Teoría de muestreo

MUESTREO:

Es un procedimiento por medio del cual se estudia una parte de la població n llamada muestra, con el
objetivo de inferir con respecto a toda la població n.

Es importante relacionar el muestreo con lo que es el censo, el cual se define como la enumeració n
completa de todos los elementos de la població n de interés.

Universo:

En estadística es el nombre especifico que recibe particularmente en la investigació n social la operació n

dentro de la delimitació n del campo de investigació n que tienen por objeto la determinació n del
conjunto de unidades de observaciones del conjunto de unidades de observació n que van a ser
investigadas. Para muchos investigadores él termino universo y població n son sinó nima. En general, el
universo es la totalidad de elementos o características que conforman el á mbito de un estudio o
investigació n.

Muestra:

La muestra es un subconjunto de la població n, seleccionado de tal forma, que sea representativo de la

població n en estudio, obteniéndose con el fin de investigar alguna o algunas de las propiedades de la
població n de la cual procede. En otras palabras es una parte de la població n que sirve para
representarla. Segú n el DRAE, es una parte o porció n extraída de un conjunto por métodos que
permiten considerarla como representativa del mismo. Entonces, una muestra no es má s que una parte
de la població n que sirve para representarla. La muestra debe obtenerse de la població n que se desea
estudiar; una muestra debe ser definida sobre la base de la població n determinada, y las conclusiones
que se obtengan de dicha muestra só lo podrá n referirse a la població n en referencia.

VENTAJAS DEL MUESTREO:

a) Costos reducidos.

b) Mayor rapidez para obtener resultados.

c) Mayor exactitud o mejor calidad de la informació n:

Debido a los siguientes factores

c.1 Volumen de trabajo reducido.

c.2 Puede existir mayor supervisió n en el trabajo.

c.3 Se puede dar má s entrenamiento al personal.

c.4 Menor probabilidad de cometer errores durante el procesamiento de la informació n.

d) Factibilidad de hacer el estudio cuando la toma de datos implica técnicas destructivas, por ejemplo:

- Pruebas de germinació n.
- Aná lisis de sangre.

- Control de calidad.

VENTAJAS DEL MUESTREO

Hay dos formas de estudiar las poblaciones: Por censo o por muestreo.

Censo: Se analizan todos y cada uno de los elementos de la població n.

Muestreo: Se analiza una parte de la població n.

Las principales ventajas del muestreo comparadas con el censo son las siguientes:

1. Costo reducido: Si la informació n se obtiene ú nicamente para una parte de la població n, los gastos
será n menores.

2 Mayor rapidez: La informació n puede ser recolectada y procesada má s rápidamente cuando se

selecciona una muestra.

3 Mayor exactitud: Cuando los errores ajenos al muestreo son necesariamente grandes, una muestra
puede dar mejores resultados que un censo, ya que éstos errores se controlan con má s facilidad, si la
operació n es de pequeñ a escala. Como el volumen de trabajo se reduce, se puede utilizar personal
calificado y realizar una supervisió n cuidadosa del trabajo de campo y del procesamiento de la
informació n, reduciendo así los errores de no muestreo.

4 Posibilidad de hacerse: En la industria, algunas pruebas son destructivas, por lo tanto, ciertas
investigaciones pueden realizarse con una muestra de productos. EJ: Estudio de resistencia de
materiales. Estudio de duració n de bombillos.

5 Mayor control sobre la recolecció n de informació n, muy superior al que se lograría con el censo. Los
errores muéstrales (no respuestas, inconsistencias, codificació n errada, etc.), disminuyen
considerablemente cuando se hace un muestreo.

