1

UNIVERSIDAD AUTÓNOMA DE CHIAPAS

DIVISIÓN DE POSGRADO

MAESTRÍA EN ADMINISTRACIÓN CON TERMINAL EN

DIRECCIÓN DE NEGOCIOS

ESTADÍSTICA APLICADA A LA ADMINISTRACIÓN

TRABAJO 2: TEORÍA DEL MUESTREO

CATEDRÁTICO: DR. MARIO ALBERTO VILLANUEVA FRANCO

ALUMNO:
 RAMOS MORENO LEONEL ALBERTO

SEMESTRE 1° GRUPO A

TUXTLA GUTIÉRREZ, CHIAPAS A 25 DE ENERO DE 2020

2
 Tabla de contenido

TEORÍA DEL MUESTREO .......................................... 4

COMPOSICIÓN DE LA TEORÍA DEL MUESTREO ......................................................................... 7

Fortalezas y debilidades del muestreo PROBABILÍSTICO Y NO

PROBABILÍSTICO. .............................................................................................................. 7

MUESTREO PROBABILÍSTICO ...................................... 8

 Muestreo Aleatorio simple ....................................................................................... 8

 Muestreo sistemático............................................................................................... 10

 Muestra por estratos ............................................................................................... 12

 Muestra por conglomerado ................................................................................... 14

MUESTREO NO PROBABILÍSTICO .................................. 17

 Juicio .............................................................................................................................. 18

 Cuota ............................................................................................................................. 18

 Conveniencia............................................................................................................... 20

CONCLUSIONES ................................................ 22
BIBLIOGRAFÍA ................................................ 24

3
 TEORÍA DEL MUESTREO

L
a teoría de muestreo se refiere al estudio de las relaciones que existen entre un
colectivo o población y las muestras que se extraen de las mismas.

El estudio de las muestras permite hacer estimaciones de características desconocidas

de la población (tales como media, desviación típica, proporciones, etc). Estas
estimaciones se hacen a partir del conocimiento de las características de las muestras
(media, desviación típica, proporción, etc).

Las características o medidas obtenidas de una muestra se llaman estadísticos; y las

medidas correspondientes a la población parámetros. Cuando una medida muestral o
estadístico es utilizada como representante de una característica poblacional o
parámetro se denomina estimador.

Ventajas de la utilización de las muestras

1) El costo es menor y se puede obtener un mejor rendimiento del dinero invertido.

2) Se obtiene una disminución notable del tiempo necesario para alcanzar la

información cuando una muestra posee 30 o más datos se denomina grandes
muestras y si la muestra tiene menos de 30 observaciones se denomina
pequeñas muestras. Al procedimiento utilizado para elegir una muestra se
denomina Muestreo.

Necesidad del Muestreo

1. Población Infinita
2. Población uniforme
3. Proceso de investigación destructiva
4. Economía de costos
5. Calidad

 Muestreo con o sin reemplazamiento: Con reemplazamiento cuando un

elemento de la población puede ser escogido varias veces para formar parte de
la muestra.

 Sin reemplazamiento: cuando un elemento de la población solo puede ser

seleccionado una sola vez para formar parte de la muestra.

4
Para facilitar una comprensión de la naturaleza del estudio muestral, que es común a
muchos campos de aplicación, se empezará con definiciones.

 Población: Una población es un conjunto de individuos u objetos (unidades de

muestreo o de estudio) que poseen la característica que se desea estudiar.
La población ideal que se pretende estudiar se denomina población objetivo. El
grupo que en realidad podemos estudiar se denomina población de estudio.

 Muestra: Es un subconjunto extraído de la población, por tanto es el conjunto

de mediciones que han sido realmente recolectadas.

 Muestra aleatoria: Es una colección de variables aleatorias independientes

idénticamente distribuidas. Se dice que una muestra aleatoria es “representativa”
de la población debido a que considera que cada elemento de la población ha
tenido la misma oportunidad de formar parte de la muestra. Las conclusiones
basadas en una muestra aleatoria son generalizables a la población de la
muestra.

