MUESTREO

Luis Zapatel Arriaga

Muestreo y Estimaciones
 Proceso de la
Lineamientos
Investigación Científica
de la buena
Método científico y
información.
estadística
Obtención
/Análisis
de datos

 Relevante
Obtención
Diseño de
 Oportuna experimento
de
conclusiones

 Objetiva
 Precisa
 Eficiente Nacimiento
Evaluación
Conocimiento
de hipótesis
existente
 Esquema de Proceso de
Estimación CARACTERISTICA
CUANTITATIVA   45kg"Por
. una muestra
pequeña podemos
juzgarParámetros
Población CUALITATIVA p 0.75entera".la pieza
Cervantes Saavedra.

Acercarse
Cálcular,
Estimar,
CUALITATIVA p  0.81
Muestra Estimadores
CUANTITATIVA x  44.6kg.
 Definiciones
 Población: La colección completa de
objetos que están siendo estudiados, donde
 N = número de objetos en la población.
 Muestra: Una porción o sub-conjunto
seleccionado de los objetos que están
siendo estudiados, donde
 n = número de objetos en la muestra.
 Definiciones
 Un parámetro es la medición de una
característica en toda una población.
 Un estadístico es la medición de una
característica en una muestra.
 Datos son mediciones que son recolectadas
ya sea de una población o de una muestra.
 MEDIDAS Muestra Población
NUMERO DE DATOS n N

MEDIA
x 
PROPORCION p p

2 2
VARIANZA s
DESV. ESTÁNDAR s 
Estadígrafos Parámetros
¿Cuándo se deben obtener muestras de una
población bajo estudio?
 Existe una imposibilidad física de verificar todos
los elementos de la población.
 El costo de estudiar todos los elementos de una
población es alto.
 No se cuenta con el personal idóneo suficiente.
 Contactar a toda la población es tardado.
 El proceso de análisis de la unidad de medida es
de naturaleza destructivo.
 Los resultados de la muestra suelen ser adecuados
(población homogénea).
 Estadística

Métodos
Estadísticos

Estadística Estadística
Descriptiva Inferencial

Prueba de
Estimación
Hipótesis
 PREGUNTAS BASICAS
 ¿Cómo recoger la data?  Tipo de instrumento.
(Enfoque de la investigación)
 ¿Cómo elegir las U.A.?  Tipo de muestreo
 ¿Cuántos debo elegir?  Tamaño de muestra.
 Tipos de Muestreo
Muestreo

No Probabilístico Probabilístico
(Juicio) Permite tener una
medición del error
(Aleatorio)
 Muestreo No Probabilístico
 Una muestra aleatoria es aquella seleccionada de manera
que cada elemento o persona en la población que se
estudia tiene una probabilidad desconocida de quedar
incluido en la muestra.

Muestreo No Aleatorio

Juicio Bola Por Por

o de Conveniencia Cuotas
Criterio Nieve
•MUESTREO DE JUICIO O CRITERIO
La selección de la muestra se hace de acuerdo al criterio de un
especialista o del investigador. Ellos deciden quienes y dónde están los
elementos que brinden mejor información.

•MUESTREO POR BOLA DE NIEVA

Usado cuando se desea ubicar a los elementos de poblaciones pequeñas o
difíciles de ubicar. Se ubican a dos o más elementos de la muestra y luego
de captar información de estos, se les pide referencia de elementos con
sus mismas características.
•MUESTREO POR CONVENIENCIA
Se ubica fácilmente a un conjunto de elementos con quienes trabajar.
Propio de investigaciones diagnósticas o preliminares. Y es de utilidad
también para estudios de satisfacción al cliente.

•MUESTREO POR CUOTAS

Se escogen elementos con las características deseadas pero no se
selecciona aleatoriamente de la población un subconjunto de todos esos
niños, sino que se reclutaría niños hasta cumplir con la cuota deseada.
 Muestreo Probabilístico
 Una muestra aleatoria es una muestra seleccionada de
manera que cada elemento o persona en la población
que se estudia tiene una probabilidad conocida de
quedar incluido en la muestra.

