MUE-

MUE-CV
REV00

ING. EN AGROTECNOLOGA

MUESTREO
ESTADSTICO
DIRECTORIO

Lic. Emilio Chuayffet Chemor

Secretario de Educacin Pblica

Dr. Fernando Serrano Migalln

Subsecretario de Educacin Superior

Mtro. Hctor Arreola Soria

Coordinador General de Universidades Tecnolgicas y Politcnicas

Dr. Gustavo Flores Fernndez

Coordinador de Universidades Politcnicas

II
PGINA LEGAL

L.M.A. Gabriel Hugo Garca Lpez - Universidad Politcnica del Sur de Zacatecas.

Primera Edicin: 2013

DR 2013 Coordinacin de Universidades Politcnicas.

Nmero de registro:
Mxico, D.F.

ISBN-----------------

III
NDICE

INTRODUCCIN ...............................................................................................................................1
PROGRAMA DE ESTUDIOS ..............................................................................................................3
FICHA TCNICA ...............................................................................................................................4
DESARROLLO DE LAS PRACTICAS O PROYECTOS .........................................................................6
INSTRUMENTOS DE EVALUACIN .................................................................................................8
GLOSARIO .................................................................................................................................... 17
BIBLIOGRAFA ............................................................................................................................. 27

IV
INTRODUCCIN

En la investigacin cientfica es habitual que se empleen muestras como medio de

acercarse al conocimiento de la realidad. Sin embargo, para que a travs de las muestras
sea posible reproducir el universo con la precisin que se requiera en cada caso, es
necesario que el diseo muestral se base en los principios de las tcnicas de muestreo.
La estadstica parte de dos conceptos: elemento, o sea los objetos de los cuales se toman
mediciones, y poblacin, que es una coleccin de elementos acerca de los cuales se desea
tener un conocimiento. Uno de los problemas claves en cualquier estudio es justamente
definir la poblacin y los elementos que la conforman. Ello de pender de los objetivos que
se persigan en el estudio a realizar. Por ejemplo, se puede considerar como poblacin, en un
estudio de control de calidad, todas las unidades que se producen en una fbrica y cada
unidad producida ser un elemento de esa poblacin.

En muestreo se entiende por poblacin a la totalidad del universo que interesa estudiar, y
que es necesario que est bien definido para que se sepa en todo momento que elementos
lo componen. No obstante, cuando se realiza un trabajo puntual, conviene distinguir entre
poblacin terica:
terica conjunto de elementos a los cuales se quiere extrapolar los resultados, y
poblacin estudiada:
estudiada conjunto de elementos accesibles en nuestro estudio.

Cuando se realiza un censo se puede realizar con los elementos estudiados lo que se
conoce como estadstica descriptiva,
descriptiva es decir, se pueden describir las caractersticas de los
elementos de esa poblacin.

La realizacin de un censo no siempre es posible, por diferentes motivos: a) economa: el

estudio de todos los elementos que componen una poblacin, sobre todo si esta es grande,
suele ser un problema costoso en tiempo, dinero, etc; b) que las pruebas a las que hay que

1
someter a los sujetos sean destructivas; c) que la poblacin sea infinita o tan grande que
exceda las posibilidades del investigador.

Cuando no es posible realizar un censo, es decir, estudiar a todos los elementos que
constituyen la poblacin se acude a estudiar una parte de esa poblacin, lo que se llama
una muestra, y entonces se dice que el estudio se realiza mediante muestreo. Pero el
inters de realizar un estudio por muestreo consiste en la capacidad que tenga la muestra
para generalizar sus resultados a la poblacin de la cual se obtuvo la muestra. Aqu surge la
otra rama de la estadstica: la estadstica inferencial.
inferencial

2
 PROGRAMA DE ESTUDIO

DATOS GENERALES

NOMBRE DEL PROGRAMA EDUCATIVO: Ingeniera en Agrotecnologia

OBJETIVO DEL PROGRAMA EDUCATIVO: Formar profesionistas con valores que le permiten el manejo para el desarrollo sustentable de la produccin animal, vegetal, forestal y acucola; capaces de fortalecer a las empresas desde la produccin, comercializacin y transferencia tecnolgica para el suministro del alimento.

NOMBRE DE LA ASIGNATURA: Muestreo estadistico

CLAVE DE LA ASIGNATURA: MUE-CV

OBJETIVO DE LA ASIGNATURA: El alumno ser capaz de contar con los conocimientos tcnicos necesarios para la recopilacin de datos de campo y procesarlos mediante tcnicas estadsticas.

TOTAL HRS. DEL CUATRIMESTRE: 90

FECHA DE EMISIN: 5 de julio del 2010

UNIVERSIDADES PARTICIPANTES: Universidad Politecnica del Sur de Zacatecas, Universidad Politecnica de Francisco I. Madero, Universidad Politecnica de Guanajuato

CONTENIDOS PARA LA FORMACIN ESTRATEGIA DE APRENDIZAJE EVALUACIN

TECNICAS SUGERIDAS ESPACIO EDUCATIVO MOVILIDAD FORMATIVA TOTAL DE HORAS

OBSERVACIN
MATERIALES TERICA PRCTICA
UNIDADES DE APRENDIZAJE RESULTADOS DE APRENDIZAJE EVIDENCIAS EQUIPOS REQUERIDOS
REQUERIDOS
PARA LA ENSEANZA PARA EL APRENDIZAJE PROYECTO PRCTICA
AULA LABORATORIO OTRO TCNICA INSTRUMENTO
(PROFESOR) (ALUMNO) Presencial NO Presencial Presencial NO Presencial

Al completar la unidad de aprndizaje el alumno

ser capaz de: Cuestionario para los
EC1: Resuelve cuestionario sobre Exposicin sobre los principios
*Describir los principios basicos de muestreo. Instruccin programada y Biblioteca Centro Pintarrn, plumones, principios basicos del
Unidad I: Teoria de Muestreo principios basicos del muestreo y de de muestreo, resolucin de X N/A N/A N/A Caon, Computadora 5 0 5 0 Documental
*Resolver problemas con las distribuciones ejercitacin de computo diapositivas y libros muestreo y de distribuciones
distribuciones muestrales. ejercicios sobre distribuciones.
Muestrales. muestrales.

Al completar la unidad de aprendizaje el alumno EC1: Resuelve cuestionario sobre Cuestionario para muestreo
ser capaz de: Muestreo aleatorio simple y Muestreo aleatorio simple y sistemtico.
Exposicin, solucin de Instruccin programada y Biblioteca Centro Pintarrn, plumones,
*Definir las caracteristicas principales del aleatorio sistematico. X N/A N/A N/A Caon, Computadora Documental Rubrica para cuadro
ejercicios. ejercitacin de computo diapositivas y libros
Muestreo aleatorio simple y Muestreo aleatorio EP1: Elabora cuadro comparativo de comparativo de muestreo
sistemtico muestreo aleatorio o sistemtico. aleatorio simple y sistemtico

Unidad II: Muestreo aleatorio simple y

Muestreo aleatorio sistematico
10 0 8 8

Gua de Observacin para la

ED1: Exposicin de la practica de campo
*Obtener una Muestra aleatoria simple o Experiencia Estructurada, Biblioteca Centro Muestreo aleatorio Pintarrn, plumones, prctica de campo aplicando
aplicando Muestreo aleatorio simple o Practica mediante la accin. X N/A N/A Caon, Computadora De campo
sistemtica para determinar la poblacin de Ejercitacin. de computo simple y sistematico. diapositivas y libros Muestreo aleatorio simple o
Muestreo aleatorio sistemtico.
plantas en las regiones de interes. sistemtico.

Al completar la unidad de aprendizaje el alumno

ser capaz de: EC1: Elabora cuestionario sobre Cuestionario para muestreo
Exposicin, solucin de Instruccin programada y Biblioteca Centro Pintarrn, plumones y
*Describir las caracteristicas principales del muestreo estratificado y muestreo por X N/A N/A N/A Caon, Computadora Documental estratificado y por
ejercicios. ejercitacin de computo diapositivas
muestreo estratificado y muestreo por conglomerados conglomerados
conglomerados.

Unidad III: Muestreo estratificado y

Muestreo por conglomerados
10 0 7 7

Lista de cotejo para practica

EP1: Elabora reporte de practica de
*Utilizar el muestreo estratificado o un muestreo Experiencia Estructurada, Biblioteca Centro Muestreo estratificado Pintarrn, plumones, de campo aplicando muestreo
campo aplicando muestreo estratificado Practica mediante la accin. X N/A N/A Caon, Computadora Documental
por conglomerados para determinar las Ejercitacin. de computo y por conglomerados diapositivas y libros estratificado o por
o por conglomerados.
caracteristicas de la regin en estudio conglomerados.

Al completar la unidad de aprendizaje el alumno

EC1: Resuelve ejercicios sobre Rubrica para ejercicios sobre
Unidad IV: Estimacin e Intervalos de ser capaz de: Exposicin, solucin de Instruccin programada y Biblioteca Centro Pintarrn, plumones y
Confianza *Estimar parmetros e intervalos de confianza en
los analisis de muestreo.
estimacin de parmetros e intervalos
de confianza.
ejercicios. ejercitacin
X N/A
de computo
N/A N/A
diapositivas
Caon, Computadora 10 0 5 0 Documental estimacin de parmetros e
intervalos de confianza. 3

ED1: Utiliza los paquetes estadsticos

Al completar la unidad de aprendizaje el alumno para determinar los indicadores Gua de observacin para
ser capaz de: pertinentes de produccin o Exposicin, solucin de Instruccin programada y Biblioteca Centro Pintarrn, plumones y determinar los indicadores
Unidad V: Prueba de Hiptesis X N/A N/A N/A Caon, Computadora 10 0 5 0 De campo
*Tomar decisiones con base a las hiptesis reproduccin in situ mediante la ejercicios. ejercitacin de computo diapositivas pertinentes de produccin o
estidisticas con nivel de significancia. interpretacin de los resultados reproduccin in situ
obtenidos.
 FICHA TCNICA

MUESTREO ESTADISTICO

Nombre: Muestreo estadstico

Clave: MUE-CV
La adquisicin de informacin es un proceso que requiere de mayor eficiencia
Justificacin: en tiempo, dinero y esfuerzo para la toma de decisiones en el mbito
agropecuario.
El alumno ser capaz de contar con los conocimientos tcnicos necesarios
Objetivo: para la recopilacin de datos de campo y procesarlos mediante tcnicas
estadsticas.
Matemticas, adquisicin de informacin, toma de decisiones, toma de
Habilidades:
muestras, procesamiento, interpretacin y uso de informacin.
Las competencias transversales o genricas son aquellas que sustentan el
aprendizaje durante toda la vida y la profesin en diversas situaciones y
Competencias contextos, y se refieren a capacidades para anlisis y sntesis; para aprender;
genricas a para resolver problemas; para aplicar los conocimientos en la prctica; para
desarrollar: adaptarse a nuevas situaciones; para cuidar la calidad; para gestionar la
informacin; y para trabajar en forma autnoma y en equipo.

Capacidades a desarrollar en la asignatura Competencias a las que contribuye la

Realizar el muestreo estadstico de las
poblaciones para definir el impacto de los
sistemas productivos en las poblaciones
naturales a travs de metodologas
biolgicas experimentales
Interpretar los resultados de estudio de
campo para realizar el inventario de las
poblaciones naturales mediante
herramientas bioestadsticas.
Utilizar paquetes estadsticos para
determinar los indicadores pertinentes de
produccin o reproduccin in situ mediante
asignatura
Determinar la dinmica natural de la
poblacin para definir el impacto de los
sistemas productivos en las poblaciones
naturales mediante tcnicas
bioestadsticas.
Elaborar inventarios de las poblaciones
naturales para minimizar el impacto
ambiental y el aprovechamiento de los
sistemas extensivos a travs de mtodos y
tcnicas bioestadsticas.
Organizar la informacin estadstica del
hbitat mediante mtodos y tcnicas

4
 la interpretacin de los resultados estadsticas para el desarrollo de proyectos
obtenidos. de produccin o reproduccin sustentable

HORAS TEORA HORAS PRCTICA

No
Unidades de aprendizaje No
presenci
presencial presencial presencial
al
Teora de muestreo
5 0 5 0

Muestreo aleatorio simple

Estimacin de tiempo y muestreo aleatorio 10 0 8 8
(horas) necesario para sistematico
transmitir el aprendizaje
al alumno, por Unidad
de Aprendizaje: Muestreo estratificado y
muestreo por 10 0 7 7
conglomerados

Estimacin e intervalos de
10 0 5 0
confianza

Prueba de hiptesis 10 0 5 0
Total de horas por
90
cuatrimestre:
Total de horas por
6
semana:
Crditos: 6

5
 DESARROLLO DE LA PRCTICA MUESTREO ALEATORIO SIMPLE Y MUESTREO
ALEATORIO SISTEMTICO

Muestreo Estadstico
Nombre de la asignatura:

Nombre de la Unidad de Muestreo Aleatorio Simple y Muestreo Aleatorio Sistemtico.

