SlideShare une entreprise Scribd logo
1  sur  3
UNIVERSO, POBLACIÓN Y MUESTRA
(Prof. Samuel Sengini, biólogo)
Un fenómeno aleatorio sería todo aquello que resulta de la percepción u observación,
mediante los sentidos o instrumentos, de individuos, cosas o elementos similares que
forman parte de un colectivo denominado Universo. Este colectivo puede estar formado por
un número finito o infinito de tales unidades.
Una Observación es un dato o valor numérico
que se obtiene al calificar o cuantificar una característica en las diferentes unidades. El
conjunto de observaciones (datos) origina una Población, la cual puede estar formada por un
número finito o infinito de datos o valores numéricos. Una Muestra es un conjunto formado
por n observaciones extraídas de la población. El número n de observaciones define el
tamaño de la muestra.
A continuación se ejemplificarán los conceptos de Universo, Población y Muestra:
Ejemplo 4.2.1: Un productor agrícola quiere conocer algunas características de las
mazorcas producidas en una parcela sembrada con plantas de maíz. Para tal fin selecciona
50 mazorcas y cuenta el número de granos en cada mazorca.
Universo: conjunto formado por todas las mazorcas de maíz que produjo la parcela.
Este universo es finito porque lo forma el total de mazorcas producidas.
Característica observada: el número de granos de cada mazorca.
Población: conjunto de todos los valores de la característica número de granos de cada
mazorca. Esta población es finita porque lo forma el total de valores del número de
granos obtenidos del universo.
Muestra: conjunto finito de 50 valores de la característica número de granos.
Ejemplo 4.2.2: El mismo productor seleccionó del ejemplo anterior, seleccionó 20
mazorcas y determinó el peso de cada una.
Universo: el mismo del ejemplo anterior.
Característica observada: el peso de cada mazorca.
Población: conjunto finito de todos los valores de peso de cada mazorca.
Muestra: conjunto finito de 20 valores de la característica peso de cada mazorca.
Ejemplo 4.2.3: Un biólogo quiere conocer algunas características de los rabipelados
Didelphus marsupialis. Para lograr esto, seleccionó 100 individuos de la especie en
cuestión y le determinó a cada uno el número de glándulas sebáceas en los miembros
anteriores.
Universo: conjunto de rabipelados de la especie Didelphus marsupialis. Este
universo es infinito porque está formado por todos los ejemplares que viven
actualmente, los que vivieron alguna vez y los que van a existir en el futuro.
Característica observada: el número de glándulas sebáceas.
Población: conjunto de todos los valores de la característica número de glándulas
sebáceas. Esta población es infinita por las mismas razones que hacen infinito al
universo de rabipelados.
Muestra: conjunto finito de 100 valores de la característica número de glándulas
sebáceas.
Ejemplo 4.2.4: El biólogo del ejemplo anterior midió el contenido de Hemoglobina en la
sangre de 500 rabipelados.
Universo: igual al anterior
Característica observada: la concentración de hemoglobina.
Población: conjunto de todos los valores de la concentración de hemoglobina Esta
población es infinita por las mismas razones que hacen infinito al universo de
rabipelados.
Muestra: conjunto finito de 500 valores de la característica concentración de
hemoglobina
Ejemplo 4.2.5: El mismo biólogo desea conocer el tamaño de los sapos del género
Atelopus que viven actualmente en la selva nublada de Monte Zerpa. Con éste propósito
capturó 35 individuos y midió la longitud del cuerpo de cada ejemplar.
Universo: conjunto formado por todos los sapos del género Atelopus que viven
actualmente en Monte Zerpa. Este universo es finito porque el biólogo sólo esta
interesado en el conjunto de individuos que existe actualmente y no en los que vivieron
o vivirán.
Característica observada: la longitud.
Población: conjunto de todos los valores del tamaño. Esta población es finita por las
mismas razones que hacen infinito al universo de sapos.
Muestra: conjunto finito de 35 valores de longitud o tamaño.
Ejemplo 4.2.6: Se quiere conocer el valor promedio de la temperatura del agua del río
Albarregas a la altura de los 2000 m.s.n.m. y para el año 1997. Para lograr esto se midió la
temperatura del agua en el mismo lugar y hora todos los días de ese año.
Universo: éste universo se puede considerar infinito puesto que en el lugar escogido
para realizar el experimento existen infinitos puntos sobre la superficie de la corriente
de agua en los cuales se puede introducir el termómetro.
Característica observada: la temperatura del agua.
Población: conjunto de todos los valores de la temperatura. Esta población es infinita
por las mismas razones que hacen infinito al universo de puntos de medición de la
temperatura.
Muestra: conjunto de 365 valores de temperatura del agua.
De los ejemplos anteriores se pueden obtener dos conclusiones importantes: la primera es
que los conceptos de universo y población son relativos y es el investigador quien
determina, según su interés, la extensión del universo y consecuentemente la de la
población a estudiar. Así vemos como en los ejemplos 3 y 4 el biólogo al decidir estudiar
los rabipelados al nivel taxonómico de especie, estaba también decidiendo estudiar un
universo infinito. Por el contrario, en el ejemplo 5 limitó su estudio a los sapos del género
Atelopus que viven en un sitio determinado, es decir que decidió trabajar con un universo
finito. La segunda conclusión que puede obtenerse es que de un universo se pueden
generar varias poblaciones. Así vimos que del mismo universo de mazorcas se generó una
población de números de granos y otra de peso de los granos.

