No tienes acceso a esta clase

隆Contin煤a aprendiendo! 脷nete y comienza a potenciar tu carrera

Muestreo

20/24
Recursos

Aportes 42

Preguntas 6

Ordenar por:

驴Quieres ver m谩s aportes, preguntas y respuestas de la comunidad?

o inicia sesi贸n.

https://github.com/karlbehrensg/programacion-dinamica-y-estocastica
Muestreo

El muestreo es muy importante cuando no tenemos acceso a toda la poblaci贸n que queremos explorar. Uno de los grandes descubrimientos de la estad铆stica es que las muestras aleatorias tienden a mostrar las mismas propiedades de la poblaci贸n objetivo. Hasta este punto todos los muestreos que hemos hecho son de tipo probabil铆sticos.

En un muestreo aleatorio cualquier miembro de la poblaci贸n tiene la misma probabilidad de ser escogido.

En un muestreo estratificado tomamos en consideraci贸n las caracter铆sticas de la poblaci贸n para partirla en subgrupos y luego tomamos muestras de cada subgrupo, esto incrementa la probabilidad de que el muestreo sea representativo de la poblaci贸n.

Este es un libro que explica de forma sencilla y pr谩ctica todos los conceptos que hemos visto en las clases.
Lo estoy leyendo y tiene muchos ejemplos visuales, no tanta matem谩tica te贸rica.

Head first statistics - A brain-friendly guide:

https://www.pdfdrive.com/head-first-statisticspdf-e34324032.html

Debo mantener proporcion al tomar muestras en los subgrupos? Es decir, si hay 9 estudiantes en total, y 6 son de musica y 3 de baile, y voy a tomar 3 muestras, deberia tomar 1 de baile y 2 de musica(debido a que por cada estudiante de baile hay 2 de musica)?(un ejemplo en bajas cantidades)

Adjunto una tabla con las diferencias entre los diferentes tipos de muestreo:

La tabla es del siguiente documento:

Tipos de muestreo estratificado
En general, existen tres tipos de muestreo estratificado o t茅cnicas de estratificaci贸n:

Muestreo estratificado proporcional
Es cuando los estratos de la muestra (el n煤mero de datos a considerar) conservan la misma proporci贸n de la poblaci贸n. Por ejemplo: Hay 1.000.000 de personas entre hombres y mujeres (poblaci贸n) con 60% mujeres y 40% hombres. Hemos decidido tomar una muestra de 1000 personas. Los estratos definidos por supuesto son hombres y mujeres. Por lo tanto, el estrato de mujeres deber谩 tener un tama帽o de 600 (60%) y el estrato de hombres de 400 (40%). Tal como lo ves, pro-por-cio-nal.

Muestreo estratificado uniforme
Es cuando consideramos el mismo n煤mero de datos para cada estrato, o dicho de otra forma, el mismo tama帽o de muestra a cada estrato. Por lo tanto, aqu铆 no importa cu谩l es el peso del estrato en la poblaci贸n, como si pasaba en el estratificado proporcional. Por ejemplo, tomando una muestra de 100 personas entre hombres y mujeres, el estrato de hombres ser谩 de 50, al igual que el de mujeres. Tal como ves, unif-orme.

Muestreo estratificado 贸ptimo
Tambi茅n llamado no proporcional, con este muestreo cada estrato es proporcional a la desviaci贸n est谩ndar. En otras palabras, el n煤mero de datos en cada estrato ser谩 mayor en la medida en que exista mayor variabilidad entre ellos.

C贸mo hacer un muestro estratificado paso a paso
**Paso 1: **驴Qu茅 es lo que quieres analizar? Identifica cu谩l es la situaci贸n, evento o fen贸meno que vas a estudiar. 驴Hay una situaci贸n problem谩tica? Def铆nela.

Paso 2: Captura los datos relativos a la situaci贸n que estas analizando.

Paso 3: Este es un paso opcional. Utiliza una herramienta que te permita representar los datos recolectados. Esto te dar谩 una idea de los factores de estratificaci贸n que puedes usar. Por ejemplo, usa un histograma, un diagrama de pastel o un an谩lisis de pareto para tener una representaci贸n previa de los datos obtenidos.

