Un parque de atracciones quiere poner una nueva atracción extrema. Para asegurarse de que esta nueva atracción sea un éxito, les gustaría saber qué porcentaje de la población tiene miedo a las alturas. Unos trabajadores del parque de atracciones encuestaron a \(500\) personas y \(40\%\) de ellas dijeron que tenían miedo a las alturas, mientras que otros trabajadores encuestaron a otras \(600\) personas, de las cuales \(30\%\) también tenían miedo a las alturas. Con esta información, ¿podemos concluir ya qué porcentaje de la población total tiene miedo a las alturas?
En este artículo encontrarás la definición de proporciones muestrales, el símbolo, las fórmulas de las proporciones muestrales, su importancia y ejemplos de aplicación.
Definición de proporciones muestrales
En el ejemplo anterior, los porcentajes obtenidos representan el porcentaje de personas de un grupo que tienen una característica de interés, en este caso, miedo a las alturas. Este tipo de porcentaje corresponde a una proporción.
Una proporciónmuestral es la proporción de individuos de una muestra que tienen una determinada característica de interés.
Símbolo de la proporción muestral
Mientras que la proporción de la población total se denota por \(p\), la proporción de la muestra se denota por \(\widehat{p}\), y se calcula contando cuántos éxitos hay en la muestra (éxito significa que un individuo posee la característica de interés) y dividiéndolo por el tamaño total de la muestra \(n\)
\[\widehat{p}=\frac{\text{número de éxitos en la muestra}}{n}.\}]
Normalmente, la proporción de la muestra (\widehat{p}) es diferente de la proporción de la población \(p\).
Comprender la proporción muestral
Supongamos que tienes una bolsa de \(40\) gominolas, de las cuales \(20\) son ácidas y \(20\) dulces. Asignemos un número a cada gominola para que sea más fácil identificarlas.
Tabla 1. ejemplo de datos, proporciones muestrales.
Supongamos que no conoces la proporción real de cada sabor en la bolsa, y te interesa saber cuántas gominolas dulces hay en la bolsa. Decides tomar una pequeña muestra de tamaño \(4\), y acabas eligiendo las gominolas \(1, 13, 14, 29.\) Entonces, para esta muestra, el éxito significa que la gominola es dulce, por lo que la proporción muestral es
\[\widehat{p}=\frac{1}{4}=0.25\]
Tomemos más muestras y veamos qué ocurre.
Muestra
Gominolas seleccionadas
\Gominolas seleccionadas
Muestra
Gominolas seleccionadas
\(por todo el cuerpo)
\(1\)
\(1, 13, 14, 29\)
\(0.25\)
\(7\)
\(3, 26, 27, 38\)
\(0.75\)
\(2\)
\(11, 12, 13, 14\)
\(0\)
\(8\)
\(4, 26, 38, 39\)
\(0.75\)
\(3\)
\(1, 2, 26, 37,\)
\(0.5\)
\(9\)
\(15, 26, 27, 38\)
\(0.75\)
\(4\)
\(2, 14, 26, 38\)
\(0.5\)
\(10\)
\(5, 26, 37, 39\)
\(0.75\)
\(5\)
\(2, 13, 15, 28\)
\(0.25\)
\(11\)
\(26, 27, 28, 29\)
\(1\)
\(6\)
\(3, 4, 15, 36\)
\(0.25\)
\(12\)
\(26, 37, 38, 40\)
\(1\)
Tabla 2. ejemplo de datos, proporciones muestrales.
Como puedes ver, muestras diferentes pueden darte proporciones muestrales diferentes.
Figura 1. Histograma con la frecuencia de las proporciones muestrales de las gominolas dulces
Trazando las frecuencias de cada proporción muestral, es más fácil ver el comportamiento de la proporción muestral \(\widehat{p}\).
Importancia de las proporciones muestrales
Cuando quieres saber qué proporción de individuos u objetos de toda una población posee un determinado interés, a veces lleva mucho tiempo, o incluso es imposible, recoger todos los datos.
La idea que subyace a la toma de proporciones muestrales es que, basándote en esta información, puedes deducir cuál sería la proporción de toda la población. Para ello, necesitarás conocer la distribución muestral de la proporción.
Volviendo al ejemplo de las gominolas, el gráfico de la Figura 1 aproxima la distribución de la proporción muestral \(\widehat{p}\). Si quieres obtener el gráfico real de la distribución de la proporción muestral \(\widehat{p}\), ¡tendrías que considerar todas las muestras posibles de gominolas de tamaño \(4\)!
Condiciones para la distribución muestral de proporciones
Para que la distribución muestral de la proporción \(\widehat{p}\) estime realmente la proporción poblacional \(p\), debes asegurarte de que se verifican las siguientes condiciones:
1. Condición de aleatoriedad: la condición más importante necesaria para crear una distribución muestral es que tus datos procedan de muestras seleccionadas al azar.
2. Independencia (condición \(10\%\)): los valores muestreados deben ser independientes entre sí. Esto puede hacerse considerando tamaños de muestra no superiores a \(10\%\) de toda la población.
De nuevo, para el ejemplo de las gominolas, puedes elegir las gominolas al azar (puedes coger la gominola sin mirar la bolsa o escribir los números \(1-40\) en trozos de papel y coger una al azar). Y la muestra de tamaño seleccionado también cumple la condición de independencia porque \(4\) es \(10\%\) del total de gominolas de la bolsa.
