CURSO DE

ESTADISTICA APLICADA II
Técnicas de Muestreo

Emma Pérez Palacios

Profesora del Curso
Muestreo
La teoría del muestreo tiene como propósito
establecer los pasos o procedimientos a través de
los cuales sea posible hacer generalizaciones
sobre la población a partir de un subconjunto de la
misma (muestra) de la misma, con un grado de
error (fijado).

El problema del muestreo surge cuando la

población a estudiar es demasiado grande, para
ello se selecciona muestras una muestra de tal
manera que minimice los costos y al mismo
tiempo que no produzca pérdida en la precisión de
los resultados.
 MUESTREO

Es el proceso por el cual se obtiene una

muestra representativa de la población, es decir con la
misma estructura de la población

N : Nº de elementos de la población
POBLACION
 = Parámetro

n = # de elementos de la muestra ó
MUESTRA tamaño de muestra

 = Estimador
^
Razones para el Muestreo
Tomar una muestra en lugar de llevar a cabo un
censo ofrece ciertas ventajas como son las
siguientes:
• Una muestra ahorra dinero

• Una muestra ahorra tiempo

• Una muestra puede ser más exacta, en

términos de entrevistadores mejor entrenados
para captar información.

• Una muestra es mejor si el estudio conlleva la

destrucción o contaminación del elemento
muestreado
Nota:

Generalmente, el censo se usa cuando se

requiere cambiar los parámetros poblacionales de
una zona, región, país. Siendo necesario
información a detalle de cada centro poblado.

Actualmente, se está usando con más frecuencia

una combinación de ambos. Es decir datos
propiamente censales con los obtenidos mediante
encuestas por muestreo.
 Conceptos Básicos
Población: Es la colección de todos los individuos,
objetos u observaciones que poseen al menos una
característica en común.
Población Objetivo: Es aquella sobre la que se
obtendrá las diferentes medidas de las características
de interés del estudio.
La población también tiene otro tipo de clasificación:
Población Finita: Es aquella que tiene un número
limitado de elementos.
Población Infinita: Es aquella que no tiene límites o
cotas, esto es, tiene un número infinito de elementos.
 Muestreo: Conceptos Básicos

PARAMETROS
POBLACION
, 2, 

MUESTRA
Estadígrafos o Estimadores

, S2 p
X
Población :
Colección de elementos de quienes ESTIMACION
se desea hacer una inferencia Es el valor de los estimadores
DEFINICIONES BÁSICAS
 Estadígrafo (estadística) es una medida resumen que
describe una característica con los datos u
observaciones de una muestra.
Los principales Estadígrafos son:
- Media muestral: X
- Varianza muestral: S2
- Proporción muestral: p
 Parámetro es una medida resumen que describe una
característica de toda una población, y para determinar
su valor es necesario utilizar toda la información de la
población.
Los principales parámetros son:
- Media poblacional: µ
- Varianza poblacional: 2
- Proporción poblacional: 
CONCEPTOS BÁSICOS
Elemento o Unidad de Análisis: Es la unidad
acerca del cual se solicita información. Este
suministra la base del análisis que se llevará a
cabo.

Muestra: Es una parte o un subconjunto

representativa de una población. La selección y
estudio de una muestra facilita la inferencia de
conclusiones válidas para la población de
donde se obtuvo la muestra.

Datos: Son valores que se obtienen o recopilan

para conocer y analizar las características de
una población.
CONCEPTOS BÁSICOS DE MUESTREO
 MARCO MUESTRAL: Es el conjunto de todos los
elementos de la población disponibles para la selección de
la muestra.
En ocasiones todos los elementos de la población están
disponibles y, por tanto, el marco es igual a la población.
En otros casos no se produce esa igualdad.
 UNIDAD MUESTRAL: Es la unidad seleccionada de la
población para la aplicación de la técnica de
investigación. Puede ser un elemento poblacional único o
un conjunto de elementos.
 MÉTODO O TIPO DE MUESTREO: Es el procedimiento
utilizado para seleccionar de forma representativa de las
unidades muestrales.
CONCEPTOS BÁSICOS DE MUESTREO
 TAMAÑO DE MUESTRA: Es el número de unidades
muestrales que componen la muestra seleccionada. Es un
factor determinante del nivel de validez de las respuestas.
 ERROR MUESTRAL: Es el error cometido al no tratar
con toda la población. Es un error admitido y controlado
al generalizar los resultados de una muestra obtenida
aleatoriamente a la población total.
 ERROR NO MUESTRAL: Es el error ajeno al proceso de
muestreo, difícil de medir. Es generado principalmente
por una elevada tasa de no respuesta, errores de diseño
de cuestionario, sesgos del entrevistador, etc.
Un control riguroso de todo el proceso de realización del
estudio reduce este tipo de errores que pueden restar gran
parte de la validez de los resultados.
 Tipos de Muestreo
Existen muchas formas mediante el cual el
investigador puede seleccionar su muestra. Los
dos tipos principales de muestreo son:

Tipos de Muestreo

Probabilístico No probabilístico

Es el muestreo que reconoce Es sólo referencial y subjetivo.

la Estadística teórica Muchas veces en práctica se le
reconoce como válido, en caso de
no tener el Marco Muestral
En el muestreo no probabilístico, la selección de un elemento de la
población que va a formar parte de la muestra se basa hasta cierto punto
en el criterio del investigador o entrevistador de campo. Este tipo de
muestreo solo se aplica en la practica ante el inconveniente de no contar
con el marco muestral y/o seleccionar una nuestra con usando los
números aleatorios.

Muestreo No Probabilístico

Por
Conveniencia Juicio Cuotas Bola de nieve
Experto
En el muestreo probabilístico cada elemento de
la población tiene una probabilidad conocida de
ser seleccionado para la muestra.

Muestreo Probabilístico

Aleatorio CONGLOMERADO
Simple Sistemático Estratificado
O RACIMO

Poli-etápico

Nota: En la practica se combinan estos diseños.

 Muestreo Aleatorio Simple
Procedimiento:
 Tener el marco muestral actualizado
 Asignar un número a cada elemento o unidad muestral (u.m.)
del marco muestral
 A través de una tabla de números aleatorios o procedimiento
similar seleccionar las unidades que van a constituir la
muestra
Ventajas:
Igual probabilidad de inclusión en la muestra de todas las
unidades de muestreo

Permite la generalización a toda la población de estudio

Proporcional la base para calcular el margen de error.

 Muestreo Aleatorio Simple

Población:
(Lista de Clientes=
Marco Muestral)

Muestra Aleatoria de
clientes

Requisito: La población de clientes debe de ser homogénea

(similares características)
MUESTREO PROBABILÍSTICO: MUESTRO ESTRATIFICADO :
Proceso

Agrupar los elementos de la población de acuerdo

a su semejanza con respecto a las variables a
investigar.
Extraer una muestra aleatoria de cada estrato.
Requisito:
Los estratos deben de ser heterogéneos.
Los elementos de dentro de cada estrato deben de ser
homogéneos
Definir una variable de estratificación por ejemplo: Edad,
sexo o niveles socioeconómicos.
Ventaja:
Reduce el error de muestreo
MUESTRO ESTRATIFICADO ESTRATOS

POBLACIÓN

MUESTRA
MUESTREO PROBABILÍSTICO

MUESTREO SISTEMÁTICO
Si se tiene una población de N elementos y se necesita una
muestra de tamaño “n”.
Proceso
 Enumerar los elementos o unidades muestrales.
 Elegir en forma aleatoria un elemento entre los k= N/n
primeros.
 Elegir de manera sistemática el que esté k lugares después
del primer elemento, y así sucesivamente.
Esto significa que cada k elementos de la población se
considera uno como miembro de la muestra.
 MUESTREO SISTEMATICO (Método de Selección)

Arranque aleatorio : # al azar entre 1 y k K=N

n
POBLACION : UNIDADES MUESTRALES (MARCO MUESTRAL)

1 2 3 4 5 6 7 8 9 10 11 1213 14 15 16 N
. . .

Ejemplo: K = 3
Tantas veces hasta completar la completar el tamaño de
muestra
 Población o Marco
Ejemplo: Muestral enumerado.
Se ha enumerado los 100 estudiantes 1 26 51 76
inscritos en un evento académico. 2 27 52 77

Se desea seleccionar una muestra

3 28 53 78
4 29 54 79
sistemática de 20 estudiantes. 5
6
30
31
55
56
80
81
7 32 57 82
N = 100: Nº de 8
9
33
34
58
59
83
84
estudiantes inscritos 10 35 60 85
11 36 61 86
12 37 62 87
Tamaño de la muestra: n = 20 13
14
38
39
63
64
88
89
15 40 65 90
16 41 66 91
1. Calcular N/n = 100/20 = 5 17 42 67 92
2. Elegir alaetoriamete un número ente 18 43 68 93
19 44 69 94
1y5 20 45 70 95
21 46 71 96
3. Se seleccionó: 4 22 47 72 97
4. Empezando con el 4 y seleccionar 23 48 73 98
24 49 74 99
para la muestra cada 5º (dejando un 25 50 75 100

espacio de 4)
 Resultado
La muestra de 20 estudiantes esta compuesta por aquellos
a los que se les asignó el numero:

4, 9, 14, 19, 24, 29, …. 99

Ventaja del Muestreo Sistemático:

La muestra esta bien distribuida en toda la población.

