UNIVERSIDAD POLITÉCNICA DE
FRANCISCO I. MADERO
INGENIERÍA
EN AGROTECNOLOGÍA.
Muestreo Estadístico.
Muestreo aleatorio simple:
Practica de campo.
Alumnos:
Rodrigo López
Espinoza
José Luis Monter
Angeles
Eduardo Obregón
Ramírez.
Brenda Pérez
Isidro.
Facilitadora:
ing. Ana María Ortiz Olguín.
Cuatrimestre: Tercero. Grupo: 3.
Periodo: Mayo –Agosto 2013.
Introducción.
El
muestreo simple aleatorio es un proceso libre y creativo, pero esto no significa que carezca de
sistematicidad y organización, pues este método constituye parte de la base del
muestreo estadístico.
El
estudiante tiende adquirir he imponer un esquema, para el desarrollo de
un modelo práctico y flexible, planteando una formulación y presentación de un muestreo
aleatorio simple confiable.
Lo
cual podremos desarrollar y adoptar
durante el proceso de nuestro muestreo aleatorio simple, pondremos en práctica
cada uno de los pasos teóricos explicados en la clase de muestro estadístico, al
desarrollo de nuestra practica corroboraremos la información proporcionada.
Objetivos.
Ø Objetivó general:
Realizar practica de campo utilizando
los conocimientos adquiridos durante la primera y segunda unidad de muestreó
estadístico.
Ø Objetivo especificó:
o Adoptar
los conocimientos para así desarrollar el muestreo aleatorio simple.
o Obtener
nuestro marco maestral.
o El
cálculo de nuestras variables proporcionadas, para el desarrollo del muestreo
aleatorio simple.
Revisión
bibliográfica
La
estadística trabaja sobre poblaciones, extrae conclusiones sobre la base de un
análisis de un muestrario de datos de una población.
Hay
muchas maneras de tomar una muestra de una población.
Además
las conclusiones que se extraen acerca de la población dependen de como se
selecciona la muestra, así mismo deseamos que la muestra sea representativa de
la población.
Partiendo
de la importancia que tiene para cualquier profesional e investigador conocer
varios conceptos importantes de la estadística para poder desarrollar
exitosamente una investigación de cualquier índole, en el presente
trabajo de muestreo del texto paralelo de la maestría en
investigación y proyectos nos proponemos dar tratamiento a algunos elementos de
la estadística matemática de la forma mas elemental posible para que pueda ser
asimilada por cualquier profesional sin tener en cuenta su especialidad ya sea
de las ciencias Sociales como de las ciencias exactas.
Nuestro
propósito es encaminar al profesional para que conozca el aparato conceptual
necesario desde el punto de vista estadístico para emprender de forma sólida y
científica una investigación.
Muestreo
probabilístico
Los
métodos de muestreo probabilísticos son aquellos que se basan en el principio
de equiprobabilidad. Es decir, aquellos en los que todos los individuos tienen
la misma probabilidad de ser elegidos para formar parte de una muestra y,
consiguientemente, todas las posibles muestras de tamaño n tienen la misma
probabilidad de ser elegidas. Sólo estos métodos de muestreo probabilísticos
nos aseguran la representatividad de la muestra extraída y son, por tanto, los
más recomendables. Dentro de los métodos de muestreo probabilísticos
encontramos los siguientes tipos:
El
método otorga una probabilidad conocida de integrar la muestra a cada elemento
de la población, y dicha probabilidad no es nula para ningún elemento.
Los
métodos de muestreo no probabilisticos no garantizan la representatividad de la
muestra y por lo tanto no permiten realizar estimaciones inferenciales sobre la
población.
(En
algunas circunstancias los métodos estadísticos y epidemiológicos permiten
resolver los problemas de representatividad aun en situaciones de muestreo no
probabilistico, por ejemplo los estudios de caso-control, donde los casos no
son seleccionados aleatoriamente de la población.)
