Universidad

Militar Nueva Granada

Facultad de Ciencias Básicas
Departamento de Matemáticas
Estadística II: Muestreo Resumen
Por: Antonio Velasco M.

ELEMENTOS DEL MUESTREO1

Introducción

En muchas situaciones no es posible o conveniente realizar un censo (analizar a todos
los elementos de una población), en cuyo caso, se selecciona una muestra,
entendiendo por tal una parte “representativa” de la población.
El muestreo es por lo tanto una herramienta de la investigación científica, cuya
función básica es determinar que parte de una población debe elegirse, con la
finalidad de hacer inferencias sobre dicha población.
La muestra debe lograr una representación adecuada de la población, en la que se
reproduzca de la mejor manera los rasgos, características esenciales de dicha
población, que son importantes para la investigación o estudio que se realiza. Para
que una muestra sea representativa, y por lo tanto útil, debe de reflejar las
similitudes y diferencias encontradas en la población, es decir ejemplificar las
características de ésta.

Los errores más comunes que se pueden cometer son:

a) Hacer conclusiones muy generales a partir de la observación de sólo una parte
de la Población, se denomina error de muestreo.

b) Hacer conclusiones hacia una población mucho más grande, de la que
originalmente se tomo la muestra. Error de Inferencia.

En la estadística se usa la palabra población para referirse no sólo a personas, si no a
todos los elementos que han sido escogidos para su estudio y el término muestra se
usa para describir una porción escogida de la población.

TIPOS DE MUESTREO

Existen diferentes criterios de clasificación de los diferentes tipos de muestreo,
aunque en general pueden dividirse en dos grandes grupos: métodos de muestreo
probabilísticos y métodos de muestreo no probabilísticos.

1. Muestreo probabilístico
Los métodos de muestreo probabilísticos son aquellos que se basan en el principio de
equiprobabilidad. Es decir, cada individuo tiene la misma probabilidad de ser elegido

1 Recopilación elaborada por Antonio Velasco M

-1-
para formar parte de una muestra y, consiguientemente, todas las posibles muestras
de tamaño n tienen la misma probabilidad de ser seleccionadas.
Los 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:

2. Muestreo aleatorio simple:
El procedimiento empleado es el siguiente:
Ø Se asigna un número a cada individuo de la población.
Ø A través de algún medio mecánico (bolas dentro de una bolsa, tablas de
números aleatorios, números aleatorios generados con una calculadora u
ordenador, etc.) se eligen tantos sujetos como sea necesario para completar el
tamaño de muestra requerido.
Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad práctica
cuando la población que estamos manejando es muy grande.

3. Muestreo aleatorio sistemático:
Este procedimiento exige, como el anterior, numerar todos los elementos de la
población, pero en lugar de elegir n números aleatorios sólo se extrae uno. Se parte de
ese número aleatorio i, que es un número elegido al azar, y los elementos que integran
la muestra son los que ocupa los lugares i, i+k, i+2k, i+3k,...,i+(n-1)k, es decir se toman
los individuos de k en k, siendo k el resultado de dividir el tamaño de la población
entre el tamaño de la muestra: k= N/n. El número i que empleamos como punto de
partida será un número al azar entre 1 y k.

El riesgo de este tipo de muestreo está en los casos en que, se dan periodicidades en la
población ya que al elegir a los miembros de la muestra con una periodicidad
constante (k) podemos introducir una homogeneidad que no se da en la población.
Imaginemos que estamos seleccionando una muestra sobre listas de 10 individuos en
los que los 5 primeros son varones y los 5 últimos mujeres, si empleamos un muestreo
aleatorio sistemático con k=10 siempre seleccionaríamos o sólo hombres o sólo
mujeres, no podría haber una representación de los dos sexos.

4. Muestreo aleatorio estratificado:
Trata de obviar las dificultades que presentan los anteriores y simplifican los procesos
para su aplicación. Además reducen el error muestral para un tamaño dado de la
muestra.
Consiste en considerar categorías típicas diferentes entre sí (estratos) que poseen
gran homogeneidad respecto a alguna característica (se puede estratificar, por
ejemplo, según la profesión, el municipio de residencia, el sexo, el estado civil, el nivel
educativo, etc.).
El propósito fundamental de este tipo de muestreo es asegurarse de que todos los
estratos de interés estarán representados adecuadamente en la muestra. Cada
estrato funciona independientemente, pudiendo aplicarse dentro de ellos el muestreo
aleatorio simple o el estratificado para elegir los elementos concretos que formarán
parte de la muestra. En ocasiones las dificultades que plantean son demasiado

-2-
grandes, pues exige un conocimiento detallado de la población. (Tamaño geográfico,
sexos, edades,...).
La distribución de la muestra en función de los diferentes estratos se denomina
afijación, y puede ser de diferentes tipos:

Ø Afijación Simple:
A cada estrato le corresponde igual número de elementos muéstrales.

