Estudiantes:

•BRUNO ELIUD VELAZQUEZ RODRIGUEZ

•JOSE ANTONIO GONSALEZ MORALES

•ERICK ROBERTO BELTRAN CALLEJA

P.s.p: Jair de Jesús Salazar Alamillo

Grupo: 4202

Materia: Tratamientos de Datos y Azar

Consiste en elegir una muestra de una población al azar.

Podemos distinguir varios tipos de muestreo:

Para obtener una muestra, se numeran los elementos de lapoblación y se seleccionan al azar los n elementos que contienela muestra.

Se elige un individuo al azar y a partir de él, a intervalosconstantes, se eligen los demás hasta completar la muestra.

Por ejemplo si tenemos una población formada por 100elementos y queremos extraer una muestra de 25 elementos, enprimer lugar debemos establecer el intervalo de selección queserá igual a 100/25 = 4. A continuación elegimos el elemento dearranque, tomando aleatoriamente un número entre el 1 y el4, y a partir de él obtenemos los restantes elementos de lamuestra.

2, 6, 10, 14,..., 98

Se divide la población en clases o estratos y se escoge, aleatoriamente, un númerode individuos de cada estrato proporcional al número de componentes de cadaestrato.

En una fábrica que consta de 600 trabajadores queremos tomar una muestra de20. Sabemos que hay 200 trabajadores en la sección A, 150 en la B, 150 en la C y100 en la D.

Un muestreo puede hacerse con o sin reposición, y la población de partida puedeser infinita o finita.

En todo nuestro estudio vamos a limitarnos a una población de partidainfinita o a muestreo con reposición.

Si consideremos todas las posibles muestras de tamaño n en una población, paracada muestra podemos calcular un estadístico (media, desviacióntípica, proporción, ...) que variará de una a otra.

Así obtenemos una distribución del estadístico que se llama distribuciónmuestral.

contiene reglas queespecifican cómo:

calcula el sistema el tamaño de la muestra

se debe calcular una característica de inspección

Utilización

Los procedimientos de muestreo se almacenan normalmenteal nivel de la característica de una hoja de ruta oespecificación de material.

Si no utiliza una hoja de ruta o especificación de materialpara inspeccionar un material, puede almacenar unprocedimiento de muestreo para una clase de inspección enlos datos de inspección QM del maestro de materiales.

En estadística, un estimador es un estadístico (esto es, una función de la muestra) usado para estimar un parámetro desconocido de la población. Por ejemplo, si se desea conocer el precio medio de un artículo (el parámetro desconocido) se recogerán observaciones del precio de dicho artículo en diversos establecimientos (la muestra) y la media aritmética de las observaciones puede utilizarse como estimador del precio medio.

Cuando no se conoce alguna característica de la población, el estadístico correspondiente de la muestra puede ser utilizado como estimador del parámetro poblacional. Es lo que se conoce como estimación puntual, que se aplica cuando un estadístico de la muestra es usado para estimar un parámetro poblacional.

Al ser un estimador puntual una variable aleatoria cuya distribución en el muestreo depende del parámetro desconocido, se utilizan dos criterios para evaluar la bondad del estimador, que son que sea infestado respecto al parámetro a estimar y que tenga varianza mínima.

El intervalo dentro del cual se espera que se encuentre un parámetro poblacional usualmente es conocido como intervalo de confianza. Se trata por lo tanto de una variable aleatoria bidimensional, donde, por ejemplo, el intervalo de confianza para la media poblacional es el intervalo de valores que tiene una alta probabilidad de contener a la media de la población. Por lo tanto, en una estimación por intervalo se establece el rango de valores dentro del cual se espera que se encuentre un parámetro poblacional.

Al ser el estimador por intervalo una variable aleatoria, resulta adecuado hablar en términos de probabilidad de que el estimador cubra el verdadero valor del parámetro.

El teorema del límite central o teorema central del límite indica que, en condiciones muy generales, si Sn es la suma de n variables aleatorias independientes, entonces la función de distribución de Sn se aproxima bien a una distribución normal (también llamada distribución gaussiana, curva de Gauss o campana de Gauss). Así pues, el teorema asegura que esto ocurre cuando la suma de estas variables aleatorias e independientes es lo suficientemente grande