Aprendizaje:
Nombre de la prctica:
Muestreo Aleatorio Simple y Sistemtico.

1 Duracin (horas) : 8
Nmero de prctica:
Obtener una muestra aleatoria simple o sistemtica para determinar la
Resultado de
poblacin de plantas en las regiones de inters
aprendizaje:
Requerimientos de
Pintarrn, plumones, can, computadoras y diapositivas
material o equipo
El profesor expone a los alumnos sobre los temas relacionados
con el Muestreo Aleatorio Simple y Muestreo Aleatorio
Sistemtico:
o Definir los conceptos bsicos de Muestreo Aleatorio Simple.
o Obtener muestras utilizando el Muestreo Aleatorio Simple.
o Definir los conceptos bsicos de Muestreo Aleatorio
Actividades a desarrollar: Sistemtico.
o Obtener muestras utilizando el Muestreo Aleatorio
Sistemtico.
El alumno analiza y comprende los conceptos.
El alumno realiza practica Muestreo Aleatorio Simple y Muestreo
Aleatorio Sistemtico
El alumno resuelve cuestionario.

Evidencias a las que contribuye el desarrollo de la actividad:

ED1: Exposicin de la prctica de campo aplicando el muestreo aleatorio simple o muestreo aleatorio
sistemtico.

6
 DESARROLLO DE LA PRCTICA MUESTREO ESTRATIFICADO Y MUESTREO POR
CONGLOMERADOS

Muestreo Estadstico
Nombre de la asignatura:

Nombre de la Unidad de Muestreo Estratificado y por Conglomerados

Aprendizaje:

Nombre de la Prctica Muestreo Estratificado y por Conglomerados

Nmero de prctica: 2 Duracin (horas) : 7

Resultado de Utilizar el muestreo estratificado o un muestreo por conglomerados para

aprendizaje: determinar las caractersticas de la regin en estudio.

Pintarrn, plumones, diapositivas, libros, caon y computadora.

Requerimientos de
material o equipo
El profesor expone a los alumnos sobre los temas relacionados con
el Muestreo Estratificado y Muestreo por Conglomerados
o Definir los conceptos bsicos de Muestreo Estratificado.
o Obtener muestras utilizando el Muestreo Estratificado.
o Definir los conceptos bsicos de Muestreo por Conglomerados.
Actividades a desarrollar: o Obtener muestras utilizando el Muestreo por Conglomerados.
El alumno analiza y comprende los conceptos.
El alumno realiza practica Muestreo Estratificado y Muestreo por
Conglomerados
El alumno resuelve cuestionario.

Evidencias a las que contribuye el desarrollo de la actividad:

EP1: Elabora reporte de prctica de campo aplicando muestreos estratificado o por conglomerados

7
8
 CUESTIONARIO PARA LOS PRINCIPIOS BSICOS
LOGOTIPO DE LA
DEL MUESTREO
MUESTREO Y DE DISTRIBUCIONES
UNIVERSIDAD
MUESTRALES

UNIVERSIDAD POLITCNICA DE ________________________

MUESTREO ESTAD
ESTADSTICO
ADSTICO

NOMBRE DEL ALUMNO:

INSTRUCCIONES

Lee cuidadosamente las siguientes preguntas y contesta adecuadamente:

1. Define los siguientes conceptos:

a) Estadstica Inferencial
b) Poblacin
c) Muestra
d) Variable
e) Parmetro
f) Estadstico
g) Distribucin Muestral

2. Por ejemplo, supongamos que deseamos medir el rendimiento acadmico de los

nios escolarizados en la regin de sexto ao de primaria, pero por problemas
econmicos solo es posible acceder a los nios de zonas urbanas. Conteste lo
siguiente:

a) A quin deseo generalizar los resultados (poblacin terica)?

b) A quin puedo acceder en el estudio (poblacin muestreada)?
c) Cmo puedo acceder a ellos? (Marco de muestreo-procedimiento de seleccin de la
muestra)

9
 CUESTIONARIO PARA MUESTREO ALEATORIO LOGOTIPO DE LA
SIMPLE Y SISTEMTICO UNIVERSIDAD

UNIVERSIDAD POLITCNICA DE ________________________

MUESTREO ESTA
ESTADSTICO

NOMBRE DEL ALUMNO:

ALUMNO:

INSTRUCCIONES
1.- Una muestra aleatoria de tamao n=400 estudiantes es seleccionada de una poblacin de N=4000 estudiantes para estimar el peso promedio
de los estudiantes. La media muestral y la varianza muestral fueron determinadas como y = 140 lbs y s = 225 . Encuentre el intervalo de
2

confianza del 95% para la media poblacional.

2.- La siguiente tabla presenta la edad y los ingresos anuales (en miles de pesos) de los 45 empleados de la compaa TESTA.
ENCUESTADO EDAD INGRESOS ENCUESTADO EDAD INGRESOS ENCUESTADO EDAD INGRESOS
1 35 78.3 16 44 17.9 31 35 43.3
2 64 25.7 17 27 20.4 32 25 22
3 33 40.5 18 40 26.3 33 53 10.2
4 23 20.2 19 33 21.6 34 35 41.3
5 33 25.2 20 38 48.7 35 43 54.2
6 60 35.7 21 41 18.4 36 33 19.8
7 37 15 22 32 15.4 37 48 50
8 25 18 23 58 53.7 38 29 23.6
9 39 60.8 24 28 17 39 26 19.3
10 35 38.4 25 18 11.5 40 23 16
11 35 31 26 33 17.7 41 30 18.1
12 49 76.6 27 34 1.8 42 53 21.7
13 34 33.3 28 48 32.8 43 53 39
14 50 15.8 29 21 16.3 44 43 30.9
15 49 27.5 30 26 44.7 45 30 32.3
a) Utilice los nmeros aleatorios siguientes (en el orden que estn) para obtener una muestra aleatoria simple sin reemplazo de empleados de
tamao 5: 0.83424, 0.43635, 0.69307, 0.87774, 0.10535, 0.94459, 0.34425, 0.59219, 0.27285, 0.49098
b) Estime los ingresos promedio de los empleados de manera puntual y con un intervalo de confianza de 99%.

10
 LOGOTIPO DE LA
RUBRICA PARA CUADRO COMPARATIVO DE MUESTREO UNIVERSIDAD
ALEATORIO SIMPLE Y SISTEMTICO

UNIVERSIDAD POLITCNICA DE ________________________

NOMBRE DE LA ASIGNATURA: MUESTREO ESTADSTIO

Aspecto a evaluar Competente Independiente Bsico avanzado Bsico umbral No competente

10 9 8 7 6
Anlisis y sntesis Establece de Muestra los puntos Indica parcialmente Muestra algunas El resumen no
manera sintetizada elementales del los conceptos ideas referentes al plantea las ideas
de la informacin
las ideas centrales texto original de elementales del tema, pero no las principales; no
(4 puntos) del texto original y forma sintetizada. texto original. ideas centrales. recupera el
las relaciones contenido del texto
existentes entre sus original.
contenidos.
Organizacin de la Presenta las ideas Presenta el Presenta el Presenta los El resumen no
principales del concepto principal, concepto principal, conceptos, pero no presenta el
informacin
texto, agrupa los agrupa los pero no agrupa los identifica el concepto principal,
(3 puntos) conceptos y los conceptos y los conceptos ni los concepto principal, no identifica el
jerarquiza de lo jerarquiza de lo jerarquiza de lo no agrupa los concepto principal,
general a lo general a lo general a lo conceptos ni los no agrupa los
especfico especifico; no logra especfico, no logra jerarquiza de lo conceptos ni los
apropiadamente y articular un orden articular un orden general a lo jerarquiza de lo
logra un orden al entre los entre los especfico, no logra general a lo
presentar sus ideas. contenidos. contenidos. articular un orden especfico, no logra
entre los articular un orden
contenidos. entre los
contenidos.
Forma Elementos a Cumple con cuatro Cumple con tres de Cumple con dos de No rene los
considerar: de los elementos los elementos los elementos criterios mnimos
(3 puntos
1. Encabezado requeridos. requeridos. requeridos. para elaborar un
2. Fuente resumen.
3. Contenidos
alineados
4. Ortografa
5. Referencias
bibliogrficas.

11
 LOGOTIPO DE LA
GUIA DE OBSERVACIN PARA LA PRCTICA DE CAMPO UNIVERSIDAD
APLICANDO MUESTREO ALEATORIO SIMPLE O SISTEMTICO

UNIVERSIDAD POLITCNICA DE ________________________

MUESTREO ESTADSTICO
INSTRUCCIONES
Revisar los documentos o actividades que se solicitan y marque en los apartados SI cuando la evidencia a evaluar se
cumple; en caso contrario marque NO. En la columna OBSERVACIONES ocpela cuando tenga que hacer
comentarios referentes a lo observado.
Valor CUMPLE
del Caracterstica a cumplir (Reactivo) OBSERVACIONES
reactivo SI NO
5% Llega puntual a la prctica de campo

5% Desarrolla la capacidad de trabajar en equipo

10% Selecciona y evala estrategias adecuadas para resolver los

problemas estadsticos

25% Aplica las instrucciones suficientes y necesarias para mostrar la

solucin del problema planteado.

20% Representa el contenido estadstico en forma verbal y/o grfico

15% Expresa correctamente los resultados obtenidos

20% Presenta discusin y conclusiones

100%
100% CALIFICACIN:

12
 LOGOTIPO DE LA
CUESTIONARIO PARA MUESTREO ESTRATIFICADO Y POR UNIVERSIDAD
CONGLOMERADOS

UNIVERSIDAD POLITCNICA DE: ________________________

DATOS GENERALES DEL PROCESO DE EVALUACIN

Nombre(s) del alumno(s): Matricula: Firma del alumno(s):

Producto: ASIGNATURA: MUESTREO ESTADSTICO Fecha:

Nombre del Profesor: Periodo cuatrimestral:

Firma del Profesor:

1. Describe los principales criterios usados en la estratificacin.

2. Menciona las principales ventajas y desventajas de los muestreos estratificado y por conglomerados
3. Indica los principales tipos de estratificacin.
4. Define loS siguientes trminos:
a) Notacin
b) Parmetros y estimadores
c) Intensidad de muestreo
d) Anlisis de varianza
e) Precisin relativa

5. Describe la estructura del conglomerado.

13
 LISTA DE COTEJO PARA PRCTICA DE CAMPO APLICANDO MUESTREO
ESTRATIFICADO O POR CONGLOMERADOS

UNIVERSIDAD POLITCNICA DE: ________________________

DATOS GENERALES DEL PROCESO DE EVALUACIN

Nombre(s) del alumno(s): Matricula: Firma del alumno(s):

Producto: Nombre de la Tcnica de anlisis: Fecha:

MUESTREO ESTADSTICO Periodo cuatrimestral:

Nombre del Profesor: Firma del Profesor:

INSTRUCCIONES
Revisar las actividades que se solicitan y marque en los apartados SI cuando la evidencia se cumple; en caso
contrario marque NO. En la columna OBSERVACIONES indicaciones que puedan ayudar al alumno a saber cules
son las condiciones no cumplidas, si fuese necesario.
Valor CUMPLE
del Caracterstica a cumplir (Reactivo) OBSERVACIONES
reactivo SI NO
10 % Disea tablas o fichas para la toma de datos

10 % Desarrolla la capacidad de trabajo en grupo

10 % Identifica las variables implicadas
10 % Identifica el anlisis estadstico adecuado al problema
20 % Ejecuta el anlisis estadstico sobre los datos tomados
10 % Elabora tabla de resultados
20 % Elabora conclusiones
10 % Entrega en tiempo y forma
100
100 % CALIFICACIN:

14
 LOGOTIPO DE LA
RUBRICA PARA EJERCICIOS SOBRE ESTIMACIN DE UNIVERSIDAD
PARAMETROS E INTERVALOS DE CONFIANZA
Aspecto a evaluar Competente Independiente Bsico avanzado Bsico umbral No competente
10 9 8 7 6
Anlisis y sntesis Establece de Muestra los puntos Indica parcialmente Muestra algunas El resumen no
manera sintetizada elementales del los conceptos ideas referentes al plantea las ideas
de la informacin
las ideas centrales texto original de elementales del tema, pero no las principales; no
(4 puntos) del texto original y forma sintetizada. texto original. ideas centrales. recupera el
las relaciones contenido del texto
existentes entre sus original.
contenidos.
Organizacin de la Presenta las ideas Presenta el Presenta el Presenta los El resumen no
principales del concepto principal, concepto principal, conceptos, pero no presenta el
informacin
texto, agrupa los agrupa los pero no agrupa los identifica el concepto principal,
(3 puntos) conceptos y los conceptos y los conceptos ni los concepto principal, no identifica el
jerarquiza de lo jerarquiza de lo jerarquiza de lo no agrupa los concepto principal,
general a lo general a lo general a lo conceptos ni los no agrupa los
especfico especifico; no logra especfico, no logra jerarquiza de lo conceptos ni los
apropiadamente y articular un orden articular un orden general a lo jerarquiza de lo
logra un orden al entre los entre los especfico, no logra general a lo
presentar sus ideas. contenidos. contenidos. articular un orden especfico, no logra
entre los articular un orden
contenidos. entre los
contenidos.
Forma Elementos a Cumple con cuatro Cumple con tres de Cumple con dos de No rene los
considerar: de los elementos los elementos los elementos criterios mnimos
(3 puntos)
1. Encabezado requeridos. requeridos. requeridos. para elaborar un
2. Fuente resumen.
3. Contenidos
alineados
4. Ortografa
5. Referencias
bibliogrficas.

15
 GUIA DE OBSERVACIN PARA DETERMINAR LOS LOGOTIPO DE LA
INDICADORES PERTINENTES DE PRODUCCIN O UNIVERSIDAD
REPRODUCCIN IN SITU

UNIVERSIDAD POLITCNICA DE ________________________

MUESTREO ESTADSTICO
INSTRUCCIONES
Revisar los documentos o actividades que se solicitan y marque en los apartados SI cuando la evidencia a evaluar se
cumple; en caso contrario marque NO. En la columna OBSERVACIONES ocpela cuando tenga que hacer
comentarios referentes a lo observado.
Valor CUMPLE
del Caracterstica a cumplir (Reactivo)
(Reactivo) OBSERVACIONES
reactivo SI NO
5% Llega puntual a la prctica de campo

5% Desarrolla la capacidad de trabajar en equipo

10% Selecciona y evala estrategias adecuadas para resolver los

problemas estadsticos

25% Aplica las instrucciones suficientes y necesarias para mostrar la

solucin del problema planteado.

20% Representa el contenido estadstico en forma verbal y/o grfico

15% Expresa correctamente los resultados obtenidos

20% Presenta discusin y conclusiones

100%
100% CALIFICACIN:

16
GLOSARIO
GLOSARIO

AMPLITUD O RANGO.-
RANGO La diferencia entre el valor mximo y mnimo de los valores de una
variable se encuentran comprendidos el 100% de los valores mustrales.

ANOVA.-
ANOVA Anlisis de la varianza. Es una tcnica estadstica que sirve para decidir/determinar
si las diferencias que existen entre las medias de tres o ms grupos (niveles de clasificacin)
son estadsticamente significativas. Las tcnicas de ANOVA se basan en la particin de la
varianza para establecer si la varianza explicada por los grupos formados es
suficientemente mayor que la varianza residual o no explicada.

REA BAJO LA CURVA (entre dos puntos).- Si la curva viene dada por una funcin de
densidad terica, representa la probabilidad de que la variable aleatoria tome un valor
dentro del intervalo determinado por esos dos puntos.

CARACTERSTICAS.-
CARACTERSTICAS Propiedades de las unidades o elementos que componen las muestras.
Se miden mediante variables. Se asume que los individuos presentan diferentes
caractersticas.

CAUSALIDAD.-
CAUSALIDAD Relacin entre causa y efecto. Generalmente identificados como variables. No
hay que confundir causalidad con correlacin. La correlacin mide la similitud estructural
numrica entre dos variables. Normalmente la existencia de correlacin es condicin
necesaria para la causalidad.

COEFICIENTE DE CORRELACIN.-
CORRELACIN Estadstico que cuantifica la correlacin. Sus valores estn
comprendidos entre 1 y 1

COEFICIENTE DE DETERMINACIN.-
DETERMINACIN Es el cuadrado del coeficiente de correlacin. Expresado
en tanto por ciento mide el grado de informacin compartida entre dos variables continuas.

COEFICIENTE DE VARIACIN.-
VARIACIN Es una medida de dispersin relativa. No tiene unidades y se
calcula dividiendo la cuasi-desviacin tpica entre la media muestral. Se suele expresar en
tanto por ciento.

17
CONTRASTE BILATERAL.-
BILATERAL Contraste de hiptesis en la que la hiptesis alternativa da opcin a
igualdad o superioridad.

CONTRASTE DE HIPTESIS.-
HIPTESIS Es el proceso estadstico que se sigue para la toma de
decisiones a partir de la informacin de la muestra. Comparando el valor del estadstico
experimental con el valor terico rechazamos o no la hiptesis nula.

CONTRASTE UNILATERAL.-
UNILATERAL Contraste de hiptesis en la que la hiptesis alternativa de opcin
a solo igualdad o a solo superioridad.

CORRELACIN.-
CORRELACIN Expresa la concordancia entre dos variables segn el sentido de la relacin
de stas en trminos de aumento disminucin.

COVARIABLES.-
COVARIABLES Variables continuas independientes que junto a una o ms variables (grupo
de tratamiento) sirven para explicar una variable respuesta continua.

COVARIANZA.-
COVARIANZA Representa la media del producto de las desviaciones de dos variables en
relacin a su media.

CUARTILES.-
CUARTILES Existen tres cuartles: Q1, Q2 y Q3. Estos nmeros dividen a los valores
mustrales, una vez ordenados, en cuatro partes homogneas en cuanto a nmero de
observaciones. As Q1 determina el valor que hace que haya un 25% de valores mustrales
por debajo de ste, y un 75% por encima de ste. Q2 es la mediana.

DATOS PAREADOS.-
PAREADOS Datos de poblaciones dependientes, donde los datos de las variables
van emparejados por individuos, en contraposicin con los datos independientes.

DECILES.-
DECILES. Corresponden a los percentiles 10%, 20%, 30%, 40%, 50%, 60%, 70% 80%, 90% y
100%

DESCRIPTIVA.-
DESCRIPTIVA Parte de la estadstica que resume la informacin de la muestra. La
informacin recogida y resumida en los estadsticos se usa para la estimacin de
parmetros poblacionales.

