Muestreo estadístico: métodos básicos

Rafael Klinger Angarita

• Editorial: Universidad del Valle
• Año: 2024
• ISBN del libro electrónico:
  9789585070967
• Categoría: Tecnología e ingeniería
• Categoría: Ingeniería general

El propósito de este libro es presentar de una manera amigable y sencilla los diferentes conceptos involucrados en la teoría del muestreo probabilístico desde una óptica clásica. Siendo el muestreo una de las formas básicas de la estadística para obtener información con el fin de satisfacer necesidades establecidas en proyectos de investigación de diferente índole y cobertura, se constituye en el mundo de hoy con más fuerza en una metodología científica para la toma de decisiones mediante el uso de la inferencia estadística. Basta con considerar el tamaño de los colectivos objeto de estudio, la dificultad en tiempo y dinero para llegar a todos los elementos que los componen y, en algunos casos, los riesgos por destrucción que se tendrían para poder observarlos (medirlos), así como la dificultad de su acceso, situaciones que obligan en cualquier campo del conocimiento a la toma de una muestra probabilística de dicho colectivo. Tres aspectos son de suma importancia en la obtención de una muestra probabilística desde el punto de vista práctico: en primer lugar, la forma como serán obtenidas las unidades que conformarán la muestra, la cual debe estar regida por la aleatoriedad para evitar sesgos de selección; en segundo lugar, el tamaño de dicha muestra soportada sobre la base de supuestos teóricos para la distribución (comportamiento) del estimador asociado al parámetro investigado, el error asumido con la estimación debido a la diferencia entre la estimación y el parámetro objeto de estimación, y el nivel de confianza en términos de probabilidad que se desea tenga el cumplimiento de dicho error; y, en tercer lugar, los costos involucrados en la obtención de dicha muestra, pues nadie niega la importancia de trabajar con muestras económicas

Índice

• Capítulo 1
• Capítulo 2
• Capítulo 3
• Hipótesis fundamentales del muestreo aleatorio estratificado (MAE)
• Capítulo 5