Universidad Autónoma de Campeche

Facultad de Enfermería
Licenciatura en Gerontología

Actividad: Reporte o informe

Muestreo

Integrantes:
Escamilla Barrera Paula Isabel
Garcia Hernandez Naomi
Gonzalez Felix Osiris Ianet
Hernandez Archivor Alexander Valentin

Docente:
Elias Contreras Cordero

U.A. Estadística

4° Semestre Grupo B

Fecha de entrega el 29 de Abril del 2024

1
 ÍNDICE

Muestreo estadístico…………..……………………………….3

Definición de muestreo………………………………………..3

Tipos de muestreo…………..…………………………………4

Muestreo no probabilístico……….……………….…………..8

Elementos del muestreo……………………………………….9

Errores de muestreo y de no muestreo…………………………11

Selección muestral……………………………………………13

Conclusion….…………………..………………………………..14

Bibliografía………………………………………………………….15

2
 El Muestreo Estadístico

Al realizar cualquier investigación social o de mercados, la mayor parte de las veces

se rebasa la capacidad de los investigadores/as para llegar a toda la población o
universo de estudio, por lo que se suele optar por métodos de muestreo que sirvan
para acotar ese universo y así poder realizar la investigación dentro de nuestras
posibilidades.

El uso de estos métodos de muestreo, como su propio nombre indica, nos ayuda a
obtener información fiable de la población a partir de una muestra de la que extraer
inferencias estadísticas con un margen de error medido en términos de
probabilidades. En otras palabras, en una investigación por muestreo podremos
estudiar el comportamiento y las opiniones de toda una población analizando
únicamente una parte de esta, teniendo en cuenta que siempre existirá un margen
de error a la hora de realizar dichos cálculos.

​ El muestreo, además de ser una ciencia Estadística, es un arte

Definición de muestreo

El muestreo es un proceso o conjunto de métodos para obtener una muestra finita

de una población finita o infinita, con el fin de estimar valores de parámetros o
corroborar hipótesis sobre la forma de una distribución de probabilidades o sobre el
valor de un parámetro de una o más poblaciones.

El muestreo además de ser una ciencia Estadística, es un arte, donde no solo los
elementos se seleccionan al azar con una medida de probabilidad, si no que,
además, requiere pericia por parte de investigador/a en el diseño de la muestra a la
hora de determinar:

• La técnica de selección de elementos de investigación.

• La selección de los estimadores apropiados.
• La elección de un tamaño adecuado de la muestra con precisión (margen de error)
y un nivel de confianza aceptable.
• Y el uso de marcos muestrales actualizados.

3
 Tipos de muestreo

Existen muchas formas de seleccionar muestras dentro de una población. Entre los
principales métodos o técnicas de muestreo se encuentran:

• Muestreo Aleatorio Simple (MAS), Este tipo de muestreo elige al azar cada
individuo que hará parte de la muestra y todos tienen las mismas oportunidades de
ser seleccionados.

Por ejemplo: si hay 400 universidades, eligen 20 aleatoriamente que cumplan

ciertas características, tales como edificios con árboles, banderas, entrada de vidrio
y grandes ventanas.

• Muestreo Aleatorio Estratificado (MAE), cuando se tienen varios grupos o estratos

separados y se desea asegurar que todos los estratos están correctamente
clasificados. Muestreo estratificado: el muestreo estratificado divide la población en
subgrupos o estratos que comparten ciertas características. Luego, utilizando el
método del muestreo aleatorio simple, se eligen individuos de cada estrato para
conformar la muestra.

Por ejemplo: una empresa necesita averiguar cuántas personas consumen jugo de
naranja en Puerto Rico. La persona encargada de realizar el estudio decide utilizar
el muestreo estratificado.

4
Entonces, divide la población en diferentes estratos, en este caso, por edades. De
cada estrato toma un porcentaje de personas y con ellas conforma una muestra de
100.000 personas para el estudio del jugo de naranja.