Ø Afijación Proporcional:
La distribución se hace de acuerdo con el peso (tamaño) de la población en cada
estrato.

Ø Afijación Optima:
Se tiene en cuenta la previsible dispersión de los resultados, de modo que se considera
la proporción y la desviación típica. Tiene poca aplicación ya que no se suele conocer
la desviación excepto que se tenga un estudio anterior confiable y no haya mucha
variación desde el momento en que se realizó el estudio anterior y el actual.

5. Muestreo aleatorio por conglomerados:

Los métodos presentados hasta ahora están pensados para seleccionar directamente
los elementos de la población, es decir, que las unidades muéstrales son los elementos
de la población.

En el muestreo por conglomerados la unidad muestral es un grupo de elementos de la
población que forman una unidad, a la que llamamos conglomerado.
Las unidades hospitalarias, una caja de determinado producto, etc., son ejemplos de
conglomerados naturales.

En otras ocasiones se pueden utilizar conglomerados no naturales como, por ejemplo,
las urnas electorales, las cajas donde se empacan huevos, paquetes donde hay un
mismo número de productos etc. Cuando los conglomerados son áreas geográficas
suele hablarse de "muestreo por áreas".

El muestreo por conglomerados consiste en seleccionar aleatoriamente un cierto
numero de conglomerados (el necesario para alcanzar el tamaño muestral
establecido) y en investigar después todos los elementos pertenecientes a los
conglomerados elegidos.


6. Métodos de muestreo no probabilísticos

A veces, para estudios exploratorios, el muestreo probabilístico resulta excesivamente
costoso y se acude a métodos no probabilísticos, aun siendo conscientes de que no
sirven para realizar generalizaciones (estimaciones inferenciales sobre la población),
pues no se tiene certeza de que la muestra extraída sea representativa, ya que no

-3-
todos los sujetos de la población tienen la misma probabilidad de ser elegidos. En
general se seleccionan a los sujetos siguiendo determinados criterios procurando, en
la medida de lo posible, que la muestra sea representativa.

En algunas circunstancias los métodos estadísticos y epidemiológicos permiten
resolver los problemas de representatividad, aun en situaciones de muestreo no
probabilístico, por ejemplo los estudios de caso-control, donde los casos no son
seleccionados aleatoriamente de la población.

Entre los métodos de muestreo no probabilísticos más utilizados en investigación
encontramos:

7. Muestreo por cuotas:

También denominado en ocasiones "accidental". Se asienta generalmente sobre la
base de un buen conocimiento de los estratos de la población y/o de los individuos
más "representativos" o "adecuados" para los fines de la investigación. Mantiene, por
tanto, semejanzas con el muestreo aleatorio estratificado, pero no tiene el carácter de
aleatoriedad de aquél.

En este tipo de muestreo se fijan unas "cuotas" que consisten en un número de
individuos que reúnen unas determinadas condiciones, por ejemplo: 20 individuos de
25 a 40 años, de sexo femenino y residentes en una zona de una ciudad. Una vez
determinada la cuota se eligen los primeros que se encuentren que cumplan esas
características. Este método se utiliza mucho en las encuestas de opinión.

8. Muestreo intencional o de conveniencia:

Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener muestras
"representativas" mediante la inclusión en la muestra de grupos supuestamente
típicos. Es muy frecuente su utilización en sondeos preelectorales de zonas que en
anteriores votaciones han marcado tendencias de voto.
También puede ser que el investigador seleccione directa e intencionadamente los
individuos de la población. El caso más frecuente de este procedimiento el utilizar
como muestra los individuos a los que se tiene fácil acceso (los profesores de
universidad emplean con mucha frecuencia a sus propios alumnos).


9. Bola de nieve:

Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y así
hasta conseguir una muestra suficiente. Este tipo se emplea muy frecuentemente
cuando se hacen estudios con poblaciones "marginales", delincuentes, sectas,
determinados tipos de enfermos, etc.