 Unidad de análisis: Es la unidad elemental o de observación que corresponde

a la entidad que va a ser objeto específico de estudio en una medición y se
refiere al qué o quién es objeto de interés en una investigación; por ejemplo, una
familia u hogar, un trabajador, un estudiante, un consumidor, etcétera.

 Unidad de muestreo: Corresponde a la entidad básica mediante la cual se

accederá a la unidad de análisis. En algunos casos, ambas unidades se
corresponden. La unidad de muestreo debe ser observable, identificable y
ubicable; por ejemplo, una vivienda, una empresa, un colegio, un centro
comercial, etcétera.

 Unidad informante: Corresponde a la entidad que reporta la información sobre

la unidad de análisis observada; por ejemplo, el jefe de familia, el trabajador, el
estudiante, el consumidor, etcétera.

 Marco muestral: Es el colectivo de todas las unidades muestrales existentes en

la población de estudio. Se organiza y consolida en una base de datos tabular o
gráfica, que permitirá diseñar, clasificar, seleccionar, identificar y ubicar las
unidades de la muestra. Pue de ser de dos tipos:

5
 o Marco muestral de lista: Cuando las unidades de muestreo del marco se
constituyen en un listado. Ejemplo: listado de agentes, listado de
estudiantes, listado de empresas, etcétera.

o Marco muestral de áreas: Cuando las unidades de muestreo del marco

son áreas de terreno usualmente llamados segmentos (segmentos de
área) y dentro de ella suelen haber varias unidades de información. Las
unidades se ubican a través de un sistema de coordenadas y se utilizan
mapas y listados; por ejemplo, el marco de parcelas catastradas, el marco
digital de manzanas de viviendas de Tuxtla Gutiérrez, etcétera.

 Variable: Es la característica que se desea estudiar en las unidades de

observación y pueden ser de dos tipos: cuantitativas (discretas y continuas) y
cualitativas (nominal u ordinal).

 Dato: Es un valor particular que toma la variable de interés en una unidad de

observación. El conjunto de datos obtenido con p variables y n unidades de
observación se denomina matriz de datos.

 Parámetro: Es un valor que caracteriza a una población. El valor del parámetro

es constante y por lo general desconocido. Los parámetros usuales para
variables cuantitativas son la media poblacional, la total poblacional y la
desviación estándar poblacional; para las variables cualitativas suele utilizarse
la proporción o porcentaje poblacional.

 Peso muestral: El peso muestral, también denominado factor de expansión, es

el valor numérico calculado para cada elemento de una muestra probabilística.
Cada valor representa, aproximadamente, las veces que un elemento de la
muestra se repite en la población. Estos valores se calculan a partir de las
probabilidades de selección de la muestra diseñada para una encuesta.

 Error muestral o error de muestreo: Es la diferencia entre el resultado obtenido

de una muestra (un estadístico) y el resultado que deberíamos haber obtenido
de la población (el parámetro correspondiente). Mientras más pequeño el error
muestral mayor es la precisión de la estimación.

6
 COMPOSICIÓN DE LA TEORÍA DEL MUESTREO

TEORÍA DEL
MUESTREO

NO
PROBABILÍSTICO
PROBABILÍSTICO

Muestra
Juicio
aleatoria simple

Muestra
Cuota
sistemática

Muestra por
Conveniencia
estratos

Muestra por
conglomerados

Fortalezas y debilidades del muestreo PROBABILÍSTICO Y NO

PROBABILÍSTICO.

TÉCNICAS DE MUESTREO PROBABILÍSTICO

Fortalezas Debilidades
Es aceptado con facilidad. Requiere de costosos marcos de muestreo.
Asegura representatividad. Requiere de trabajos de campo costosos.
Asegura muestras insesgadas.
Resultados son generalizables.
Permite calcular error de muestreo.
Permite hacer inferencias estadísticas.
Asegura el anonimato del entrevistado.
Personal de campo no especializado.
Puede ser supervisada.
7
 TÉCNICAS DE MUESTREO NO PROBABILÍSTICO
Fortalezas Debilidades
Bajo costo y requiere menor tiempo. No permite calcular errores de muestreo.
Elige solo las unidades requeridas. Sus resultados no son generalizables.
Permite encontrar información inesperada. Pueden ser rechazadas por los usuarios.
Diseño y cobertura flexible e informal. No permite hacer inferencia estadística.
Requiere de personal muy especializado.
La supervisión es difícil de realizar.