Desventajas

 Muestra representativa: no existe una definició n formal que nos permita afirmar que una
muestra es o no representativa de la població n objeto de estudio.
 Error de muestreo o error aleatorio: es el error que se comete debido al hecho de sacar
conclusiones sobre una població n a partir del estudio de una muestra de ella.
  Muestreo (estadística)

Este artículo o secció n necesita referencias que aparezcan en una publicación acreditada,
como revistas especializadas, monografías, prensa diaria o pá ginas de Internet fidedignas. Este
aviso fue puesto el 1 de julio de 2013.
Puedes añadirlas o avisar al autor principal del artículo en su pá gina de discusió n pegando:
{{subst: Aviso referencias| Muestreo (estadística)}} ~~~~

 En estadística se conoce como muestreo a la técnica para la selecció n de una muestra a partir
de una població n.
 Al elegir una muestra aleatoria se espera conseguir que sus propiedades sean extrapolables a
la població n. Este proceso permite ahorrar recursos, y a la vez obtener resultados parecidos a
los que se alcanzarían si se realizase un estudio de toda la població n.
 Cabe mencionar que para que el muestreo sea vá lido y se pueda realizar un estudio adecuado
(que consienta no solo hacer estimaciones de la població n sino estimar también los má rgenes
de error correspondientes a dichas estimaciones), debe cumplir ciertos requisitos. Nunca
podremos estar enteramente seguros de que el resultado sea una muestra representativa, pero
sí podemos actuar de manera que esta condició n se alcance con una probabilidad alta.
 En el muestreo, si el tamañ o de la muestra es má s pequeñ o que el tamañ o de la població n, se
puede extraer dos o má s muestras de la misma població n. Al conjunto de muestras que se
pueden obtener de la població n se denomina espacio muestral. La variable que asocia a cada
muestra su probabilidad de extracció n, sigue la llamada distribució n muestral.

TIPOS DE MUESTREO:

MUESTREO NO PROBABILISTICO:

Los elementos de la muestra son seleccionados por procedimientos al azar ó con probabilidades
conocidas de selecció n. Por lo tanto es imposible determinar el grado de representatividad de la
muestra.

Dentro de los tipos de muestreo no Probabilístico, podemos mencionar los siguientes:

5.3.1.1 Muestreo por Juicio, Selección Experta o Selección Intencional:

El investigador toma la muestra seleccionado los elementos que a él le parecen representativos o

típicos de la població n, por lo que depende del criterio del investigados.

5.3.1.2 Muestreo casual o fortuito:

Se usa en los casos en no es posible seleccionar los elementos, y deben sacarse conclusiones con los
elementos que esten disponibles. Por ejemplo: en el caso de voluntarios para pruebas de medicamentos
de enfermedades como el corazó n, cá ncer, etc.

5.3.1.3 Muestreo de cuota:

Se utiliza en estudios de opinió n de mercado. Los enumeradores, reciben instrucciones de obtener

cuotas específicas a partir de las cuales se constituye una muestra relativamente proporcional a la
població n.
5.3.1.4 Muestreo de poblaciones móviles:

Este tipo de muestreo utiliza métodos de captura, marca y recaptura. Se utiliza mucho en el estudio de
migració n de poblaciones de animales y otras características.

5.3.2 MUESTREO PROBABILISTICO, ALEATORIO O ESTOCASTICO:

Los elementos de la muestra son seleccionados siguiendo un procedimiento que brinde a cada uno de
los elementos de la població n una probabilidad conocida de ser incluidos en la muestra.

5.3.2.1 PROPIEDADES DEL MUESTREO PROBABILISTICO:

a) Existe la posibilidad de definir inequívocamente un conjunto de muestras M 1, M2,...., Mt mediante la

aplicació n del procedimiento a una població n. Esto significa que podemos indicar cuales unidades de
muestreo pertenecen a M1, M2 y así sucesivamente.

b) A cada posible muestra Mi se le asigna un probabilidad conocida de selecció n Pi.

c) Seleccionamos una de las Mi por un proceso mediante el cual, cada M i tiene una probabilidad Pi de ser
seleccionada.

d) El método de estimació n se realiza en base a la muestra, siendo unico para cualquiera de las posibles
muestras Mi

5.3.2.2 TIPOS DE MUESTREO PROBABILISTICO:

a) Muestreo simple aleatorio (m.s.a.).

b) Muestreo Estratificado.

c) Muestreo Sistemá tico.

d) Muestreo por conglomerados.

e) Muestreo por Á reas.

f) Muestreo Polietá pico.