Paso 4: Determina los factores de estratificaci贸n a emplear. Puedes saltar desde el paso 2 al paso 4 y determinar los factores, sin embargo al hacer el paso 3 tendr谩s un mejor criterio para definir los estratos. El c贸mo definir los estratos depender谩 de qu茅 tanto conoces la situaci贸n que est谩s analizando.

Cesar Camison, Sonia Cruz y Tomas Gonz谩lez, autores del libro Gesti贸n de calidad: Conceptos, enfoques, modelos y sistemas, afirman que a mayor n煤mero de estratos, mejor comprensi贸n del fen贸meno, sin embargo no es conveniente excederse en el n煤mero. Resulta muy 煤til hacerse la siguiente pregunta: 驴C贸mo incide 鈥 sobre el fen贸meno? Generalmente, la palabra faltante corresponde a un factor de estratificaci贸n.

Paso 5: Realiza los c谩lculos necesarios para clasificar los datos con base en los estratos definidos.

Paso 6: Elabora una o m谩s gr谩ficas que represente cada grupo homog茅neo de datos. La elecci贸n de la gr谩fica depende de lo que se quiere evidenciar. Podemos usar por ejemplo un diagrama de Pareto para definir en qu茅 enfocarnos, un diagrama de dispersi贸n para analizar la relaci贸n entre dos variables o un histograma para representar los datos de forma general.

Paso 7: Observando la gr谩fica o el grupo de gr谩ficas que elaboraste, 驴hay diferencias importantes entre los estratos? Si la respuesta es positiva, la estratificaci贸n ha sido 煤til. Has conseguido obtener diferencias a trav茅s del muestreo estratificado, que antes de estratificar no hubieras logrado diferenciar.

Vamos a entender el paso a paso a trav茅s de un ejemplo de estratificaci贸n.

El muestreo estratificado es utilizado cuanto la poblacion NO es uniforme.
Ejemplo de poblacion no uniforme:

Los estados de EUA.

Ejemplo:
En las elecciones de EUA es conveniente tener a la mayoria de los estados con un candidato a tener la mayoria de votos

Esto es porque existen estados enormes y tambien estados peque帽os.

Por lo tanto podran votar 10000 a favor, en un estado de 1000000
y podran votar 50000 de un estado con 5500 y otros 50000 de un estado con 60000
Al sistema le es conveniente la 2da opcion porque, aunque votaran mas personas a favor en la 1ra opcion, en la 2da opcion tendran a mas estados en general a su favor

Por eso es mas importante el que gane un candidato en la mayoria de estados, a tener la mayoria de votos, ya que un estado peque帽o tiene la misma relevancia e imoprtancia que un estado enorme.

驴Qu茅 criterio se debe utilizar a la hora de partir mi poblaci贸n en sub grupos? 馃

En la vida cotidiana, el de los edificios me pareci贸 interesante,
de que forma seria 鈥渕ejor鈥 sacar esos datos?

Si, y la diferencia es que tomar datos 鈥渞eales鈥 de TODA una poblaci贸n cuesta mucho dinero, ah铆 es donde tomar muestras peque帽as pero significativas ahorra un mont贸n de recursos

Les comparto un mapa de los diferentes tipos de muestreos:


Los muestreos aleatorios simples que estamos utilizando son aquellos en donde se puede calcular la probabilidad de extracci贸n de cualquiera de las muestras posibles. Es el tipo de muestreo m谩s aconsejable.

  • Sin reposici贸n de elementos: Cada elemento extra铆do se descarta para la subsiguiente extracci贸n. Ejemplo: Objetos cuya vida media solo se pueda evaluar una vez como un foco(bombilla).
  • Con reposici贸n de elementos:Las observaciones se realizan con remplazo de los individuos, de forma que la poblaci贸n es id茅ntica en todas las extracciones.En poblaciones muy grandes, la probabilidad de repetir una extracci贸n es tan peque帽a que el muestreo puede considerarse con reposici贸n aunque, realmente, no lo sea.
  • Con reposici贸n m煤ltiple: En poblaciones muy grandes, la probabilidad de repetir una extracci贸n es tan peque帽a que el muestreo puede considerarse con reposici贸n.

