Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DEDICATORIA
El presente trabajo está dedicado a mis padres que me han dado la existencia y en
ella la capacidad para poder superarme y desear lo mejor en cada paso por este
camino difícil y arduo de la vida. Gracias por ser como son, porque su presencia y
persona nos han ayudado a construir y forjar la persona que ahora somos. A nuestro
maestro que nos da su apoyo incondicional en todo momento para culminar con
éxito este presente trabajo. En el andar por la vida nos hemos ido encontrando,
porque cada uno de ustedes ha motivado nuestros sueños y esperanzas en
consolidar un mundo más humano y con justicia.
2
Introducción
3
Muestreo:
definición
Si pretendemos conocer una serie de características de un cierto colectivo y éste
posee un elevado número de elementos su estudio exhaustivo se hace difícil. Para
solucionarlo se extrae un subconjunto de los elementos originales y, mediante la
información suministrada por dicha selección, se obtendrán conclusiones de las
características de la población completa.
La teoría del muestreo tiene como objetivo suministrar la metodología que guíe los
problemas de recogida de información. Aunque la práctica nunca es igual a los
modelos teóricos, estos son indispensables como guía para establecer las
condiciones adecuadas en la elección de las unidades últimas a encuestar. El
muestreo es la herramienta para seleccionar la parte de la población cuya
observación permitirá extender la información obtenida al conjunto de la población
objetivo del estudio. Para que las conclusiones sobre la población sean adecuadas
es necesario que la selección de las unidades se realice de tal manera que las
unidades escogidas sean lo más representativa posible de la población total y, para
esto, es fundamental planificar adecuadamente el método usado para la selección.
Conceptos básicos
Se denomina población a un conjunto de unidades de la cual se desea obtener
información. Estas unidades pueden ser personas, viviendas, familias, escuelas, y
la información a obtener puede ser de cualquier tipo, relación con la actividad,
ingresos por familia…
El estudio que se desea realizar sobre la población, se manifiesta través de una
serie de características, desconocidas de antemano, que pueden ser de muy
diversa naturaleza. Por ejemplo, en la población de alumnos matriculados en una
universidad, una característica posible de estudio podría ser el número de cursos
que cada uno lleva estudiando, al menos matriculado, en la misma, contando con el
actual. Esta sería una característica intrínsecamente cuantitativa numérica. Un
alumno puede llevar matriculado un curso, dos cursos, ocho cursos, etc. Otra
característica podría ser si disfruta no de algún tipo de beca durante el presente
curso. Esta sería una característica de tipo cualitativo, SÍ o NO, intrínsecamente no
numérica.
Una característica cualquiera bajo estudio será representada matemáticamente por
una variable, Y, que llamaremos variable de estudio. Los valores que toma dicha
variable sobre las unidades poblacionales son desconocidos de antemano. Para
4
Cualquier encuesta por muestreo tiene asociados una serie de errores que se
pueden clasificar en dos tipos: errores debidos al muestreo y errores ajenos al
muestreo.
Errores debidos al muestreo
Al extraer la muestra, los datos obtenidos a partir de la muestra nos permiten inferir
unos valores aproximados de la población total. A estos valores se les denomina
estimaciones estas estimaciones llevan unido un error, el error debido al muestreo.
Cuanto menor sea este error mayor es la precisión de las estimaciones.
Existe un procedimiento que permite obtener la muestra estableciendo a priori el
error que estamos dispuestos a tolerar, este hecho nos permitirá afirmar con certeza
que las afirmaciones que realicemos sobre los valores de la población no
conllevarán un error de muestreo superior al límite establecido a priori.
Este procedimiento consiste, en primer lugar, en elegir el estimador de forma que
tenga la mayor precisión posible, es decir, que se comporte de la misma forma que
el parámetro poblacional. Para esto es deseable que cumpla las propiedades de
insesgadez y mínima varianza.
Para controlar la precisión de un estimador hay que estudiar su error cuadrático
medio. Así, dado un parámetro poblacional, que denotaremos por θ, buscamos un
estimador θ~. Se define el error cuadrático medio de un estimador como:
ECM(θ~) = var(θ~) +(sesgo (θ~))2 = var(θ~) +(E(θ~) − θ)2
A partir del ECM vamos a definir dos tipos de errores, el error de muestreo y el error
de muestreo relativo:
• Se define el error de muestreo del estimador θ~ como la raíz cuadrada de su ECM
• Se define el error de muestreo relativo como el cociente entre el error de muestreo
y la esperanza del estimador.
Existen procedimientos estadísticos que nos permiten establecer a priori el error de
muestreo que estaríamos dispuestos a tolerar y elegir la muestra estableciendo este
límite. Esto nos llevaría a poder afirmar que las conclusiones que realicemos sobre
la población conllevarían un alto grado de certeza.