Muestreo Aleatorio

Aleatorio
Simple Sistemático Estratificado Racimo
 Muestreo Aleatorio Simple
 Cada posible muestra tiene igual probabilidad
de ser seleccionada.
 Cada elemento de la población tiene una
probabilidad igual de se incluido en la muestra.
 Uso de números aleatorios.
 Muestreo Aleatorio Simple

Lista de Clientes

Muestra Aleatoria
 Tabla de Números Aleatorios

Tabla de 1581922396 2068577984 8262130892

Números
Aleatorios 0928105582 7295088579 9586111652

4112077556 3440672486 1882412963

7457477468 5435810788 9670852913

0099520858 3090908872 2039593181

 Muestreo Sistemático
 Selección dentro de un intervalo uniforme medido con
respecto al tiempo, orden o al espacio.
 Cada elemento tiene igual oportunidad de ser seleccionado.
 Cada muestra NO tiene igual posibilidad de ser seleccionada.

1a. seleccionada al azar

Ej: K= 5

1 2 3

5 6 7
 1 26 51 76
2 27 52 77
3 28 53 78
N = 100 4 29 54 79
5 30 55 80
6 31 56 81
7 32 57 82
Se desea una muestra n = 20 8 33 58 83
9 34 59 84
10 35 60 85
11 36 61 86
N/n = 5 12 37 62 87
13 38 63 88
14 39 64 89
15 40 65 90
Escoger un número aleatorio de 1-5: 16 41 66 91
17 42 67 92
Seleccionado: 4 18 43 68 93
19 44 69 94
20 45 70 95
21 46 71 96
22 47 72 97
Empezar con el 4 y escoger cada 23 48 73 98
quinto número 24
25
49
50
74
75
99
100
 ESTRATOS
POBLACIÓN

MUESTRA

RACIMOS
POBLACIÓN

MUESTRA
 Muestreo Estratificado
 La población es dividida en grupos relativamente
homogéneos (estratos)
 Selección aleatoria de elementos del estrato.
 Cantidad proporcional al estrato ó con pesos.
 C/grupo tiene pequeña variación dentro de sí
Sea
mismo, pero amplia entre los grupos. n=150
Tipo de usuario Frecuencia fi hi x n ni
Fumador Frecuente 30010 (30010 /(50000))*150= 90.03 91
Fumador Eventual 15043 (15043/(50000))*150 = 45.129 46
No Fumador 4947 (4947/(50000))*150 = 14.841 15
TOTAL (N) 50000 1.00 152
 ESTRATOS

POBLACIÓN

MUESTRA
 Muestreo de Racimo
 La población se divide en racimos
(clusters)
 Seleccionamos una muestra aleatoria de
estos racimos.
 Hay una variación considerable dentro de
cada grupo, pero los grupos son
esencialmente similares entre si.
 RACIMOS
POBLACIÓN

MUESTRA
 Muestreo Polietápico
 Es un proceso de selección de una muestra en una o más
etapas sucesivas y dependientes.
 El error muestral aumenta con el número de etapas.

Tercera Etapa:
Selección de la casa
Segunda Etapa:
Selección del
Primera Etapa: Grupo
Selección del Cuarta Etapa:
Distrito Selección del
entrevistado
 Tamaño de muestra

Existen 3 factores que determinan el tamaño de

una muestra, ninguno de ellos tiene una relación
directa con el tamaño de la población. Los
factores son:
El grado de confianza elegido.
El error máximo permitido.
La variación en la población.
 Sea una población de 6 psicólogos y tomamos una muestra
n=2 para estimar su salario: X= 0, 1, 2
N° bonos ganados este mes