MUESTREO PROBABILÍSTICO

MUESTREO DE CONGLOMERADOS

En el muestreo por conglomerados, en lugar de

considerar cada elemento de la población, lo
que consideramos son “conglomerados de
elementos”.
Proceso

 Identificar los conglomerados

Elegir en forma aleatoria uno o varios conglomerados, según
el tamaño de la muestra “n”

Así la muestra estará formada por todos los elementos de los

conglomerados seleccionados.
Población: Conglomerados N= 7 MUESTRA
n=3
 MUESTREO DE CONGLOMERADOS
Nota:
En sentido inverso al Muestreo estratificado: En el
Muestreo por Conglomerados, los elementos dentro de
cada conglomerado son heterogéneos.
Los conglomerados son agrupaciones naturales de
los elementos o unidades muestrales

Ventaja
Facilita la selección de la muestra.
Ejemplo:
En las encuestas de opinión durante en las elecciones generales,
los conglomerados pudieron ser las mesas de votación.

Se selecciona entonces en forma aleatoria mesas, y considerar a

todos los votos de las mesas seleccionadas.
MUESTREO PROBABILÍSTICO MUESTREO POLIETAPICO
En este caso se combina el muestreo aleatorio simple con el
muestreo por conglomerados:
Muestreo Bietápico
 Primera Etapa: Se realiza un muestreo por
conglomerados.
Por ejemplo, si los conglomerados son la mesas de
votación, se seleccionan en forma aleatoria varios de
ellos.
 Segunda Etapa: De cada conglomerado seleccionado se
obtiene una muestra de elementos.
En el ejemplo de las elecciones, se toma una muestra de
electores de cada mesa (conglomerado) seleccionada.
En sentido, se puede decir que se ha utilizado dos 2
etapas de muestreo. Y claro está, es posible tener más de
2 etapas.
 MUESTREO POLIETAPICO

1era. Etapa 2da.

de Muestreo Etapa
3ra.Etapa de
Muestreo

Selección de Centros Selección de Selección de

Ejemplo:
de votación Mesas electores
TIPOS DE MUESTREO
 MUESTREO NO PROBABILÍSTICO
Se llama muestreo no probabilístico a cualquier método
de muestreo en que la oportunidad de escoger un
elemento determinado de la población es desconocida,
independientemente de que existan o no otras
especificaciones.
Los diferentes muestreos no probabilísticos son los
siguientes:
 Muestreo por Conveniencia o Fortuito
 Muestreo de Selección Experta o Muestreo a Juicio
 Muestreo por Cuotas
 Muestreo de Bola de Nieve.
 Muestreo de Poblaciones Móviles.
MUESTREO NO PROBABILÍSTICO
 MUESTREO POR CONVENIENCIA O FORTUITO :
Los elementos de estas muestras son elegidos simplemente
porque son accesibles, pueden ser sujetos voluntarios o porque
son personas que saben expresarse, etc.

Son ejemplos ilustrativos la entrevista al "hombre de la calle",

los elementos que les llega a la mano para sacar conclusiones
en medicina, arqueología e historia.

La astronomía, la física experimental y la química son las

principales ciencias que tienen muy poco cuidado acerca de la
representabilidad de sus especimenes.
Muestreo por Conveniencia

 En cualquiera de estos casos los elementos de

la muestra se auto-seleccionan o se seleccionan
porque estan fácilmente disponibles.

 En todos estos casos no esta claro de que

población se está obteniendo la muestra.

 Las muestras por conveniencia se utilizan en

las primeras etapas de la investigación como
base para generar hipótesis de trabajo.
MUESTREO NO PROBABILÍSTICO
 MUESTREO POR JUICIO DE EXPERTO O MUESTREO
EXPERTO
La selección experta es una forma de muestreo no aleatorio o
muestreo de juicio utilizada por los expertos para seleccionar
especimenes, unidades, o porciones, representativas o típicas.

Por ejemplo, consideremos el muestreo de juicio de individuos

representativos, o especimenes para experimentos; o la práctica
de contabilidad de seleccionar semanas típicas para una
auditoria; o la práctica común de seleccionar una ciudad o villa
típicas para representar una población nacional, urbana o rural.