• Muestreo Sistemático (MS), aquel donde primero se listan todos los elementos de
la población y después se elige uno de ellos de manera aleatoria y se van
escogiendo los siguientes siguiendo un intervalo sistemático.

Por ejemplo: en un grupo de 1000 personas desean obtener una muestra de 100
personas. El primer seleccionado es el número 2 (en azul). A partir de este y,
mediante un intervalo de 4 personas decidido por el investigador, se seleccionarán
los siguientes individuos. De esta manera, serán los números 6, 10, 14,18, 22, etc.,
hasta completar la muestra de 100 individuos.

5
Este muestreo asegura una selección equitativa de la población, lo que resulta muy
útil y rápido, además permite que la población esté correctamente representada.

• Muestreo por Conglomerados (MPC), cuando los elementos que van a formar
parte de la muestra son una colección o conglomerado de unidades de análisis o
elementos. Se utiliza cuando no se pueden estudiar todos los individuos de una
población porque es muy grande o se encuentra dispersa en un área geográfica
muy extensa, lo que aumenta el costo de la investigación.

Es útil cuando la población se encuentra agrupada previamente y de estos grupos

se extraen los individuos para conformar la muestra.

Por ejemplo: imagina que necesitas realizar una investigación sobre la población de
tu país. Como es un poco difícil llegar a cada habitante, aprovechas la división que
ya existe por ciudades o por estados. Entonces, eliges 100 personas o 50 por cada
zona de manera aleatoria para conformar la muestra.

6
• Otros tipos de muestreo no probabilísticos serían el muestreo por conveniencia o
el muestro por bola de nieve.

En las Ciencias Sociales y Humanas, el diseño de muestras resulta fundamental a la

hora de realizar cualquier investigación pues, en comparación con otras ciencias, no
es posible ejercer control exhaustivo de las variables y la conducta humana tiene
facetas donde hay alta variabilidad.

Sin embargo, todavía hoy sigue siendo una de las áreas mas débiles dentro de la
Estadística, dado que son pocas las personas que están especializadas en esta
materia. De ahí que desde la Fundación iS+D nos hayamos animado a dar a
conocer todo tipo de investigadores/as y profesionales en qué consiste y para qué
sirven las técnicas de muestreo estadístico.

El muestreo no probabilístico

Es una técnica que selecciona las personas que harán parte de la muestra de una
manera subjetiva, esto quiere decir, según la decisión del investigador, evitando
hacerlo al azar.

A diferencia en el muestreo probabilístico, donde cada individuo de la población

tiene las mismas oportunidades de ser seleccionado, en el muestreo no
probabilístico no todas las personas pueden participar.

7
El muestreo no probabilístico es menos estricto y depende en su mayoría de la
experiencia de los investigadores. Se divide en:
​
​ • Muestreo de bola de nieve: esta técnica ayuda a los investigadores a
encontrar muestras cuando son difíciles de localizar. Es útil si el tamaño de la
muestra es pequeño y no está disponible fácilmente.

Por ejemplo: si eres un investigador y estás buscando personas con cierta

enfermedad, lo que haces es contactar a uno o dos individuos que presenten dicha
condición médica y que ellos mismos sean quienes te recomienden a otros
individuos con una historia médica parecida.

​ • Muestreo por cuotas: este método permite dividir la población en grupos o

estratos que comparten características como el sexo, la edad, los estudios,
etc., y de ellos se selecciona una muestra proporcional y representativa.
​
Por ejemplo: en una empresa grande quieren saber cuáles son los hobbies
preferidos por sus empleados. Como son tantas personas, deciden dividirlas en dos
estratos, por género: hombres y mujeres.

Las mujeres representan el 40 % de los empleados y los hombres el 60 %, por lo

tanto, el investigador decide que en la muestra se incluirán 400 mujeres y 600
hombres para tener un total de 1000 individuos en el estudio. Así, asegura que la
participación de cada género es proporcional a la población que representan. A esos
porcentajes elegidos se les llama cuotas.

