Está en la página 1de 5

Mtodos de muestreo probabilstico

Los mtodos de muestreo probabilsticas son aquellos que se basan en el principio de equi-
probabilidad. 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 elegidas.

Slo estos mtodos de muestreo probabilsticas nos aseguran la representatividad de la muestra
extrada y son, por tanto, los ms recomendables.

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.


Caractersticas:

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.



Ventajas:

Sencillo y fcil comprensin.

Clculo rpido de medias y varianza.

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

Desventajas:

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.



Aplicaciones:

Control de residuos slidos de un proceso en una planta industrial.

Analizar el crecimiento de una poblacin de ratas de laboratorio.

Control de calidad en fbrica de artculos electrnicos.

Verificar efectividad de tratamiento basado en ejercicio para la reduccin de peso en nios
de 10 aos de edad.



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.

Caractersticas:

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.


Ventajas:

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.



Desventajas:

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



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 ptima: 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.

Caractersticas:

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.

Ventajas:

Tiende a asegurar que la muestra represente adecuadamente a la poblacin en funcin de
unas 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.


Desventajas:

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



Aplicaciones:

Estimar la talla media de salmones y la proporcin del mismo que cumplen con las normas
para el consumo humano.

Estimar la presin sistlica (ciencia de la salud) media de los pacientes atendidos en cuatro
consultorios.




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 nmero de
conglomerados (el necesario para alcanzar el tamao muestral establecido) y en investigar
despus todos los elementos pertenecientes a los conglomerados elegidos.


Caractersticas:

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


Ventajas:

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.


Desventajas:

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

El clculo del error estndar es complejo.


Aplicaciones:

Estimacin de peso medio de jaibas y la proporcin de jaibas que cumplen la norma para
el consumo, en un cultivo que consta de 50 jaulas.

Estimar en nmero de adultos mayores entre los 65 aos o ms, que viven en una zona
residencial de 60 manzanas.

Hacer la estima de la cantidad promedio que se gasta en alimento para Mojarra tilapia en
un criadero.