MÉTODOS

ESTADÍSTICOS PARA
LA INVESTIGACIÓN
Teoría de Muestreo:
Introducción; Ventajas y desventajas; Población objetivo ;
Marco muestral; Unidad de muestreo; Unidad elemental; Error
de muestreo; Tipo de Muestreo; Técnicas de Muestreo

UNIVERSIDAD CATOLICA DE TRUJILLO Ms. Ylder Heli Vargas Alva

BENEDICTO XVI y.vargas@uct.edu.pe
MISIÓN

Somos una Universidad Católica que

brinda formación humana integral
basada en valores cristianos,
contribuye mediante la investigación
e innovación al desarrollo de la
sociedad.
VISIÓN

La Universidad Católica de Trujillo Benedicto XVI,

al celebrar sus Bodas de Plata:

 Es una universidad acreditada.

 Es reconocida por formar profesionales
competentes con calidad moral y ética.
 Se orienta a la solución de problemas basada en la
investigación científica, la creación y aplicación de
nuevas tecnologías.
VALORES INSTITUCIONALES

Responsabilidad Respeto
Servicio

Verdad Solidaridad

Calidad Libertad
 CONTENIDO

• Elementos de la teoría de muestreo.

• Tipos de muestreo.
• Muestreos Probabilísticos.
• Muestreos No Probabilísticos.

• Tamaño de muestra.

5
 CASO

La empresa LINEA S.A. desea realizar un

estudio para conocer nivel de aceptación de
su servicio en la ruta LIMA -TRUJILLO -LIMA.

Un grupo de estudiantes deciden trabajar junto a la empresa para realizar

un estudio de mercado para responder a la inquietud de la empresa.
 ¿INTERROGANTES?

¿A quién voy a estudiar?

¿Qué le voy a preguntar?
¿A cuántos voy a preguntar?
¿Cómo les voy a preguntar?
¿Qué tiempo me demoraré?
¿Qué personal necesitaré?
¿Quién es mi unidad de estudio?
¿Quién es mi población en estudio?
¿Quién es mi muestra?
¿Qué tipo de muestreo utilizaré?
¿Cuáles son mis variables?
¿Qué técnica de recolección de datos utilizaré?
¿Qué instrumento de recolección de datos
utilizaré?
 MUESTREO

Procedimiento por el cual se extrae, de un conjunto de

unidades que constituyen el objeto de estudio (población),
un número de casos reducido (muestra) elegidos con
criterios tales que permitan la generalización a toda la
población de los resultados obtenidos al estudiar la
muestra.
Ejemplos:

• Las empresas industriales seleccionan muestras para controlar la calidad de su

producción.
• Los ministerios gubernamentales seleccionan muestras para obtener
información sobre empleo, distribución del empleo, educación, canasta familiar,
etc.
• Las organizaciones de investigación de mercados la utilizan para investigar
productos preferenciales de consumo, efectividad del mismo, etc.
Nacimiento de un ESTUDIO DE MERCADO

POBLACION

UNIDAD
DE
ESTUDIO

MUESTRA
 1. Población:

• Son conjuntos de elementos o unidades que comparten un grupo de

características comunes.

• Conjunto de elementos relacionados entre sí con alguna característica del cual

se desea información, se desea investigar la característica de interes.

 Población

Muestra
2. Muestra:

• Es un subconjunto de elementos seleccionados convenientemente de la

población objetivo de tal manera que puede hacerse inferencias de ella
respecto a la población completa.

• Es un conjunto de unidades seleccionadas de un marco muestral o de

varios marcos muéstrales.

• Una muestra tiene las siguientes características:

a. Representativa: es decir que refleje completamente las características
de la población.
b. Adecuada: debe incluir un número óptimo y mínimo de individuos.
c. Homogénea: CV ≤ 33%
3. Marco de muestreo o Marco muestral:

Listado que identifica a los elementos de la población objetivo.

Base de datos (Registros) Mapas

4. Unidad elemental o unidad de análisis:

• Es cada uno de los elementos en estudio.

• Es el objeto del cual se toman las mediciones.

Ejemplo:

Una persona, un alumno, un cliente, una empresa, una fábrica, una botella de
cerveza, una PC, etc.
 MUESTREO: DEFINICIONES BASICAS

PARÁMETRO: Es la medición numérica que describe

algunas características de una población.

