teorema del límite central demuestra que, en condiciones muy generales, la suma de muchas variables aleatorias independientes.

INTEGRANTES:
-García Herrera Sergio Luis
-Mejia Arrasco Camila Cristina 
-Montoya Wood Alicia María
-Santos Mercado María Fernanda
-Soto Prado Ena Liz María