7 Muestreo aleatorio simple. Distintos tipos de muestreo

En los metodos de muestreo, el proceso de seleccion de individuos se realiza de forma aleatoria tomando nn individuos de la poblacion.

Definición III.13 (Muestreo aleatorio simple).

Las observaciones bajo las mismas condiciones iniciales, como resultado de repetidos ensayos independientes del mismo experimento constituye lo que se denomina un muestreo aleatorio simple.

Cuando se realiza una seleccion de objetos de una poblacion formada por un conjunto finito de objetos, la situacion es diferente.

Ejemplo III.7.

En un programa de television el concursante debe sacar una bola de una bolsa, que contiene bolas rojas y negras. Si saca una bola roja, gana el premio; si saca una negra, abandona el concurso. Le dan a elegir entre dos bolsas con 100100 y 4040 bolas, respectivamente, pero no sabe la proporcion de bolas rojas en cada una de ellas. Le dejan sacar 55 bolas de cada bolsa para decidirse.

Podrian haber dos formas de muestrear en el ejemplo anterior:

  1. 1.
    ​

    Después de mezclar todas las bolas, se extrae una bola y se observa su color, dando lugar a X1X_{1}. Se devuelve el objeto a la bolsa, se vuelven a mezclar las bolas, y se extrae otra bola, cuyo color será X2X_{2}, y se devuelve la bola a la bolsa. Se continua el proceso hasta obtener nn colores de nn bolas:

    X1=x1,X2=x2,…,Xn=xn.X_{1}=x_{1},X_{2}=x_{2},\dots,X_{n}=x_{n}\mathchar 46\relax
  2. 2.
    ​

    Tras una mezcla adecuada, se van seleccionando nn bolas de la bolsa, una detrás de otra, sin reemplazo. Este proceso también proporciona una muestra de observaciones:

    X1=x1,X2=x2,…,Xn=xn.X_{1}=x_{1},X_{2}=x_{2},\dots,X_{n}=x_{n}\mathchar 46\relax

En el muestreo con reemplazamiento, X1,…,XnX_{1},\ldots,X_{n} tienen la misma distribucion y son independientes entre si. Pero, en el segundo caso, ya no son independientes.

Cuando el muestreo (poblaciones finitas o infinitas) sea con reemplazamiento, la muestra se denomina muestra aleatoria simple.

Definición III.14 (Muestra aleatoria simple).

Consideremos una variable aleatoria XX, con funcion de densidad fXf_{X}, que recoge una cierta caracteristica de una poblacion. Sea X1,…,XnX_{1},\ldots,X_{n} una muestra aleatoria de la variable XX, es decir, una coleccion de nn medidas de la caracteristica en nn elementos seleccionados al azar.

Se dice que X1,…,XnX_{1},\ldots,X_{n} constituyen una muestra aleatoria simple (m.a.s.) de tamaño nn de XX si:

  1. 1.
    ​

    todos los individuos de la poblacion tienen la misma probabilidad de aparecer en la muestra

  2. 2.
    ​

    las selecciones son independientes unas de otras.

Por tanto, si X∼fX\sim f, tenemos que X1,…,Xn∼i.i.d.fX_{1},\ldots,X_{n}\overset{i\mathchar 46\relax i\mathchar 46\relax d\mathchar 4% 6\relax}{\sim}f.

Notemos que la distribucion conjunta de X1,X2,…,XnX_{1},X_{2},\ldots,X_{n} viene dada por

f(X1=x1,…,Xn=xn)=fX1(x1)⋯fXn(xn)=∏i=1nfX(xi)f(X_{1}=x_{1},\ldots,X_{n}=x_{n})=f_{X_{1}}(x_{1})\cdots f_{X_{n}}(x_{n})=% \prod\limits_{i=1}^{n}f_{X}(x_{i})
Ejemplo III.8.

Estamos analizando el tiempo entre fallos (en años) de un circuito electrónico. Consideramos una m.a.s. X1,…,XnX_{1},\dots,X_{n} correspondiente a observar el tiempo entre fallos para nn circuitos idénticos. El tiempo entre fallos para cada uno de ellos se distribuye

Xi∼Exp(λ),∀i.X_{i}\sim\operatorname{Exp}(\lambda),\quad\forall i\mathchar 46\relax
  • ​

    Obtén la distribución conjunta de la muestra.

  • ​

    La distribución obtenida sirve para calcular probabilidades acerca de la muestra. Calcula la probabilidad de que todos los circuitos electrónicos duren al menos dos años.

Sea XiX_{i} el tiempo entre fallos del circuito ii. Como Xi∼Exp(λ)X_{i}\sim Exp(\lambda), i=1,…,ni=1,\ldots,n, la funcion de densidad de cada variable es

fXi(xi)={λe−λxi,xi>0,0,en otro casof_{X_{i}}(x_{i})=\begin{cases}\lambda e^{-\lambda x_{i}},\;&x_{i}>0,\\ 0,&\text{en otro caso}\end{cases}

Asi, la funcion de distribucion conjunta de la muestra es

fX1,…,Xn(x1,…,xn)={∏i=1nλe−λxi,x1,…,xn>0,0,en otro casof_{X_{1},\ldots,X_{n}}(x_{1},\ldots,x_{n})=\begin{cases}\prod\limits_{i=1}^{n}% \lambda e^{-\lambda x_{i}},\;&x_{1},\ldots,x_{n}>0,\\ 0,&\text{en otro caso}\end{cases}

Ahora queremos calcular la probabilidad de que todos los circuitos duren al menos dos años, es decir, P(X1≥2,…,Xn≥2)P(X_{1}\geq 2,\ldots,X_{n}\geq 2). Como las variables son independientes,

P(X1≥2,…,Xn≥2)=∏i=1nP(Xi≥2)=∏i=1ne−2λ=(e−2λ)nP(X_{1}\geq 2,\ldots,X_{n}\geq 2)=\prod\limits_{i=1}^{n}P(X_{i}\geq 2)=\prod% \limits_{i=1}^{n}e^{-2\lambda}=\left(e^{-2\lambda}\right)^{n}
Ejemplo III.9.

