Está en la página 1de 54

POBLACIN,

MUESTRA Y
MUESTREOS
PARMETRO: Es un valor
que se obtiene a partir de
los datos de una Poblacin
o son los valores que se
originan al analizar una
poblacin. Ejemplo: la
media aritmtica,
mediana, desviacin
estndar.

ESTADSTICO O ESTADGRAFO: Es un valor


que se obtiene a partir de los datos de una
muestra o son los valores que se originan al
analizar una muestra. Debe entenderse que el
parmetro y el estadgrafo son conceptos muy
similares. Su diferencia radica realmente en
que el estadgrafo se calcula sobre una
muestra y el parmetro se calcula con relacin
a una poblacin.
Muestra
Generalmente trabajaremos con muestras cuyo fin es
representar a la totalidad de la poblacin estadstica.
Exigiremos a la muestra que sea aleatoria, independiente
e idnticamente distribuida.
Aleatoria: Cualquier sujeto poda haber sido seleccionado
para la muestra con la misma probabilidad.
Independiente: Estn completamente separadas entre s
y lo que pasa en una muestra no afectar a la otra.
Idnticamente distribuda: Cada uno de los sujetos tiene
la misma distribucin.
La muestra se obtiene por el mtodo ms conveniente
de muestreo en cada caso.
Nociones de Muestreo
En ocasiones en que no es posible o conveniente realizar un
censo (analizar a todos los elementos de una poblacin), se
selecciona una muestra, entendiendo por tal una parte
representativa de la poblacin.
El muestreo es por lo tanto una herramienta de la
investigacin cientfica, cuya funcin bsica es determinar
que parte de una poblacin debe examinarse, con la
finalidad de hacer inferencias sobre dicha poblacin.
La muestra debe lograr una representacin adecuada
de la poblacin, en la que se reproduzca de la mejor
manera los rasgos esenciales de dicha poblacin que
son importantes para la investigacin. Para que una
muestra sea representativa, y por lo tanto til, debe de
reflejar las similitudes y diferencias encontradas en la
poblacin, es decir ejemplificar las caractersticas de
sta.
ERRORES MAS COMUNES
Los errores ms comunes que se pueden cometer son:
1.- Hacer conclusiones muy generales a partir de la
observacin de slo una parte de la Poblacin, se
denomina error de muestreo.
2.- Hacer conclusiones hacia una Poblacin mucho ms
grandes de la que originalmente se tomo la muestra.
Error de Inferencia.

En la estadstica se usa la palabra poblacin para referirse


no slo a personas si no a todos los elementos que han
sido escogidos para su estudio y el trmino muestra se usa
para describir una porcin escogida de la poblacin.
MUESTREO
En la mayora de los casos, no es posible estudiar a
toda la poblacin, y se elige una muestra para
representar a todos los individuos. Esta muestra debe
ser representativa de todas las caractersticas
de todos los
elementos.
El muestreo es
el mtodo de
seleccin de
una muestra a
partir de una
poblacin
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.
Las muestras pueden ser elegidas mediante diversas
tcnicas o procedimientos. Estas tcnicas se clasifican
segn como sean elegidos los individuos. Se dividen en
dos grandes grupos:
Muestreo probabilstico (o muestreo aleatorio):
1. Muestreo aleatorio simple
2. Muestreo aleatorio estratificado
3. Muestreo aleatorio sistemtico
4. Muestreo aleatorio por conglomerados
Muestreo No probabilstico (o muestreo no aleatorio):
1. Muestreo por cuotas
2. Muestreo por conveniencia
3.Muestreo de bola de nieve (o muestreo por
referidos)
4. Muestreo casual o accidental
5. Muestreo discrecional (o muestreo por juicio):
MUESTREO PROBABILSTICO
El muestreo probabilstico (o muestreo aleatorio) es la
tcnica de eleccin de la muestra en la que los
individuos son elegidos aleatoriamente y todos tienen
probabilidad positiva de formar parte de ella.
Las muestras seleccionadas
por mtodos de muestreo
probabilstico son ms
representativas que los
mtodos de muestreo no
probabilstico, aunque no
siempre es posible
seleccionar las muestra
aleatoriamente.
MUESTREO ALEATORIO SIMPLE
En el muestreo aleatorio simple:
1. Todos los individuos tienen la misma
probabilidad de ser seleccionados.
2. Las observaciones se realizan con
reemplazamiento, de forma que la poblacin es igual
en todas las extracciones. En el caso de que se
renuncie, por azar, a volver a seleccionar en
la muestra al mismo individuo, estaremos en el caso
de mtodo aleatorio sin reemplazamiento.
3. Supongamos que queremos elegir una muestra
de n individuos de una poblacin de N sujetos.
Cada elemento tiene probabilidad n/N de ser elegido
en la muestra.
a. Sin reposicin:
Cuando un elemento es seleccionado y no puede volver a ser
seleccionado, se dice que hacemos un muestreo aleatorio sin
reemplazamiento o sin reposicin. Generalmente recibe el
nombre de muestreo aleatorio simple.

Los elementos no son devueltos a la


poblacin. Slo pueden aparecer una
vez en la muestra.
b. Con reposicin:
En caso de que el elemento vuelva a formar parte de la
poblacin de manera que puede volver a ser seleccionado se
dice que se ha obtenido la muestra mediante un muestreo
aleatorio con reposicin o reemplazamiento.

Los elementos son devueltos a la


Poblacin. Pueden aparecer ms de
una vez en la muestra.
Nmeros aleatorios
Uno de los mtodos ms comunes de seleccionar
una muestra aleatoria es mediante nmeros aleatorios.
Como en el mtodo anterior, numeramos todos los
individuos del 1 al N.
Generar un nmero aleatorio entre 0 y 1, multiplicarlo
por N y redondearlo siempre al alza.
El nmero aleatorio generado indica el elemento que
se seleccionar.
Repetimos este proceso hasta que tengamos
la muestra aleatoria de n individuos. Durante este
proceso, cuando algn elemento se repite, se
desestima y se vuelve a generar otro nmero aleatorio.
MUESTREO ESTRATIFICADO
En el muestreo estratificado, los individuos se
dividen en grupos o estratos. Cada elemento
pertenece a un nico estrato.
La muestra se elige escogiendo en cada estrato un
nmero representativo de individuos. La eleccin de los
elementos en cada estrato se realiza mediante algn
mtodo de muestreo aleatorio simple o muestreo
sistemtico.
Suponemos que hay k estratos de
tamaos N1, N2,..., Nk, de forma que:

En cada estrato se toman n1, n2,..., nk elementos para


la muestra, de manera que se toman en
total n individuos, es decir:
Se tomar una muestra que sea representativa del
conjunto de la poblacin. El nmero de individuos que
se eligen de cada estrato se puede decidir mediante
diversos criterios:
1. Eleccin simple: se toman el mismo nmero de
sujetos de cada uno de los k estratos. De cada estrato
se seleccionaran n/k individuos. Este criterio no es
recomendable cuando los estratos tienen diferente
nmero de individuos.
2. Eleccin proporcional al tamao del estrato: el
tamao de la muestra en cada grupo es proporcional a
los elementos de dicho grupo.
MUESTREO SISTEMTICO
El mtodo de muestreo sistemtico se utiliza
en muestras ordenadas del 1 al N. Consiste en lo
siguiente:
Supongamos que tenemos una poblacin de N
individuos ordenados del 1 al N. Queremos
seleccionar una muestra de tamao n.
Sea k el entero ms prximo a N/n.
Escogemos al azar un nmero i entre 1
y k (utilizando los nmeros aleatorios, sacar
una bola de un bombo, etc.).
La muestra ser el elemento i y los
elementos i+k, i+2k, etc.. Es decir, el elemento k y los
elementos a intervalos fijos k hasta conseguir
los n sujetos:
Ejemplo de muestreo sistemtico
Suponemos que queremos saber la opinin sobre un
profesor de una clase de 60 personas. Dichas personas estn
ordenadas por orden alfabtico en la lista de alumnos de
clase. Para realizar la encuesta, seleccionamos a 12
personas. Por lo tanto, N=60 y n=12. El intervalo fijo entre
sujetos es:
Ahora elegimos al azar un nmero entre 1 y k=5.
Suponemos que nos sale i=2. La muestra resultado
mediante el muestreo sistemtico ser:
Cuando utilizarlo
La ventaja del mtodo de muestreo
sistemtico respecto al muestreo aleatorio
simple es su sencillez. El mtodo de muestreo
sistemtico.
El mtodo de muestreo
sistemtico es ms potente
que el muestreo simple
cuando el orden de los datos
influye en que los sujetos
prximos son semejantes.
MUESTREO POR CONGLOMERADOS
El mtodo de muestreo por conglomerados se utiliza
cuando la poblacin est agrupada en conglomerados
naturales.
Si se supone que los conglomerados son muestra
significativa de la variable que se est estudiando,
se puede seleccionar
algunos conglomerados
al azar (todos los
conglomerados deben tener
las mismas probabilidades
de ser seleccionados) y
utilizarlos en representacin
de la poblacin.
Una vez seleccionados los conglomerados, el estudio se
simplifica puesto que hay menos individuos en el
anlisis. El investigador debe elegir si estudiar a todos
los sujetos de los conglomerados seleccionados o
seleccionar una muestra mediante el mtodo
de muestreo aleatorio simple o muestreo sistemtico.

Ejemplo: conglomerado geogrfico

En la prctica, el conglomerado ms utilizado es


el geogrfico. Si queremos hacer un estudio en un pas,
podemos dividir el pas en conglomerados como las
comunidades, provincias, ciudades, etc.
MUESTREO NO PROBABILSTICO
El muestreo no probabilstico (o muestreo no
aleatorio) es la tcnica de muestreo donde los
elementos son elegidos a juicio del investigador. No
se conoce la probabilidad con la que se puede
seleccionar a cada individuo.
El muestreo no probabilstico se utiliza cuando es
imposible o muy difcil obtener la muestra por
mtodos de muestreo probabilstico.
Las muestras seleccionadas por mtodos
de muestreo no aleatorios intentan
ser representativas bajo los criterios del investigador,
pero en ningn caso garantizan la representatividad.
Las muestras seleccionadas por mtodos de muestreo
no aleatorios intentan ser representativas bajo los
criterios del investigador, pero en ningn caso
garantizan la representatividad.
MUESTREO POR CUOTAS
El muestreo por cuotas es un mtodo de muestreo no
probabilstico. Se basa en seleccionar la muestra
despus de dividir la poblacin en grupos o estratos.
Supongamos que tenemos una poblacin de N
individuos y que queremos
elegir una muestra de n sujetos.
Tomaremos los individuos para
la muestra mediante el
siguiente proceso:
Diferencia con el muestreo estratificado
El muestreo estratificado se diferencia
del muestreo por cuotas en que una vez se decide
el nmero de sujetos que se van a elegir de cada
estrato, en el mtodo de muestreo estratificado se
eligen los individuos aleatoriamente y en el
muestreo por cuotas no.
MUESTREO POR CONVENIENCIA
El muestreo por conveniencia es un mtodo de
muestreo no probabilstico. Consiste en seleccionar a
los individuos que convienen al investigador para la
muestra.
Esta conveniencia se
produce porque al
investigador le resulta
ms sencillo examinar
a estos sujetos, ya sea
por proximidad
geogrfica, por ser sus
amigos, etc.
Ejemplos:
El mdico de un instituto quiere
realizar un estudio ptico para
comprobar si los jvenes mejoran su
vista despus de unos determinados
ejercicios visuales. Para ello decide
realizar el estudio a los alumnos de
un curso del instituto.
Un hospital desea hacer un estudio
para testar la eficacia de su nueva
vacuna contra la gripe que acaba de
patentar un laboratorio farmacutico.
Realizan el estudio sobre
sus pacientes por que as al hospital
le supone menos costes econmicos.
MUESTREO DE BOLA DE NIEVE
El mtodo de muestreo de bola de nieve (o muestreo
por referidos) es un mtodo de muestreo no
probabilstico. El muestreo se realiza sobre poblaciones
en las que no se conoce a sus individuos o es muy difcil
acceder a ellos. Podran ser los casos de sectas
secretas, indigentes, grupos minoritarios, etc.
Se llama muestreo de bola de nieve porque cada sujeto
estudiado propone
a otros, produciendo un efecto
acumulativo parecido al de
la bola de nieve.
Ejemplos
Un investigador quiere hacer un estudio sobre el
comportamiento de los individuos de
una secta secreta. Empieza estudiando a tres
integrantes de la misma que conoce y ellos le van
presentando a otros sujetos para incluirlos en su
estudio.
Un mdico ha tratado a un paciente con
una enfermedad rara y decide hacer un estudio
sobre ella. Para ello, recurre al paciente, que le va
derivando a sus conocidos con dicha enfermedad y a
travs del muestreo de bola de nieve entrevista al
nmero de individuos que precisa.
MUESTREO CASUAL O ACCIDENTAL
El muestreo casual o accidental es un mtodo de
muestreo no probabilstico donde los individuos se eligen
de manera casual, sin ningn juicio previo. Las personas
que realizan el estudio eligen un lugar o un medio, y
desde ah realizan el estudio a los individuos de la
poblacin que accidentalmente se encuentren a su
disposicin.
Ejemplo:
Se realiza una encuesta de opinin sobre un producto
de higiene personal que se ha lanzado al mercado
recientemente la empresa contrata a una serie . de
entrevistadores que realizan las encuestas en la calle.
stos van entrevistando a los que se van encontrando
accidentalmente por la calle.
MUESTREO DISCRECIONAL
El mtodo de muestreo discrecional (o muestreo por
juicio) es un mtodo de muestreo no probabilstico. Los
sujetos se seleccionan a base del conocimiento y juicio
del investigador.
El investigador selecciona a los individuos a travs de
su criterio profesional. Puede basarse en la experiencia
de otros estudios anteriores o en su conocimiento
sobre la poblacin y el comportamiento de sta frente
a las caractersticas que se estudian.
Ejemplos
Supongamos que el investigador va a realizar un
estudio sobre el nivel de satisfaccin del profesorado
de cierta universidad.
El estudio se suele realizar cada dos aos,
por lo que el responsable del estudio,
gracias a su experiencia y sus
antecedentes, sabe perfectamente cual
puede ser la mejor muestra para el
estudio.
A un jefe de estudios le
encomiendan un estudio del nivel de
satisfaccin de los alumnos con un
determinado profesor. El investigador, que
conoce a todos los alumnos de esa clase,
decide utilizar el muestreo discrecional
seleccionando a los alumnos que cree que
sern los ms representativos.
TAMAO DE LA MUESTRA
PARA UNA VARIABLE CUANTITATIVA:

a. Un nivel de confianza: Que es adoptado por el investigador, el cual puede ser 90%,
95% o 99% y que origina el valor de Z.
b. El error de estimacin (E): Que tambin es fijado por el investigador
c. La desviacin estndar varianza: que son valores que se obtienen por estudios
anteriores, por la muestra piloto o por la distribucin de la poblacin.
d. El Tamao de la poblacin (N): Que generalmente no se conoce.

PARA UNA VARIABLE CUALITATIVA:

a. Un nivel de confianza: Que es adoptado por el investigador, el cual puede ser 90%,
95% o 99% y que origina el valor de Z.
b. El error de estimacin (E): Que tambin es fijado por el investigador
c. La proporcin poblacional (P): que son valores que se obtienen por estudios anteriores,
por la muestra piloto y si no se conoce asumir p=0.5.
d. El Tamao de la poblacin (N): Que generalmente no se conoce.
FORMULAS PARA DETERMINAR EL TAMAO DE MUESTRA:

Cualitativa Cuantitativa
VARIABLE (Proporcin (Promedio
Poblacional) Poblacional)

POBLACION INFINITA (Cuando


no se conoce N)

POBLACION FINITA (Cuando se


conoce N)

Z = es el valor de la distribucin normal estandarizada para un nivel de confianza fijado por el


investigador.
S = Desviacin estndar de la variable fundamental del estudio o de inters para el investigador.
Obtenida por estudios anteriores, muestra piloto, criterio de experto o distribucin de la variable de
inters.
P = es la proporcin de la poblacin que cumple con la caracterstica de inters.
E = % del estimador o en valor absoluto (unidades). Fijada por el investigador.
N = Tamao de la poblacin.
Si conociramos el tamao de la poblacin, comprobamos
con el factor de correccin del muestreo:

n0
f
N
Si fuera mayor del 5% (0.05) , se corrige el tamao de
muestra inicial, mediante la frmula del tamao de muestra
final:

n0
nf
n0
1
N
Valor de Z: es el valor de la abscisa de la distribucin normal
estandarizada teniendo en cuenta el nivel de confianza fijado por
el investigador, por lo tanto este valor se encuentra en las tablas
estadstica respectiva. Para hacer el trabajo menos tedioso,
presentamos a continuacin los diferentes valores de Z.

VALORES DE LA DISTRIBUCIN NORMAL ESTANDARIZADA(Z)

Valor Z
Nivel de confianza
significancia ()
(1-)
Bilateral Unilateral

90% = 0.90 10% = 0.10 1.64 1.28


95% = 0.95 5% = 0.05 1.96 1.64
98% = 0.98 2% = 0.02 2.33 2.05
99% = 0.99 1% = 0.01 2.58 2.32
Conclusiones sobre el nivel de seguridad en el muestreo:

Segn diferentes seguridades, el coeficiente de Z vara as:


Si la seguridad Z fuese del 90% el coeficiente sera 1.645
Si la seguridad Z fuese del 95% el coeficiente sera 1.96
Si la seguridad Z fuese del 97.5% el coeficiente sera 2.24
Si la seguridad Z fuese del 99% el coeficiente sera 2.576
Si los recursos del investigador son limitados, debe recordar que a
medida que se disminuya el nivel de seguridad, se permitir un
mayor error en el estudio de investigacin, lo cual a su vez permitir
al investigador trabajar con un nmero de muestra ms reducido,
sacrificando la confiabilidad de los resultados.
Ejemplo 1:
En un proyecto minero en Cajamarca, se ha
calculado que cerca del 30% (0,3) de los nios que
habitan cerca de la zona del proyecto padecen de
malnutricin crnica. Este dato se basa en
estadsticas nacionales sobre malnutricin en las
zonas rurales. Determinar el tamao de muestra
con un nivel de fiabilidad de 95% (valor estndar
Z=1,96).
Ejemplo 2
Se desea estimar el peso promedio de los sacos que son llenados
por un nuevo instrumento en una industria. Se conoce que el
peso de un saco que se llena con este instrumento es una
variable aleatoria con distribucin normal. Si se supone que la
desviacin tpica del peso es de 0,5 kg. Determine el tamao de
muestra aleatoria necesaria para determinar una probabilidad
igual a 0,95 de que el estimado y el parmetro se diferencien
modularmente en menos de 0,1 kg.

Como el tamao de muestra no es fraccionario debe ser


aproximado por exceso, es decir seria de 97 sacos.
Ejemplo 3
Cuntas mujeres sern necesarias estudiar para estimar la
prevalencia de violencia en una poblacin de embarazadas?
Solucin: Con un nivel de confianza del 95 % (=0,05 , z = 1,96),
un error mximo admitido del 8 % y un valor de prevalencia
conocido por la bibliografa del 20 %, el tamao de la muestra
necesario ser:
Ejemplo 4
A cuntas familias tendramos que estudiar para conocer la
preferencia del mercado en cuanto a las marcas de shampoo
para beb, si se desconoce la poblacin total? Utilizar datos
dados.

Seguridad = 95%;
Precisin = 3%;
Proporcin esperada = asumamos que puede ser prxima al 5%;
si no tuvisemos ninguna idea de dicha proporcin utilizaramos
el valor p = 0.5 (50%) que maximiza el tamao muestral.
Entonces:
Z = 1.962 (ya que la seguridad es del 95%)
p = proporcin esperada (en este caso 5% = 0.05)
q = 1 p (en este caso 1 0.05 = 0.95)
e = precisin (en este caso deseamos un 3%)

Se requerira encuestar a no menos de 203 familias para poder


tener una seguridad del 95%
Ejemplo 5
A cuntas familias tendramos que estudiar para conocer la
preferencia del mercado en cuanto a las marcas de shampoo para
beb, si se conoce que el nmero de familias con bebs en el sector
de inters es de 15,000? Use una seguridad = 95%;Precisin = 3%.
Proporcin esperada = asumamos que puede ser prxima al 5%; si
no tuviese ninguna idea de dicha proporcin utilizaramos el valor p
= 0.5 (50%) que maximiza el tamao muestral.

Se requerira encuestar a no menos de 200 familias para poder


tener una seguridad del 95%
GRACIAS POR SU ATENCIN
Yo voy a ganar
porque tengo fe,
coraje y
entusiasmo