La fórmula de la media y la desviación típica para las proporciones muestrales
Sea \(p\) la proporción de éxito en una población y \(\widehat{p}\) la proporción muestral, es decir, la proporción de éxito en una muestra aleatoria de tamaño \(n\). Entonces, la media y la desviación típica de la distribución muestral de \(\widehat{p}\) pueden calcularse mediante
\[\mu_{widehat{p}}=p,\text{ y }\, \sigma_{{widehat{p}}=\sqrt{\frac{p(1-p)}{n}.\}].
Además, cuando \(np\geq 10\) y \(n(1-p)\geq 10\), la distribución de la proporción muestral \(\widehat{p}\) es aproximadamente normal.
Por tanto, cuando se cumple la condición de normalidad, puedes convertir cualquier proporción muestral \(\widehat{p}\) en una puntuación \(z\)-score (para más información, consulta el artículo Puntuación \(z\)-score) mediante la fórmula
La proporción de aciertos en una población es \(p=0,35\). Halla la media y la desviación típica de la proporción muestral \(\widehat{p}\) obtenida a partir de muestras aleatorias de tamaño \(n=70\).
Solución:
Utilizando las fórmulas anteriores, la media es igual a
Veamos un ejemplo de cómo calcular las probabilidades de la distribución de una proporción muestral.
Una empresa afirma que sólo \(10\%\) de los productos que fabrica son defectuosos. Un inspector de calidad ha tomado una muestra aleatoria de tamaño \(200\%).
(a) ¿Cuál es la probabilidad de que como máximo \(12\%\) de ellos sean defectuosos?
(b) ¿Cuál es la probabilidad de que haya entre \(9\%\) y \(11\%\) defectuosos?
Solución:
(1) Puesto que
\[np=200(0.10)=20>10\]
y
\[n(1-p)=200(0.90)=180>10,\]
la distribución muestral de \(\widehat{p}\) es aproximadamente normal. Así que puedes utilizar las propiedades de la distribución normal (para más información, consulta el artículo Distribución normal) para calcular estas probabilidades.
(2 ) Calculemos la media y la desviación típica de la proporción \(\widehat{p}\). Utilizando las fórmulas dadas antes
Por tanto, la probabilidad de que como máximo \(12\%\) de ellos sean defectuosos es \(0,8289\), y la probabilidad de que haya \(9\%\) a \(11\%\) defectuosos es \(0,3688\).
Proporción muestral - Puntos clave
El objetivo de tomar proporciones muestrales es estimar la proporción poblacional.
La proporción muestral se denomina \(\widehat{p}\).
La fórmula para calcular la media y la desviación típica de la distribución muestral de la proporción \(\widehat{p}) viene dada por\[\mu_{widehat{p}}=p\,\]y[[\sigma_{widehat{p}}=\sqrt{\frac{p(1-p)}{n}.\}].
Cuando \(np\geq 10\) y \(n(1-p)\geq 10\), la distribución muestral de la proporción \(\widehat{p}\) es similar a una distribución normal.
¿Cómo te aseguras de que tu contenido sea preciso y confiable?
En StudySmarter, has creado una plataforma de aprendizaje que atiende a millones de estudiantes. Conoce a las personas que trabajan arduamente para ofrecer contenido basado en hechos y garantizar que esté verificado.
Proceso de creación de contenido:
Lily Hulatt
Especialista en Contenido Digital
Lily Hulatt es una especialista en contenido digital con más de tres años de experiencia en estrategia de contenido y diseño curricular. Obtuvo su doctorado en Literatura Inglesa en la Universidad de Durham en 2022, enseñó en el Departamento de Estudios Ingleses de la Universidad de Durham y ha contribuido a varias publicaciones. Lily se especializa en Literatura Inglesa, Lengua Inglesa, Historia y Filosofía.
Gabriel Freitas es un ingeniero en inteligencia artificial con una sólida experiencia en desarrollo de software, algoritmos de aprendizaje automático e IA generativa, incluidas aplicaciones de grandes modelos de lenguaje (LLM). Graduado en Ingeniería Eléctrica de la Universidad de São Paulo, actualmente cursa una maestría en Ingeniería Informática en la Universidad de Campinas, especializándose en temas de aprendizaje automático. Gabriel tiene una sólida formación en ingeniería de software y ha trabajado en proyectos que involucran visión por computadora, IA integrada y aplicaciones LLM.
StudySmarter es una compañía de tecnología educativa reconocida a nivel mundial, que ofrece una plataforma de aprendizaje integral diseñada para estudiantes de todas las edades y niveles educativos. Nuestra plataforma proporciona apoyo en el aprendizaje para una amplia gama de asignaturas, incluidas las STEM, Ciencias Sociales e Idiomas, y también ayuda a los estudiantes a dominar con éxito diversos exámenes y pruebas en todo el mundo, como GCSE, A Level, SAT, ACT, Abitur y más. Ofrecemos una extensa biblioteca de materiales de aprendizaje, incluidas tarjetas didácticas interactivas, soluciones completas de libros de texto y explicaciones detalladas. La tecnología avanzada y las herramientas que proporcionamos ayudan a los estudiantes a crear sus propios materiales de aprendizaje. El contenido de StudySmarter no solo es verificado por expertos, sino que también se actualiza regularmente para garantizar su precisión y relevancia.