​ • Muestreo intencional o por conveniencia: con este método las muestras se

seleccionan basándose únicamente en el conocimiento y la credibilidad del
investigador. En otras palabras, los investigadores eligen solo aquellas
personas que ellos creen que son los adecuados para participar en un
estudio de investigación, ya sea porque son fáciles de reclutar o porque los
consideran buenos representantes de la población.

Elementos del muestreo

Conforman el muestreo: el universo, la base, las unidades y las relaciones entre el

universo y la muestra.
a) Universo, población o colectivo: está constituida por la totalidad de elementos a
estudiar, utilizando una fracción denominada muestra.
b) Base de la muestra: conformado por el substrato material que da soporte al
universo o población (censo, registró, plano, mapa, catálogo, listado, etc.).

8
c) Unidad de la muestra: constituida por cada uno de los elementos que integran la
muestra. Simple (individuos), colectiva (grupos, familias, pueblos, entre otros).
d) Relaciones entre el universo y la muestra: Pueden ser cuantitativas y cualitativas.
Las cuantitativas son: la Fracción de muestreo F.m. que se obtiene dividiendo la
muestra por el universo y multiplicando por 100 y el coeficiente de elevación C.e.
que se refiere a las veces que la muestra está contenida en el Universo. Las
relaciones cualitativas se concretan a exigir que tanto el universo como las muestras
reúnan las mismas características.

Representatividad de la muestra

La muestra debe reproducir las características del universo, por lo tanto surgen dos
preguntas, sobre la cantidad de elementos que debe incluir la muestra y hasta qué
punto pueden generalizarse a la población. Ambas preguntas convergen en un
problema de exactitud o precisión cuya finalidad es no incurrir en errores a la hora
de obtener los resultados, no obstante los errores son inevitables, lo importante
entonces es minimizarlos.

Existen dos tipos :

a) Los sistemáticos o distorsiones, que son causados por factores externos a la

muestra y que se pueden producir en cualquier momento de la investigación

b) el error de muestreo, de azar o de estimación, inevitable, ya que siempre habrá

diferencia entre los valores medios de la muestra y los valores medios del universo,
la magnitud de este error depende del tamaño de la muestra (a mayor tamaño de
muestra menor error) y de la dispersión o desviación (a mayor dispersión mayor
error). Se concluye entonces que para que una muestra sea representativa debe
estar dentro de ciertos límites y proporciones establecidas por la estadística.

9
 Errores de muestreo y de no muestreo

La exactitud o confiabilidad de una muestra, depende de dos tipos básicos de

errores: errores de muestreo, que se reflejan en estimaciones matemáticas de la
precisión de estimadores provenientes de muestras particulares, y se manifiestan en
diferentes formas clasificadas bajo la notación de sesgos o distorsiones.

Los errores de muestreo se miden a través de las llamadas fórmulas de error

estándar. De acuerdo con estas fórmulas, se hacen estimaciones de la precisión de
estimadores muestrales particulares y siguiendo el procedimiento apropiado; estas
mismas fórmulas sirven de base para determinar el tamaño de la muestra requerida,
de acuerdo con una precisión especificada previamente. Las fórmulas del error
estándar han sido desarrolladas para una gran variedad de diseños muestrales y en
la actualidad es una cuestión rutinaria su aplicación a cada uno de los casos.

Los errores de muestreo surgen de la variación en los estimadores provenientes de

distintas muestras del mismo tamaño. El valor de los errores determina la precisión
con que los valores muestrales estiman a los parámetros poblacionales. La
probabilidad de que cualquier estimador caiga dentro de un cierto rango del
parámetro poblacional, se obtiene por medio de la teoría de la probabilidad para
distintos diseños muestrales.

Así, en base a esta teoría, el margen de error -o error de muestreo- que se puede
esperar con un diseño de muestreo y tamaño de muestra determinados, se puede
calcular a diferentes niveles de precisión bajo el supuesto de una selección
aleatoria, la cual requiere que cada miembro de la población tenga la misma
probabilidad de ser seleccionado. Luego, una vez que se conocen el error estándar
y la precisión buscada, se pueden calcular: el tamaño de la muestra y los recursos
necesarios para la investigación.