DESVIACIN ESTANDAR (TPICA).-

(TPICA) Caracterstica de una muestra o poblacin que cuantifica
su dispersin o variabilidad. Tiene las mismas unidades que la variable. La desviacin tpica
es invariante con respecto al origen de la distribucin. Su cuadrado es la varianza.

18
DIAGRAMA DE PUNTOS.-
PUNTOS Es un grfico bidimensional o tridimensional que muestra la
variacin de los valores mustrales de dos o tres variables.

DIAGRAMAS DE BARRAS.-
BARRAS Representacin grfica para las variables discretas.

DIFERENCIAS ESTADSTICAMENTE SIGNIFICATIVAS.-

SIGNIFICATIVAS Las diferencias entre lo observado y lo
supuesto en la hiptesis nula no puede ser explicado por el azar.

DIFERENCIAS RELEVANTES.-
RELEVANTES Diferencia esperada o definida a priori con un valor conceptual
intrnseco. No confundir diferencias estadsticamente significativas que establece s una
diferencia, cualquiera que sea su valor.

DIMENSIN.-
DIMENSIN Si estudiamos una nica variable la dimensin es uno, si estudiamos la
informacin de dos variables en forma conjunta, la dimensin es dos.....

DISPERSIN.-
DISPERSIN Ver estadsticos de dispersin.

DISTRIBUCIN
DISTRIBUCIN DE DATOS.-
DATOS En la realizacin de un experimento, corresponde a la recogida
de los datos experimentales para cada individuo y cada variable.

DISTRIBUCIN NORMAL O DE GAUSS.-

GAUSS Es una distribucin terica de probabilidad que se
usa tanto en la estadstica aplicada como en la terica. Aparece en la prctica con mucha
frecuencia como consecuencia del importante resultado que establece el teorema central
del lmite. Tiene una forma de campana y viene caracterizada por nicamente dos valores: la
media y la varianza.

DISTRIBUCIN T STUDENT.-
STUDENT Distribucin terica de probabilidad. Se usa para la
comparacin de dos medias en poblaciones independientes y normales.

ECUACIN DE LA REGRESIN.-
REGRESIN Ver recta de regresin.

ERROR ALFA.-
ALFA Es el error que se comete cuando se rechaza una hiptesis nula cuando est
verdadera. Error de tipo I.

ERROR BETA.-
BETA Es el error que se comete cuando no se rechaza una hiptesis nula siendo
sta falsa. Error de tipo II.

ERROR DE TIPO I.-

I Ver error alfa.

19
ERROR DE TIPO II.-
II Ver error beta.

ERROR ESTANDAR DE LA MEDIA.-

MEDIA Es el cociente entre la cuasi varianza muestral y la raz
cuadrada del tamao muestral.

ERROR ESTANDAR DE LOS RESIDUOS.-

RESIDUOS Estadstico de dispersin de los valores de los
residuos despus de la regresin.

ESCALA.-
ESCALA La distribucin de datos puede recogerse en distintas escalas: nominal,
dicotmica, discreta o continua.

ESTADSTICOS.-
ESTADSTICOS Son funciones de la muestra. Su valor variar segn la muestra, pero nos
permite hacer estimaciones de parmetro poblacionales o construir estadsticos
experimentales para tomar decisiones.

ESTADSTICOS DE CENTRALIZACIN.-
CENTRALIZACIN Son estadsticos que nos resumen la informacin
acerca del valor donde parece concentrarse la distribucin de datos.

ESTADSTICOS DE DISPERSIN.-
DISPERSIN Son estadsticos que nos resumen la informacin de la
muestra dndonos informacin acerca de la magnitud del alejamiento de la distribucin de
datos en relacin a un valor central o de concentracin de los datos.

ESTADSTICOS DE FORMA.-
FORMA Son aquellos que nos hablan de la forma de la distribucin de
datos en cuanto a su simetra y su apuntamiento.

ESTIMACIN.-
ESTIMACIN Tcnicas estadsticas que a partir de la informacin de la estadstica
descriptiva pretenden conocer cmo es la poblacin en global. Existen tcnicas de
estimacin puntuales y por intervalos de confianza.

ESTIMADO.-
ESTIMADO Valor experimental que se toma como candidato al valor poblacional
desconocido.

ESTIMADOR.-
ESTIMADOR Funcin de la muestra que sirve para dar valores candidatos a los valores
desconocidos poblacionales.

FACTOR
FACTOR.-
TOR Variable que se incluye en un modelo con el propsito de explicar la variacin en la
variable respuesta. Ver variable independiente o explicativa.

20
FACTOR DE CLASIFICACIN.-
CLASIFICACIN Es una variable que se usa para clasificar los datos
experimentales en grupos. Los factores de clasificacin son variables nominales. Cada
factor de clasificacin se compone de niveles. As la variable fumador codificada como
nunca, ex fumador, fumador actual es un factor de clasificacin con tres niveles.

FRECUENCIAS: ABSOLUTAS,
ABSOLUTAS, RELATIVAS.-
RELATIVAS Las frecuencias absolutas representan el recuento
de los valores de una variable discreta de forma que su suma nos da el tamao muestral.
Las relativas son las absolutas divididas por el tamao muestral. Las frecuencias relativas
sumarn 1 100 segn se expresen en tanto por uno o en tanto por ciento.

FUNCIN.-
FUNCIN. Funcin matemtica. Expresin que liga dos o ms variables de forma
determinantica.

FUNCIN TERICA DE PROBABILIDAD.-

PROBABILIDAD Idealizacin matemtica que nos permite calcular
probabilidades de que una variable tome un valor (caso discreto) o rango de valores (caso
continuo)

GAUSSIANA.-
GAUSSIANA Ver distribucin normal.

GRADO DE CONFIANZA.-
CONFIANZA.- Ver nivel de confianza.

GRADOS DE LIBERTAD.-
LIBERTAD El nmero de datos que se pueden variar para que a un total fijo
podamos reconstruir dicho total; as la media tiene n-1 grado de libertad, pues si conocemos
el valor de sta, podemos variar n-1 datos ya que restante vendr fijado. En una tabla 4 x 3,
si nos dan las frecuencias marginales podremos variar las frecuencias de (4-1) x (3-1) = 3 x
2 = 6 celdas, quedando forzosamente determinadas las frecuencias de las celdas restantes.
As, los grados de libertad seran en este caso de 6.