Entre
los métodos de muestreo probabilísticos más utilizados en investigación
encontramos:
· Muestreo
aleatorio simple
· Muestreo
estratificado
· Muestreo
sistemático
· Muestreo
polietápico o por conglomerados
MUESTREO
ALEATORIO
Consideremos
una población finita, de la que deseamos extraer una muestra. Cuando el proceso
de extracción es tal que garantiza a cada uno de los elementos de la población
la misma oportunidad de ser incluidos en dicha muestra, denominamos al proceso
de selección muestreo aleatorio.
PROTOCOLO DEL MUESTREO
PARA EL FRIJOL
PROCEDIMIENTO DE CAMPO
1. Familiarice al equipo
de campo con las precauciones necesarias que puedan evitar la contaminación.
2. Antes de la cosecha
principal, reúna al azar aproximadamente 10 vainas bien llenas. Coloque las
vainas en sobres de papel
nuevo y limpio (para evitar la contaminación con polvo y tierra mientras
se está desenterrando la
planta y trillando en volumen).
EN EL LABORATORIO
3. Trille las vainas a
mano y recoja 5 gramos de semilla. Limpie las semillas con un paño humedecido
con agua de alta pureza.
4. Seque las semillas a
un 7-8% de humedad (normalmente 10-12% es la humedad en semillas
frescas), en un horno
libre de contaminación (sin corrosión).
5. Muela 5 gramos de
muestra con un molino no contaminante (por ejemplo, un molino Retsch con
cámaras de teflón y bolas
de circonio o un IKA A10) para evitar la contaminación del hierro y el
zinc. La cantidad
necesaria de muestra para el análisis por Espectroscopia de Absorción Atómica
(AAS) o por
Espectroscopia de Emisión de Plasma acoplado inductivamente (ICP-OES) es de
0.5-0.8 gramos.
6. Empaque las muestras
en recipientes plásticos o bolsas de papel nuevas y limpias, correctamente
etiquetadas. Guárdelas en
un lugar limpio, seco y libre de insectos hasta que estén listas para su
análisis.
Materiales y Métodos
Ø Método utilizado.
Dentro
de nuestro desarrollo practico
analizamos cada uno de los métodos de muestreo, posteriormente optamos
por la elección de un método probabilístico como lo es el muestreo aleatorio
simple.
o
Método
probabilístico o aleatorios: Tipo de muestreo que se obtiene mediante sorteos de los
individuos y cada uno de estos tiene la misma posibilidad de pertenecer a la
muestra, este se caracteriza por permitir calcula el posible error de la muestra.
o
Muestreo
aleatorio simple: Esté se caracteriza porque todos y cada
uno de los elementos de la población tienen la misma posibilidad de ser
elegidos, para así pertenecer a la muestra.
Ø Materiales.
o
Área para el desarrollo del muestro.
o Variable
por analizar.
o Metro.
o Vernier.
o Marcador.
o Calculadora.
o Masquen.
o Resultados
Ø Desarrollo de la práctica.
o
Pasa 1:
El
primer paso dentro de nuestra practica realizada, fue analizar y comprender el
concepto de muestreo aleatorio, para tener noción de lo que realizaríamos.
o
Paso 2:
Obtenerlos
los materiales para el desarrollo y análisis de nuestras variables.
o
Paso 3:
Proseguimos
con un recorrido por el área y conocer
el producto que estaba por muestrearse.
o
Paso 4:
Después
de lo anterior proseguimos a realizar
binas de alumnos en el Grupo 3, para que
la Ingeniero Ana María de una manera al
azar seleccionara el surco frijol que cada bina muestrearía.
o
Paso 5:
Al
término de otorgarnos el surco, mi compañera Brenda prosiguió a calibrar el
Vernier para tener una lectura lo más precisa, y una mayor confiabilidad en los
datos de nuestras variables.
o Paso 6:
Retomamos
nuestra práctica, al seleccionar nuestro marco muestral el cual fue 100 matas
de frijol, de lo cual solo muéstranos el 10%(10 matas de frijol).
o Paso 7:
Después
de saber el número de plantas de nuestro
marco muestral (100 matas de frijol) marcamos cada una de ellos con un número
del 1 al 100 para así poder obtener el 10% de nuestras matas de una manera
aleatoria.
o Paso 8:
Al término de colocar los números a las matas de frijol,
utilizamos una función (#Ram) para obtener el número de cada mata
aleatoriamente, y así muestrear nuestras 10 matas correspondientes.
o Paso 9:
Obtenidos los números de nuestras 10 matas de frijol
proseguimos a medir cada variable que específico
la Ingeniero Ana María.
o Paso 10:
Lo siguiente fue calcular una variable, la cual dependía
de algunas otras.
