Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TecMuestreo PDF
TecMuestreo PDF
n
N
1
de ser obtenidas.
Con este supuesto, por ser equiprobables todas las muestras de n elementos, la
probabilidad de que un elemento poblacional dado parte de la muestra se puede
calcular as:
N
n
n
N
n
N 1
1
1
Podemos, pues, definir el muestreo aleatorio simple como seleccin de n elementos
cuando los N de la poblacin tienen la misma probabilidad de ser extrados.
Sus principales estimadores quedaran de la siguiente manera:
Tcnica Estimador Varianza
Aleatorio Simple
Media Poblacional
= =
n
y
y Y
i
N
n N
n
S
y V
=
2
) (
Total Poblacional
y N Y =
N
n N
n
S N
Y V
) (
)
(
2 2
=
12
6.2.- ESTRATIFICADO
Supongamos ahora que la poblacin se subdivide en
L
subpoblaciones o estratos, de
modo que la muestra est constituida por elementos de cada uno de ellos. Estas
subpoblaciones no se sobreponen y juntas forman la totalidad de la poblacin, por lo
que:
N N N N N
L
h
h L
= = + + +
=1
2 1
...
Una vez que han sido determinados los estratos, se saca una muestra de cada uno, la
obtencin se realiza independientemente en estratos diferentes. Los tamaos de
muestra dentro de los estratos son representados por
L
N n n ..., ,
2 1
respectivamente.
Si se toma una muestra simple aleatoria de cada estrato, el procedimiento completo es
conocido como muestreo estratificado aleatorio.
La ventaja principal que puede conseguirse estratificando es aumentar la precisin de
las estimaciones al agrupar elementos con caractersticas comunes. Adems de
procurar mediante la estratificacin muestras ms representativas, puede lograrse un
mejor aprovechamiento de la organizacin administrativa y en general de las
particularidades de diferentes grupos de elementos de la poblacin.
En particular, cuando nos interesan las estimaciones de cada estrato es muy
conveniente tener idea de la distribucin de la caracterstica estudiada o de alguna otra
correlacionada con ella. Conviene que los estratos sean tales que pueda conseguirse
un aumento sustancial de la precisin por agrupamiento de elementos de cierta
homogeneidad.
Adems de conocerse el tamao de la poblacin, N , como en el muestreo aleatorio
simple, habr que saber el tamao de cada estrato, y designaremos por
h
N el del
estrato h-esimo.
13
A veces se utiliza el smbolo N N W
h h
/ = , que es el peso relativo del estrato. La media y
el total pueden expresarse en funcin de las medias y totales subpoblacionales o de los
estratos, mediante las formulas:
Media:
=
=
= = =
L
h
h h
L
h
h h
Y W
N
Y N
N
Y
Y
1
1
Total:
= =
= =
L
h
h h
L
h
h
Y N Y Y
1 1
6.2.1.- AFIJACION
Se da el nombre de afijacin al reparto o distribucin del tamao muestral n entre los
diferentes estratos. Esto es, a la determinacin de los valores
h
n
que verifiquen:
n n n n
L
= + + + ...
2 1
Pueden establecerse muchas afijaciones o maneras de repartir la muestra, pero las
mas importantes son: la afijacin igual en las que se toman todos los
h
n
iguales a
L
n
,
aumentando o disminuyendo este tamao en una unidad si n no fuese mltiplo de L .
La afijacin proporcional en el muestreo estratificado aleatorio, al reparto del tamao n
de la muestra entre los L estratos proporcionalmente a los tamaos de estos. Algunas
veces se le ha dado el nombre de afijacin de Bowley.
Habr pues, de verificarse:
h h
N k n . =
Para determinar esta constante k , basta sumar ordenadamente las igualdades
anteriores para L h ,..., 2 , 1 = con lo cual tenemos:
14
N
n
k N k n
L
h
h
L
h
h
= =
= =
;
1 1
Por consiguiente,
h h
N
N
n
n =
, y tambin
N
N
n
n
h h
= . Esto es
h h
W w = , si empleamos
estos smbolos para designar el peso relativo de cada estrato, en la muestra y en la
poblacin respectivamente.
La afijacin optima es aquella que para un tamao dado de n de la muestra produce
resultados mas precisos, esto es, menor error de muestreo. Tambin llamada afijacin
de Chupow-Neyman, el tamao de la muestra para cada estrato es proporcional al
producto del tamao de este estrato,
h
N , por su variabilidad, representada por la cuasi
desviacin estndar.
