Como elegimos la muestra en el trabajo

Como elegimos la muestra en el trabajo

Para determinar el número de televidentes se evaluara proporcionalmente ambos campamentos a través de encuestas de alternativas

En donde:

n = tamaño de la muestra

N = 2000

Z = 1.96 (para tener un nivel de confianza del 95%)

p = 0,5

e = 5% (margen de error)

Esto quiere decir que se evaluará al 16,15% de la población.

Estratificación

Dividiremos a la población total en los dos campamentos, el A y el B y partir de estos, tomaremos una muestra representativa.

Para el campamento A el tamaño de la muestra estará determinado por:

323/2000=X/900

X = 145,35 -> 146 personas

Para el campamento B el tamaño de la muestra estará determinado por:

323/2000=X/1100

X = 177,65 -> 178 personas

Cómo elegir la muestra: Selección sistemática

Este procedimiento de selección es muy útil y fácil de aplicar e implica el seleccionar dentro de una población N a un número n de elementos a partir de un intervalo K. K es un intervalo que va a estar determinado por el tamaño de la población y el tamaño de la muestra.

K= n/(N ) = 900/146=6,16=6

Se escogerá 1 persona por cada 6 para encuestar, hasta completar el tamaño de la muestra en el campamento A, que en este caso es de 146

Ahora, para el caso del campamento B:

K= n/(N )=1100/178=6,18=6

Al igual que para el caso anterior, se elegirá cada 6 personas a 1 para ser encuestada hasta las 178 personas.

Cómo elegir al primer candidato

La regla de probabilidad dice que cada elemento de la población tiene que tener la misma probabilidad de ser elegido y para esto se mantiene empezando la selección de 1/K al azar.

No empezamos a elegir de los 900 trabajadores del campamento A, desde el 1, 6, 12, 18, sino que procuramos que se empiece al azar.

Así, en este caso, podemos tirar unos dados y si en sus caras muestran 2, 4, 5, empezaremos en el trabajador 245 y seguiremos: 245, 251, 257, etc.

Y si es necesario se deberá volver a empezar por el primer trabajador.

Este procedimiento de selección es poco complicado y su principal ventaja es que cualquier tipo de estratos en una población X, se verán reflejados en la muestra.

Se pueden presentar tres tipos de ensayo de hipótesis que son:

Unilateral Derecho

Unilateral Derecho. El investigador desea comprobar la hipótesis de un aumento en el parámetro

Unilateral Izquierdo

El investigador desea comprobar la hipótesis de una disminución en el parámetro

Bilateral

El investigador desea comprobar la hipótesis de un cambio en el parámetro

ERRORES

Error de tipo I: también denominado error de tipo alfa (α)[1] o falso positivo, es el error que se comete cuando el investigador no acepta la hipótesis nula (Ho) siendo esta verdadera en la población

Error de tipo II: también llamado error de tipo beta (β) (β es la probabilidad de que exista este error) o falso negativo, se comete cuando el investigador no rechaza la hipótesis nula siendo esta falsa en la población. Es equivalente a la probabilidad de un resultado falso negativo

O también puede ser esto está mas largo

Un error de tipo I, también conocido como un error de la primera clase, se produce cuando la hipótesis nula es verdadera, pero se rechaza. Se está afirmando algo que está ausente, un éxito falso. Un error de tipo I se puede comparar con lo que se denomina falso positivo en las pruebas de que una sola condición se prueba para. Errores de tipo I son un enfoque filosófico del escepticismo y de la navaja de Occam. Un error de tipo I se produce cuando creemos una mentira. En términos de los cuentos populares, un investigador puede ser "falsas alarmas" sin un lobo a la vista.

El tipo del error de tipo I se llama el tamaño de la prueba y denotada por la letra griega una. Por lo general, es igual al nivel de significación de la prueba. En el caso de una simple hipótesis nula a es la probabilidad de un error de tipo I. Si la hipótesis nula es de material compuesto, a es el máximo de los posibles probabilidades de un error de tipo I.

Error de falsos positivos

Un error de falsos positivos, comúnmente llamada una "falsa alarma" es un resultado que indica una determinada condición se ha cumplido, cuando en realidad no se ha cumplido. En el caso de "falsas alarmas" - la condición probada es "¿Hay un lobo cerca de la manada", el resultado real fue que no había sido un lobo cerca de la manada.

...