ESTIMADOR O ESTADÍGRAFO: Es una medición numérica

que describe algunas características de una muestra.
RAZONES DE MUESTREO

 Disminución de costos : Al obtener datos a partir de una muestra de

una población los costos serán menores ya que no será necesario medir
a toda la población. Los costos están tanto referido a los materiales,
procedimientos, así como al personal. (tiempo, personal, material)

 Al disminuir el número de casos disminuyen también los errores

asociados a la manipulación de los datos.

 Puede confiarse en la generalización de los resultados si se ha tenido

cuidado al seleccionar la muestra.

 Mayor rapidez: Por el hecho de ser un subconjunto de la población

permite acceder de manera más eficiente y rápida para el levantamiento
de los datos.
TIPOS DE MUESTREO:

TIPO DE MUESTREO

No Probabilístico
Probabilístico

Simple Estratificado Sistemático Conglomerados

Conveniencia Por Juicio Por Cuota Por Bola de nieve

 MODALIDAD DE MUESTREO – TIPOS DE MUESTREO

PROBABILÍSTICOS NO PROBABILISTICOS

• Todas las unidades tienen igual • Cada unidad NO tiene igual

probabilidad de participar en la
muestra.
• La elección de cada unidad
muestral es independiente de las
demás
• Se puede calcular el error
muestral.
Usos:
Estimación de Parámetros
Comprobación de Hipótesis
probabilidad de participar en la
muestra.
• No se puede calcular el error
muestral.
• Alto riesgo de invalidez producido por
la introducción de sesgos .
Usos:
Estudios Pilotos
Estudios Cualitativos
Investigaciones en poblaciones de difícil
registro o localización (enfermos de VIH)
TEORÍA BÁSICA DEL MUESTREO
MÉTODOS DE MUESTREO NO PROBABILÍSTICO

1. MUESTREO NO PROBABILÍSTICO: TIPOS

a. Muestreo por conveniencia: consiste en seleccionar a los individuos que convienen al
investigador para la muestra. Esta conveniencia se produce porque al investigador le
resulta más fácil examinar a estos sujetos, ya sea por proximidad geográfica, por ser sus
amigos, etc.

b. Muestreo por cuotas: se basa en seleccionar la muestra después de dividir

la población en grupos o estratos. Los sujetos dentro de cada grupo se eligen por
métodos no probabilísticos.

c. Muestreo de bola de nieve (o muestreo por referidos): se realiza

sobre poblaciones donde no se conoce a sus individuos o es muy difícil acceder a ellos.
Se llama muestreo de bola de nieve porque cada sujeto estudiado propone a otros,
produciendo un efecto acumulativo parecido a una bola de nieve.

d. Muestreo casual o accidental: los individuos son elegidos de manera casual, sin ningún
juicio previo. Las personas que realizan el estudio eligen un lugar o un medio, y desde
ahí realizan el estudio a los individuos de la población que accidentalmente se
encuentren a su disposición.

e. Muestreo discrecional (o muestreo por juicio): los sujetos se seleccionan a base del
conocimiento y juicio del investigador.
TEORÍA BÁSICA DEL MUESTREO
MÉTODOS DE MUESTREO PROBABILÍSTICO

Los elementos de la muestra son seleccionados siguiendo un

procedimiento que brinde a cada uno de los elementos de la población
una probabilidad conocida de ser incluidos en la muestra.

TIPOS
• Muestreo Aleatorio Simple
• Muestreo Aleatorio Sistemático
• Muestreo Aleatorio Estratificado
• Muestreo Aleatorio por Conglomerados
TEORÍA BÁSICA DEL MUESTREO
MÉTODOS DE MUESTREO PROBABILÍSTICO

a.- MUESTREO ALEATORIO SIMPLE (M.A.S.)

 Es un método de selección de n unidades en un

conjunto de N, de tal modo que cada uno de las
unidades tienen la misma probabilidad de ser
seleccionadas.

 Se utiliza la tabla de números aleatorios

 También se puede realizar partiendo de listas de

individuos de la población, y eligiendo individuos
aleatoriamente con un ordenador.

 Los elementos de la muestra se eligen al azar,

directamente y en una sola etapa.