Contenu connexe

Tendances

Investigacion historica
Investigacion historicaInvestigacion historica
Investigacion historicaIsabel Olmeda
 
Ejemplo de una introduccion
Ejemplo de una introduccionEjemplo de una introduccion
Ejemplo de una introduccionMechi Ra
 
Introduccion al proceso de investigacion
Introduccion al proceso de investigacionIntroduccion al proceso de investigacion
Introduccion al proceso de investigacionAlexa' Ovalles
 
Análisis de los datos y tabulación
Análisis de los datos y tabulaciónAnálisis de los datos y tabulación
Análisis de los datos y tabulaciónTomás Calderón
 
Universo, población y muestra
Universo, población y muestraUniverso, población y muestra
Universo, población y muestraTomás Calderón
 
Prueba de hipótesis
Prueba de hipótesisPrueba de hipótesis
Prueba de hipótesisCarol Ramos
 
Ejemplo DE VIABILIDAD DE LA INVESTIGACION
Ejemplo DE VIABILIDAD DE LA INVESTIGACIONEjemplo DE VIABILIDAD DE LA INVESTIGACION
Ejemplo DE VIABILIDAD DE LA INVESTIGACIONjessica acosta
 
1. idea de investigación y planteamiento del problema
1. idea de investigación y planteamiento del problema1. idea de investigación y planteamiento del problema
1. idea de investigación y planteamiento del problemaJuan de Dios Díaz Rosales
 
Métodos y técnicas de investigación.
Métodos y técnicas de investigación.Métodos y técnicas de investigación.
Métodos y técnicas de investigación.guillermo pereda
 
Muestreo aleatorio simple
Muestreo aleatorio simpleMuestreo aleatorio simple
Muestreo aleatorio simplemilit
 
Enfoques de Investigacion
Enfoques de InvestigacionEnfoques de Investigacion
Enfoques de Investigaciongambitguille
 
Tipos y métodos de investigación
Tipos y métodos de investigaciónTipos y métodos de investigación
Tipos y métodos de investigaciónug-dipa
 
Identificación de un problema
Identificación de un problemaIdentificación de un problema
Identificación de un problemaptardilaq
 

Tendances (20)

Investigacion historica
Investigacion historicaInvestigacion historica
Investigacion historica
 
Ejemplo de una introduccion
Ejemplo de una introduccionEjemplo de una introduccion
Ejemplo de una introduccion
 
Introduccion al proceso de investigacion
Introduccion al proceso de investigacionIntroduccion al proceso de investigacion
Introduccion al proceso de investigacion
 
Análisis de los datos y tabulación
Análisis de los datos y tabulaciónAnálisis de los datos y tabulación
Análisis de los datos y tabulación
 
Escalas de medición
Escalas de mediciónEscalas de medición
Escalas de medición
 
Universo, población y muestra
Universo, población y muestraUniverso, población y muestra
Universo, población y muestra
 
Prueba de hipótesis
Prueba de hipótesisPrueba de hipótesis
Prueba de hipótesis
 
Ejemplo DE VIABILIDAD DE LA INVESTIGACION
Ejemplo DE VIABILIDAD DE LA INVESTIGACIONEjemplo DE VIABILIDAD DE LA INVESTIGACION
Ejemplo DE VIABILIDAD DE LA INVESTIGACION
 
Métodos de investigacion
Métodos de investigacionMétodos de investigacion
Métodos de investigacion
 
1. idea de investigación y planteamiento del problema
1. idea de investigación y planteamiento del problema1. idea de investigación y planteamiento del problema
1. idea de investigación y planteamiento del problema
 
Tipos de escalas y variables estadísticas
Tipos de escalas y variables estadísticasTipos de escalas y variables estadísticas
Tipos de escalas y variables estadísticas
 
Métodos y técnicas de investigación.
Métodos y técnicas de investigación.Métodos y técnicas de investigación.
Métodos y técnicas de investigación.
 
Muestreo aleatorio simple
Muestreo aleatorio simpleMuestreo aleatorio simple
Muestreo aleatorio simple
 
Conclusiones
ConclusionesConclusiones
Conclusiones
 
Enfoques de Investigacion
Enfoques de InvestigacionEnfoques de Investigacion
Enfoques de Investigacion
 
Tipos y métodos de investigación
Tipos y métodos de investigaciónTipos y métodos de investigación
Tipos y métodos de investigación
 
Marco Referencial
Marco Referencial Marco Referencial
Marco Referencial
 
Identificación de un problema
Identificación de un problemaIdentificación de un problema
Identificación de un problema
 
Investigacion descriptiva
Investigacion descriptivaInvestigacion descriptiva
Investigacion descriptiva
 
