Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Elm Ues Treo
Elm Ues Treo
TIPOS DE MUESTREO
Existen diferentes criterios de clasificacin de los diferentes tipos de muestreo, aunque en
general pueden dividirse en dos grandes grupos: mtodos de muestreo probabilsticos y mtodos
de muestreo no probabilsticos.
I. Muestreo probabilstico
Los mtodos de muestreo probabilsticos son aquellos que se basan en el principio de
equiprobabilidad. Es decir, aquellos en los que todos los individuos tienen la misma probabilidad de
ser elegidos para formar parte de una muestra y, consiguientemente, todas las posibles muestras
de tamao n tienen la misma probabilidad de ser seleccionadas. Slo estos mtodos de muestreo
probabilsticos nos aseguran la representatividad de la muestra extrada y son, por tanto, los ms
recomendables. Dentro de los mtodos de muestreo probabilsticos encontramos los siguientes
tipos:
1.- Muestreo aleatorio simple:
El procedimiento empleado es el siguiente: 1) se asigna un nmero a cada individuo de la
poblacin y 2) a travs de algn medio mecnico (bolas dentro de una bolsa, tablas de nmeros
aleatorios, nmeros aleatorios generados con una calculadora u ordenador, etc.) se eligen tantos
sujetos como sea necesario para completar el tamao de muestra requerido.
Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad prctica cuando la
poblacin que estamos manejando es muy grande.
2.- Muestreo aleatorio sistemtico:
Este procedimiento exige, como el anterior, numerar todos los elementos de la poblacin,
pero en lugar de extraer n nmeros aleatorios slo se extrae uno. Se parte de ese nmero aleatorio
i, que es un nmero 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 tamao de la poblacin entre el tamao de la muestra: k= N/n. El nmero i que
empleamos como punto de partida ser un nmero al azar entre 1 y k.
El riesgo este tipo de muestreo est en los casos en que se dan periodicidades en la
poblacin 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 poblacin. Imaginemos que estamos
seleccionando una muestra sobre listas de 10 individuos en los que los 5 primeros son varones y
los 5 ltimos mujeres, si empleamos un muestreo aleatorio sistemtico con k=10 siempre
seleccionaramos o slo hombres o slo mujeres, no podra haber una representacin de los dos
sexos.
3.- Muestreo aleatorio estratificado:
Trata de obviar las dificultades que presentan los anteriores ya que simplifican los procesos
y suelen reducir el error muestral para un tamao dado de la muestra. Consiste en considerar
categoras tpicas diferentes entre s (estratos) que poseen gran homogeneidad respecto a alguna
caracterstica (se puede estratificar, por ejemplo, segn la profesin, el municipio de residencia, el
sexo, el estado civil, etc.). Lo que se pretende con este tipo de muestreo es asegurarse de que
todos los estratos de inters estarn 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 formarn parte de la muestra. En ocasiones
las dificultades que plantean son demasiado grandes, pues exige un conocimiento detallado de la
poblacin. (Tamao geogrfico, sexos, edades,...).
La distribucin de la muestra en funcin de los diferentes estratos se denomina afijacin, y
puede ser de diferentes tipos:
Afijacin Simple: A cada estrato le corresponde igual nmero de elementos mustrales.
Afijacin Proporcional: La distribucin se hace de acuerdo con el peso (tamao) de la poblacin
en cada estrato.
Afijacin Optima: Se tiene en cuenta la previsible dispersin de los resultados, de modo que se
considera la proporcin y la desviacin tpica. Tiene poca aplicacin ya que no se suele conocer la
desviacin.
4.- Muestreo aleatorio por conglomerados:
Los mtodos presentados hasta ahora estn pensados para seleccionar directamente los
elementos de la poblacin, es decir, que las unidades mustrales son los elementos de la
poblacin.
En el muestreo por conglomerados la unidad muestral es un grupo de elementos de la
poblacin que forman una unidad, a la que llamamos conglomerado. Las unidades hospitalarias,
los departamentos universitarios, una caja de determinado producto, etc., son conglomerados
naturales. En otras ocasiones se pueden utilizar conglomerados no naturales como, por ejemplo,
las urnas electorales. Cuando los conglomerados son reas geogrficas suele hablarse de
"muestreo por reas".
El muestreo por conglomerados consiste en seleccionar aleatoriamente un cierto numero
de conglomerados (el necesario para alcanzar el tamao muestral establecido) y en investigar
despus todos los elementos pertenecientes a los conglomerados elegidos.
Aleatorio
simple
VENTAJAS
Sencillo y de fcil
comprensin.
Clculo rpido de
medias y
varianzas.
Requiere que se
posea de antemano un
listado completo de
toda la poblacin.
Cuando se trabaja con
muestras pequeas es
Se basa en la
teora estadstica, posible que no
y por tanto existen represente a la
poblacin
paquetes
informticos para adecuadamente.
analizar los datos
Fcil de aplicar.
No siempre es
necesario tener un
listado de toda la Si la constante de
poblacin.
muestreo est
asociada con el
fenmeno de inters,
Cuando la
las estimaciones
poblacin est
obtenidas a partir de la
ordenada
muestra pueden
siguiendo una
contener sesgo de
tendencia
conocida, asegura seleccin
una cobertura de
unidades de todos
los tipos.
Estratificado
En ciertas ocasiones
resultar conveniente
estratificar la muestra segn
ciertas variables de inters.
Para ello debemos conocer
la composicin estratificada
de la poblacin objetivo a
INCONVENIENTES
Tiende a asegurar
que la muestra
represente
adecuadamente a
la poblacin en
funcin de unas
Se ha de
conocer la
distribucin en
la poblacin
de las
variables
variables
seleccionadas.
Se obtienen
estimaciones ms
precisa
Su objetivo es
conseguir una
muestra lo ms
semejante posible
a la poblacin en
lo que a la o las
variables
estratificadoras se
refiere.
Es muy eficiente
cuando la
poblacin es muy
grande y dispersa.
No es preciso
tener un listado de
toda la poblacin,
slo de las
unidades
primarias de
muestreo.
utilizadas para
la
estratificacin.
El error
estndar es
mayor que en
el muestreo
aleatorio
simple o
estratificado.
El clculo del
error estndar
es complejo.