 Normalmente tiene un coste bastante alto su

aplicación.
Muestreo Aleatorio Simple

Lista de Clientes

Muestra Aleatoria
TEORÍA BÁSICA DEL MUESTREO
MÉTODOS DE MUESTREO PROBABILÍSTICO

a.- MUESTREO ALEATORIO SIMPLE (M.A.S.)

Ejemplo
Suponga que existen 1000 registros de productos producidos por la Empresa
Produzco BIEN S.A., de los cuales se seleccionara una muestra aleatoria de
n=50.
TEORÍA BÁSICA DEL MUESTREO
MÉTODOS DE MUESTREO PROBABILÍSTICO

2. MUESTREO PROBABILÍSTICO, ALEATORIO O ESTOCÁSTICO:

a.- MUESTREO ALEATORIO SIMPLE (M.A.S.)

Ejemplo
Supongamos que tengamos una población de 5000 usuarios de energía eléctrica, y que
tenemos un listado con sus nombres. Si queremos elegir 20 usuarios, lo que
necesitamos es que el computador elija al azar a 20 usuarios de esos 5000.

Solución:
 Generar números aleatorios entre 1 y 5000.
 Usando la función Excel: aleatorio.entre(1,5000)
 Los usuarios seleccionados son:
TEORÍA BÁSICA DEL MUESTREO
MÉTODOS DE MUESTREO PROBABILÍSTICO

2. MUESTREO PROBABILÍSTICO, ALEATORIO O ESTOCÁSTICO:

a.- MUESTREO ALEATORIO SIMPLE (M.A.S.)
TEORÍA BÁSICA DEL MUESTREO
MÉTODOS DE MUESTREO PROBABILÍSTICO
2. MUESTREO PROBABILÍSTICO, ALEATORIO O ESTOCÁSTICO:
a.- MUESTREO ALEATORIO SIMPLE (M.A.S.)
TEORÍA BÁSICA DEL MUESTREO
MÉTODOS DE MUESTREO PROBABILÍSTICO

b.- MUESTREO SISTEMÁTICO

 Selección dentro de un intervalo uniforme medido con respecto al

tiempo, orden o al espacio.

 Cada elemento tiene igual oportunidad de ser seleccionado.

 Cada muestra NO tiene igual posibilidad de ser seleccionada.

 CUIDADO: Si en la lista existen periodicidades, obtendremos una muestra

sesgada.

 Un caso real: Se eligió una de cada cinco casas para un estudio de salud
pública en una ciudad donde las casas se distribuyen en manzanas de
cinco casas. Salieron con mucha frecuencia las de las esquinas, que
reciben más sol, están mejor ventiladas…
TEORÍA BÁSICA DEL MUESTREO
MÉTODOS DE MUESTREO PROBABILÍSTICO

b.- MUESTREO SISTEMÁTICO

1 26 51 76
2 27 52 77
N = 100 3 28 53 78
4 29 54 79
5 30 55 80
6 31 56 81
7 32 57 82
8 33 58 83
9 34 59 84
10 35 60 85
11 36 61 86
12 37 62 87
13 38 63 88
14 39 64 89
15 40 65 90
16 41 66 91
17 42 67 92
18 43 68 93
19 44 69 94
20 45 70 95
21 46 71 96
22 47 72 97
23 48 73 98
24 49 74 99
25 50 75 100
TEORÍA BÁSICA DEL MUESTREO
MÉTODOS DE MUESTREO PROBABILÍSTICO

b.- MUESTREO SISTEMÁTICO

1 26 51 76
2 27 52 77
N = 100 3 28 53 78
4 29 54 79
5 30 55 80
6 31 56 81
Se desea una muestra n = 20 7 32 57 82
8 33 58 83
9 34 59 84
10 35 60 85
11 36 61 86
12 37 62 87
13 38 63 88
14 39 64 89
15 40 65 90
16 41 66 91
17 42 67 92
18 43 68 93
19 44 69 94
20 45 70 95
21 46 71 96
22 47 72 97
23 48 73 98
24 49 74 99
25 50 75 100
TEORÍA BÁSICA DEL MUESTREO
MÉTODOS DE MUESTREO PROBABILÍSTICO