  S / 1000

0 1 2 1 2 0

x
 Sea una población de 6 psicólogos y tomamos una muestra
n=2 para estimar su salario: 0, 1, 2
N° bonos ganados este mes n=2 Media de
𝑋ത P (𝑋ത = 𝑥)ҧ
X1: X2: la muestra
0 0 0 0 1/15 =0.067
0 1 0,5 0.5 4/15=0.267
0 2 1 1 5/15=0.333
0 1 0,5 1,5 4/15=0.267
0 2 1 2 1/15=0.067
1 0 0,5 1
1 1 1
0 1 2 1 2 0
1 2 1,5
1 2 1,5
1 0 0,5
2 0 1
2 1 1,5
2 2 2
2 1 1,5
2 0 1
Sea una población de 6 psicólogos, sí tomamos una muestra n=2
para estimar la proporción de sexo femenino…:
Sexo del vendedor

p  0.5

F M F M F M

p 
Sea una población de 6 psicólogos, sí tomamos una muestra n=2
para estimar la proporción de sexo femenino…:
n=2 Proporción
Sexo del vendedor
de la 𝑃ത P ( 𝑃ത = 𝑃ത )
X1: X2:
muestra
F M 0,5 0 3/15 =0.6
F F 0 0.5 8/15=0.53
F M 0,5 1 4/15=0.266
F F 1 1
F M 0.5
M F 0,5
M F 0,5
F M F M F M
M M 1
M F 0,5
M M 1
F M 0,5
F F 0
F M 0,5
F F 0
F M 1
 Error Muestral: Ejemplo
 Se realizó una encuesta para determinar el
porcentaje de usuarios de un producto y los
resultados mostraron que el 61% usaban el
producto. El análisis mostró que el error
muestral era de más o menos 3%. Esto significa
que el verdadero valor de la proporción de
usuarios estaría entre 58% (61-3) y 64%
(61+3).
 Error Muestral y Tamaño de la
Muestra
 Las muestras más grandes proporcionan errores de
muestreo más pequeños.
 Un aumento en el tamaño de la muestra, será siempre
más beneficioso en una muestra pequeña que en una
grande, si se trata de reducir el error muestral.
 El tamaño de la muestra se refiere siempre al número
real de unidades extraídas de la población, y no a un
porcentaje de la misma.
 Parámetro a No se conoce la Se conoce la
F
o estimar Población Población
r
 z   z2  2 N
2


Promedio
m n  n 2 2 2
u  e  z   e ( N  1)
l
a Proporción z2 p q z2 p q N
r n n 2
i P e 2
z p q  e 2 ( N  1)
o
Si no se conoce σ Antecedentes Muestra piloto (s) (Max-min/)6
Si no se conoce p Antecedentes Muestra piloto (p) p = q = 0.5

VALORES CRÍTICOS DE Z

Nivel de Confianza (100-) 90% 95% 99% 99.5% 99.8%

Nivel de significación () 0.10 0.05 0.01 0.005 0.002

Valor Z de la Distrib. Normal  1.645  1.96  2.575  2.81  3.08
 Caso: Estimación de una Media
(Parámetro Cuantitativo)
Un grupo de psicólogos desea estimar el promedio de minutos
de terapia para la depresión que un paciente necesita para
mostrar cambios positivos en su conducta. Según estudios del
año pasado la desviación estándar se estima en 600 min. Se
desea un nivel de confianza de 95%, y una precisión de ± 40
min.¿Cuántos pacientes debería revisar?
a)
b) ¿Cuántos deberían elegir sí se supiera que existen 5000
pacientes tratados con esta enfermedad?
 z  
2 2
 1.96(600) 
n  n   864
 e   40 
z  N
2 2
1.96 2 (600) 2 (5000)
n 2 2 2   737
z   e ( N  1) 1.96 (600)  (40) (5000  1)
2 2 2
Caso: Estimación de una Proporción/Porcentaje
(Parámetro Cualitativo)
Una investigación desea estimar la proporción de choferes
públicos que presentan despersonalización en la zona de
Lima centro. Si una investigación similar el año pasado
arrojó que el 28% la presentaban, y desean un error de
aproximación de 4% y una confianza del 90%?

a) ¿A cuántos deberían consultar?

b) ¿Y Cuántos deberían elegirse sí se supiera que hoy existen 4200
conductores para esta zona?
z 2 pq 1.65 2  0.28  0.72
n 2
 2
 343
e 0.04
z2 p q N (1.65) 2 (0.28)(0.72)(4200)
n 2   317
z p q  e ( N  1) (1.65) (0.28)(0.72)  (0.04) (4200  1)
2 2 2