Diseño preexperimental
Diseño preexperimentalDiseño preexperimental
Diseño preexperimental
 

En vedette

Tabla de frecuencia. estadistica
Tabla de frecuencia. estadisticaTabla de frecuencia. estadistica
Tabla de frecuencia. estadisticaSofiaGallardo24
 
Frecuencia estadística
Frecuencia estadística Frecuencia estadística
Frecuencia estadística Ricardo Muzante
 
Frecuencias estadísticas
Frecuencias estadísticasFrecuencias estadísticas
Frecuencias estadísticasMarco Yacila
 
Como elaborar tabla de frecuencias
Como elaborar tabla de frecuenciasComo elaborar tabla de frecuencias
Como elaborar tabla de frecuenciasEliseo Tintaya
 
Ejemplo para el marco metodológico
Ejemplo para el marco metodológicoEjemplo para el marco metodológico
Ejemplo para el marco metodológicojuan pablo
 
Seleccion de la Muestra en Investigacion
Seleccion de la Muestra en InvestigacionSeleccion de la Muestra en Investigacion
Seleccion de la Muestra en Investigaciongambitguille
 
Cómo calcular la amplitud de intervalo de un conjunto de datos numéricos
Cómo calcular la amplitud de intervalo de un conjunto de datos numéricosCómo calcular la amplitud de intervalo de un conjunto de datos numéricos
Cómo calcular la amplitud de intervalo de un conjunto de datos numéricosJoooseee
 
Conceptos Básicos de la Estadística
Conceptos Básicos de la EstadísticaConceptos Básicos de la Estadística
Conceptos Básicos de la Estadísticahectorquintero
 
Estadística: Conceptos básicos
Estadística: Conceptos básicosEstadística: Conceptos básicos
Estadística: Conceptos básicosYris Bettiana
 
Elaboración de tablas de frecuencia, estadística
Elaboración de tablas de frecuencia, estadísticaElaboración de tablas de frecuencia, estadística
Elaboración de tablas de frecuencia, estadísticaGerardo Lagos
 
Estadistica, poblacion, muestra y variables
Estadistica, poblacion, muestra y variablesEstadistica, poblacion, muestra y variables
Estadistica, poblacion, muestra y variablesJuan Carlos Durand
 
Tipo Y Diseño De La Investigacion
Tipo Y Diseño De La InvestigacionTipo Y Diseño De La Investigacion
Tipo Y Diseño De La Investigacionuci2c
 

En vedette (16)

EstadìStica Clase 1
EstadìStica  Clase 1EstadìStica  Clase 1
EstadìStica Clase 1
 
Tabla de frecuencia. estadistica
Tabla de frecuencia. estadisticaTabla de frecuencia. estadistica
Tabla de frecuencia. estadistica
 
Frecuencia estadística
Frecuencia estadística Frecuencia estadística
Frecuencia estadística
 
Ejemplos de población y muestra
Ejemplos de población y muestraEjemplos de población y muestra
Ejemplos de población y muestra
 
Investigación Mixta
Investigación MixtaInvestigación Mixta
Investigación Mixta
 
Estadistica
EstadisticaEstadistica
Estadistica
 
Frecuencias estadísticas
Frecuencias estadísticasFrecuencias estadísticas
Frecuencias estadísticas
 
Como elaborar tabla de frecuencias
Como elaborar tabla de frecuenciasComo elaborar tabla de frecuencias
Como elaborar tabla de frecuencias
 
Ejemplo para el marco metodológico
Ejemplo para el marco metodológicoEjemplo para el marco metodológico
Ejemplo para el marco metodológico
 
Seleccion de la Muestra en Investigacion
Seleccion de la Muestra en InvestigacionSeleccion de la Muestra en Investigacion
Seleccion de la Muestra en Investigacion
 
Cómo calcular la amplitud de intervalo de un conjunto de datos numéricos
Cómo calcular la amplitud de intervalo de un conjunto de datos numéricosCómo calcular la amplitud de intervalo de un conjunto de datos numéricos
Cómo calcular la amplitud de intervalo de un conjunto de datos numéricos
 
Conceptos Básicos de la Estadística
Conceptos Básicos de la EstadísticaConceptos Básicos de la Estadística
Conceptos Básicos de la Estadística
 
Estadística: Conceptos básicos
Estadística: Conceptos básicosEstadística: Conceptos básicos
Estadística: Conceptos básicos
 
Elaboración de tablas de frecuencia, estadística
Elaboración de tablas de frecuencia, estadísticaElaboración de tablas de frecuencia, estadística
Elaboración de tablas de frecuencia, estadística
 
Estadistica, poblacion, muestra y variables
Estadistica, poblacion, muestra y variablesEstadistica, poblacion, muestra y variables
Estadistica, poblacion, muestra y variables
 
Tipo Y Diseño De La Investigacion
Tipo Y Diseño De La InvestigacionTipo Y Diseño De La Investigacion
Tipo Y Diseño De La Investigacion
 

Similaire à Ejemplos universo poblacion y muestra

Similaire à Ejemplos universo poblacion y muestra (20)