MUESTREO PROBABILÍSTICO

Todos los elementos de la población tienen la posibilidad de pertenecer a la muestra.

 Muestreo Aleatorio simple

Se usa cuando a cada elemento de la población se le quiere dar la misma oportunidad
de ser elegido en la muestra. Se puede realizar partiendo de listas de individuos de la
población y eligiendo in dividuos aleatoriamente con un ordenador. Normalmente, su
aplicación tiene un costo elevado. En el gráfico 1 se presenta el muestreo aleatorio
simple:

Un muestreo es aleatorio cuando cada elemento de la población tiene la misma

probabilidad de ser escogido para formar parte de la muestra. Este tipo de muestreo
evita que la muestra sea sesgada evitando por lo tanto que se realice una mala
inferencia estadística. Por ejemplo, supóngase que un investigador quiera estimar el

8
módulo de ruptura promedio de un material determinado formado por una población de
tamaño N = 500; por ser ensayos destructivos este quiere seleccionar una muestra de
tamaño n = 10 que le permita realizar la inferencia, ahora bien el criterio que usó el
investigador para seleccionar dicha muestra fue el de tomar 10 materiales que estaban
más próximos a él; evidentemente esta muestra no es representativa de la población,
se dice que esta sesgada, por lo que la inferencia estadística que se realice será
errónea.

Por lo tanto, una muestra se dice que esta sesgada cuando los elementos
seleccionados tenían mayor probabilidad de pertenecer a la misma.

Cómo hacer el muestreo aleatorio

La forma más fácil de realizarlo es usando números aleatorios, para esto se puede
recurrir a una tabla o a un generador de números aleatorios. Actualmente, se recurre a
computadora.

Ventajas

 Es sumamente sencillo y de fácil comprensión.

 Permite el cálculo rápido de medias y varianzas.
 Está basado en la teoría estadística, por esta razón existen paquetes
informáticos analizar todos los datos.

Desventajas

 Requiere que se posea un listado completo de toda la población.

 El trabajar con muestras pequeñas es posible que no represente a la población
adecuadamente.

Consiste en seleccionar los diferentes ‘n’ elementos de la muestra entre los ‘N’ elementos
que constituyen la población, de modo que todas las muestras posibles (combinaciones
posibles) de tamaño ‘n’, esto es:
N
n

(Que se lee: combinaciones de N elementos combinados en grupos de tamaño de ‘n’

elementos); y que tengan la misma probabilidad de ser elegidos:
1
N
n

9
La probabilidad final de que un elemento de la población forme parte de la muestra de
tamaño n es:

Para la selección de los elementos de la muestra se procede del siguiente modo.

1. Disponer de un listado de la población desde el elemento 1 hasta el elemento N, y

enumerar el listado.

2. Seleccionar, por algún procedimiento de azar, n elementos del listado de tamaño N.

Supongamos que de un listado de 5.000 médicos especialistas hay que seleccionar al azar
una muestra de 20 mediante el procedimiento de los números aleatorios. Para ello, en
primer lugar, es necesario numerar correlativamente cada uno de los médicos que
componen la población, desde el nº 0001 hasta el nº 5000. Realizada esta operación se
elige al azar una hoja de las tablas de números aleatorios y también al azar se toma una
columna de la hoja elegida. De esta columna de números se seleccionan aquellos que son
inferiores a 5000, hasta un total de 20.

REDALYC + TEORIA ELEMENTAL + GESTIOPOLIS + TEORIA BASICA

 Muestreo sistemático
Es un tipo de muestreo aleatorio que se usa cuando los datos de la población de estudio
están ordenados en forma numérica. La primera observación es elegida al azar entre
los primeros elementos de la población y las siguientes observaciones son elegidas
guardando la misma distancia entre sí. Hay que tener cuidado con las muestras donde
existen periodicidades, porque pueden resultar muestras sesgadas.

En el gráfico 2 se observa
el muestreo sistemático:

10
Los elementos se seleccionan de la población con un intervalo uniforme en el tiempo,
en el orden o en el espacio.
Por ejemplo, supongamos que se quiere estudiar una determinada característica de un
producto fabricado en serie y se decide seleccionar a cada veinte producto hasta formar
la muestra, para esto se escoge un punto aleatorio de arranque en los primeros veinte
productos y luego se escoge cada vigésimo producto hasta completar la muestra. Una
de las ventajas de este muestreo es cuando los elementos presentan un patrón
secuencial, tal vez requiera menos tiempo y algunas veces cuesta menos que el método
de muestreo aleatorio.

Se utiliza en muestras ordenadas. Consiste en seleccionar al azar un elemento y a partir

de él, incrementando un intervalo fijo, seleccionar toda la muestra.

Procedimiento

N: Tamaño del universo

n: el tamaño de la muestra

Primero se determina de qué tamaño es la muestra, una vez determinado el tamaño,

se calcula el coeficiente de elevación, esto es, el cociente, la división, entre el tamaño
del universo y el tamaño de la muestra.

Se opta por un número al azar que sea como el máximo coeficiente de elevación, un
número entre 1 y K, a este número se le nombrará “i”.

Se debe de contar con un listado de todos los elementos del universo, donde i+K, i+2K,
i+3K, i+4K, i+5K… de tal manera que se continúe hasta completar toda la muestra.

Ventajas

 Es de fácil aplicación.
 En algunas ocasiones no es necesario tener un listado de toda la población.

Desventajas

 Si la constante de muestreo está asociada con el fenómeno de interés, se

pueden hallar estimaciones desniveladas.

11
Por ejemplo si se quiere elegir una muestra de 80 personas entre 1600, la fracción ‘k’
es 1600/80= 20. Se procede del mismo modo que en el muestreo al azar simple: se
lista, se enumera del nº 000 al nº 1599, se elige al azar el primer número de la TABLA
1, menor a 1599, en este caso el número al azar es el 0143, que será el primer elemento
de la muestra. El segundo será igual a 143 + k = 163, y así sucesivamente.

 Muestra por estratos

Es un tipo de muestreo aleatorio que se usa cuando se conoce de antemano que la
población está dividida en estratos (variable, subpoblaciones, etcétera), que son
equivalentes a categorías y que, por lo general, no son de igual tamaño. Luego, de cada
estrato se saca una muestra aleatoria, usualmente proporcional al tamaño del estrato.
Se realiza un MAS de los individuos de cada uno de los estratos. Al extrapolar los
resultados a la población, hay que tener en cuenta el tamaño relativo del estrato con
res pecto al total de la población.

En el gráfico 3 se presenta el muestreo estratificado:

Para aplicar el muestreo estratificado, se divide la población en grupos homogéneos,

llamados estratos, los cuales son heterogéneos entre sí. Después se recurre a uno de
dos métodos posibles:

12
 a) Se selecciona al azar en cada estrato un número especificado de elementos
correspondientes a la proporción del estrato de la población total.
b) Se extrae al azar un número igual de elementos de cada estrato y damos un
peso a los resultados de acuerdo a la proporción del estrato en la población total.

El muestreo estratificado es adecuado cuando la población ya está dividida en grupos

de diferentes tamaños y queremos reconocer este hecho. La ventaja de las muestras
estratificadas, es que cuando se diseñan bien, reflejan más exactamente las
características de la población de donde se extrajeron que otras clases de muestreo.

Se basa en dividir los elementos del universo en grupos, donde cada elemento del
universo pertenece a un solo grupo, y el conjunto de los grupos forman la totalidad del
universo. A cada grupo lo llamamos estrato.

Cuanto más homogéneos seas los estratos, más precisas resultaran las estimaciones.

Ventajas

 Se pueden obtener estimaciones más precisas y confiables.

 Puede realizar diferentes métodos de muestreo y/o estimación en determinados
estratos, lo que permite reducir la varianza (desviación estándar) y por tanto
disminuir el tamaño de la muestra.
 Facilita la coordinación y realización de los trabajos de campo.