Contrariamente, el tema de los errores de no muestreo es a la fecha un tema que

requiere una vasta experiencia y la cual es ajena a la disciplina matemática.

10
Incluidas en el concepto de errores no de muestreo, están las innumerables
influencias que tienden a distorsionar o sesgar los estimadores provenientes de la
muestra, la selección arbitraria de los miembros de la muestra, fraseo perjudicial en
las preguntas, actitudes preconcebidas por el entrevistador y muchos otros factores
pueden producir valores muestrales que no representaran a los valores de los
parámetros de la población, no importa que tan grande sea la muestra. Distintos a
los errores de muestreo, éste tipo de sesgo es independiente del tamaño de la
muestra.

Manejo de la tabla de números aleatorios

La selección de las unidades de muestreo debe hacerse basándose en las leyes del
azar; esto es, debe asignarse a cada unidad del marco muestral una probabilidad de
inclusión en la muestra. Con este método la muestra se obtiene en selecciones
sucesivas de una unidad, cada una con una probabilidad asignada de antemano,
según sea el modelo de muestreo que se utilice, hasta completar el número de
unidades que deben incluirse en la muestra para cada etapa. Un procedimiento
práctico para seleccionar las unidades, es utilizando una tabla de números
aleatorios como la que aparece en el apéndice N de la sección de tablas
estadísticas.

Selección muestral

Muchas razones prácticas pueden mencionarse para justificar el uso del muestreo.
Sin embargo, la fundamental es de naturaleza económica; por lo general, resulta
literalmente imposible estudiar a todos los individuos que integran una población
(hacer un censo). El imperativo de hallar recursos metodológicos que fuesen
práctica y económicamente viables, pero a la vez científicamente válidos, es de muy
larga data. Sin embargo, no fue hasta la década de los 30, con un célebre trabajo
presentado por el polaco Jerzy Neyman ante la Royal Statistical Society, cuando se
comenzó a desarrollar una teoría orgánica sobre las técnicas que permiten superar
de manera científica esa dificultad .

Un paso de medular relevancia en el progreso histórico de consolidación de la teoría

del muestreo fue dado con la introducción del azar en el procedimiento de selección
muestral. El azar puede intervenir de muchos modos en el proceso, pero se
considera que se ha conferido un carácter estadísticamente riguroso al método de
selección sólo cuando se cumplen dos condiciones: que el azar opere de manera tal
que el procedimiento otorgue a todos y cada uno de los elementos de la población
cierta probabilidad conocida de antemano de integrar la muestra, y que tal

11
probabilidad no sea nula para elemento alguno. En tal caso, se dice que se ha
seguido un método probabilístico de muestreo.

Los procedimientos probabilísticos satisfacen la exigencia intuitiva de eliminar -o

mitigar al menos- la carga subjetiva que podría influir en la elección de los
elementos que se van a examinar, interrogar o medir (y, por ende, en las
conclusiones). Por otra parte, sólo cuando el método es probabilístico se podrá
medir el grado de precisión con que se realizan las estimaciones, que es una de las
tareas fundamentales del muestreo.Si la probabilidad de selección es la misma para
todos los sujetos de la población, entonces el procedimiento es equiprobabilístico.

La propiedad más importante de los diseños muestrales que tienen esta última
condición consiste en que, para hacer estimaciones puntuales, no es necesario
emplear ponderaciones que corrijan los posibles sesgos introducidos por el hecho
de que unos sujetos tengan más oportunidad de integrar la muestra que otros.

Esto quiere decir que, por ejemplo, para estimar la media poblacional (o un
porcentaje), si el diseño fue equiprobabilístico, simplemente se utiliza la media
muestral (o el porcentaje muestral). En algunas ocasiones se cuenta con listas
detalladas de la población que se quiere estudiar, y el proceso de selección se
realiza entonces directamente haciendo uso de tales listas.