Ejemplo
EjemploEjemplo
Ejemplo
 
Ejemplo
EjemploEjemplo
Ejemplo
 
Metodos modelizacion
Metodos modelizacionMetodos modelizacion
Metodos modelizacion
 
Tecnicas de siembra
Tecnicas de siembraTecnicas de siembra
Tecnicas de siembra
 
Diapositivas Ecologìa de las comunidades.pdf
Diapositivas Ecologìa de las comunidades.pdfDiapositivas Ecologìa de las comunidades.pdf
Diapositivas Ecologìa de las comunidades.pdf
 
Biologia present.pptx
Biologia present.pptxBiologia present.pptx
Biologia present.pptx
 
Practica 2. Mecanismos respiratorios.
Practica 2. Mecanismos respiratorios.Practica 2. Mecanismos respiratorios.
Practica 2. Mecanismos respiratorios.
 
DOÑANA.3-2.marcad.pdf
DOÑANA.3-2.marcad.pdfDOÑANA.3-2.marcad.pdf
DOÑANA.3-2.marcad.pdf
 
Trabajo pre icfes
Trabajo pre  icfesTrabajo pre  icfes
Trabajo pre icfes
 
Estadística basica 14
Estadística basica 14Estadística basica 14
Estadística basica 14
 
2020 i ep_tema_3._calculo_de_biomasa
2020 i ep_tema_3._calculo_de_biomasa2020 i ep_tema_3._calculo_de_biomasa
2020 i ep_tema_3._calculo_de_biomasa
 
BIOLOGIA LABORATORIO #3
BIOLOGIA LABORATORIO #3BIOLOGIA LABORATORIO #3
BIOLOGIA LABORATORIO #3
 
Tema 4. los ecosistemas
Tema 4. los ecosistemasTema 4. los ecosistemas
Tema 4. los ecosistemas
 
Tutorial de probabilidad y estadística.
Tutorial de probabilidad y estadística.Tutorial de probabilidad y estadística.
Tutorial de probabilidad y estadística.
 
Manual ecológico
Manual ecológicoManual ecológico
Manual ecológico
 
Métodos de censos
Métodos de censos Métodos de censos
Métodos de censos
 
Informe de Necropsia de un Ave
Informe de Necropsia de un AveInforme de Necropsia de un Ave
Informe de Necropsia de un Ave
 
Universo y muestra
Universo y muestraUniverso y muestra
Universo y muestra
 
Ejercicio 1 estadistica
Ejercicio 1 estadisticaEjercicio 1 estadistica
Ejercicio 1 estadistica
 
Crecimiento bacteriano
Crecimiento bacterianoCrecimiento bacteriano
Crecimiento bacteriano
 

Plus de nchacinp

I Examen parcial de estadística aplicada A 2018
I Examen parcial de estadística aplicada A 2018I Examen parcial de estadística aplicada A 2018
I Examen parcial de estadística aplicada A 2018nchacinp
 
I examen parcial a y b 2017
I examen parcial a y b 2017I examen parcial a y b 2017
I examen parcial a y b 2017nchacinp
 
Ii examen estadística probabilidades
Ii examen estadística probabilidadesIi examen estadística probabilidades
Ii examen estadística probabilidadesnchacinp
 
R6 test de hipótesis
R6 test de hipótesisR6 test de hipótesis
R6 test de hipótesisnchacinp
 
R5 intervalos de confianza
R5 intervalos de confianzaR5 intervalos de confianza
R5 intervalos de confianzanchacinp
 
Estad uma 04_probabilidades
Estad uma 04_probabilidadesEstad uma 04_probabilidades
Estad uma 04_probabilidadesnchacinp
 
Ejercicios para entregar i parcial sem a2017
Ejercicios para entregar i parcial sem a2017Ejercicios para entregar i parcial sem a2017
Ejercicios para entregar i parcial sem a2017nchacinp
 
Diagrama de cajas y datos atípicos
Diagrama de cajas y datos atípicosDiagrama de cajas y datos atípicos
Diagrama de cajas y datos atípicosnchacinp
 
Datos agrupados. medidas descriptivas
Datos agrupados. medidas descriptivasDatos agrupados. medidas descriptivas
Datos agrupados. medidas descriptivasnchacinp
 
Distribuciones de frecuencias
Distribuciones de frecuenciasDistribuciones de frecuencias
Distribuciones de frecuenciasnchacinp
 
Medidas de dispersion_prof hector
Medidas de dispersion_prof hectorMedidas de dispersion_prof hector
Medidas de dispersion_prof hectornchacinp
 
Practica 2.preguntas medidas de resumen y dispersion
Practica 2.preguntas medidas de resumen y dispersionPractica 2.preguntas medidas de resumen y dispersion
Practica 2.preguntas medidas de resumen y dispersionnchacinp
 
Cuartiles y percentiles
Cuartiles y percentilesCuartiles y percentiles
Cuartiles y percentilesnchacinp
 
Escalas de medida
Escalas de medidaEscalas de medida
Escalas de medidanchacinp
 
Ejercicios tema1
Ejercicios tema1Ejercicios tema1
Ejercicios tema1nchacinp
 
Notacion de suma con sigma
Notacion de suma con sigmaNotacion de suma con sigma
Notacion de suma con sigmanchacinp
 