Errores ajenos al muestreo
Además de los errores de muestreo existen otros tipos de error, los errores ajenos
al muestreo. Estos errores no se asocian al proceso de muestreo. Se dividen en dos
grupos:
6
1−𝑓
El estimador del error estándar de una proporción es: 𝑠𝑝 =√1−𝑛 𝑝(1 − 𝑝)
Tamaño de la muestra
Cuando se realiza un muestreo habitualmente surge la cuestión de cual debe ser el
tamaño de la muestra que se va a realizar. Para ello es necesario saber qué
precisión necesitamos, y con qué probabilidad queremos que nuestro estimador
esté dentro del intervalo de confianza que se obtenga con esa precisión.
Dado ε (error máximo tolerable) y 1-α (nivel de confianza) el tamaño muestral para
la
𝑡 2 𝑎 𝑠2
estimación de la media muestral en poblaciones grandes es n= ε2
13
Muestreo estratificado
En el muestreo estratificado se realiza primero una partición de la población en
subpoblaciones que se denominan estratos, y dentro de cada estrato se realiza el
muestreo de forma independiente. Una condición que es requerida para los estratos
es que su población debe ser conocida.
Principales utilidades del muestreo estratificado:
♦ Sirve cuando se quiere obtener una precisión distinta para cada subpoblación. De
esta forma se puede controlar qué muestra pertenece a cada estrato, y así controlar
su precisión.
♦ Se utiliza también cuando es necesario plantear distintas tácticas de muestreo
según las subpoblaciones.
♦ Si los estratos que se utilizan son más homogéneos que la población, la utilización
del muestreo estratificado permite ganar precisión frente al aleatorio simple.
Afijación
Afijación es la forma de realizar el reparto de la muestra en cada uno de los estratos.
Algunos tipos de afijación son:
♦ Proporcional: La muestra es proporcional a la población. Esta afijación es la más
eficiente para la población total si no tenemos ninguna condición que la contradiga,
ni más información sobre costes o varianzas.
♦ Uniforme: La muestra es la misma en todos los estratos. Esta afijación se utiliza
si tenemos un objetivo de precisión igual para todos los estratos, independiente de
su población. El problema es que es menos eficiente para las estimaciones totales,
por lo que con el mismo tamaño de muestra puede aumentar mucho el nivel de error
total.
♦ De compromiso: En esta afijación se utilizan unos tamaños maestrales intermedios
entre los que resultarían de aplicar las dos anteriores. Se utiliza mucho si se quiere
controlar la precisión tanto para la población total como para cada estrato.
♦ Óptima: Tiene en cuenta para calcular los tamaños de los estratos las varianzas
de los estratos, y los costes de realización de la muestra en cada uno de ellos. Es
útil tenerla en cuenta si las varianzas son muy distintas de unos estratos a otros, y
si los costes de realizar el estudio son muy distintos de unos estratos a otros.
Estimadores
El estimador para la media en el muestreo estratificado es la media de las medias
1
de cada estrato ponderada por la población de los estratos: 𝑦̅̂𝑠𝑡 =𝑁 ∑𝑙ℎ=1 𝑁ℎ 𝑦̅ℎ
14
𝑠ℎ 2
El estimador del error estándar de la media es: 𝑠̂𝑠𝑡 =√∑ 𝑤 2 ℎ (1 − 𝑓ℎ ).
𝑛ℎ
Muestreo sistemático
Este muestreo consiste en ordenar a la población de acuerdo con una variable.
Tomamos una
𝑁
muestra aleatoria entre las primeras k = unidades, y tomamos las n siguientes a
𝑛
intervalos
de amplitud k.
El muestreo sistemático es más preciso que el más. si la variable por la que se
ordena está relacionada con la que nos interesa, pero se pueden presentar sesgos
si la variable de ordenación tiene comportamientos secuenciales.
El muestreo sistemático se puede considerar un caso particular de muestreo
estratificado, donde cada tramo de amplitud k estrato.
Muestreo por conglomerados
Este tipo de muestreo consiste en usar unas unidades intermedias, llamadas
conglomerados, y muestrearlos. Dentro de cada conglomerado existe una parte de
las unidades finales. Se puede incluir en la muestra a todas las unidades de los
conglomerados elegidos, o solo a una muestra de ellas, tratándose en el segundo
de los casos de un muestreo por conglomerados con submuestreo, o muestreo en
dos fases.
15
Estimadores y errores
Las expresiones en muestreo por conglomerados con submuestreo son complejas,
por lo que se escapa a los objetivos de este documento introductoria. Sin embargo,
si las probabilidades de las unidades últimas son las mismas, los estimadores son
los mismos del m.a.s.
Para el cálculo de errores se hace necesario utilizar métodos complejos, por lo que
es preferible acudir a programas adecuados para realizarlo (SPSS Muestras
Complejas, WesVar, STATA, SAS, …).
16
Bibliografía:
Rueda García, M.M. y Arcos Cebrián, A., (1998) Problemas de Muestreo en
Poblaciones Finitas, Grupo Editorial Universitario.
Azorín, F. y Sánchez-Crespo J.L., (1994) Métodos y Aplicaciones del muestreo,
Alianza Universidad Textos, Madrid.
Fernández García, F.R. y Mayor Gallego, J.A., (1994) Muestreo en Poblaciones
Finitas: Curso Básico, PPU, Barcelona Cochran, W. G., (1963) Sampling
Techniques, John Wiley & Sons, EEUU.