Con más frecuencia, sin embargo, no se dispone de una lista completa de unidades
de análisis. Cuando se da esa situación se suele emplear el llamado muestreo en
etapas o por conglomerados.

Este procedimiento, sin embargo, puede emplearse aun cuando se disponga de una
lista con vistas a ahorrar recursos en la fase de terreno. Su estructura consiste en lo
siguiente: antes de seleccionar la muestra, la población se divide en unidades de

12
primera etapa (UPE), cada una de las cuales contiene un conjunto de varias
unidades de análisis. En cualquier caso, las unidades de muestreo de primera etapa
deben cubrir por entero a la población sin intersecarse; o sea, todo miembro de la
población o unidad de análisis pertenece a una y sólo una UPE.

Importancia del muestreo

El muestreo es un componente importante de cualquier investigación debido al

impacto significativo que puede tener en la calidad de sus resultados / hallazgos. [La
guía de investigación en línea para su disertación y tesis]

● A menudo no es práctico y, a veces, no es deseable tratar de estudiar a toda

la población.
● Una muestra consta de solo aquellas unidades de nuestra población de
interés que realmente estudiamos (por ejemplo, 500 o 1000 de estos usuarios
de Facebook).
● En la práctica, el tamaño de la muestra que se selecciona para un estudio
puede tener un impacto significativo en la calidad de sus resultados /
hallazgos , ya que los tamaños de muestra que son demasiado pequeños o
excesivamente grandes pueden conducir a resultados incorrectos. Como
resultado, a veces se realizan cálculos del tamaño de la muestra para
determinar qué tan grande debe ser el tamaño de la muestra para evitar tales
problemas .
● El sesgo de muestreo ocurre cuando las unidades que se seleccionan de la
población para su inclusión en su muestra no son características (es decir, no
reflejan) de la población. Esto puede hacer que su muestra no sea
representativa de la población que le interesa.
● Por lo general, estudiamos una muestra de esa población en lugar de intentar
estudiar a toda la población. El propósito de las técnicas de muestreo es
ayudarlo a seleccionar unidades (por ejemplo, usuarios de Facebook) para
incluir en su muestra (por ejemplo, de 500 usuarios de Facebook).

Existen procedimientos a seguir para desarrollar una investigación a partir

de una muestra con la debida rigurosidad para que los datos representan
al total de la población.

De esta manera podemos aprender y conocer a partir de esa muestra las

características de la población o mercado meta. Hay diversos factores que
pueden afectar la forma en que una muestra refleja las opiniones de la
población.

13
El tamaño de muestra puede afectar la validez y confiabilidad de las
conclusiones obtenidas en la investigación. El tamaño de muestra afecta
los niveles de confianza y el margen de error.

Nivel de Confianza

El tamaño de muestra determina la cantidad de información a recopilar a

partir de un universo disponible. A partir de allí se determina la precisión o
nivel de confianza que tenemos en nuestras estimaciones de nuestras
variables.

Statistics How To describe el significado del nivel de confianza en un

estudio estadístico.Una estimación siempre tiene asociado un nivel de
incertidumbre de que los datos de la muestra no sean representativos
respecto a la población.

Este depende de la variabilidad subyacente en los datos, así como del

tamaño de muestra. Cuanto más variable sea la población, mayor será la
incertidumbre en nuestra estimación.

De manera similar, cuanto mayor sea el tamaño de muestra, más

información tenemos y, por lo tanto, nuestra incertidumbre se reduce.
Aunque ello implica una inversión significativa en costos y tiempo.

Supongamos que queremos estimar la proporción de adultos que

prefieren una marca de producto. Podríamos tomar un tamaño de muestra
de 100 personas y preguntarles.

Es importante seleccionar una muestra aleatoria, es decir, cada individuo

tiene la misma probabilidad de ser seleccionado. De esta manera nos
aseguramos que sea imparcial y representativa de la población.

Si 75 de las 100 personas prefieren nuestra marca, estimamos que la

proporción de aceptación es 75/100 = 75%. También podemos construir
un intervalo alrededor de ésta estimación puntual para expresar nuestra
incertidumbre en ella.