b.- MUESTREO SISTEMÁTICO

1 26 51 76
2 27 52 77
N = 100 3 28 53 78
4 29 54 79
5 30 55 80
6 31 56 81
Se desea una muestra n = 20 7 32 57 82
8 33 58 83
9 34 59 84
10 35 60 85
11 36 61 86
N/n = 5 12 37 62 87
13 38 63 88
14 39 64 89
15 40 65 90
16 41 66 91
17 42 67 92
18 43 68 93
19 44 69 94
20 45 70 95
21 46 71 96
22 47 72 97
23 48 73 98
24 49 74 99
25 50 75 100
TEORÍA BÁSICA DEL MUESTREO
MÉTODOS DE MUESTREO PROBABILÍSTICO

b.- MUESTREO SISTEMÁTICO

1 26 51 76
2 27 52 77
N = 100 3 28 53 78
4 29 54 79
5 30 55 80
6 31 56 81
Se desea una muestra n = 20 7 32 57 82
8 33 58 83
9 34 59 84
10 35 60 85
11 36 61 86
N/n = 5 12 37 62 87
13 38 63 88
14 39 64 89
15 40 65 90
Escoger un número aleatorio de 1-5: Seleccionado: 16 41 66 91
4 17 42 67 92
18 43 68 93
19 44 69 94
20 45 70 95
21 46 71 96
22 47 72 97
23 48 73 98
24 49 74 99
25 50 75 100
TEORÍA BÁSICA DEL MUESTREO
MÉTODOS DE MUESTREO PROBABILÍSTICO

b.- MUESTREO SISTEMÁTICO

1 26 51 76
2 27 52 77
N = 100 3 28 53 78
4 29 54 79
5 30 55 80
6 31 56 81
Se desea una muestra n = 20 7 32 57 82
8 33 58 83
9 34 59 84
10 35 60 85
11 36 61 86
N/n = 5 12 37 62 87
13 38 63 88
14 39 64 89
15 40 65 90
Escoger un número aleatorio de 1-5: 16 41 66 91
Seleccionado: 4 17 42 67 92
18 43 68 93
19 44 69 94
20 45 70 95
21 46 71 96
Empezar con el 4 y escoger cada 22 47 72 97
23 48 73 98
quinto número 24 49 74 99
25 50 75 100
TEORÍA BÁSICA DEL MUESTREO
MÉTODOS DE MUESTREO PROBABILÍSTICO

c.- MUESTREO ALEATORIO ESTRATIFICADO (M.A.E.)

 La población es dividida en grupos relativamente homogéneos

(estratos)

 Selección aleatoria de elementos del estrato.

 Cantidad proporcional al estrato ó con pesos.

 Cada grupo tiene una pequeña variación dentro de sí mismo,

pero hay una amplia variación entre los grupos.
TEORÍA BÁSICA DEL MUESTREO
MÉTODOS DE MUESTREO PROBABILÍSTICO

ESTRATOS
c.- MUESTREO ALEATORIO ESTRATIFICADO (M.A.E.)
POBLACIÓN

MUESTRA
TEORÍA BÁSICA DEL MUESTREO
MÉTODOS DE MUESTREO PROBABILÍSTICO

c.- MUESTREO ALEATORIO ESTRATIFICADO (M.A.E.) - procedimiento para seleccionar

una muestra estratificada

PROBLEMA: Heterogeneidad de las unidades de estudio

TEORÍA BÁSICA DEL MUESTREO
MÉTODOS DE MUESTREO PROBABILÍSTICO

c.- MUESTREO ALEATORIO ESTRATIFICADO (M.A.E.) - procedimiento para seleccionar

una muestra estratificada

SOLUCION: Estratificación de la población

TEORÍA BÁSICA DEL MUESTREO
MÉTODOS DE MUESTREO PROBABILÍSTICO

c.- MUESTREO ALEATORIO ESTRATIFICADO (M.A.E.) – TÉCNICAS DE MUESTREO

1. ASIGNACION IGUAL: Todos los estratos tienen el mismo número de

elementos en la muestra.
Se determina:
𝑛
𝑛ℎ =
ℎ
Donde:
n: muestra h: número de estratos nh: muestra en el estrato h
2. ASIGNACION PROPORCIONAL: El tamaño de cada estrato en la muestra
es proporcional a su tamaño en la población.
𝑁ℎ ∗ 𝑛
Se determina: 𝑛ℎ = 𝑁