Ø Software implementado.
Los programas empleadas en el desarrollo de la práctica:
o
Microsoft Word.
o
Microsoft Excel.
Microsoft Word: Este
programa lo empleamos al realizar el reporte de la práctica realizada, para
poder entregar este mismo al Ingeniero Ana María.
Microsoft Excel: Lo utilizamos para el desarrollo de los datos obtenidos de
nuestras variables y así poder analizar nuestro muestreo.
Obtención de nuestro tamaño muestra del 10% para proseguir con la aleatorización.
Obtención de nuestro tamaño muestra del 10% para proseguir con la aleatorización.
|
No. De muestra
|
|
|
1
|
|
|
2
|
|
|
3
|
|
|
4
|
|
|
5
|
|
|
6
|
|
|
7
|
|
|
8
|
|
|
9
|
|
|
10
|
|
|
1
|
|
|
2
|
|
|
3
|
|
|
4
|
|
|
5
|
|
|
6
|
|
|
7
|
|
|
8
|
|
|
9
|
|
|
10
|
Ø Proseguimos
a la obtención de las variables especificadas del foliolo central de la mata de
frijol.
|
No. Aleatorio de muestra
|
Longitud de foliolo central (cm)
|
|
|
26
|
13
|
|
|
95
|
6,75
|
|
|
89
|
12
|
|
|
50
|
11,3
|
|
|
54
|
10,13
|
|
|
39
|
12,4
|
|
|
96
|
7,6
|
|
|
14
|
10
|
|
|
27
|
11,2
|
|
|
29
|
8,83
|
|
|
74
|
12,1
|
|
|
9
|
11,41
|
|
|
97
|
10,47
|
|
|
67
|
11,47
|
|
|
36
|
11,1
|
|
|
84
|
10,29
|
|
|
32
|
12
|
|
|
41
|
11,85
|
|
|
60
|
10
|
|
|
18
|
12
|
Ø
|
No. Aleatorio de muestra
|
Longitud de foliolo central (cm)
|
Ancho de foliolo central (cm)
|
Área de foliolo central (cm2)
|
|
|
26
|
13
|
9,26
|
90,285
|
|
|
95
|
6,75
|
8,83
|
44,701875
|
|
|
89
|
12
|
7,8
|
70,2
|
|
|
50
|
11,3
|
9,24
|
78,309
|
|
|
54
|
10,13
|
6,52
|
49,5357
|
|
|
39
|
12,4
|
9,1
|
84,63
|
|
|
96
|
7,6
|
4,4
|
25,08
|
|
|
14
|
10
|
7,5
|
56,25
|
|
|
27
|
11,2
|
9,6
|
80,64
|
|
|
29
|
8,83
|
6,9
|
45,69525
|
|
|
74
|
12,1
|
8,38
|
76,0485
|
|
|
9
|
11,41
|
7,83
|
67,005225
|
|
|
97
|
10,47
|
7,55
|
59,286375
|
|
|
67
|
11,47
|
8,37
|
72,002925
|
|
|
36
|
11,1
|
6,91
|
57,52575
|
|
|
84
|
10,29
|
7,91
|
61,045425
|
|
|
32
|
12
|
8
|
72
|
|
|
41
|
11,85
|
7,64
|
67,9005
|
|
|
60
|
10
|
8,47
|
63,525
|
|
|
18
|
12
|
8,91
|
80,19
|
Ø Con los datos obtenidos anterior meten
calculamos el área del foliolo central,
pues dependía de otras variables para poderlo calcular.
o Fórmula empleada :
Área
foliolo central = (longitud del foliolo central) ancho del foliolo
central)(0.75).
