Tabla de muestreo
8
UNIVERSIDAD POLITÉCNICA DE FRANCISCO I. MADERO INGENIERÍA EN AGROTECNOLOGÍA ASIGNATURA: MUESTREO ESTADÍSTICO Evidencia de aprendizaje: “MUETREO ALEATORIO SIMPLE: PRÁCTICA DE CAMPO” PRESENTAN: KATHIA DENNISE CERÓN PEÑA LILIA LORENA MARTINEZ SALINAS FACILITADOR: ING, ANA MARIA ORTIZ OLGUÍN. TERCER CUATRIMESTRE GRUPO 01 Francisco I Madero, MAYO-AGOSTO 2013
-
Upload
anerol-mtz -
Category
Documents
-
view
215 -
download
2
Transcript of Tabla de muestreo
UNIVERSIDAD POLITÉCNICA
DE FRANCISCO I. MADERO
INGENIERÍA EN AGROTECNOLOGÍA
ASIGNATURA: MUESTREO ESTADÍSTICO
Evidencia de aprendizaje:
“MUETREO ALEATORIO SIMPLE:
PRÁCTICA DE CAMPO”
PRESENTAN:
KATHIA DENNISE CERÓN PEÑA
LILIA LORENA MARTINEZ SALINAS
FACILITADOR: ING, ANA MARIA ORTIZ OLGUÍN.
TERCER CUATRIMESTRE GRUPO 01
Francisco I Madero, MAYO-AGOSTO 2013
INTRODUCCIÓN
Todos sabemos que para llevar a cabo un muestreo probabilístico debe calcularse
la probabilidad de cada una de las muestras que determinan una población, así
mismo cada uno de los elementos poblacionales, tienen una probabilidad de
pertenecer al la muestra.
De igual manera este tipo de muestro esta basado en una teoría de probabilidad
que nos permite obtener una idea mas clara de cómo podemos representar
nuestra muestra.
Por lo tanto, nos proporciona una base mas adecuada para poder introducir las
propiedades de la población a partir de la muestra obtenida.
Muestreo Aleatorio Simple, es aquel donde a partir de toda la población en general se puede extraer una muestra de cualquier tamaño (“n”), donde cada una de las unidades tiene la misma probabilidad de ser extraída.
Algunas formas de poder extraer una muestra son las siguientes:
Con reposición: donde cada una de las unidades seleccionadas, se devuelve a la población y puede participar en las siguientes extracciones, que pueden ser de dos veces o más.
La población siempre es la misma y el elemento puede ser seleccionado nuevamente.
Sin reposición: es cuando se extrae una unidad, y esta no se vuelve a tomar en cuenta para las siguientes extracciones.
La población se modifica después de cada extracción y las probabilidades de elegir cada elemento no permanecen constantes.
OBJETIVO:
Saber realizar un muestreo aleatorizado en una población y poder calcular su producción media y total, determinando los limites para estimar el error y el tamaño óptimo.
“Materiales y métodos”
Para llevar a cabo esta práctica utilizamos algunos materiales como:
Un calibrador de vernier.
Papelitos enumerados.
Hojas donde registrar nuestros resultados.
Calculadora.
Metro.
Nuestro método que utilizamos para sacar cada una de las variables que se requerían fue el probabilístico, que son las técnicas con base en la equiprobabilidad, es decir que todos los elementos de la población tienen la misma oportunidad de ser elegidos para formar parte de la muestra que se quiere estudiar; este a la vez se relaciona con las técnicas que son: Al azar simple: es un proceso de selección por en el cual se van seleccionando los sujetos al azar.