Donde:
Nh: población en cada estrato h N: población
n: muestra solicitada nh: muestra en el estrato h
TEORÍA BÁSICA DEL MUESTREO
MÉTODOS DE MUESTREO PROBABILÍSTICO

c.- MUESTREO ALEATORIO ESTRATIFICADO (M.A.E.) - EJEMPLO

En una fábrica que consta de 600 trabajadores queremos tomar una muestra de
20. Sabemos que hay 200 trabajadores en la sección A, 150 en la B, 150 en la C
y 100 en la D. ¿Cuál seria la muestra si trabajamos con una afijación igual?, ¿y si
la afijación es proporcional?
Solución:
Se tienen los siguientes datos:
N=600; n=20; A=200; B=150; C=150; D=100; h = 4 (4 estratos)

a. Por afijación igual:

nh=n/h = 20/4 = 5
Cada estrato estará conformado por 5 trabajadores.

b. Por afijación proporcional:

n1=(A/N)(n) = (200/600)(20) = 7
n2=(B/N)(n) = (150/600)(20) = 5
n3=(C/N)(n) = (150/600)(20) = 5
n4=(D/N)(n) = (100/600)(20) = 3
Los estratos estarán constituidos por: A = 7; B = 5; C = 5 y D = 3 trabajadores.
TEORÍA BÁSICA DEL MUESTREO
MÉTODOS DE MUESTREO PROBABILÍSTICO

d.- MUESTREO ALEATORIO POR CONGLOMERADOS.-

 La población se divide en racimos (clúster)

 Seleccionamos una muestra aleatoria de estos

racimos.

 Hay una variación considerable dentro de cada

grupo, pero los grupos son esencialmente
similares entre sí.
TEORÍA BÁSICA DEL MUESTREO
MÉTODOS DE MUESTREO PROBABILÍSTICO

d.- MUESTREO ALEATORIO POR CONGLOMERADOS.-

RACIMOS
POBLACIÓN

MUESTRA
FÓRMULAS PARA EL CÁLCULO DEL
TAMAÑO DE MUESTRA (n)
TEORÍA BÁSICA DEL MUESTREO
TAMAÑO DE LA MUESTRA (n)

FORMULAS

O NO SE CONOCE

n : Tamaño de la muestra p: Probabilidad de éxito. q: Probabilidad de fracaso (q=1-p)

z: Valor que se obtiene de la distribución normal, para un nivel de confianza (1-α) o un
nivel de significación de α.
E: Error de estimación. Valor que lo determina el investigador.
N: Número de los elementos del universo o de la población
S: Desviación Estándar Si no se conoce S, se obtendrá de una muestra piloto.
TEORÍA BÁSICA DEL MUESTREO
TAMAÑO DE LA MUESTRA (n)

CONCEPTO DEFINICION

PORCENTAJE O NIVEL Es el porcentaje de seguridad que existe para generalizar

DE CONFIANZA los resultados obtenidos.

PORCENTAJE DE Equivale a elegir una probabilidad de aceptar una hipótesis

ERROR que sea falsa como si fuera verdadera, o la inversa:
(E) rechazar la hipótesis verdadera por considerarla falsa.

VARIABILIDAD Es la probabilidad (o porcentaje) con el que se aceptó y se

(P) rechazó la hipótesis que se quiere investigar en alguna
investigación anterior o en un ensayo previo a la
investigación actual.
TEORÍA BÁSICA DEL MUESTREO
TAMAÑO DE LA MUESTRA (n)

NIVEL DE CONFIANZA
TEORÍA BÁSICA DEL MUESTREO
TAMAÑO DE LA MUESTRA (n)

 Si no se conoce P, se puede adoptar las siguientes decisiones:

a) Tomar una muestra piloto y calcular el valor de P.
b) Considerar el valor de P=0.5, lo cual dará el número de elementos de la muestra el mayor
posible.

 Los niveles de confianza y significancia son:

Nivel de confianza Nivel de significancia

Conclusión
1- α α
0.90 (90%) 0.10 (10%) Poco significativa.
0.95 (95%) 0.05 ( 5% ) Significativa.
0.99 (99%) 0.01 ( 1% ) Altamente
significativa.
 Considerar el valor de Z, de acuerdo a lo siguiente:
Nivel de
99% 98% 95% 94% 93% 92% 91% 90% 88% 85% 80% 75% 62.27% 50%
Confianza
Z 2.58 2.3 1.96 1.88 1.81 1.75 1.69 1.65 1.56 1.44 1.28 1.15 1.00 0.67

Nivel de Confianza (z=1-α) 99% 98% 96% 95% 90%

Nivel de Significancia (α) 1% 2% 4% 5% 10%
Valores de 2.58 2.33 2.05 1.96 1.645
TEORÍA BÁSICA DEL MUESTREO
TAMAÑO DE LA MUESTRA (n)

Ejemplos:

1. El tiempo de conexión a Internet de los alumnos de cierta Universidad

sigue una distribución normal con desviación típica 15 minutos. Si se
quiere conseguir que el error de estimación no supere los tres minutos
con un nivel de confianza del 95%. Determinar cuál es el tamaño mínimo
de la muestra que es necesario observar?

2. Calcule el tamaño muestral de una encuesta realizada por ESSALUD. El

error de estimación es 2%, con un nivel de confianza de 95% y p = q en
el supuesto de un muestro aleatorio simple.
TEORÍA BÁSICA DEL MUESTREO
TAMAÑO DE LA MUESTRA (n)

Ejemplos:

3. En un estudio, se desea determinar en que proporción los niños de una

región toman yogurt en el desayuno. Si se sabe que existen 1500 niños y
deseamos tener una precisión de 10%, con un nivel de confianza del 90%.
De que tamaño debe ser la muestra?

4. Determine el tamaño de muestra adecuado para estimar el peso promedio

de los alumnos de ingeniería civil con un nivel de confianza del 95%, si
sabemos que la varianza de los pesos es 116.92 kg2, el error muestral es de
2.82 Kg. y el total de alumnos es 500.
TEORÍA BÁSICA DEL MUESTREO
TAMAÑO DE LA MUESTRA (n) EJEMPLOS
Ejemplos:
TEORÍA BÁSICA DEL MUESTREO
TAMAÑO DE LA MUESTRA (n)

Ejemplos:

 Un alumno tesista de la UCT. Desea conocer la proporción de alumnos

desertores de todos los colegios de la provincia de Trujillo, durante el
presente año académico. Para tal efecto desea tomar una muestra aleatoria
simple, con una probabilidad del 95% de que error de estimación no debe
ser más del 5%. ¿Cuál será el tamaño adecuado de la muestra, si la
proporción de desertores del año anterior fue del 10%?.

 En una población de 5000 lectores de la revista “Si se lee”, el gerente de

dicha revista quiere conocer la proporción de lectores que le gusta el
deporte, para incluir en su edición y él establece que el error máximo no
deberá ser mayor del 4% del valor verdadero del parámetro con un nivel de
confianza del 99%. Sabiendo que la proporción de la gente que le gusta el
deporte es del 60%, calcular la muestra adecuada.
TEORÍA BÁSICA DEL MUESTREO
TAMAÑO DE LA MUESTRA (n) EJEMPLOS 2
Ejemplos:

 La gerencia de una empresa que tiene 2000 camiones, desea conocer el

número promedio del total de kilómetros recorridos durante una semana.
Para dicho estudio va a tomar una muestra aleatoria, de tal manera que el
error de muestreo no sea mayor que 5% para un nivel de confianza del
95% y la desviación estándar de la población basada en estudios
anteriores fue de 180 Km. ¿Cuál será el mínimo adecuado de la muestra?.

 La desviación estándar de la duración de los focos de una determinada

fábrica es de 100 horas. Para un embarque de 2000 focos, el gerente de
control de calidad de la fábrica desea determinar el tamaño de la muestra
necesaria, con un error de 8% con una varianza de 20 horas del promedio
real con un 95% de confianza.
 ¿QUÉ HEMOS VISTO?

• Elementos de la teoría de muestreo.

• Tipos de muestreo.
• Muestreos Probabilísticos.
• Muestreos No Probabilísticos.
• Tamaño de muestra.

No existe la suerte. Sólo hay preparación adecuada o

inadecuada para hacer frente a una estadística.

Robert Heinlein
 MUCHAS GRACIAS

UNIVERSIDAD CATOLICA DE TRUJILLO Ms. Ylder Heli Vargas Alva

BENEDICTO XVI y.vargas@uct.edu.pe