Los estimadores y sus respectivas varianzas del muestreo estratificado aleatorio lo
podemos resumir en la siguiente tabla:
Tcnica Estimador Varianza
Estratificado
Aleatorio
(proporcional)
Media Poblacional:
=
=
= =
L
h
h h
L
h
h h
st
y w
n
y n
y
1
1
=
L
h
h h st
S W
n
f
y V
1
2
1
) (
Donde:
N
n
f = : fraccin de muestreo
Total Poblacional:
st
y N Y =
2
)
(
h h st
S N
n
n N
Y V
=
Estratificado
Aleatorio
(Optimo
Neyman)
Media Poblacional:
=
=
= =
L
k k
L
h
h h
st
y w
n
y n
y
1
1
=
2
1
) (
) (
h h
h h
st
S W
N n
S W
y V
Total Poblacional:
st
y N Y =
=
2
2
) (
)
(
h h
h h
st
S N
n
S W
Y V
15
6.3.- SISTEMATICO
Consiste en tomar aleatoriamente un cierto nmero i de las primeras k unidades, que
designara en una lista o poblacin de N elementos al primero que va a formar parte de
la muestra. A continuacin, de manera rgida o sistemtica se va tomando el elemento
k i + que esta k lugares despus del i-esimo en la lista, el k i 2 + , que esta k 2 lugares
despus, y as sucesivamente hasta agotar los elementos disponibles de la lista o
poblacin, lo que ocurrir cuando se llegue al que ocupa el lugar k n i ) 1 ( + .
Tcnica Estimador Varianza
Sistemtico
Media Poblacional:
n
y y y
y
k n i k i i
sy
) 1 (
...
+ +
+ + +
=
2 2
) 1 ( 1
) (
wsy sy
S
N
n k
S
N
N
y V
=
Donde:
= =
=
k
k
n
j
i ij wsy
y y
n k
S
1 1
2 2
) (
) 1 (
1
Es la varianza entre unidades
comprendidas dentro de la misma muestra
sistemtica.
Total Poblacional:
sy
y N Y =
6.4.- POR CONGLOMERADOS O REAS
En las anteriores tcnicas de muestreo, se ha supuesto que las unidades de muestreo o
unidades a seleccionar eran las mismas que constituan el objeto de estudio. El caso
ms general, es que las unidades de muestreo comprenden dos o ms unidades de
estudio o unidades ltimas o fsicas. En este caso se dice que cada unidad de muestreo
constituye un conglomerado de unidades ltimas, y que el muestreo es por
conglomerados.
16
Ejemplos de muestreo por conglomerados serian: la seleccin aleatoria de familias de
una poblacin para efectuar un estudio de individuos; la seleccin de fincas en un
estado para una investigacin en que las unidades ultimas fuesen las cabezas de
ganado, etc.
Tcnica Estimador Varianza
C
o
n
g
l
o
m
e
r
a
d
o
s
Media Poblacional:
= =
=
=
= = =
n
i
M
j
n
i
i n
i
i ij
n
Y
Y
nM
y
nM
y
1 1
1
1
1 1
i
Y : Media por Conglomerado.
y : Media por unidades secundarias o ultimas.
M: Cantidad de unidades secundarias o ultimas.
nM
S
N
n N
n
S
N
n N
y V
b m
2 2
) (
=
=
Donde:
( )
1
1
2
2
=
=
N
Y Y
S
N
i
i
m
( )
2 1
2
2
1
m
N
i
i
b
MS
N
Y Y M
S =
=
=
2
m
S
: Varianza entre los elementos
dentro de la misma unidad.
2
b
S
: Varianza entre conglomerados
(entre unidades grandes)
Total Poblacional:
=
= =
n
i
i
Y
n
N
y N Y
1
( )
1
) 1 (
)
(
1
2
2
=
=
N
Y Y
n
f N
Y V
N
i
i
6.5.- CARACTERISTICAS DE LAS DIFERENTES TECNICAS
En resumen podemos indicar las siguientes ventajas e inconvenientes que presenta
cada una de estas tcnicas:
17
7.- ESTIMACION DEL TAMAO DE LA MUESTRA
Establecida la caracterstica o caractersticas a estimar y el grado de confianza y de
precisin requeridos, hay que decidir cual va a ser el tamao de la muestra o numero de
elementos a seleccionar, de modo que los resultados no sean en exceso costosos o
imprecisos.
Para estimar la media de la poblacin (infinitas):
2
2 2
e
Z
n
=
Para estimar la media de la poblacin (finitas):
N Z
e
n
x
x
2
2
2
2
+
=
TECNICA VENTAJAS INCONVENIENTES
Aleatorio Simple
1. Sencillo y de fcil comprensin.
2. Clculo rpido de medias y varianzas.
1. Requiere que se posea de un listado completo de
toda la poblacin.
2. No es recomendable emplearla para poblaciones
muy grandes
Sistemtico
1. Fcil de aplicar.
2. No siempre es necesario tener un
listado de toda la poblacin.
3. Cuando la poblacin est ordenada
siguiendo una tendencia conocida,
asegura una cobertura de unidades de
todos los tipos.