Aleatorio sistemático: se usa cuando ya se tiene a cado uno de los elementos de la población previamente establecidos para que así se pueda proceder a la elección de los sujetos (elementos). “Resultados”
MUESTRA 9
Longitud de hojas
Ancho de hojas
8.16 2.37
9.21 2.24
7.95 2.49
8.33 2.52
9.87 2.93
9.02 2.23
10.55 3.23
9.36 2.74
8.37 2.15
8.96 2.88
MUESTRA 4
Longitud de hojas
Ancho de hojas
6.93 2.33
8.69 1.85
5.95 2.12
6.83 2.63
7.26 1.86
7.49 1.96
7.28 2.97
5.37 1.87
7.88 2.36
8.25 2.44
MUESTRA 6
longitud de hojas
Ancho de hojas
7.56 1.75
10.18 2.68
8.89 2.81
10.36 1.82
10.65 2.25
11.97 1.55
8.16 2.04
8.82 3.09
9.97 3.29
9.04 2.96
MUESTRA 10
Longitud de hojas
Ancho de hojas
8.35 2.54
6.15 1.65
6.92 2.24
8.13 2.34
9.02 2.74
8.73 2.93
10.73 2.83
7.82 2.63
9.39 3.04
8.83 2.53
MUESTRA 7
Longitud de hojas
Ancho de hojas
8.99 2.37
10.79 2.54
9.72 2.43
6.42 1.64
10.84 3.23
10.15 2.15
10.56 2.47
10.74 3.29
9.68 2.53
9.33 2.83
MUESTRA 5
Longitud de hojas
Ancho de hojas
10.85 2.52
10.52 3.24
10.74 3.14
10.34 2.83
9.68 2.43
9.31 2.73
8.13 2.62
10.71 2.83
10.73 2.94
9.53 2.42
MUESTRA 1
Longitud de hojas
Ancho de hojas
9.37 2.72
7.86 1.71
8.14 1.83
9.55 2.63
8.73 2.22
11.72 3.02
9.47 2.71
9.14 2.73
8.23 1.82
7.46 1.95
MUESTRA 3
Longitud de hojas
Ancho de hojas
8.37 2.15
7.79 2.34
6.93 1.84
6.23 1.53
8.14 2.33
9.14 2.65
8.92 1.92
6.37 2.33
6.42 2.02
6.37 1.82
MUESTRA 2
Longitud de hojas
Ancho de hojas
6.15 2.37
4.98 2.15
7.47 1.92
8.27 2.73
8.23 2.23
8.24 2.15
6.73 2.33
8.26 2.35
6.29 2.41
7.42 1.92
MUESTRA 8
Longitud de hojas
Ancho de hojas
8.49 2.55
10.92 2.92
9.38 1.65
9.4 2.73
7.03 1.96
9.24 2.92
8.33 2.33
8.13 2.77
9.14 2.89
9.14 2.65
1 2 3 4 5 6 7 8 9 10 11
No
. de
mu
es
tra
No
. a
lea
torio
de
m
ue
stra
Lo
ng
itud
de
h
oja
s (cm)
An
cho
de
h
oja
s (cm)
Áre
a fo
liar
de
h
oja
s(cm2)
Lo
ng
itud
de
ta
llo
prin
cipa
l
Altu
ra d
e la
p
lan
ta
Nu
do
s de
ta
llo
prin
cipa
l
Ra
ma
s se
cun
da
rias
Gro
sor d
el
tallo
Nu
m.d
e
fruto
s po
r v
ain
as
1 4 7.19 2.26 16.25 37 197 4 4 4.19 2
2 6 9.56 2.42 23.14 36.5 212 3 3 4.92 0
3 9 8.48 2.58 21.88 57 200 7 7 4.26 1
4 5 10.11 2.67 26.99 26 181 3 3 4.55 0
5 1 9.13 2.38 21.73 24 125 3 3 2.73 6
6 10 8.36 2.55 21.32 43 174 6 6 2.63 0
7 3 7.47 2.09 15.61 18.5 85 5 5 2.34 2
8 2 7.2 2.26 16.27 12 135 2 2 2.46 0
9 7 9.66 2.52 24.34 33 64 4 4 2.86 0
10 8 8.92 2.54 22.66 34 135 2 2 3.66 0
MEDIDAS DE CENTRALIZACIÓN MEDIDAS DE DISPERCIÓN
MEDIANA: 0.5 DESV.ESTND: 1.91
MODA: O VARIANZA: 3.65
MEDIA: 1.1
“CALCULO DE LA MEDIA Y EL TOTAL
POBLACIONAL”
Tamaño de la muestra optimo para estimar la media de
producción:
Datos: Formula:
N= 174 plantas de durazno n>Ns2 S2= 3.65 N d 2
Z0.995= 2.58 z1-&/2 + S2
D= 0.05
n>(174)(3.65) 174 0.5 2 2.58 + 3.65
n> 62.35
El tamaño de muestra óptimo para estimar la media es
de 62 plantas de durazno con una confiabilidad del 99%.
Tamaño de la nuestra para estimar el total optimo de la
muestra:
DATOS Formula
N= 174 n> N2s2
D 2 Z1-&/2 + Ns2
S2= 3.65
Z0.995= 2.58
D= 1 fruto
n>(174)2(3.65) 1
2.58 + (174) (3.65) n> 173.89 El tamaño de muestra óptimo para estimar el total es de 173 plantas de durazno con una confiabilidad del 99%.
En conclusión podemos decir que el muestreo aleatorio
simple es la base del método del muestreo ya que nos
permite identificar el error y el tamaño optimo de
nuestra muestra analizada.
Bibliografía:
