CAPÍTULO I

ESTADÍSTICA

1.1 Definición

La estadística es comúnmente considerada como una colección de hechos

numéricos expresados en términos de una relación sumisa, y que han sido
recopilados a partir de otros datos numéricos.

Kendall y Buckland definen la estadística como un valor resumido, calculado, como

base en una muestra de observaciones que generalmente, aunque no por necesidad,
se considera como una estimación de parámetro de determinada población; es decir,
una función de valores de muestra.

"La estadística es una técnica especial apta para el estudio cuantitativo de los
fenómenos de masa o colectivo, cuya mediación requiere una masa de observaciones
de otros fenómenos más simples llamados individuales o particulares". (Gini, 1953)

Murria R. Spiegel, (1991) dice: "La estadística estudia los métodos científicos para
recoger, organizar, resumir y analizar datos, así como para sacar conclusiones
válidas y tomar decisiones razonables basadas en tal análisis.

"La estadística es la ciencia que trata de la recolección, clasificación y presentación

de los hechos sujetos a una apreciación numérica como base a la explicación,
descripción y comparación de los fenómenos". (Yale y Kendal, 1954).
 2

Cualquiera sea el punto de vista, lo fundamental es la importancia científica que tiene

la estadística, debido al gran campo de aplicación que posee.

1.2 Objetivos de la estadística

El objetivo de la estadística es mejorar la comprensión de hechos a partir de datos.

(Moore, p.267)

El principal objetivo de la estadística es hacer inferencias acerca de una población,

con base en la información contenida en una muestra. (Pérez, p.172)

1.3 Clasificación de la estadística

1.3.1 Estadística Descriptiva

Tienen por objeto fundamental describir y analizar las características de un conjunto

de datos, obteniéndose de esa manera conclusiones sobre las características de
dicho conjunto y sobre las relaciones existentes con otras poblaciones, a fin de
compararlas. No obstante puede no solo referirse a la observación de todos los
elementos de una población (observación exhaustiva) sino también a la descripción
de los elementos de una muestra (observación parcial).

En relación a la estadística descriptiva, Ernesto Rivas Gonzáles dice; "Para el estudio

de estas muestras, la estadística descriptiva nos provee de todos sus medidas;
medidas que cuando quieran ser aplicadas al universo total, no tendrán la misma
exactitud que tienen para la muestra, es decir al estimarse para el universo vendrá
dada con cierto margen de error; esto significa que el valor de la medida calculada
para la muestra, en el oscilará dentro de cierto límite de confianza, que casi siempre
es de un 95 a 99% de los casos.
 3

1.3.2 Estadística Inductiva

Está fundamentada en los resultados obtenidos del análisis de una muestra de

población, con el fin de inducir o inferir el comportamiento o característica de la
población, de donde procede, por lo que recibe también el nombre de Inferencia
estadística.

Según Berenson y Levine; Estadística Inferencial son procedimientos estadísticos

que sirven para deducir o inferir algo acerca de un conjunto de datos numéricos
(población), seleccionando un grupo menor de ellos (muestra).

El objetivo de la inferencia en investigación científica y tecnológica radica en conocer

clases numerosas de objetos, personas o eventos a partir de otras relativamente
pequeñas compuestas por los mismos elementos.
En relación a la estadística descriptiva y la inferencial, Levin & Rubin (1996) citan los
siguientes ejemplos para ayudar a entender la diferencia entre las dos.

Supóngase que un profesor calcula la calificación promedio de un grupo de historia.

Como la estadística describe el desempeño del grupo pero no hace ninguna
generalización acerca de los diferentes grupos, podemos decir que el profesor está
utilizando estadística descriptiva. Graficas, tablas y diagramas que muestran los datos de
manera que sea más fácil su entendimiento son ejemplos de estadística descriptiva.

Supóngase ahora que el profesor de historia decide utilizar el promedio de

calificaciones obtenidos por uno de sus grupos para estimar la calificación promedio
de las diez unidades del mismo curso de historia. El proceso de estimación de tal
promedio sería un problema concerniente a la estadística inferencial.

Los estadísticos se refieren a esta rama como inferencia estadística, esta implica
generalizaciones y afirmaciones con respecto a la probabilidad de su validez.
 4

1.4 Conceptos de la estadística

1.4.1 Población

El concepto de población en estadística va más allá de lo que comúnmente se

conoce como tal. Una población se precisa como un conjunto finito o infinito de
personas u objetos que presentan características comunes.

"Una población es un conjunto de todos los elementos que estamos estudiando,

acerca de los cuales intentamos sacar conclusiones". Levin & Rubin (1996).

"Una población es un conjunto de elementos que presentan una característica común".

Cadenas (1974).

Ejemplo:
Los miembros del Colegio de Ingenieros del Estado Cojedes.

El tamaño que tiene una población es un factor de suma importancia en el proceso

de investigación estadística, y este tamaño vienen dado por el número de elementos
que constituyen la población, según el número de elementos la población puede ser
finita o infinita. Cuando el número de elementos que integra la población es muy
grande, se puede considerar a esta como una población infinita, por ejemplo; el
conjunto de todos los números positivos. Una población finita es aquella que está
formada por un limitado número de elementos, por ejemplo; el número de estudiante
de la Facultad de Ciencias Económicas de la Universidad de San Carlos de
Guatemala.

Cuando la población es muy grande, es obvio que la observación de todos los

elementos se dificulte en cuanto al trabajo, tiempo y costos necesario para hacerlo.
Para solucionar este inconveniente se utiliza una muestra estadística.
 5

Es a menudo imposible o poco práctico observar la totalidad de los individuos, sobre

todos si estos son muchos. En lugar de examinar el grupo entero llamado población
o universo, se examina una pequeña parte del grupo llamada muestra.

1.4.2 Muestra

"Se llama muestra a una parte de la población a estudiar que sirve para representarla".
Murria R. Spiegel (1991).

"Una muestra es una colección de algunos elementos de la población, pero no de

todos". Levin & Rubin (1996).

"Una muestra debe ser definida en base de la población determinada, y las

conclusiones que se obtengan de dicha muestra solo podrán referirse a la población
en referencia", Cadenas (1974).

Ejemplo;
El estudio realizado a 50 miembros del Colegio de Auditores.

El estudio de muestras es más sencillo que el estudio de la población completa;

cuesta menos y lleva menos tiempo. Por último se aprobado que el examen de una
población entera todavía permite la aceptación de elementos defectuosos, por tanto,
en algunos casos, el muestreo puede elevar el nivel de calidad.

Una muestra representativa contiene las características relevantes de la población en

las mismas proporciones que están incluidas en tal población.

Los expertos en estadística recogen datos de una muestra. Utilizan esta información
para hacer referencias sobre la población que está representada por
 6

la muestra. En consecuencia, muestra y población son conceptos relativos. Una

población es un todo y una muestra es una fracción o segmento de ese todo.

1.4.3 Muestreo

Esto no es más que el procedimiento empleado para obtener una o más muestras de
una población; el muestreo es una técnica que sirve para obtener una o más
muestras de población.

Este se realiza una vez que se ha establecido un marco muestral representativo de la

población, se procede a la selección de los elementos de la muestra aunque hay
muchos diseños de la muestra.

Al tomar varias muestras de una población, las estadísticas que calculamos para
cada muestra no necesariamente serían iguales, y lo más probable es que variaran
de una muestra a otra.

Ejemplo;
Consideremos como una población a los estudiantes de educación de la Universidad
de San Carlos, determinando por lo menos dos caracteres ser estudiados en dicha
población;
• Religión de los estudiantes
• Sexo.

Tipos de muestreo

Existen dos métodos para seleccionar muestras de poblaciones; el muestreo no

aleatorio o de juicio y el muestreo aleatorio o de probabilidad. En este último todos
los elementos de la población tienen la oportunidad de ser escogidos en la muestra.
Una muestra seleccionada por muestreo de juicio se basa en la experiencia de
alguien con la población.
 7

Algunas veces una muestra de juicio se usa como guía o muestra tentativa para
decidir como tomar una muestra aleatoria más adelante. Las muestras de juicio
evitan el análisis estadístico necesario para hacer muestras de probabilidad.

Muestreo Estadístico

El muestreo como herramienta de la investigación científica arroja resultados que se

pueden utilizar para concluir un determinado estudio de la población, al igual las
técnicas selectivas que se requieren para dicho estudio de acuerdo a lo que se va a
evaluar; permite una reducción considerable de los costos materiales del estudio,
una mayor rapidez en la obtención de la información y el logro de resultados con
máxima calidad.

Los objetivos del muestreo estadístico son:

• Caracterizar una muestra

• Estimar parámetros poblaciones por medio de una muestra. A esto se le

conoce como Inferencia Estadística.

• Probar Hipótesis. Permite aceptar o rechazar una hipótesis de conformidad

con el grado de significación definida previamente.

También se dice que, es seleccionar una muestra para obtener estimadores que al
menor costo permitan estimar con suficiente confianza las características de una
población.

El uso del muestreo puede ser:

 8

• Cuando es imposible contar todos los elementos de la población Ejemplo: Las

estrellas del universo, la arena de las playas, los peces de un lago, los
glóbulos rojos en la corriente sanguínea, etc.

• Cuando en la prueba se destruye el objeto, Ejemplo: La duración en horas de

un tubo fluorescente, la duración y resistencia de los neumáticos.

• Cuando el tiempo y el costo son insuficientes, Ejemplo: Cuando se quiere

tomar una decisión rápida y se dispone de muy poco tiempo para estimar el
porcentaje de votos que tendría su favor determinado candidato.

• En Auditoria. Ejemplo: Seleccionar un grupo de facturas en un determinado

día para verificar el IVA, tomar una muestra para verificar existencia físicas de
un inventario.

1.4.4 Espacio Muestra

Consiste en el conjunto de todos los posibles resultados individuales de un

experimento aleatorio.

1.4.5 Censo

En ocasiones resulta posible estudiar cada uno de los elementos que componen la
población, realizándose lo que se denomina un censo, es decir, el estudio de todos
los elementos que componen la población.

La realización de un censo no siempre es posible, por diferentes motivos:

• Economía: el estudio de todos los elementos que componen una población,

sobre todo si esta es grande, suele ser un problema costoso en tiempo,
dinero, etc.;
 9

• Que las pruebas a las que hay que someter a los sujetos sean destructivas;

• Que la población sea infinita o tan grande que exceda las posibilidades del
investigador.

Si la numeración de elementos, se realiza sobre la población accesible o estudiada, y

no sobre la población teórica, entonces el proceso recibe el nombre de marco o
espacio muestral.

1.4.6 Unidades de muestreo

Número de elementos de la población, no solapados, que se van a estudiar. Todo

miembro de la población pertenecerá a una y sólo una unidad de muestreo.

1.4.7 Unidades de análisis

Objeto o individuo del que hay que obtener la información.

1.4.8 Universo

Es la serie real o hipótesis de elementos que comparten unas características

definidas relacionadas con el programa de investigación.

1.4.9 Elemento o individuo (muestral)

Es la unidad más pequeña en la que podemos descomponer la muestra, la población

o el universo. Esta unidad puede ser una persona, un grupo, un centro, etc. La
identificación de este elemento está en función del problema de investigación.
 10

1.4.10 Parámetro

Son las medidas o datos que se obtienen sobre la población.

1.4.11 Error Muestral, de estimación o standard

Es la diferencia entre un estadístico y su parámetro correspondiente. Es una medida

de la variabilidad de las estimaciones de muestras repetidas en torno al valor de la
población, nos da una noción clara de hasta dónde y con qué probabilidad una
estimación basada en una muestra se aleja del valor que se hubiera obtenido por
medio de un censo completo. Siempre se comete un error, pero la naturaleza de la
investigación nos indicará hasta qué medida podemos cometerlo (los resultados se
someten a error muestral e intervalos de confianza que varían muestra a muestra).
Varía según se calcule al principio o al final. Un estadístico será más preciso en
cuanto y tanto su error es más pequeño. Podríamos decir que es la desviación de la
distribución muestral de un estadístico y su fiabilidad.

1.4.12 Nivel de Confianza

Probabilidad de que la estimación efectuada se ajuste a la realidad. Cualquier

información que queremos recoger está distribuida según una ley de probabilidad
(Gauss o Student), así llamamos nivel de confianza a la probabilidad de que el
intervalo construido en torno a un estadístico capte el verdadero valor del parámetro.

1.5 Series o distribuciones estadísticas

Anteriormente hemos señalado que la estadística, no se encarga del estudio de un

hecho aislado, sino que tienen por objeto de los colectivos. Pues bien cuando se realiza
una investigación se obtiene una masa de datos que deben ser organizados para
disponerlos en un orden, arreglo o secuencia lógica, con el fin de facilitar el análisis de
 11

los mismos esta colección de datos numéricos obtenidos de la observación, que se

clasifican y ordenan según un determinado criterio, se denominan "series
estadísticas", también conocidas como "distribución estadística".

1.5.1 Clasificación de las series estadísticas

• Series temporales o cronológicas: Estas se definen como una masa o

conjunto de datos producto de la observación de un fenómeno individual o
colectivo, cuantificable en sucesivos instantes o periodos de tiempo.

• Series atemporales: Cuando las observaciones de un fenómeno se hacen

referidas al mismo instante o intervalo de tiempo, nos encontramos ente una
serie atemporal. Aquí el tiempo no va incluido a cada observación, puesto que
es el mismo tiempo para todas ellas. Este tipo de observación proporciona una
"visión instantánea" de los fenómenos o caracteres de los componentes del
colectivo en estudio.

• Series de frecuencia: Cuando realizamos un estudio de cada uno de los

elementos que componen la población o muestra bajo análisis, observamos
que en general, hay un número de veces en que aparece repetido un mismo
valor de una variable, o bien repeticiones de la misma modalidad de un
atributo. Este número de repeticiones de un resultado, recibe el nombre de
frecuencia absoluta o simplemente frecuencia.

• Series de frecuencia acumulativa: Son comúnmente llamadas series de

frecuencia de atributos o caracteres cualitativos y las formas de representar un
atributo recibe el nombre de modalidades.

Cuando se observan y se obtienen los elementos que deseamos estudiar con

respecto a un carácter de tipo cualitativo y se procede a agruparlos según las
distintas modalidades que toma el atributo, "frecuencia cualitativa".
 12

• Series de frecuencias cualitativas: Es el resultado del agrupamiento de los

valores que se repiten (frecuencia) al ser observada una variable

• Series especiales o geográficas: Es aquella que está formada por los valores
que toman una variable en función del espacio geográfico.
 CAPITULO II
Técnicas del muestreo estadístico

Existen diferentes criterios de clasificación de los diferentes tipos de muestreo,

aunque en general pueden dividirse en dos grandes grupos:

• Métodos de muestreo probabilísticos y

• Métodos de muestreo no probabilísticos.

2.1. Muestreo probabilístico

Los métodos de muestreo probabilísticos son aquellos que se basan en el principio de

equiprobabilidad. 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 tamaño n tienen la misma probabilidad de ser
seleccionadas. Sólo estos métodos de muestreo probabilísticos nos aseguran la
representatividad de la muestra extraída y son, por tanto, los más recomendables.

Dentro de los métodos de muestreo probabilísticos encontramos los siguientes tipos:

• Muestreo aleatorio simple

• Muestreo aleatorio sistemático
• Muestreo aleatorio estratificado
1. Afijación Simple
2. Afijación Proporcional
3. Afijación Óptima
• Muestreo aleatorio por conglomerados
 14

2.1.1 Muestreo aleatorio simple

El procedimiento empleado es el siguiente:

1) se asigna un número a cada individuo de la población y

2) A través de algún medio mecánico (bolas dentro de una bolsa, tablas de

números aleatorios, números aleatorios generadas con una calculadora u
ordenador, etc.) se eligen tantos sujetos como sea necesario para completar el
tamaño de muestra requerido. Este procedimiento, atractivo por su simpleza,
tiene poca o nula utilidad práctica cuando la población que estamos
manejando es muy grande.

2.1.2 Muestreo aleatorio sistemático

Este procedimiento exige, como el anterior, numerar todos los elementos de la

población, pero en lugar de extraer n números aleatorios sólo se extrae uno. Se parte
de ese número aleatorio i, que es un número 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 tamaño de
la población entre el tamaño de la muestra: k= N/n. El número i que empleamos
como punto de partida será un número al azar entre 1 y k.

El riesgo de este tipo de muestreo está en los casos en que se dan periodicidades en
la población 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 población.
Imaginemos que estamos seleccionando una muestra sobre listas de 10 individuos
en los que los 5 primeros son varones y los 5 últimos mujeres, si empleamos un
muestreo aleatorio sistemático con k=10 siempre seleccionaríamos o sólo hombres o
sólo mujeres, no podría haber una representación de los dos sexos.
 15

2.1.3 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 tamaño dado de la muestra.
Consiste en considerar categorías típicas diferentes entre sí (estratos) que poseen
gran homogeneidad respecto a alguna característica (se puede estratificar, por
ejemplo, según la profesión, el municipio de residencia, el sexo, el estado civil, entre
otros).

Lo que se pretende con este tipo de muestreo es asegurarse de que todos los estratos
de interés estarán 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 formarán parte de la muestra. En
ocasiones las dificultades que plantean son demasiado grandes, pues exige un
conocimiento detallado de la población. (Tamaño geográfico, sexos, edades.).

La distribución de la muestra en función de los diferentes estratos se denomina

afijación, y puede ser de diferentes tipos:

Afijación Simple

A cada estrato le corresponde igual número de elementos muéstrales.

Afijación Proporcional
La distribución se hace de acuerdo con el peso (tamaño) de la población en cada
estrato.
 16

Afijación Óptima

Se tiene en cuenta la previsible dispersión de los resultados, de modo que se

considera la proporción y la desviación típica. Tiene poca aplicación ya que no se
suele conocer la desviación.

2.1.4 Muestreo aleatorio por conglomerados

Los métodos presentados hasta ahora están pensados para seleccionar

directamente los elementos de la población, es decir, que las unidades muéstrales
son los elementos de la población.

En el muestreo por conglomerados la unidad muestral es un grupo de elementos de

la población 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 áreas geográficas suele hablarse de "muestreo por áreas".

El muestreo por conglomerados consiste en seleccionar aleatoriamente un cierto

número de conglomerados (el necesario para alcanzar el tamaño muestral
establecido) y en investigar después todos los elementos pertenecientes a los
conglomerados elegidos.

2.2 Métodos de muestreo no probabilísticos:

A veces, para estudios exploratorios, el muestreo probabilístico resulta excesivamente

costoso y se acude a métodos no probabilísticos, aun siendo conscientes de que no
sirven para realizar generalizaciones (estimaciones inferenciales sobre la población),
 17

pues no se tiene certeza de que la muestra extraída sea representativa, ya que no

todos los sujetos de la población tienen la misma probabilidad de ser elegidos. En
general se seleccionan a los sujetos siguiendo determinados criterios procurando, en
la medida de lo posible, que la muestra sea representativa.

En algunas circunstancias los métodos estadísticos y epidemiológicos permiten

resolver los problemas de representatividad aun en situaciones de muestreo no
probabilístico, por ejemplo los estudios de caso-control, donde los casos no son
seleccionados aleatoriamente de la población.

Entre los métodos de muestreo no probabilísticos más utilizados en investigación

encontramos:
• Muestreo por cuotas
• Muestreo intencional o de conveniencia
• Bola de nieve
• Muestreo discrecional

2.2.1 Muestreo por cuotas

También denominado en ocasiones "accidental". Se asienta generalmente sobre la

base de un buen conocimiento de los estratos de la población y/o de los individuos
más "representativos" o "adecuados" para los fines de la investigación. Mantiene, por
tanto, semejanzas con el muestreo aleatorio estratificado, pero no tiene el carácter
de aleatoriedad de aquél.

En este tipo de muestreo se fijan unas "cuotas" que consisten en un número de

individuos que reúnen unas determinadas condiciones, por ejemplo: 20 individuos de
25 a 40 años, de sexo femenino y residentes en Gijón. Una vez determinada la cuota
se eligen los primeros que se encuentren que cumplan esas características. Este
método se utiliza mucho en las encuestas de opinión.
 18

2.2.2 Muestreo intencional o de conveniencia

Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener muestras

"representativas" mediante la inclusión en la muestra de grupos supuestamente
típicos. Es muy frecuente su utilización en sondeos preelectorales de zonas que en
anteriores votaciones han marcado tendencias de voto.

También puede ser que el investigador seleccione directa e intencionadamente los

individuos de la población. El caso más frecuente de este procedimiento el utilizar
como muestra los individuos a los que se tiene fácil acceso (los profesores de
universidad emplean con mucha frecuencia a sus propios alumnos).

2.2.3 Bola de nieve

Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y así
hasta conseguir una muestra suficiente. Este tipo se emplea muy frecuentemente
cuando se hacen estudios con poblaciones "marginales", delincuentes, sectas,
determinados tipos de enfermos, etc.

2.2.4 Muestreo Discrecional

A criterio del investigador los elementos son elegidos sobre lo que él cree que
pueden aportar al estudio.