HIPTESIS.-
HIPTESIS Cualquier teora que formule posibles lneas de trabajo experimental. Ver
hiptesis nula y alternativa.

HIPTESIS ALTERNATIVA.-
ALTERNATIVA Aquella que queremos probar. Representa la hiptesis
renovadora.

HIPTESIS NULA.-
NULA Aquella que queremos rechazar. Representa a la situacin actual.

21
HISTOGRAMAS.-
HISTOGRAMAS Es un grfico en forma de barras de una variable continua que se ha
discretizado en intervalos, de forma que la altura de las barras en cada intervalo indica la
frecuencia relativa en ste.

IMPRECISIN.-
IMPRECISIN Error que se comete en la prediccin.

INDEPENDENCIA.-
INDEPENDENCIA Son datos que no estn ligados entre s.

INTERVALO DE PROBABILIDAD.-
PROBABILIDAD Proporcin de casos entre dos valores definidos de la
muestra.

INTERVALOS CONFIDENCIALES.-
CONFIDENCIALES Intervalos de confianza. Intervalos fiduciales. Incluyen una
cota mnima y mxima del verdadero parmetro poblacional con un determinado nivel de
confianza.

MXIMO.-
MXIMO Es un valor muestral de forma que por encima de ste no hay valores mustrales.

MEDIANA.-
MEDIANA Corresponde al percentil 50%. Es decir, la mediana hace que haya un 50% de
valores mustrales inferiores a ella y un 50% de valores mustrales superiores a ella.

MEDIA.-
MEDIA. Es una medida de centralizacin para una variable continua. Se obtiene sumando
todos los valores mustrales y dividendos por el tamao muestral.

MNIMO.-
MNIMO. Es un valor muestral de forma que por debajo de ste no hay valores mustrales.

MODA.-
MODA Es el valor que ms se repite en una variable nominal.

MODELO.-
MODELO Intento matemtico / estadstico para explicar una variable respuesta por medio
de una o ms variables explicativas o factores.

MUESTRAS.-
MUESTRAS. Subgrupos de observaciones de la poblacin de estudio.

22
NIVEL DE CONFIANZA.-
CONFIANZA Se define como 1 menos el nivel de significacin. Se suele expresar
en tanto por ciento.

NIVEL DE SIGNIFICACIN.-
SIGNIFICACIN La probabilidad de rechazar una hiptesis nula verdadera; es
decir, la probabilidad de cometer un error de tipo I.

NIVELES DE CLASIFICACIN.-
CLASIFICACIN Los distintos posibles valores que pueden aparecer en una
variable explicativa nominal u ordinal.

NORMAL.-
NORMAL Ver distribucin de probabilidad normal.

NMEROS.-
NMEROS Ver valores numricos.

OBSERVACIN.-
OBSERVACIN Sinnimo de caso, registro e individuo.

ORTOGONAL.-
ORTOGONAL Se dice de las variables y en general de las funciones que son
independientes.

P (p-valor).- El nivel de significacin observado en el test. Cuanto ms pequeo sea, mayor

ser la evidencia para rechazar la hiptesis nula.

PARMETROS.-
PARMETROS Son valores desconocidos de caractersticas de una distribucin terica. El
objetivo de la estadstica es estimarlos bien dando un valor concreto, bien dado un intervalo
confidencial.

PEARSON (r de Pearson).- Ver coeficiente de correlacin.

PERCENTILES.-
PERCENTILES Un percentil 90% corresponde a un valor que divide a la muestra en dos, de
forma que hay un 90% de valores mustrales inferiores a ste, y un 10% de valores
mustrales superiores a ste.

POBLACIONES.-
POBLACIONES Conjunto de individuos de inters. Normalmente no se dispone de
informacin de toda la poblacin y se recurre a muestras.

PORCENTAJES.-
PORCENTAJES Proporciones expresadas en tanto por ciento.

23
POTENCIA DE LA PRUEBA.-
PRUEBA (1-beta).- Es decir la probabilidad de rechazar una hiptesis nula
siendo sta falsa. Se suele expresar en tanto por ciento.

PREVALENCIA.-
PREVALENCIA Cociente entre el nmero de individuos que poseen una caracterstica (p. Ej.
Enfermedad) entre el total de la poblacin.

PROBABILIDAD.-
PROBABILIDAD Asignacin de un nmero entre cero y uno a cada resultado experimental.

PROPORCIN.-
PROPORCIN Nmero de individuos que verifican una condicin entre el total muestral. Se
puede expresar en tanto por ciento.

PRUEBA CHI CUADRADO.-

CUADRADO Se utiliza para analizar tablas de contingencia y comparacin de
proporciones en datos independientes.

PRUEBA DE F.-
F Prueba estadstica que sirve para comparar varianzas. El estadstico F
experimental es el estadstico de contraste en el ANOVA y otras pruebas de comparacin de
varianzas.

PRUEBA DE FISHER.-
FISHER Es la prueba estadstica de eleccin cuando la prueba de chi cuadrado
no puede ser empleada por tamao muestral insuficiente.

PRUEBA DE LOS SIGNOS.-

SIGNOS Prueba estadstica que sirve para comparar dos variables en
trminos de diferencias positivas o negativas, y no en trminos de magnitud.

PRUEBA NO PARAMTRICA.-
PARAMTRICA Tcnica estadstica que presupone ninguna distribucin de
probabilidad terica de la distribucin de nuestros datos.

PRUEBA PARAMTRICA.-
PARAMTRICA En contraposicin de las tcnicas no paramtricas, las tcnicas
paramtricas s presuponen una distribucin terica de probabilidad subyacente para la
distribucin de los datos. Son ms potentes que las no paramtricas.

PRUEBA T DE STUDENT.-
STUDENT Se utiliza para la comparacin de dos medias de poblaciones
independientes y normales.

RANGO.-
RANGO Diferencia entre el valor mximo y mnimo de una muestra o poblacin. Solo es
vlido en variables continuas. Es una mala traduccin de ingls range. Amplitud.

24
RANGO INTERCUARTLICO
INTERCUARTLICO.-
LICO La diferencia entre el percentil 75% y el percentil 25%.

RECTA DE REGRESIN.-
REGRESIN Es el modelo que sirve para explicar una variable respuesta
contina en trminos de un nico factor o variable explicativa.