Tests hipotesis introducción
Tests hipotesis introducciónTests hipotesis introducción
Tests hipotesis introducciónnchacinp
 
Inferencia introducción
Inferencia introducciónInferencia introducción
Inferencia introducciónnchacinp
 

Plus de nchacinp (20)

I Examen parcial de estadística aplicada A 2018
I Examen parcial de estadística aplicada A 2018I Examen parcial de estadística aplicada A 2018
I Examen parcial de estadística aplicada A 2018
 
I examen parcial a y b 2017
I examen parcial a y b 2017I examen parcial a y b 2017
I examen parcial a y b 2017
 
Ii examen estadística probabilidades
Ii examen estadística probabilidadesIi examen estadística probabilidades
Ii examen estadística probabilidades
 
R6 test de hipótesis
R6 test de hipótesisR6 test de hipótesis
R6 test de hipótesis
 
R5 intervalos de confianza
R5 intervalos de confianzaR5 intervalos de confianza
R5 intervalos de confianza
 
Estad uma 04_probabilidades
Estad uma 04_probabilidadesEstad uma 04_probabilidades
Estad uma 04_probabilidades
 
Ejercicios para entregar i parcial sem a2017
Ejercicios para entregar i parcial sem a2017Ejercicios para entregar i parcial sem a2017
Ejercicios para entregar i parcial sem a2017
 
Diagrama de cajas y datos atípicos
Diagrama de cajas y datos atípicosDiagrama de cajas y datos atípicos
Diagrama de cajas y datos atípicos
 
Datos agrupados. medidas descriptivas
Datos agrupados. medidas descriptivasDatos agrupados. medidas descriptivas
Datos agrupados. medidas descriptivas
 
Distribuciones de frecuencias
Distribuciones de frecuenciasDistribuciones de frecuencias
Distribuciones de frecuencias
 
Medidas de dispersion_prof hector
Medidas de dispersion_prof hectorMedidas de dispersion_prof hector
Medidas de dispersion_prof hector
 
Practica 2.preguntas medidas de resumen y dispersion
Practica 2.preguntas medidas de resumen y dispersionPractica 2.preguntas medidas de resumen y dispersion
Practica 2.preguntas medidas de resumen y dispersion
 
Cuartiles y percentiles
Cuartiles y percentilesCuartiles y percentiles
Cuartiles y percentiles
 
Escalas de medida
Escalas de medidaEscalas de medida
Escalas de medida
 
Ejercicios tema1
Ejercicios tema1Ejercicios tema1
Ejercicios tema1
 
Notacion de suma con sigma
Notacion de suma con sigmaNotacion de suma con sigma
Notacion de suma con sigma
 
Tests hipotesis introducción
Tests hipotesis introducciónTests hipotesis introducción
Tests hipotesis introducción
 
Inferencia introducción
Inferencia introducciónInferencia introducción
Inferencia introducción
 
R2
R2R2
R2
 
R3
R3R3
R3
 

Dernier

PREGUNTA E REFÉRENDUM 21 DE ABRIL ECUADOR
PREGUNTA E REFÉRENDUM 21 DE ABRIL ECUADORPREGUNTA E REFÉRENDUM 21 DE ABRIL ECUADOR
PREGUNTA E REFÉRENDUM 21 DE ABRIL ECUADOReluniversocom
 
PREGUNTA H DE CONSULTA POPULAR 21 DE ABRIL
PREGUNTA H DE CONSULTA POPULAR 21 DE ABRILPREGUNTA H DE CONSULTA POPULAR 21 DE ABRIL
PREGUNTA H DE CONSULTA POPULAR 21 DE ABRILeluniversocom
 
PREGUNTA J DE CONSULTA POPULAR 21 DE ABRIL
PREGUNTA J DE CONSULTA POPULAR 21 DE ABRILPREGUNTA J DE CONSULTA POPULAR 21 DE ABRIL
PREGUNTA J DE CONSULTA POPULAR 21 DE ABRILeluniversocom
 
PREGUNTA K DE LA CONSULTA POPULAR 21 DE ABRIL
PREGUNTA K DE LA CONSULTA POPULAR 21 DE ABRILPREGUNTA K DE LA CONSULTA POPULAR 21 DE ABRIL
PREGUNTA K DE LA CONSULTA POPULAR 21 DE ABRILeluniversocom
 
stellaire vinos de mora SAS proyecto de vino mora
stellaire vinos de mora SAS proyecto de vino morastellaire vinos de mora SAS proyecto de vino mora
stellaire vinos de mora SAS proyecto de vino moraYessicaBrigithArdila
 
17 PRACTICAS - MODALIDAAD FAMILIAAR.docx
17 PRACTICAS - MODALIDAAD FAMILIAAR.docx17 PRACTICAS - MODALIDAAD FAMILIAAR.docx
17 PRACTICAS - MODALIDAAD FAMILIAAR.docxmarthaarroyo16
 
