TEORA DEL MUESTREO

CARACTERISTICAS

VENTAJAS

INCONVENIENTES

Se selecciona una muestra de tamao n de una poblacin de N unidades, cada elemento tiene una probabilidad de inclusin igual y conocida de n/N.

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 posible que no represente a la poblacin adecuadamente.

Aleatorio simple

Se basa en la teora estadstica, y por tanto existen paquetes informticos para analizar los datos

Conseguir un listado de los N elementos de la poblacin Determinar tamao muestral n. Definir un intervalo k= N/n. Elegir un nmero aleatorio, r, entre 1 y k (r= arranque aleatorio). Seleccionar los elementos de la lista. 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 hacer un muestreo. Una vez calculado el tamao muestral apropiado, este se reparte de manera proporcional entre los distintos estratos definidos en la poblacin usando una simple regla de tres.

Fcil de aplicar.

No siempre es necesario tener un listado de toda la poblacin. Cuando la poblacin est ordenada siguiendo una tendencia conocida, asegura una cobertura de unidades de todos los tipos.

Sistemtico

Si la constante de muestreo est asociada con el fenmeno de inters, las estimaciones obtenidas a partir de la muestra pueden contener sesgo de seleccin

Estratificado

Tiende a asegurar que la muestra represente adecuadamente a la poblacin en funcin de unas variables seleccionadas. Se obtienen estimaciones ms precisa

Se ha de conocer la distribucin en la poblacin de las variables utilizadas para la estratificacin.

Su objetivo es conseguir una muestra lo ms semejante posible a la poblacin en lo que a la o las variables estratificadoras se refiere.

Se realizan varias fases de muestreo sucesivas (polietpico) Conglomerados La necesidad de listados de las unidades de una etapa se limita a aquellas unidades de muestreo seleccionadas en la etapa anterior.

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.

El error estndar es mayor que en el muestreo aleatorio simple o estratificado.

El clculo del error estndar es complejo.