REGRESIN.-
REGRESIN Tcnica estadstica que relaciona una variable dependiente (y) con la
informacin suministrada por otra variable independiente (x); ambas variables deben ser
continuas. Si asumimos relacin lineal, utilizaremos la regresin lineal simple. Entre las
restricciones de la RLS se incluyen: Los residuos deben ser normales; las observaciones
independientes; la dispersin de los residuos debe mantenerse a lo largo de la recta de
regresin.

REGRESIN LINEAL MLTIPLE.-

MLTIPLE El modelo de regresin lineal mltiple sirve para explicar
una variable respuesta continua en trminos de varios factores o variables explicativas
continuas.

RELACIN LINEAL.-
LINEAL Ver recta de regresin.

RESIDUOS.-
RESIDUOS Residuales. Distribucin de valores mustrales calculados como la diferencia
entre el valor de la variable respuesta (y) y el estimado del modelo de regresin (), la
distribucin de residuos es importante como indicador del cumplimiento de las condiciones
de aplicacin de las tcnicas de correlacin, as como de la bondad del ajuste.

SENSIBILIDAD DE UN TEST DIAGNSTICO.-

DIAGNSTICO Representa la probabilidad de que un individuo
est enfermo habiendo dado positivo en el test diagnstico.

SESGO.-
SESGO La diferencia entre el valor del parmetro y su valor esperado. Tambin se utiliza en
contraposicin de aleatorio, as una muestra sesgada es no aleatoria.

SIMETRA.-
SIMETRA Es una medida que refleja si los valores mustrales se extienden o no de igual
forma a ambos lados de la media.

SPEARMAN (rho de Spearman).- Coeficiente de correlacin ordinal anlogo al coeficiente r

de Pearson de correlacin lineal.

SUMATORIA.-
SUMATORIA Estadstico descriptivo que suma los valores numricos de los datos
mustrales de distribuciones continuas.

25
T

TABLAS DE CONTINGENCIA.-
CONTINGENCIA Tablas de 2 o ms variables, donde en cada celda se
contabilizan los individuos que pertenecen a cada combinacin de los posibles niveles de
estas variables.

TABLAS DE FRECUENCIAS.-
FRECUENCIAS Ver tablas de contingencia.

TABLA DEL ANOVA.-

ANOVA Es una forma de presentar la variabilidad observada en una variable
respuesta en trminos aditivos segn las distintas fuentes de variacin: modelo residual.

TAMAO MUESTRAL.-
MUESTRAL Nmero de individuos u observaciones que componen la muestra.

TCNICAS NO PARAMTRICAS.-
PARAMTRICAS Son tcnicas estadsticas que no presuponen ningn modelo
probabilstico terico. Son menos potentes que las tcnicas paramtricas, aunque tienen la
ventaja que se pueden aplicar ms fcilmente.

TEOREMA DEL LMITE CENTRAL.-

CENTRAL Resultado bsico en la estadstica que afirma que la
distribucin de las medias mustrales ser normal para un n suficientemente grande con
independencia de la distribucin de datos de partida.

TRANSFORMACIONES.-
TRANSFORMACIONES Cambios de escala con el propsito de conseguir linealidad,
normalidad en los datos.
U

UNIDAD.-
UNIDAD Concepto primario relacionado con los componentes elementales de la muestra
estadstica. Sinnimo, pero no esencialmente idntico, de caso, observacin, registro o
individuo.

UNIVERSO.-
UNIVERSO Conjunto infinito de elementos o unidades generado por un modelo terico.
Conjunto real de todos los elementos que comparten unas condiciones de admisin en el
conjunto.

VALORES
VALORES NUMRICOS.-
NUMRICOS Resultados de las variables para cada individuo en la muestra de
estudio. Su naturaleza puede ser nominal, dicotmica, ordinal o continua.

26
 VARIABLE.-
VARIABLE Objeto matemtico que puede tomar diferentes valores. Generalmente asociado
a propiedades o caractersticas de las unidades de la muestra. Lo contrario de variable es
constante.

VARIABLE ALEATORIA.-
ALEATORIA Variable cuyo resultado vara segn la muestra segn una
distribucin de probabilidad.

VARIABLE CONTINUA.-
CONTINUA Aquella que puede tomar una infinidad de valores, de forma que
dados dos valores cualesquiera, tambin pueda tomar cualquier valor entre dichos valores.

VARIABLE DEPENDIENTE.-
DEPENDIENTE Ver variable respuesta.

VARIABLE DISCRETA.-
DISCRETA Variable que toma un nmero finito o infinito de valores, de forma que
no cubre todos los posibles valores numricos entre dos dados, en contraposicin de las
continuas.

VARIABLES INDEPENDIENTES O EXPLICATIVAS.-

EXPLICATIVAS Variables que no sirven para construir un
modelo que explique el comportamiento de una o ms variables respuesta.

VARIABLE RESPUESTA O DEPENDIENTE.-

DEPENDIENTE Variable objeto del estudio y que sus resultados se
pretenden explicar por medio de las variables llamadas explicativas o independientes.

VARIABLES.-
VARIABLES Describen caractersticas en las observaciones realizadas.

VARIANZA
VARIANZA.-
IANZA Caracterstica de una muestra o poblacin que cuantifica su dispersin o
variabilidad. La varianza tiene unidades al cuadrado de la variable. Su raz cuadrada positiva
es la desviacin tpica. La varianza muestral es un estimador sesgado de la varianza
poblacional.

X2 CHI-
CHI- CUADRADO.-
CUADRADO Ver prueba de Chi cuadrado.
W

WILCOXON.-
WILCOXON Prueba estadstica no paramtrica para la comparacin de dos muestras (dos
tratamientos). Las distribuciones de datos no necesitan seguir la distribucin normal. Es por
tanto una prueba menos restrictiva que la prueba t-Student.

27
BIBLIOGRAFA

Bsica
Elementos de Muestreo
William Mendenhall, Richard L. Scheaffer, R. Liman Ott
2006
Editorial Thomson
ISBN 849-73-2493-9

Tecnicas de muestreo
Cochran, W.G.
1980
Compaa continental editorial
Mxico

Muestreo; Diseo y Anlisis

Lohr, Sharon L.
2000
Editorial Thomson
Mxico; 2000
ISBN 970-68-6017-7

Complementaria
Sampling Theory of Surveys With Applications
Sukhatme, P. V. and Sukhatme, B. V.
1984
State University Press, Iowa
ISBN 813-81-6173

Conceptos Bsicos de Muestreo

28
Mendez, Ignacio
2004
IIMAS-UNAM

29