Desventajas

 Los análisis son complicados

Por ejemplo supongamos que se trata de elegir una muestra de n = 1.000 personas, de
una población de 68.000 habitantes, en la que hay 37.400 mujeres y 30.600 hombres,
los tamaños de los estratos muestrales serán:

13
Es decir:

Donde j = 1, 2 = número de estratos.

En el muestreo estratificado no proporcional, no se guarda la proporción en relación

con la población. Generalmente, se realiza aumentando el porcentaje en los estratos
más reducidos y disminuyendo de manera equivalente los demás con el fin, por
ejemplo, de obtener una mayor representación de dichos estratos en la muestra, o de
contar en ellos con un número suficiente de individuos para el análisis.

En síntesis, el muestreo estratificado es ampliamente usado, ya que permite controlar

el error de muestreo y dar mayor precisión a las estimaciones que en el muestreo
aleatorio simple, para un tamaño de muestra ‘n’ dado.

 Muestra por conglomerado

Es la técnica que se utiliza en el muestreo complejo; se aplica cuando es difícil tener
una lista de todos los individuos que forman parte de la población de estudio, pero sin
embargo se sabe que se encuentran agrupados naturalmente en grupos. Se realiza
cuando se eligen varios de esos grupos al azar, y ya elegidos algunos se puede estudiar
a todos los individuos de los grupos seleccionados o bien seguir aplicando dentro de
ellos más muestreos por grupos, por estratos, alea torios simples.
La eficiencia del muestreo por conglomerados exige heterogeneidad entre elementos
del mismo conglomerado y homogeneidad entre elementos de diferentes
conglomerados. Entonces, si los elementos de un mismo conglomerado son muy
diferentes entre sí una muestra que contenga pocos conglomerados grandes puede
producir una bue na estimación del parámetro de interés. Raj dice que “un
conglomerado es una especie de miniatura de la población”.

Al extrapolar los resultados a la población, hay que tener en cuenta el tamaño relativo
de unos grupos con respecto a otros.
En el gráfico 4 se presenta el muestreo por grupos o conglomerados:

14
En el muestreo por conglomerados, se divide la población en grupos o conglomerados
de elementos heterogéneos, pero homogéneos con respecto a los grupos entre sí. Un
procedimiento bien diseñado, de muestreo por conglomerados, puede producir una
muestra más precisa a un costo mucho menor que el de un simple muestreo aleatorio.

Se usa el muestreo estratificado cuando cada grupo presenta una pequeña variación
en su interior, pero existe una amplia variación entre ellos. Se usa el muestreo por
conglomerado en el caso contrario, cuando hay considerable variación dentro de cada
grupo pero los grupos son esencialmente semejantes entre sí.

Se realiza cuando es imposible el muestreo aleatorio simple debido al tamaño de la

población.

En este tipo de muestreos la unidad muestral no son los elementos del universo, sino
un conjunto de elementos que bajo determinados aspectos se puede considerar que
forman una unidad.

Ventajas

 Resulta muy eficiente cuando la población es enorme.

 Minimiza Costos.
 No es necesario tener un listado de toda la población, pueden ser necesario solo
de las unidades primarias del muestreo.

15
Desventajas

 El error estándar es mayor que en el muestreo aleatoria simple o estratificado.

 Es complejo su cálculo de error estándar.

Como ejemplos de muestreo de conglomerados tenemos:

 Manzanas de viviendas para estudiar las familias.

 Hogares para investigar las personas.
 Fincas para indagar sobre cabezas de ganado.
 Aulas de clase para entrevistar a los alumnos.
 Colegios para inquirir a los maestros.
 Urnas electorales para analizar los votos a favor de un candidato o partido
político.
 Hogares con la televisión encendida para preguntar por el canal y el programa
sintonizado.

Cuando existen varios niveles de conglomerados donde unidades de conglomerados

se incluyen en conglomerados mayores se habla de muestreo polietápico.