-4-
 Ventajas e inconvenientes
de los distintos tipos de muestreo probabilístico

CARACTERISTICAS VENTAJAS INCONVENIENTES

Aleatorio simple Se selecciona una muestra de Sencillo y de fácil Requiere que se

tamaño n de una población de comprensión. posea de antemano un
N unidades, cada elemento listado completo de
tiene una probabilidad de Cálculo rápido de medias y toda la población.
inclusión igual y conocida de varianzas.
n/N. Si se trabaja con
Se basa en la teoría muestras pequeñas es
estadística, y por tanto posible que no
existen paquetes represente a la
informáticos para analizar población
los datos adecuadamente.

Sistemático Conseguir un listado de los Fácil de aplicar. Si la constante de

N elementos de la población muestreo está
No siempre es necesario asociada con el
Determinar tamaño muestral tener un listado de toda la fenómeno de interés,
n. población. las estimaciones
obtenidas a partir de la
Definir un intervalo k= N/n. Cuando la población está muestra pueden
Elegir un número aleatorio, r, ordenada siguiendo una contener sesgo de
entre 1 y k (r= arranque tendencia conocida, selección
aleatorio). asegura una cobertura de
unidades de todos los
Seleccionar los elementos tipos.
de la lista.
Estratificado En ciertas ocasiones resultará Tiende a asegurar que la Se ha de conocer la
conveniente estratificar la muestra represente distribución en la
muestra según ciertas adecuadamente a la población de las
variables utilizadas para la población en función de variables utilizadas
estratificación. unas variables previas para la estratificación
seleccionadas
Para ello debemos conocer la
composición estratificada de Se obtienen
la población objetivo a estimaciones más
analizar antes de hacer un precisa
muestreo.
Su objetivo es conseguir
Una vez calculado el tamaño una muestra lo más
muestral apropiado, este se semejante posible a la
reparte de manera población en lo que a la o
proporcional entre los las variables
distintos estratos definidos en estratificadoras se refiere.
la población usando una
simple regla de tres.

Conglomerados Se realizan varias fases de Es muy eficiente cuando la El error estándar es

muestreo sucesivas población es muy grande y mayor que en el
(polietápico) dispersa. muestreo aleatorio
simple o estratificado.
La necesidad de listados de No es preciso tener un El cálculo del error
las unidades de una etapa se listado de toda la estándar es complejo.
limita a aquellas unidades de población, sólo de las
muestreo seleccionadas en la unidades primarias de
etapa anterior. muestreo.

-5-


Algunas fórmulas para calcular el tamaño de una muestra


𝑍$% 𝑆 %
𝑛=
𝑑%



𝑁𝑍$% 𝑆 %
𝑛= %
𝑑 (𝑁 − 1) + 𝑍$% 𝑆 %



𝑍$% 𝑝𝑞
𝑛=
𝑑%


𝑁𝑍$% 𝑝𝑞
𝑛=
𝑑 % (𝑁 − 1) + 𝑍$% 𝑝𝑞

n = Tamaño de la muestra
N = Tamaño de la población
Z = Valor crítico obtenido de la distribución normal estándar (a = Confianza CASO I )
S2 = Varianza (prueba piloto)
d = Error de precisión Amplitud el intervalo de confianza deseado
p = Valor de una proporción

-6-

Ejemplos para el cálculo del tamaño de una muestra

-7-

FORMULAS INICIALES PARA CALCULAR
PARAMETROS Y ESTADISTICAS

En una muestra de tamaño n los valores que se miden, se representan por

𝑥1 , 𝑥, . . . 𝑥4

El promedio muestral corresponde a la expresión:

4
1
𝑥 = 5 𝑥6
𝑛
671

El valor esperado del promedio muestral es la media poblacional:

𝐸(𝑥) = 𝝁

El valor de la varianza muestral cuando la población es finita de tamaño N es:

𝝈𝟐 𝑁 − 𝑛
𝑉( 𝑥 ) = > ?
𝑛 𝑁−1

(El valor de s2 es la varianza poblacional)

Si N tiende a infinito entonces
𝝈𝟐
𝑉( 𝑥 ) =
𝑛

La expresión
𝑁−𝑛
> ?
𝑁−1

Se denomina factor de corrección para poblaciones finitas.

Para calcular la media poblacional y la varianza poblacional se utilizan las expresiones
siguientes:

𝜇 = 𝐸(𝑥) = 5 𝑥𝑝(𝑥)

𝜎 % = 𝑉(𝑥) = 𝐸(𝒙 − 𝝁)% = 5(𝒙 − 𝝁)% 𝑝(𝑥) = 5 𝑥 % 𝑝(𝑥) − 𝜇%

Corresponde a la idea de:
“el promedio de los cuadrados menos el cuadrado del promedio”

-8-