Diseño de la Muestra

La fase del diseñ o de la muestra está relacionada con:

 La estructuració n de los instrumentos para recoger datos.
 Con las técnicas estadísticas susceptibles de emplearse para el aná lisis.
Con los resultados

Tipos

Sin reposición de los elementos:' Cada elemento extraído se descarta para la subsiguiente extracció n.
Por ejemplo, si se extrae una muestra de una "població n" de bombillas para estimar la vida media de las
bombillas que la integran, no será posible medir má s que una vez la bombilla seleccionada.
Con reposición de los elementos: Las observaciones se realizan con remplazo de los individuos, de
forma que la població n es idéntica en todas las extracciones. En poblaciones muy grandes, la
probabilidad de repetir una extracció n es tan pequeñ a que el muestreo puede considerarse con
reposició n aunque, realmente, no lo sea.

Con reposición múltiple: En poblaciones muy grandes, la probabilidad de repetir una extracció n es
tan pequeñ a que el muestreo puede considerarse con reposició n.

Para realizar este tipo de muestreo, y en determinadas situaciones, es muy ú til la extracció n de
nú meros aleatorios mediante ordenadores, calculadoras o tablas construidas al efecto.

Muestreo sistemático

Se utiliza cuando el universo o població n es de gran tamañ o, o ha de extenderse en el tiempo. Primero

hay que identificar las unidades y relacionarlas con el calendario (cuando proceda). Luego hay que
calcular una constante, que se denomina coeficiente de elevació n:

K= N/n

Donde N es el tamañ o del universo y n el tamañ o de la muestra.

Para determinar en qué fecha se producirá la primera extracció n, hay que elegir al azar un nú mero
entre 1 y K; de ahí en adelante tomar uno de cada K a intervalos regulares. Ocasionalmente, es
conveniente tener en cuenta la periodicidad del fenó meno.

Esto quiere decir que si tenemos un determinado nú mero de personas que es la població n (N) y
queremos escoger de esa població n un nú mero má s pequeñ o el cual es la muestra (n), dividimos el
nú mero de la població n por el nú mero de la muestra que queremos tomar y el resultado de esta
operació n será el intervalo, entonces escogemos un nú mero al azar desde uno hasta el nú mero del
intervalo, y a partir de este nú mero escogemos los demá s siguiendo el orden.

Muestreo estratificado

Consiste en la divisió n previa de la població n de estudio en grupos o clases que se suponen

homogéneos con respecto a alguna característica de las que se van a estudiar. A cada uno de estos
estratos se le asignaría una cuota que determinaría el nú mero de miembros del mismo que
compondrá n la muestra. Dentro de cada estrato se suele usar la técnica de muestreo sistemá tico, una de
las técnicas de selecció n má s usadas en la prá ctica.

Segú n la cantidad de elementos de la muestra que se han de elegir de cada uno de los estratos, existen
dos técnicas de muestreo estratificado:

 Asignación proporcional: el tamañ o de la muestra dentro de cada estrato es proporcional al

tamañ o del estrato dentro de la població n.

 Asignación óptima: la muestra recogerá má s individuos de aquellos estratos que tengan má s

variabilidad. Para ello es necesario un conocimiento previo de la població n.

Por ejemplo, para un estudio de opinió n, puede resultar interesante estudiar por separado las
opiniones de hombres y mujeres pues se estima que, dentro de cada uno de estos grupos, puede haber
cierta homogeneidad. En la asignació n proporcional, si la població n está compuesta de un 55% de
mujeres y un 45 % de hombres, se tomaría una muestra que contenga también esos mismos
porcentajes de hombres y mujeres. En la asignació n ó ptima, si todos los hombres piensan igual, pero las
mujeres son impredecibles, se tomaría una muestra con má s del 55% de mujeres.

Para una descripció n general del muestreo estratificado y los métodos de inferencia asociados con este
procedimiento, suponemos que la població n está dividida en h subpoblaciones o estratos de tamañ os
conocidos N1, N2,..., Nh tal que las unidades en cada estrato sean homogéneas respecto a la característica
en cuestió n. La media y la varianza desconocidas para el i-ésimo estrato son denotadas por mi y si2,
respectivamente.

Muestreo por etapas múltiples

Esta técnica es la ú nica opció n cuando no se dispone de lista completa de la població n de referencia o
bien cuando por medio de la técnica de muestreo simple o estratificado se obtiene una muestra con
unidades distribuidas de tal forma que resultan de difícil acceso. En el muestreo a estadios mú ltiples se
subdivide la població n en varios niveles ordenados que se extraen sucesivamente por medio de un
procedimiento de embudo. El muestreo se desarrolla en varias fases o extracciones sucesivas para cada
nivel.

Por ejemplo, si tenemos que construir una muestra de profesores de primaria en un país determinado,
éstos pueden subdividirse en unidades primarias representadas por circunscripciones didá cticas y
unidades secundarias que serían los propios profesores. En primer lugar extraemos una muestra de las
unidades primarias (para lo cual debemos tener la lista completa de estas unidades) y en segundo lugar
extraemos aleatoriamente una muestra de unidades secundarias de cada una de las primarias
seleccionadas en la primera extracció n.

Muestreo por conglomerados

Se utiliza cuando la població n se encuentra dividida, de manera natural, en grupos que se supone que
contienen toda la variabilidad de la població n, es decir, la representan fielmente respecto a la
característica a elegir, pueden seleccionarse só lo algunos de estos grupos o conglomerados para la
realizació n del estudio.

Dentro de los grupos seleccionados se ubicará n las unidades elementales, por ejemplo, las personas a
encuestar, y podría aplicá rsele el instrumento de medició n a todas las unidades, es decir, los miembros
del grupo, o só lo se les podría aplicar a algunos de ellos, seleccionados al azar. Este método tiene la
ventaja de simplificar la recogida de informació n muestral.

Cuando, dentro de cada conglomerado seleccionado, se extraen algunos individuos para integrar la
muestra, el diseñ o se llama muestreo bietápico.

Las ideas de estratos y conglomerados son, en cierto sentido, opuestas. El primer método funciona
mejor cuanto má s homogénea es la població n respecto del estrato, aunque má s diferentes son éstos
entre sí. En el segundo, ocurre lo contrario. Los conglomerados deben presentar toda la variabilidad,
aunque deben ser muy parecidos entre sí.

Homogeneidad de las poblaciones o sus subgrupos

Homogéneo significa, en el contexto de la estratificació n, que no hay mucha variabilidad. Los estratos
funcionan mejor cuanto má s homogéneos son cada uno de ellos respecto a la característica a medir. Por
ejemplo, si se estudia la estatura de una població n, es bueno distinguir entre los estratos mujeres y
hombres porque se espera que, dentro de ellos, haya menos variabilidad, es decir, sean menos
heterogéneos. Dicho de otro modo, no hay tantas diferencias entre unas estaturas y otras dentro del
estrato que en la població n total.

Por el contrario, la heterogeneidad hace inú til la divisió n en estratos. Si se dan las mismas diferencias
dentro del estrato que en toda la població n, no hay por qué usar este método de muestreo. En los casos
en los que existan grupos que contengan toda la variabilidad de la població n, lo que se construyen son
conglomerados, que ahorran algo del trabajo que supondría analizar toda la població n. En resumen, los
estratos y los conglomerados funcionan bajo principios opuestos: los primeros son mejores cuanto má s
homogéneo es el grupo respecto a la característica a estudiar y los conglomerados, si representan
fielmente a la població n, esto es, contienen toda su variabilidad, o sea, son heterogéneos.

Muestreo no probabilístico

Es aquél para el que no se puede calcular la probabilidad de extracció n de una determinada muestra.
Por tal motivo, se busca seleccionar a individuos que tienen un conocimiento profundo del tema bajo
estudio y se considera que la informació n aportada por esas personas es vital para la toma de
decisiones.

Muestreo por cuotas

Es la técnica má s difundida sobre todo en estudios de mercado y sondeos de opinió n. En primer lugar
es necesario dividir la població n de referencia en varios estratos definidos por algunas variables de
distribució n conocida (como el género o la edad). Posteriormente se calcula el peso proporcional de
cada estrato, es decir, la parte proporcional de població n que representan. Finalmente se multiplica
cada peso por el tamañ o de n de la muestra para determinar la cuota precisa en cada estrato. Se
diferencia del muestreo estratificado en que una vez determinada la cuota, el investigador es libre de
elegir a los sujetos de la muestra dentro de cada estrato.

Muestreo de bola de nieve

Indicado para estudios de poblaciones clandestinas, minoritarias o muy dispersas pero en contacto
entre sí. Consiste en identificar sujetos que se incluirá n en la muestra a partir de los propios
entrevistados. Partiendo de una pequeñ a cantidad de individuos que cumplen los requisitos necesarios,
servirá n como localizadores de otros con características aná logas.

Muestreo subjetivo por decisión razonada

En este caso las unidades de la muestra se eligen en funció n de algunas de sus características de
manera racional y no casual. Una variante de esta técnica es el muestreo compensado o equilibrado, en el
que se seleccionan las unidades de tal forma que la media de la muestra para determinadas variables se
acerque a la media de la població n. La cual funciona en base a referencias o por recomendació n después
se reconoce por medio de la estadística.
DISEÑ O DE MUESTRA
MUESTREO: El objetivo de la estadística es hacer expansiones (FACTOR DE
EXPANSION), inferencias o generalizaciones (factor de expansión) con
base en la información suministrada por una muestra, por lo tanto la
confiabilidad de dichas inferencias depende de la acertada selección de la
muestra.

CONCEPTOS GENERALES

  MUESTRA: Es un subconjunto de una población. Este subconjunto

debe ser representativo de la población que se seleccionó.
 POBLACION: Cualquier conjunto de unidades o elementos
claramente definido para el que se obtienen las estimaciones.
Cuando se va a hacer una investigación, se debe tener muy claro
cual es su cobertura o alcance para así mismo definir la población.
 UNIDAD DE ANALISIS: O elemento del muestreo es el objeto en el
cual se toman mediciones. Estas unidades pueden ser personas,
familias, fincas, empresas, tarjetas, etc.
 UNIDADES DE MUESTREO: Son los elementos disponibles para su
selección en alguna parte del proceso. Estas unidades pueden ser
manzanas de barrios, barrios, familias, fincas, parcelas, sectores,
distribuidores etc.
 MARCO DE MUESTREO: Es un listado o mapa que contiene todas las
unidades de muestreo y por consiguiente cubre toda la población.
Es una lista de todas las unidades de muestreo disponibles para su
selección en alguna parte del proceso de muestreo.

Un marco de muestreo puede ser un listado de alumnos, lista de

distribuidores etc.

IMPORTANCIA DEL PROCESO DE MUESTREO EN LA INVESTIGACION

Errores muéstrales y no muéstrales.

Un error estadístico es la diferencia entre el valor del estimador y el

parámetro correspondiente. Existen varias causas para producir errores.
Según la causa son clasificados en errores de muestreo y de no muestreo.

ERRORES DE NO MUESTREO.

Un error de no muestreo puede ocurrir en cualquier encuesta, sea censo o

una muestra. Estos errores son:

 Falta de definición clara de la población.

 Inadecuada elaboración del marco de muestreo.
 Fallas en la elaboración del cuestionario.
  Mala definición de las necesidades de información.
 Métodos imprecisos de entrevistas.
 Cuando se anotan respuestas en lugares equivocados.
 Cuando los entrevistados no responden.
 Cuando los entrevistados dan respuestas incorrectas.

Estos errores se pueden corregir con una buena atención al diseño del
formulario y en los detalles del trabajo de campo.