1. Con la periodicidad constante k se puede introducir
una homogeneidad que no se da en la poblacin.
Estratificado
1. Tiende a asegurar que la muestra
represente adecuadamente a la
poblacin en funcin de unas variables
seleccionadas.
2. Se obtienen estimaciones ms precisa
3. Su objetivo es conseguir una muestra lo
mas semejante posible a la poblacin en
lo que las variables estratificadoras se
refiere.
1. Es preciso poseer conocimientos a detalle de la
poblacin.
Conglomerados
1. Es muy eficiente cuando la poblacin es
muy grande y dispersa.
2. No es preciso tener un listado de toda la
poblacin, slo de las unidades
primarias de muestreo.
1. El error estndar es mayor que en el muestreo
aleatorio simple o estratificado.
2. El clculo del error estndar es complejo.
3. Se torna complejo a medida que aumentan las
etapas de muestreo
18
El factor ) 1 /( ) ( N n N se llama factor de correccin de poblacin finita. En caso de
que la muestra sea grande (5% ms) en relacin con la poblacin, el investigador
puede reducir en forma adecuada el tamao de la muestra necesaria:
1 +
=
n N
nN
n Donde: : n tamao revisado.
n : tamao original.
8.- EJEMPLOS DE APLICACION
A continuacin se presentan una serie de ejemplos de aplicacin de las tcnicas
descritas anteriormente.
8.1.- CASO I
Para un muestreo estratificado un ejemplo numrico, sean tres estratos ( 3 = L ), de
tamaos respectivos:
000 . 3
1
= N , 000 . 2
2
= N , 000 . 5
3
= N ; y con:
100
2
1
= S , 400
2
2
= S , 900
2
3
= S .
000 . 10
3 2 1
= + + = N N N N
Para una muestra de tamao 100 = n , los tamaos de las muestras correspondientes a
cada estrato son:
30 000 . 3 *
000 . 10
100
1 1
= = = N
N
n
n
20 000 . 2 *
000 . 10
100
1 2
= = = N
N
n
n
50 000 . 5 *
000 . 10
100
1 3
= = = N
N
n
n
Se verifica, en efecto: 100 50 20 30
3 2 1
= + + = + + n n n . La varianza de la media es:
19
544 , 5 ) 900
10
5
400
10
2
100
10
3
(
100
01 , 0 1
) ( = + +
=
st
y V
8.2.- CASO II
Comparacin de los estimadores de totales para muestreo simple aleatorio y
estratificado.
El numero total de habitantes del total de 64 ciudades de EEUU para 1930, va a ser
estimado de una muestra de 24 ciudades (estas ciudades se encuentran entre las 5ta. y
la 68ava mas grande en poblacin).
20
1. Con muestreo simple aleatorio:
453 . 594 . 5
64
40
24
) 448 . 52 ( ) 64 ( ) (
)
(
2 2 2
=
=
N
n N
n
S N
Y V
365 . 2 = ee
ESTRATO
1 2
900 364 209 113
822 317 183 115
781 328 163 123
805 302 253 154
670 288 232 140
1238 291 260 119
573 253 201 130
634 291 147 127
578 308 292 100
487 272 164 107
442 284 143 114
451 255 169 111
459 270 139 163
464 214 170 116
400 195 150 122
366 260 143 134
070 . 10 ) ( =
hi
y 498 . 9 ) ( =
hi
y
843 . 53
2
1
= S 581 . 5
2
2
= S
16
1
= N 48
2
= N
448 . 52
2
= S
21
2. Estratificado con afijacin proporcional, tenemos 6 16 *
64
24
1
= = n , 18 48 *
64
24
1
= = n
[ ] 293 . 882 . 1 ) 581 . 5 )( 48 ( ) 843 . 53 )( 16 (
24
40
)
(
2
= + =
=
h h st
S N
n
n N
Y V
372 . 1 = ee
8.3.- CASO III
En un lote de frascos para medicina, con una poblacin de 8000 unidades, se desea
estimar la media de la capacidad en centmetros cbicos de los mismos.
A travs de un pre-muestreo de tamao 35 se ha estimado que la desviacin estndar
es de 2 centmetros cbicos. Si queremos tener una precisin 0.25 cms
3
, y un nivel de
significancia del 5%. De que tamao debe de ser la muestra?
239
8000
2
96 , 1
25 , 0
2
2
2
2
2
2
2
2
2
=
+
=
+
=
N Z
e
n
x
x
Frascos.
22
BIBLIOGRAFIA
AZORIN, Francisco. Curso de Muestreo y Aplicaciones. Facultad de
Economa. Caracas. 1970.
COCHRAN, William. Tcnicas de Muestreo. Editorial CECSA. Mxico 1971.
SEIJ AS, Flix. Investigacin por Muestreo. Ediciones FACES. Caracas.
1993