Consideremos ahora el numero de fallos anuales, NN, para el circuito electronico del ejercicio anterior.

  • ​

    Cual es la distribucion de la variable aleatoria NN?

    Sea XiX_{i} el tiempo entre dos fallos consecutivos. Sabemos que XiX_{i} sigue una distribucion exponencial de intensidad λ\lambda. Al tener tiempos entre fallos independientes e identicamente distribuidos segun una exponencial, el proceso de fallos es un proceso de Poisson de intensidad λ\lambda. Por tanto, el numero de fallos en un intervalo de longitud tt sigue una distribucion de Poisson con parametro λt\lambda t.

    NN representa el numero de fallos ocurridos durante un año, por lo que

    N∼Poisson(λ)N\sim\text{Poisson}(\lambda)
  • ​

    Supongamos que se dispone de una muestra de los fallos ocurridos en una muestra de 1010 años, N1,…,N10N_{1},\ldots,N_{10}.

    Si NiN_{i} representa el numero de fallos ocurridos durante el año ii, como los incrementos de un proceso de Poisson en intervalos disjuntos son independientes,

    N1,…,N10N_{1},\ldots,N_{10}

    son variables aleatorias independientes e identicamente distribuidas.

    • •
      ​

      Obtener la funcion de masa conjunta de la muestra.

      Al ser variables independientes, la funcion de masa conjunta es el producto de las funciones de masa individuales:

      P(N1=n1,…,N10=n10)\displaystyle P(N_{1}=n_{1},\ldots,N_{10}=n_{10})
      =∏i=110P(Ni=ni)\displaystyle{}=\prod\limits_{i=1}^{10}P(N_{i}=n_{i})
      =∏i=110e−λλnini!\displaystyle{}=\prod\limits_{i=1}^{10}\frac{e^{-\lambda}\lambda^{n_{i}}}{n_{i% }!}
    • •
      ​

      Encontrar una expresion para la probabilidad de que en alguno de los 1010 años haya ocurrido algun fallo.

      En este caso, es mas sencillo calcular la probabilidad del suceso contrario, es decir, ningun fallo en los 10 años. Esto ocurre cuando

      N1=0,…,N10=0N_{1}=0,\ldots,N_{10}=0

      Como

      P(Ni=0)=e−λλ00!=e−λ,P(N_{i}=0)=\frac{e^{-\lambda}\lambda^{0}}{0!}=e^{-\lambda},

      resulta que

      P(N1=0,…,N10=0)=e−10λP(N_{1}=0,\ldots,N_{10}=0)=e^{-10\lambda}

      y por tanto

      P(N1>0 o ⋯ o N10>0)=1−e−10λP(N_{1}>0\text{ o }\cdots\text{ o }N_{10}>0)=1-e^{-10\lambda}

Supongamos una poblacion finita, es decir, una cantidad finita de posibles resultados {x1,…,xN}\left\{x_{1},\ldots,x_{N}\right\}. Se extrae una muestra X1,…,XnX_{1},\ldots,X_{n} de la poblacion.

El muestreo sin reemplazamiento en poblaciones finitas no da lugar a m.a.s. Sin embargo, si NN es grande en comparacion con nn, X1,…,XnX_{1},\ldots,X_{n} son casi independientes, y se pueden realizar calculos aproximados asumando que lo son.

Por “casi independientes” entendemos que la distribucion condicional

Xi∣X1,…,Xi−1X_{i}\mid X_{1},\ldots,X_{i-1}

no sea muy diferente de la distribucion marginal de XiX_{i}.

Al extraer elementos uno a uno sin reemplazamiento, antes de la extraccion ii-esima ya se han retirado i−1i-1 elementos. Por tanto, en la poblacion quedan

N−(i−1)=N−i+1 elementosN-(i-1)=N-i+1\text{ elementos}

Dado que el muestreo es equiprobable, la probabilidad condicional de seleccionar cualquiera de los elementos disponibles es 1N−i+1\frac{1}{N-i+1}. Estas probabilidades son cercanas a 1N\frac{1}{N} (la probabilidad original) cuando i≤ni\leq n es pequeño en comparacion con NN.

Ejemplo III.10.

Supongamos la poblacion formada por

{1,2,…,1000}\left\{1,2,\ldots,1000\right\}

es decir, N=1000N=1000, y extramos una muestra de tamaño n=10n=10 sin reemplazamiento.

Queremos calcular la probabilidad de que los 1010 elementos de la muestra tengan valor mayor a 200200.

Si fuesen independientes tendriamos

P(X1>200,…,X10>200)=P(X1>200)⋯P(X10>200)=(8001000)10=0,107374P(X_{1}>200,\ldots,X_{10}>200)=P(X_{1}>200)\cdots P(X_{10}>200)=\left(\frac{80% 0}{1000}\right)^{10}=0{,}107374

La probabilidad exacta la podemos calcular definiendo YY la v.a. que cuenta el numero de elementos de la muestra que son mayores que 200200. YY sigue una distribucion hipergeometrica:

P(X1>200,…,X10>200)=P(Y=10)=(80010)(2000)(100010)=0,106164P(X_{1}>200,\ldots,X_{10}>200)=P(Y=10)=\frac{\binom{800}{10}\binom{200}{0}}{% \binom{1000}{10}}=0,106164

La probabilidad calculada asumiendo independencia es una aproximacion razonable de esta probabilidad.