2.3 Muestreo en la Auditoría

Las normas de auditoria relativas a la ejecución del trabajo establecen la obligación

del auditor de obtener, mediante sus procedimientos de auditoria, evidencias
comprobatorias suficientes y componentes para suministrar una base objetiva para
su opinión.
 19

El auditor no está obligado a examinar todas y cada una de las transacciones de la

empresa o de las partidas que forman los saldos finales, ya que mediante la
aplicación de sus procedimientos de auditoria a una muestra representativa de estas
transacciones o partidas puede obtener la evidencia que requiere.

El Muestreo en la Auditoría es el proceso de selección de una muestra entre un

grupo más grande de partidas (llamado población, campo, o universo), y que utiliza
las características de la muestra para llegar a deducciones acerca de las
características del campo completo de partidas.

Consiste en la aplicación de un procedimiento de cumplimiento sustantivo a menos

de la totalidad en las partidas que forman el saldo de una cuenta o clase de
transacción (muestra), que permitan al auditor obtener y evaluar evidencias de
alguna característica del saldo o la transacción y que permite llegar a una conclusión
en relación con las características.
 CAPITULO III
Niveles o escala de medición

3.1 Escala Nominal:

La escala de medida nominal, puede considerarse la escala de nivel más bajo, y

consiste en la asignación, puramente arbitraria de números o símbolos a cada una
de las diferentes categorías en las cuales podemos dividir el carácter que
observamos, sin que puedan establecerse relaciones entre dichas categorías, a no
ser el de que cada elemento pueda pertenecer a una y solo una de estas categorías.

Se trata de agrupar objetos en clases, de modo que todos los que pertenezcan a la
misma sean equivalentes respecto del atributo o propiedad en estudio, después de lo
cual se asignan nombres a tales clases, y el hecho de que a veces, en lugar de
denominaciones, se le atribuyan números, puede ser una de las razones por las
cuales se le conoce como "medidas nominales".

3.2 Escala Ordinal:

En caso de que puedan detectarse diversos grados de un atributo o propiedad de un

objeto, la medida ordinal es la indicada, puesto que entonces puede recurrirse a la
propiedad de "orden" de los números asignándolo a los objetos en estudio de modo
que, si la cifra asignada al objeto A es mayor que la de B, puede inferirse que A
posee un mayor grado de atributo que B.

La asignación de números a las distintas categorías no puede ser completamente

arbitraria, debe hacerse atendiendo al orden existente entre éstas.
 21

3.3 Escalas de intervalos iguales

La escala de intervalos iguales, está caracterizada por una unidad de medida común
y constante que asigna un número igual al número de unidades equivalentes a la de
la magnitud que pose.

Esta escala, además de poseer las características de la escala ordinal, encontramos

que la asignación de los números a los elementos es tan precisa que podemos
determinar la magnitud de los intervalos (distancia) entre todos los elementos de la
escala. A el elemento observado.

Podemos decir que la escala de intervalos es la primera escala verdaderamente

cuantitativa y a los caracteres que posean esta escala de medida pueden
calculársele todas las medidas estadísticas a excepción del coeficiente de variación.

3.4 Escala de coeficientes o Razones

El nivel de medida más elevado es el de cocientes o razones, y se diferencia de las

escalas de intervalos iguales únicamente por poseer un punto cero propio como
origen; es decir que el valor cero de esta escala significa ausencia de la magnitud
que estamos midiendo. Si se observa una carencia total de propiedad, se dispone de
una unidad de medida para el efecto.

3.5 Cálculo del tamaño de la muestra

A la hora de determinar el tamaño que debe alcanzar una muestra hay que tomar en
cuenta varios factores: el tipo de muestreo, el parámetro a estimar, el error muestral
admisible, la varianza poblacional y el nivel de confianza.
 22

3.5.1 Tamaño de muestra para estimar la media de la población

Veamos los pasos necesarios para determinar el tamaño de una muestra empleando
el muestreo aleatorio simple. Para ello es necesario partir de dos supuestos: en
primer lugar el nivel de confianza al que queremos trabajar; en segundo lugar, cual
es el error máximo que estamos dispuestos a admitir en nuestra estimación.

3.5.2. Tamaño de muestra para estimar la proporción de la población

Para calcular el tamaño de muestra para la estimación de proporciones poblacionales

hemos de tener en cuenta los mismos factores que en el caso de la media.