En este link pueden encontrar una descripci贸n bastante buena que sirve de complemento a lo visto en clase:
https://bookdown.org/aquintela/EBE/muestreo-aleatorio-simple.html

Muestreo
A veces trabajar con toda la poblaci贸n puede ser contraproducente e incluso imposible. Por suerte descubrimos que las muestras tomadas aleatoriamente tienden a mostrar las mismas propiedades que la poblaci贸n.
Muestreo Probabil铆stico:

  • Muestreo aleatorio, cualquier miembro de la poblaci贸n tiene la misma probabilidad de ser elegido. Este m茅todo es ideal para poblaciones homog茅neas. En caso de tener una poblaci贸n mas estratificada la informaci贸n obtenida estar谩 incompleta.
  • Muestreo Estratificado, Dividimos la poblaci贸n en subgrupos relevantes, incrementando as铆 la informaci贸n obtenida e incrementando la probabilidad de tener una muestra representativa a la poblaci贸n

Las Muestras tienden a tener las mismas propiedades que la poblacion total, entre mas muestras, la media es mas precisa, estre mas grande sea la muestra, la desviacion estandar es mas peque帽a.

El Muestreo aleatorio consiste en que cada muestra de la poblacion tiene la misma probabilidad de ser escogidos.
El Muestreo estratificado consiste en hacer peque帽os grupos de muestras de acuerto con lo que se requiere. si no es asi, el resultado es sesgado.

Un subgrupo para el muestreo estratificado aplicandolo en la Facturaci贸n Electronica seria los tipos de persona: empresas que sean personas naturales o personas juridicas

Por lo general es muy raro cuando recolectamos informacion que la dicha data tenga un comportamiento igual a si que usamos el muestreo estrateficado y una vez segmentados por diferentes criterios, realizamos un muestreo aleatorio ya que la sub-poblacion contiene un comportamiento similar, a si que no es cuestion de elegir solo una o la otra en nuestro data pipeline se base en fusionarlas segun nuestras necesidades.

Mis apuntes de la clase 馃摑
El muestreo (sampling) es el proceso de obtenci贸n aleatoria de una 鈥減eque帽a鈥 cantidad de datos pertenecientes a una poblaci贸n total.
.
El uso de muestras es fundamental, especialmente cuando no tenemos los recursos en c贸mputo o el acceso a la poblaci贸n completa, una caracteristica importante de una muestra aleatoria, es que tiende a poseer las mismas caracter铆sticas de la poblaci贸n de donde fue extra铆da (siempre y cuando la obtenci贸n haya sido aleatoria), dicha caracter铆stica nos permite realizar conclusiones concretas y validas aun sin tener acceso a su poblaci贸n total.
.
Existen dos tipos de muestreos, el probabil铆stico y el no probabil铆stico (solo nos enfocaremos en el primero)
.

Probabilistico

Para identificar que tipo de muestreo utilizar, debemos tener en cuentra los siguientes puntos:

  1. Aleatorio: Cuando los datos tienen caracter铆sticas similares.
  2. Estratificado: Cuando hay subgrupos dentro de la poblaci贸n.

馃挕 Un punto clave a tener en cuenta sobre el muestreo es que a mayor cantidad de muestras, menor ser谩 su desviaci贸n est谩ndar (蟽) y los resultados de nuestros an谩lisis tender谩n a ser m谩s precisos.

Ahora tengo m谩s claro c贸mo trabajan las encuestadoras electorales

"Voltea al mundo"- David Aroesti

Lo que hacemos con el muestro estratificado, es que tomamos la poblaci贸n y luego la dividimos en subgrupos, es como tomar todos los usuarios de celulares de todas las marcas y luego los dividimos entre las marcas, y luego tomamos muestras de cada grupo, bajo la pregunta: 驴Cu谩ntos usuarios de tel茅fono celular, tienen youtube?

El muestro estad铆stico tiene: muestreo aleatorio, en el que tomamos una muestra con total aleatoriedad. Luego viene el muestreo estratificado, en el que tomamos en concideraci贸n las caracter铆sticas de la poblaci贸n, para partirla en subgrupos y luego tomamos muestras de cada subgrupo.

Existen varios tipos de muestreo, lo que hacimos durante el curso, fue el muestro probabil铆stico y este a su vez tiene dos formas de presentarse.

Opciones en las que el muestreo es una opci贸n perfecta: No tenemos capacidad computacional. Esto puede ser a la gran cantidad de datos que se pueden reunir hoy en d铆a, sin embargo, a pesar de la potencia de nuestras computadoras de hoy en d铆a, estas no ser铆an capaces de procesar tanto. Pero lo que si pueden hacer es calcular peque帽as muestras de los grandes data set.

Podr铆amos definir el muestreo, como la acci贸n en la tomamos una parte de un conjunto, por defecto, un subconjunto, y a este subconjunto lo an谩lisamos para proyectar la media de sus elementos, con la media del conjunto. A este subconjunto lo llamamos muestra.

Nosotros hacemos muestreo todos los dias, y es muy facil de entender, pongo un ejemplo:

  • Nosotros inferimos el sabor de la sopa con solo probar una cucharada despu茅s de resolver

En este apartado se responden las siguientes preguntas:
驴Cu谩l es la importancia del muestreo?
驴En qu茅 casos debes usar muestreo general o muestreo estratificado?

Muestreo

<h3>Muestro</h3>

Esta t茅cnica es muy 煤til cuando los data sets son demasiado grande y no tenemos acceso toda la poblaci贸n que queremos explorar, podemos tomar sets de datos m谩s peque帽os y calcular estad铆sticas matem谩ticamente correctas, debido a que la toma de muestras aleatorias tienden a mostrar las mismas propiedades que la poblaci贸n de donde se extrajo.

<h4>Muestro Aleatorio</h4>

En este tipo de muestreo cualquier miembro de la poblaci贸n tiene las mismas probabilidades de ser escogido para una muestra de dicha poblaci贸n.

<h4>Muestro Estratificado</h4>

En este se crean subgrupos teniendo en cuentas sus caracter铆sticas que luego se usan para tomar muestras de cada subgrupo, En el muestreo estratificado se aumenta la probabilidad de que 茅l muestre贸 sea representativo de su poblaci贸n.

A aplicar en la vida cotidiana!!, me fascina aprender este tipo de herramientas pues me hace ver, apreciar y comprender mejor los hechos que suceden a mi alrededor

muestreo estratificado, se usa cuando la muestra tiene cart diferentes

Muestreo estratificado:
Peque帽os grupos

Muestreo Probabil铆stico (Tipos de utilizarse).

Por esto es tan importante el trabajo que realiza el INEGI de M茅xico, es una instituci贸n que realiza un gran trabajo tomando la informaci贸n estad铆stica.

Muy buena aplicaci贸n del muestreo en las carreras de platzy

Definici贸n Muestreo.

En el muestreo estratificado, 驴C贸mo se decide que porcentaje de la muestra tomar de cada uno de los subgrupos para que sea representativa de la poblaci贸n?

A mi me pasaba con las muestras de las encuestas de elecciones, nunca hab铆a conocido a alguien a quien se la hicieran, o que conocieran a alguien a quien se la hubieran hecho. Y casi hasta tercer grado, por lo que siempre estaba el sesgo con respecto al tema. Mi punto es que muchas veces sent铆 que las muestras no eran aleatorias, dicho sesgo se rompi贸 hace poco, ahora si confi贸 un poco m谩s en el tema.

Entendido

A estudiar

Voy en el minuto 3 y todavia no ha terminado de ejecutarse el c贸digo anterior jajajaja

<h3>Muestreo.</h3>
  • Hay ocasiones en la que no tenemos acceso a toda la poblaci贸n que queremos explorar (la mayor铆a de las veces).
  • Uno de los grandes descubrimientos de la estad铆stica es que las muestras aleatorias tienden a mostrar las mismas propiedades de la poblaci贸n objetivo.
    • Muestras mas grandes: desviaci贸n est谩ndar m谩s peque帽a.
    • Mas muestras: media mas precisa.
  • El tipo de muestreo que hemos hecho hasta ahora es muestreo probabil铆stico.
  • En un muestreo aleatorio cualquier miembro de la poblaci贸n tiene la misma probabilidad.
  • En un muestreo estratificado tomamos en consideraci贸n las caracter铆sticas de la poblaci贸n para partirla en subgrupos y luego tomamos muestras de cada subgrupo.
    • Incrementa la probabilidad de que el muestreo sea representativo de la poblaci贸n.

Muy interesante

鈥淪olo aplicamos muestreo aleatorio cuando nuestra poblaci贸n tiene caracteristicas similares鈥