ERRORES DE MUESTREO.

Es un error casual de las unidades de muestreo. El error ocurre porque se

observa una parte de la población. Sólo se corrige investigando toda la
población.

ETAPAS DEL PROCESO DE MUESTREO

Paso 1. Definir la población. Incluir: elementos, unidades de muestreo,

alcance, y el tiempo.

Paso 2. Identificar el marco muestral del cual se seleccionará la muestra.

Paso 3. Decidir sobre el tamaño de la muestra.

Paso 4 Seleccionar procedimiento específico mediante el cual se

determinará la muestra.

Paso 5. Seleccionar físicamente la muestra.

CRITERIOS DE ACEPTACION DE UN METODO DE MUESTREO.

1. Que sea representativa de la población: Es decir que tenga una

probabilidad conocida de ser elegida, diferente de cero.

2 .Que tenga confiabilidad susceptible de medición: Probabilidad de que

los eventos ocurran.

3. Que responda a un plan práctico y eficaz: Debe ser sencillo y directo

como para ser llevado a cabo.

Para el diseño de la muestra se pueden utilizar dos tipos de muestreo. Uno

el no probabilístico a través del muestreo por conveniencia, en donde se
obtiene una muestra a criterio del investigador, básicamente cuando no se
conoce N (población). Se utiliza en las etapas iniciales de la investigación, y
sobre todo para definir muestra piloto. Y dos el muestreo probabilístico
que permite hacer inferencias de la población.
NÚMEROS ÍNDICES

"Un nú mero índice es un valor relativo expresado como porcentaje o cociente, que mide un periodo
dado contra un periodo base determinado." Leonard Kasmier

"Un nú mero índice es una medida estadística diseñ ada para poner de relieve cambios en un variable o
en un grupo de variables relacionadas con respecto al tiempo, situació n geográ fica, ingresos, o
cualquier otra característica." Spiegel Murray

Segú n Richard Levin "un numero índice mide cuanto cambia una variable con el tiempo."

Segú n Enrique Cansado "no puede entenderse que los nú meros índices, puedan "medir", ya que la
medició n arroja datos precisos, y un nú mero índice solo indica la manera de evolucionar de una serie
cronoló gica pluridimensional. No mide, describe simplemente. Es un indicador…en realidad se trata
solamente de un estadígrafo que no son medidas sino características (numéricas) descriptivas de la
distribució n que se estudia

Tipos de números índices

Segú n que recojan la evolució n de una o má s magnitudes:

 Índices simples: recogen la evolució n del precio, la cantidad o el valor de un ú nico bien o
producto.
 Índices compuestos, complejos o sintéticos: recogen la evolució n conjunta de los precios, las
cantidades o los valores de k bienes o productos. A su vez, los índices complejos se clasifican
como:
o Sin ponderar: todas las magnitudes o componentes tiene la misma importancia, es
decir, los mismos pesos. Los k bienes o productos se consideran con el mismo peso.
o Ponderados: cada magnitud o componente tiene un peso diferente asignado en funció n
de diversos criterios. Los k bienes o productos se consideran con distinto peso, peso
que recoge la importancia relativa de cada uno de los bienes

NÚMEROS ÍNDICES MÁS USADOS

ÍNDICE DE PRECIOS AL CONSUMIDOR

"Es el índice má s conocido de los que se han publicado, dada su utilidad como indicador de la tasa de
inflació n y del costo de vida… se trata de un índice agregado de precios sobre una canasta bá sica de
varios cientos de bienes y servicios, cuya ponderaciones son reflejo de los patrones de compra de los
consumidores urbanos."

PODER DE COMPRA Y DEFLACIÓN DE LOS VALORES DE SERIES DE TIEMPO

"…el numero reciproco del IPC, indica el poder de compra de la moneda en relació n con el añ o base.