Mapa de riesgos de un taller mecánico 405
Mapa de riesgos de un taller mecánico 405Mapa de riesgos de un taller mecánico 405
Mapa de riesgos de un taller mecánico 405rodrimarxim
 
Mapa de riesgos de un cine, equipo 4.pdf
Mapa de riesgos de un cine, equipo 4.pdfMapa de riesgos de un cine, equipo 4.pdf
Mapa de riesgos de un cine, equipo 4.pdfhees071224mmcrpna1
 
Las familias más ricas dentro del sionismo (2024).pdf
Las familias más ricas dentro del sionismo (2024).pdfLas familias más ricas dentro del sionismo (2024).pdf
Las familias más ricas dentro del sionismo (2024).pdfJC Díaz Herrera
 
Países por velocidad de sus misiles hipersónicos (2024).pdf
Países por velocidad de sus misiles hipersónicos  (2024).pdfPaíses por velocidad de sus misiles hipersónicos  (2024).pdf
Países por velocidad de sus misiles hipersónicos (2024).pdfJC Díaz Herrera
 
INTRODUCCION A LA ESTADISTICA RECOLECCION DE DATOS.pdf
INTRODUCCION A LA ESTADISTICA RECOLECCION DE DATOS.pdfINTRODUCCION A LA ESTADISTICA RECOLECCION DE DATOS.pdf
INTRODUCCION A LA ESTADISTICA RECOLECCION DE DATOS.pdfmaryisabelpantojavar
 
MAPA DE RIESGOS DE UN ZOOLOGICO ..pdf
MAPA DE RIESGOS DE UN ZOOLOGICO    ..pdfMAPA DE RIESGOS DE UN ZOOLOGICO    ..pdf
MAPA DE RIESGOS DE UN ZOOLOGICO ..pdfCamilaArzate2
 
FORMATO INVENTARIO MOBILIARIO PASO A PASO
FORMATO INVENTARIO MOBILIARIO PASO A PASOFORMATO INVENTARIO MOBILIARIO PASO A PASO
FORMATO INVENTARIO MOBILIARIO PASO A PASOsecundariatecnica891
 
2024 2024 202420242024PPT SESIÓN 03.pptx
2024 2024 202420242024PPT SESIÓN 03.pptx2024 2024 202420242024PPT SESIÓN 03.pptx
2024 2024 202420242024PPT SESIÓN 03.pptxccordovato
 
PREGUNTA A DEL REFERÉNDUM 21 DE ABRIL.pdf
PREGUNTA A DEL REFERÉNDUM 21 DE ABRIL.pdfPREGUNTA A DEL REFERÉNDUM 21 DE ABRIL.pdf
PREGUNTA A DEL REFERÉNDUM 21 DE ABRIL.pdfeluniversocom
 
AREA TECNOLOGIA E INFORMATICA.pdf Santiago
AREA TECNOLOGIA E INFORMATICA.pdf SantiagoAREA TECNOLOGIA E INFORMATICA.pdf Santiago
AREA TECNOLOGIA E INFORMATICA.pdf SantiagoSantiagoRodriguezLoz
 
HABILESASAMBLEA Para negocios independientes.pdf
HABILESASAMBLEA Para negocios independientes.pdfHABILESASAMBLEA Para negocios independientes.pdf
HABILESASAMBLEA Para negocios independientes.pdfGEINER22
 
El guion museográfico. definición. componentes. parte 1.pptx
El guion museográfico. definición. componentes. parte 1.pptxEl guion museográfico. definición. componentes. parte 1.pptx
El guion museográfico. definición. componentes. parte 1.pptxAngelaMarquez27
 
El sistema solar el gran descubrimiento del sistema solar .pptx
El sistema solar el gran descubrimiento del sistema solar .pptxEl sistema solar el gran descubrimiento del sistema solar .pptx
El sistema solar el gran descubrimiento del sistema solar .pptxYoladsCabarcasTous
 
Presentación informe 'Fondos Next Generation European Union destinados a actu...
Presentación informe 'Fondos Next Generation European Union destinados a actu...Presentación informe 'Fondos Next Generation European Union destinados a actu...
Presentación informe 'Fondos Next Generation European Union destinados a actu...Ivie
 

Dernier (20)

PREGUNTA E REFÉRENDUM 21 DE ABRIL ECUADOR
PREGUNTA E REFÉRENDUM 21 DE ABRIL ECUADORPREGUNTA E REFÉRENDUM 21 DE ABRIL ECUADOR
PREGUNTA E REFÉRENDUM 21 DE ABRIL ECUADOR
 
PREGUNTA H DE CONSULTA POPULAR 21 DE ABRIL
PREGUNTA H DE CONSULTA POPULAR 21 DE ABRILPREGUNTA H DE CONSULTA POPULAR 21 DE ABRIL
PREGUNTA H DE CONSULTA POPULAR 21 DE ABRIL
 
PREGUNTA J DE CONSULTA POPULAR 21 DE ABRIL
PREGUNTA J DE CONSULTA POPULAR 21 DE ABRILPREGUNTA J DE CONSULTA POPULAR 21 DE ABRIL
PREGUNTA J DE CONSULTA POPULAR 21 DE ABRIL
 