Generalmente esos conglomerados o áreas son superficies o zonas geográficas de la

población estudiada. Se habla de conglomerados cuando se forman grupos de
elementos y de áreas cuando las unidades de muestreo son superficies o zonas
geográficas. Así por ejemplo, se habla de conglomerados cuando se cuenta con aulas
o cursos de una escuela, departamentos o divisiones de una empresa; y de áreas
cuando se cuenta con subdivisiones territoriales naturales: municipios, distritos, barrios,
manzanas.

Todos los niveles o etapas del muestreo por áreas, así como el procedimiento para
contactar al entrevistado están reglados por el azar.

El procedimiento práctico general es el siguiente:

1. Sobre cartografía del universo bajo estudio, con una escala que permita la
identificación de manzanas y visualización de calles, se cuadricula la superficie
total de modo que las coordenadas tengan un tamaño aproximado de tres por
tres manzanas (PM: Punto Muestra).

16
 2. Se enumeran y se sortean con la tabla de números al azar la cantidad de puntos
muestras necesarios para cubrir el tamaño de la muestra. Esta es la muestra
base o muestra de áreas.

3. En cada punto muestra seleccionado se determina la manzana original (nº 1),

también por sorteo al azar, y las manzanas de reemplazo (manzanas números
2 al 9).

4. En la manzana señalada como manzana original se establecerá, también al azar,

la esquina de arranque, un intervalo de timbreo preestablecido (una vivienda por
medio, por ejemplo) según la densidad de viviendas en la zona.

5. El recorrido de todas las manzanas se efectuará en el sentido de las agujas del

reloj, ubicándose el encuestador con el brazo derecho pegado a la pared, e
iniciará el recorrido a partir de la esquina de arranque. Si el encuestador tuviera
que hacer uso de las manzanas de reemplazo, para completar la cantidad de
encuestas por punto muestra, lo hará según el procedimiento indicado

Como vemos, el procedimiento del azar introducido en todas las etapas evita la
intervención de la subjetividad del encuestador. Opcionalmente, se puede sortear la
persona presente en el hogar que cumpla la condición de ser entrevistado.

MUESTREO NO PROBABILÍSTICO

Se basa en el conocimiento de la población por parte de alguien, quien hace a la

muestra representativa, dependiendo de su intención, por lo tanto es subjetiva.

No se efectúa bajo normas probabilísticas de selección, durante sus procesos

intervienen opiniones y criterios personales del investigador o no existe norma bien
definida o validada. Por esta razón es aquel que se utiliza de forma empírica.

17
  Juicio
A través del conocimiento y la opinión personal, basada en la experiencia del
investigador, se identifican los elementos de la población que van a formar parte de la
muestra. Una muestra seleccionada por muestreo de juicio se basa en el conocimiento
de la población por parte de alguien. Por ejemplo, un guardabosques tomará una
muestra de juicio si decide con antelación que parte de una gran zona reforestada
deberá recorrer para estimar el total de metros de madera que pueden cortarse. En
ocasiones el muestreo de juicio sirve de muestra piloto para decidir cómo seleccionar
después una muestra aleatoria.

 Cuota
Las unidades de análisis observadas, medidas o entrevista das son elegidas
completando cuotas establecidas con base en la proporción o significación que tiene
dentro de la población. Finalmente, las unidades serán identificadas y seleccionadas
de acuerdo con el juicio del investigador.

El muestreo por cuotas es un tipo de muestreo no probabilístico que consiste en formar

la muestra estadística a partir de determinadas estratos que compartan las mismas
características, las cual busca ser proporcional y representativa de la población.

Es decir, el investigador divide la población en grupos o estratos que compartan las

mismas características (sexo, edad, región, etc), a partir de estos estratos selecciona
individuos para conformar la muestra de tal manera que esta sea proporcional y
representativa de toda la población.

18
Ventajas

Entre las ventajas y beneficios que se destacan del muestreo por cuotas se encuentran
las siguientes:

 Es un proceso de muestreo, sencillo y rápido porque se utiliza la participación

de una cuota para la creación de muestras.
 La interpretación de la información es mucho más fácil para el investigador
ya que el muestreo por cuotas y las preguntas bien elaboradas lo facilitan.
 La representación efectiva de una población se realiza usando el muestreo
por cuotas.
 No permite o da espacio para la sobrerrepresentación ya que este tipo de
muestreo facilita a los investigadores a estudiar a la población por las cuotas
específicas.
 No es necesario un presupuesto elevado para realizar este tipo de muestreo.