A menudo sucede que los expertos tienen diferentes puntos de

vista acerca de la mejor manera de seleccionar especimenes
representativos, o para decidir cuáles son las unidades más
representativas.
MUESTREO NO PROBABILÍSTICO
 MUESTREO POR CUOTAS
El muestreo de cuota es una forma de muestreo no aleatorio
ampliamente utilizado en encuestas de opinión, de mercado y
otras semejantes.
Los encuestadores reciben la instrucción de obtener cuotas
especificas a partir de las cuales se construye una muestra
relativamente proporcional a la población, con respecto a
ciertas variables demográficas.
Dentro de las cuotas, se supone que los encuestadores obtienen
individuos representativos.
La naturaleza de los controles y de las instrucciones dependen
del juicio experto de la persona que practica este tipo de
muestreo.
Muestreo por Cuotas
 La idea básica en el muestreo por cuotas es ‘reproducir’ en
la muestra ciertas características de la población (por
ejemplo género, edad etc.) llenando ‘cuotas’ para cada una
de esas características.
 El supuesto detrás de este procedimiento es que si la
muestra ‘reproduce’ a la población en estas características,
también podría hacerlo en las cantidades que se tratan de
medir.
 El muestreo por cuotas es parecido al muestreo
estratificado, difereneciandose porque los encuestadores
estan restringidos a obtener información de cierto número
de unidades de análisis con caracteristicas determinadas o
cuotas, utilizando algún elemento de juicio en la elección de
la muestra.
 Como existe un elemento de juicio no podemos determinar
la probabilidad de seleccionar una unidad dada de la
población.
MUESTREO NO PROBABILÍSTICO
 MUESTREO DE BOLA DE NIEVE
Consiste en seleccionar una muestra inicial o básica de
individuos y establecer en cada entrevista qué nuevas personas
de la población en estudio han de entrevistarse, para así integrar
la muestra completa.
En sentido muy amplio, la primera muestra puede seleccionarse
en forma intencional o estar constituida por voluntarios.

 MUESTREO DE POBLACIONES MÓVILES

El muestreo de poblaciones móviles suele depender de métodos
de captura-marca-recaptura. La población total se estima de la
proporción de los individuos en la recaptura (insectos, peces,
venados ), que han sido capturados previamente y marcados.
Hay modelos teóricos ingeniosos que se utilizan para expresar
en forma explícita las suposiciones del método.
VENTAJAS DEL MUESTREO NO PROBABILISTICO

Bajo Costo
Fácil acceso a las unidades muestrales
 En ausencia de marco muestral, es el único
procedimiento a seguir.

DESVENTAJA DEL MUESTREO NO PROBABILISTICO

Como las unidades muestrales son seleccionadas con

probabilidades desconocidas, no es posible calcular el error de
muestreo. Por tanto las inferencias de rigor no tienen sentido.

Algunos analistas asumen que el muestreo no probabilístico usado

en la selección (especialmente en el muestreo de cuotas) de la
muestra equivale a un muestreo probabilístico, en todo caso las
inferencias deben tomarse con cuidado.
 Observaciones Finales:
Si no hay posibilidad de una enumeración completa o marco
muestral, se recurre la muestreo de cuotas.

En la practica, los especialistas suelen combinar los tipos de

Muestreos.

Asimismo:
Podrían utilizar un Muestreo Estratificado para NSE (niveles
socio económicos), estratificando manzanas de viviendas.

Estas manzanas de viviendas constituyen conglomerados, que

son seleccionados en una primera etapa.

Luego seleccionar sistemáticamente viviendas de cada manzana

seccionada.
Y por último seleccionar una persona para atender la entrevista.
Selección de Muestras
con ayuda del
MINITAB
1. Crear un marco
muestra enumerado
de 100 personas.

2. Seleccionar una
muestra aleatoria de
30 personas
 Marco
Muestral
N=100
Poblac Muestra

Muestra
n=30
Tabla de Números
Aleatorios : pag. nº 106

Ejemplo: Seleccionar una

muestra de n = 10 de una
población de 50 personas
listadas en el marco muestral,

Empezando de cualquier
lugar por ejemplo de la fila 04
columna 03, se selecciona 02
columnas ya que N tiene 02
cifras (dígitos) números
menores de 50 las unidades
seleccionadas son :
03, 34, 06, 13, 42,
39, 33, 08, 01, 25

Nota: Si se termina la columna,

se toma las 02 subsiguientes
columnas del lado derecho. 39