PREGUNTA K DE LA CONSULTA POPULAR 21 DE ABRIL
PREGUNTA K DE LA CONSULTA POPULAR 21 DE ABRILPREGUNTA K DE LA CONSULTA POPULAR 21 DE ABRIL
PREGUNTA K DE LA CONSULTA POPULAR 21 DE ABRIL
 
stellaire vinos de mora SAS proyecto de vino mora
stellaire vinos de mora SAS proyecto de vino morastellaire vinos de mora SAS proyecto de vino mora
stellaire vinos de mora SAS proyecto de vino mora
 
17 PRACTICAS - MODALIDAAD FAMILIAAR.docx
17 PRACTICAS - MODALIDAAD FAMILIAAR.docx17 PRACTICAS - MODALIDAAD FAMILIAAR.docx
17 PRACTICAS - MODALIDAAD FAMILIAAR.docx
 
Mapa de riesgos de un taller mecánico 405
Mapa de riesgos de un taller mecánico 405Mapa de riesgos de un taller mecánico 405
Mapa de riesgos de un taller mecánico 405
 
Mapa de riesgos de un cine, equipo 4.pdf
Mapa de riesgos de un cine, equipo 4.pdfMapa de riesgos de un cine, equipo 4.pdf
Mapa de riesgos de un cine, equipo 4.pdf
 
Las familias más ricas dentro del sionismo (2024).pdf
Las familias más ricas dentro del sionismo (2024).pdfLas familias más ricas dentro del sionismo (2024).pdf
Las familias más ricas dentro del sionismo (2024).pdf
 
Países por velocidad de sus misiles hipersónicos (2024).pdf
Países por velocidad de sus misiles hipersónicos  (2024).pdfPaíses por velocidad de sus misiles hipersónicos  (2024).pdf
Países por velocidad de sus misiles hipersónicos (2024).pdf
 
INTRODUCCION A LA ESTADISTICA RECOLECCION DE DATOS.pdf
INTRODUCCION A LA ESTADISTICA RECOLECCION DE DATOS.pdfINTRODUCCION A LA ESTADISTICA RECOLECCION DE DATOS.pdf
INTRODUCCION A LA ESTADISTICA RECOLECCION DE DATOS.pdf
 
MAPA DE RIESGOS DE UN ZOOLOGICO ..pdf
MAPA DE RIESGOS DE UN ZOOLOGICO    ..pdfMAPA DE RIESGOS DE UN ZOOLOGICO    ..pdf
MAPA DE RIESGOS DE UN ZOOLOGICO ..pdf
 
FORMATO INVENTARIO MOBILIARIO PASO A PASO
FORMATO INVENTARIO MOBILIARIO PASO A PASOFORMATO INVENTARIO MOBILIARIO PASO A PASO
FORMATO INVENTARIO MOBILIARIO PASO A PASO
 
2024 2024 202420242024PPT SESIÓN 03.pptx
2024 2024 202420242024PPT SESIÓN 03.pptx2024 2024 202420242024PPT SESIÓN 03.pptx
2024 2024 202420242024PPT SESIÓN 03.pptx
 
PREGUNTA A DEL REFERÉNDUM 21 DE ABRIL.pdf
PREGUNTA A DEL REFERÉNDUM 21 DE ABRIL.pdfPREGUNTA A DEL REFERÉNDUM 21 DE ABRIL.pdf
PREGUNTA A DEL REFERÉNDUM 21 DE ABRIL.pdf
 
AREA TECNOLOGIA E INFORMATICA.pdf Santiago
AREA TECNOLOGIA E INFORMATICA.pdf SantiagoAREA TECNOLOGIA E INFORMATICA.pdf Santiago
AREA TECNOLOGIA E INFORMATICA.pdf Santiago
 
HABILESASAMBLEA Para negocios independientes.pdf
HABILESASAMBLEA Para negocios independientes.pdfHABILESASAMBLEA Para negocios independientes.pdf
HABILESASAMBLEA Para negocios independientes.pdf
 
El guion museográfico. definición. componentes. parte 1.pptx
El guion museográfico. definición. componentes. parte 1.pptxEl guion museográfico. definición. componentes. parte 1.pptx
El guion museográfico. definición. componentes. parte 1.pptx
 
El sistema solar el gran descubrimiento del sistema solar .pptx
El sistema solar el gran descubrimiento del sistema solar .pptxEl sistema solar el gran descubrimiento del sistema solar .pptx
El sistema solar el gran descubrimiento del sistema solar .pptx
 
Presentación informe 'Fondos Next Generation European Union destinados a actu...
Presentación informe 'Fondos Next Generation European Union destinados a actu...Presentación informe 'Fondos Next Generation European Union destinados a actu...
Presentación informe 'Fondos Next Generation European Union destinados a actu...
 