Generalmente se estima un intervalo de confianza del 95% para nuestra

estimación basada en un tamaño de muestra de 100.

Este intervalo de confianza del 95% significa que hay una probabilidad del
95% que este intervalo o rango contenga la proporción real.

14
En otras palabras, si tuviéramos que recolectar 100 muestras diferentes
de la población. La proporción real estaría dentro de este intervalo
aproximadamente 95 de 100 veces.

¿Qué pasaría si aumentamos el tamaño de muestra? Supongamos que

preguntamos a otras 900 personas y encontramos que, en general, 750 de
las 1000 personas prefieren nuestro producto.

Nuestra estimación de la preferencia en toda la población es 750/1000 =

75%. Sin embargo, nuestro intervalo de confianza para la estimación
ahora se ha reducido considerablemente.

Debido a que tenemos más datos y, por lo tanto, más información, nuestra
estimación es más precisa. Cuidar este aspecto es valioso dada la
importancia de la investigación científica.

Dificultad para usar grandes tamaños de muestras

Los grandes tamaños de muestra obviamente producen estimativos

mejores y más exactos sobre la población. Pero hay varias desventajas
que limitan su utilización en las investigaciones.

Primero, podría ser difícil encontrar un número suficiente de personas

para completar el tamaño de muestra. Para lograrlo tal vez sea más
costoso reclutarlos y mantenerlos durante el estudio.

El costo y esfuerzos adicionales como el tiempo empleado no siempre son

necesarios, debido a que tamaño de muestra más pequeños producen
resultados significativos.

15
 Conclusión.

La estadística matemática y en particular los métodos de muestreo, han jugado un

papel de gran importancia y utilidad en el desarrollo de dicha auditoría en las
empresas cooperativas, precisamente por su carácter de rapidez y economía. El
muestreo, es un procedimiento por el que se infieren los valores verdaderos de una
población, a través de la experiencia obtenida con una muestra de esta.
El uso de muestras para estimar valores de una población ofrece diversas
ventajas. En términos generales se puede afirmar que el muestreo permite una
reducción considerable de los costos materiales del estudio, una mayor rapidez en
la obtención de la información y el logro de resultados con máxima calidad.

Hoy las técnicas de muestreo asistidas por computadoras, son herramientas

básicas, pues la rápida toma de decisiones que hay que ejecutar en la dinámica de
los procesos económicos, demanda el uso de nuevas tecnologías que le impriman
una rapidez, confiabilidad, disponibilidad y capacidad, entre otras facilidades, que se
han ido buscando a través de los recursos informáticos.
La fundamentación teórica realizada, permite afirmar que el muestreo estadístico
puede ser considerado como una herramienta altamente calificada que ayuda a los
auditores a formar juicios, tomando como premisa la preparación para el manejo y
dominio de ciertos términos estadísticos.

La utilización del muestreo estadístico permite al auditor la selección de una

muestra eficiente, midiendo la suficiencia de la evidencia obtenida y cuantificando el
riesgo del muestreo.

El muestreo estadístico constituye una herramienta que permite a los auditores

internos de las cooperativas, obtener una muestra más eficiente, objetiva y
prácticamente libre de prejuicios, lo que garantiza el actuar independiente en cada
acción de control.

16
 BIBLIOGRAFÍA

1. Degraves, Á. G. (2023, 17 febrero). ¿Qué es y para qué sirve el Muestreo

Estadístico? Fundación iS+D.

https://isdfundacion.org/2018/10/10/que-es-y-para-que-sirve-el-muestreo-esta

distico/

2. Estadística básica: Tipos de muestreo. (s. f.). GCFGlobal.org.

https://edu.gcfglobal.org/es/estadistica-basica/tipos-de-muestreo/1/

3. Sivek, S. (2013, octubre 26). Importancia de la muestra en el análisis

estadístico. Geniolandia.

https://www.geniolandia.com/13128529/importancia-de-la-muestra-en-el-an

alisis-estadistico

17