Valor de la moneda= x100

La deflació n de una serie de tiempo es el proceso mediante el cual una serie de valores del añ o en curso
son convertidos a valores monetarios constantes." Leonard Kasmier
Monto relacionado= x100

ÍNDICE DE PRECIOS AL PRODUCTOR

"Incluye tres índices diferentes: de materias primas, materias intermedias y bienes terminados. Se le
considera un importante indicador líder de la tasa de inflació n, debido a la probabilidad de que
incrementos en los precios de lo bienes terminados den origen a subsecuentes incrementos en precios
al consumidor." Leonard Kasmier

LOS PROMEDIOS DE PRECIOS BURSÁTILES DE DOW JONES

"Los promedios de precios bursá tiles de Dow Jones, muestra los promedios de las acciones en el ramo
de la industria, el transporte y de servicios pú blicos, toma como muestra 30 mercados. Se trata de un
promedio ponderado cuyas ponderaciones ha sido revisadas varias veces a causa de cambios en el
valor nominal de las acciones y modificaciones en las compañ ías incluidas en el índice." Leonard
Kasmier

ÍNDICE DE PRODUCCIÓN INDUSTRIAL

"Es un índice agregado de cantidad… y es una medida de la producció n de fá bricas, minas y plantas
eléctricas y gaseras del país. Por lo tanto, es un indicador importante del estado de la economía. Se trata
de un promedio ponderado de relativos de cantidad." Leonard Kasmier

PROBLEMAS EN LA CONSTRUCCIÓN DE NÚMEROS ÍNDICE.

10.1 Problemas en la construcción

Existen varios problemas en la construcció n de un nú mero índice, de los cuales podemos mencionar los
siguientes:

 Selecció n de un elemento para ser incluido en un compuesto

Casi todos los índices se construyen para responder a una cierta pregunta en particular. Los elementos
incluidos en el compuesto dependen de la pregunta en cuestió n.

 Selecció n de los pesos apropiados

Los pesos seleccionados deberían representar la importancia relativa de los diferentes elementos.
Desafortunadamente, lo que resulta apropiado en un período puede volverse inapropiado en un lapso
muy corto.

 Selecció n de un período base

El período base seleccionado debe ser un período normal, preferentemente un período bastante
reciente. Normal significa que el período no debe estar en un pico o en una depresió n de una
fluctuació n. Una técnica para evitar la elecció n de un período irregular consiste en promediar los
valores de varios períodos consecutivos.
10.2 Advertencia en la interpretación de un índice

En cuanto a las advertencias en la interpretació n de un índice, podemos mencionar las siguientes:

 Generalizació n a partir de un índice específico

Generalizació n de los resultados.

 Falta de conocimiento general con respecto a índices publicados

Es la falta de conocimiento de qué es lo que miden los diferentes índices.

 Efecto del paso del tiempo en un índice

Los factores relacionados con un índice tienden a cambiar con el tiempo, en particular, los pesos
apropiados. A menos que se cambien los pesos de acuerdo a las circunstancias, el índice se vuelve cada
vez menos confiable.

 Cambios de calidad

Los nú meros índice no reflejan los cambios en la calidad de los productos que miden. Si la calidad ha
cambiado realmente, entonces el índice sobrestima o subestima los cambios en los niveles de precios.

Probabilidad
La probabilidad es un método por el cual se obtiene la frecuencia de un acontecimiento
determinado mediante la realización de un experimento aleatorio, del que se conocen todos
los resultados posibles, bajo condiciones suficientemente estables.

La teoría de la probabilidad se usa extensamente en áreas como la estadística, la física, la

matemática, las ciencias y la filosofía para sacar conclusiones sobre la probabilidad discreta
de sucesos potenciales y la mecánica subyacente discreta de sistemas complejos, por lo
tanto es la rama de las matemáticas que estudia, mide o determina a los experimentos o
fenómenos aleatorios.

 6 Enlaces externos

Historia
La definición de probabilidad surge debido al deseo del ser humano por conocer con
certeza los eventos que sucederán en el futuro. Es por eso que a través de la historia se han
desarrollado diferentes enfoques para tener un concepto de la probabilidad y determinar sus
valores.