Ejemplos universo poblacion y muestra

  • 1. UNIVERSO, POBLACIÓN Y MUESTRA (Prof. Samuel Sengini, biólogo) Un fenómeno aleatorio sería todo aquello que resulta de la percepción u observación, mediante los sentidos o instrumentos, de individuos, cosas o elementos similares que forman parte de un colectivo denominado Universo. Este colectivo puede estar formado por un número finito o infinito de tales unidades. Una Observación es un dato o valor numérico que se obtiene al calificar o cuantificar una característica en las diferentes unidades. El conjunto de observaciones (datos) origina una Población, la cual puede estar formada por un número finito o infinito de datos o valores numéricos. Una Muestra es un conjunto formado por n observaciones extraídas de la población. El número n de observaciones define el tamaño de la muestra. A continuación se ejemplificarán los conceptos de Universo, Población y Muestra: Ejemplo 4.2.1: Un productor agrícola quiere conocer algunas características de las mazorcas producidas en una parcela sembrada con plantas de maíz. Para tal fin selecciona 50 mazorcas y cuenta el número de granos en cada mazorca. Universo: conjunto formado por todas las mazorcas de maíz que produjo la parcela. Este universo es finito porque lo forma el total de mazorcas producidas. Característica observada: el número de granos de cada mazorca. Población: conjunto de todos los valores de la característica número de granos de cada mazorca. Esta población es finita porque lo forma el total de valores del número de granos obtenidos del universo. Muestra: conjunto finito de 50 valores de la característica número de granos. Ejemplo 4.2.2: El mismo productor seleccionó del ejemplo anterior, seleccionó 20 mazorcas y determinó el peso de cada una. Universo: el mismo del ejemplo anterior. Característica observada: el peso de cada mazorca. Población: conjunto finito de todos los valores de peso de cada mazorca. Muestra: conjunto finito de 20 valores de la característica peso de cada mazorca.
  • 2. Ejemplo 4.2.3: Un biólogo quiere conocer algunas características de los rabipelados Didelphus marsupialis. Para lograr esto, seleccionó 100 individuos de la especie en cuestión y le determinó a cada uno el número de glándulas sebáceas en los miembros anteriores. Universo: conjunto de rabipelados de la especie Didelphus marsupialis. Este universo es infinito porque está formado por todos los ejemplares que viven actualmente, los que vivieron alguna vez y los que van a existir en el futuro. Característica observada: el número de glándulas sebáceas. Población: conjunto de todos los valores de la característica número de glándulas sebáceas. Esta población es infinita por las mismas razones que hacen infinito al universo de rabipelados. Muestra: conjunto finito de 100 valores de la característica número de glándulas sebáceas. Ejemplo 4.2.4: El biólogo del ejemplo anterior midió el contenido de Hemoglobina en la sangre de 500 rabipelados. Universo: igual al anterior Característica observada: la concentración de hemoglobina. Población: conjunto de todos los valores de la concentración de hemoglobina Esta población es infinita por las mismas razones que hacen infinito al universo de rabipelados. Muestra: conjunto finito de 500 valores de la característica concentración de hemoglobina Ejemplo 4.2.5: El mismo biólogo desea conocer el tamaño de los sapos del género Atelopus que viven actualmente en la selva nublada de Monte Zerpa. Con éste propósito capturó 35 individuos y midió la longitud del cuerpo de cada ejemplar. Universo: conjunto formado por todos los sapos del género Atelopus que viven actualmente en Monte Zerpa. Este universo es finito porque el biólogo sólo esta interesado en el conjunto de individuos que existe actualmente y no en los que vivieron o vivirán. Característica observada: la longitud. Población: conjunto de todos los valores del tamaño. Esta población es finita por las mismas razones que hacen infinito al universo de sapos. Muestra: conjunto finito de 35 valores de longitud o tamaño.
  • 3. Ejemplo 4.2.6: Se quiere conocer el valor promedio de la temperatura del agua del río Albarregas a la altura de los 2000 m.s.n.m. y para el año 1997. Para lograr esto se midió la temperatura del agua en el mismo lugar y hora todos los días de ese año. Universo: éste universo se puede considerar infinito puesto que en el lugar escogido para realizar el experimento existen infinitos puntos sobre la superficie de la corriente de agua en los cuales se puede introducir el termómetro. Característica observada: la temperatura del agua. Población: conjunto de todos los valores de la temperatura. Esta población es infinita por las mismas razones que hacen infinito al universo de puntos de medición de la temperatura. Muestra: conjunto de 365 valores de temperatura del agua. De los ejemplos anteriores se pueden obtener dos conclusiones importantes: la primera es que los conceptos de universo y población son relativos y es el investigador quien determina, según su interés, la extensión del universo y consecuentemente la de la población a estudiar. Así vemos como en los ejemplos 3 y 4 el biólogo al decidir estudiar los rabipelados al nivel taxonómico de especie, estaba también decidiendo estudiar un universo infinito. Por el contrario, en el ejemplo 5 limitó su estudio a los sapos del género Atelopus que viven en un sitio determinado, es decir que decidió trabajar con un universo finito. La segunda conclusión que puede obtenerse es que de un universo se pueden generar varias poblaciones. Así vimos que del mismo universo de mazorcas se generó una población de números de granos y otra de peso de los granos.