Ø Continuamos
con la altura de la cubierta de la mata de frijol.
|
No. Aleatorio de muestra
|
Altura de la cobertura (cm)
|
|
|
26
|
30
|
|
|
95
|
33
|
|
|
89
|
45
|
|
|
50
|
27
|
|
|
54
|
34
|
|
|
39
|
32
|
|
|
96
|
35
|
|
|
14
|
31
|
|
|
27
|
40
|
|
|
29
|
36
|
|
|
74
|
49
|
|
|
9
|
60
|
|
|
97
|
44
|
|
|
67
|
42
|
|
|
36
|
61
|
|
|
84
|
53
|
|
|
32
|
52
|
|
|
41
|
47
|
|
|
60
|
50
|
|
|
18
|
56
|
Ø Después
registramos los datos de cada vaina.
|
Vainas por planta (numero)
|
Longitud de vaina (cm)
|
Ancho de vaina (numero)
|
|
|
10
|
7
|
0,82
|
|
|
4
|
5,4
|
0,94
|
|
|
5
|
5
|
0,52
|
|
|
16
|
0,12
|
0,8
|
|
|
11
|
8,44
|
1,2
|
|
|
0
|
O
|
o
|
|
|
7
|
6,8
|
0,95
|
|
|
2
|
1,3
|
1
|
|
|
0
|
O
|
0
|
|
|
8
|
7,83
|
1
|
|
|
4
|
4,73
|
0,73
|
|
|
10
|
8,33
|
1
|
|
|
2
|
6,00
|
0,45
|
|
|
6
|
4,1
|
0,37
|
|
|
5
|
5,64
|
0,55
|
|
|
3
|
5,1
|
0,38
|
|
|
7
|
7,14
|
0,64
|
|
|
4
|
5,83
|
0,56
|
|
|
3
|
6
|
0,56
|
|
|
5
|
9,55
|
0,91
|
Ø Y continuamos
con el registró del ápice de cada vaina.
|
Longitud ápice de vaina (cm)
|
|
|
1
|
|
|
1
|
|
|
0,9
|
|
|
1
|
|
|
1,2
|
|
|
o
|
|
|
1,1
|
|
|
1,1
|
|
|
o
|
|
|
1,4
|
|
|
0,73
|
|
|
0,91
|
|
|
0,91
|
|
|
0,82
|
|
|
0,83
|
|
|
1
|
|
|
0,96
|
|
|
1,1
|
|
|
1,29
|
|
|
1
|
Conclusiones
La practica en el campo es la
que va formando al alumno, en este caso para ser un buen ingeniero agrónomo, no
obstante cada una de ellas pueden presentar distorsiones importantes si los
datos son erróneos o presentan un comportamiento inconveniente.
Por tanto, analizar la información contenida
en el marco del muestreo permite mejorar la precisión utilizando métodos
adaptados a la estructura poblacional analizada se llegó a la conclusión de que
no todas las poblaciones cumplen con las características para poder ser
muestreadas.
Cada alumno experimento que teniendo
toda la población y escoger al azar es más preciso un dato ya que de esta
manera cualquier muestra tiene las mismas posibilidades de ser estudiada
Las características de las poblaciones no
siempre van a ser lo mismo por eso se tiene que ser honesto en el levantamiento
de las muestras para que cuando vayamos a sacar de un total de resultados
nuestros resultados finales sean mas factibles y el muestreo haya sido útil.
Bibliografía (APA)
·
Scheaffer,R (1998) Elementos de Muestreo
Madrid, España: Thomson
·
Leonel, E (2011) Estadística, Matemática y
computación.
Guatemala: Blogspot
·
Stangoulis, J. y Sison C. (1997) Protocolos
de Muestreo en Cultivos para Análisis de Micronutrientes
Recuperado de
No hay comentarios.:
Publicar un comentario