Desventajas

Los inconvenientes que se pueden presentar son los siguientes:

 Dificultad de reducir un error encontrado al usar el tipo de muestreo.

 El no incluir una cuota que sea relevante para el estudio ocasionará que los
resultados están fuertemente distorsionados.

Para entender mejor esta definición, analizaremos el siguiente ejemplo de muestreo por
cuotas. Se decide realizar una investigación sobre aquellas personas con algún
problema de salud en una empresa. Esta posee 1000 empleados (población), por lo
que el investigador decide separarlos en estratos según su rango de edad,
conformándose los estratos de la siguiente manera:

19
Con los estratos ya segmentados, el investigador decide realizar una muestra
estadística de 100 personas para realizar su investigación, por lo que dicha muestra
deberá estar conformada de forma proporcional al total de la población. Ante esto, el
investigador decide agarrar 60 empleados entre 18 y 29 años (60%), 30 empleados de
30 a 59 años (30%) y 10 empleados de 60 a 100 años (10%). Dicho criterio de selección
de estos fue por su propia conveniencia, eligió a aquellos empleados que más confianza
y relación tenía el investigador.

De esta manera, queda conformada el muestreo por cuotas de 100 personas de forma
proporcional a la población. A partir de esta muestra, el investigador realizará su
investigación sobre los problemas de salud sobre los empleados de dicha empresa.

 Conveniencia
El muestreo por conveniencia es un tipo de muestreo no probabilístico que se aplica
cuando la muestra estadística a formar es seleccionada en el entorno próximo al
investigador sin que medien requisitos específicos. La idea es facilitar el trabajo de
quien va a desarrollar el estudio. Como no se espera que la muestra sea representativa
de la población, no se aplica ningún proceso de selección para formarla. Por eso se
privilegia la disponibilidad de las personas y la facilidad para acceder a ellas. Incluso
suelen aceptarse a voluntarios
que deseen colaborar con el
estudio.

20
Ventajas

Las ventajas que se pueden encontrar a la hora de utilizar el muestreo por conveniencia
son las siguientes:

 Se ahorra tiempo, ya que no hay que cumplir con requisitos rigurosos para
seleccionar la muestra lo que hace más breve esta fase.
 Es más económica, no se requieren grandes inversiones para desarrollar un
estudio.
 Es muy práctico recurrir al muestreo por conveniencia para desarrollar estudios
pilotos.
 Permite identificar tendencias e indicar posibles resultados que nutrirán el
desarrollo del estudio definitivo.

Desventajas

Las desventajas que presenta el muestreo por conveniencia son:

 No es representativa a la población, por lo tanto no se recomienda utilizarla en

los casos de que el desarrollo de la investigación requiera precisión descriptiva.
 Debido a que no se aplica ningún criterio para organizar la muestra, es imposible
tener resultados estadísticos precisos.
 Como la selección de la muestra no es aleatoria (muestreo no probabilístico), la
precisión de los datos no está garantizada ni es posible llegar a conclusiones
generalizadas o categóricas. Por esta razón hay un riesgo de que se produzca
un sesgo estadístico en los resultados.

Supongamos que un directivo decide conocer cuáles son las opiniones acerca de un
profesor en un aula, por lo que decide llamar a 5 alumnos al azar para realizarles una
encuesta sobre este, conformando su muestra estadística de una manera rápida y de
fácil alcance. Otro ejemplo podría ser un investigador decide conocer cuál es la imagen
que tienen las personas sobre un determinado producto, sin importar si estos son o no
consumidores. Por lo que procede a realizar una serie de preguntas a diversas
personas en la calle o en un centro comercial.

21
 CONCLUSIONES

El muestreo, es un procedimiento por el que se infieren los valores verdaderos de una

población, a través de la experiencia obtenida con una muestra de esta.

El uso de muestras para estimar valores de una población ofrece diversas ventajas. En
términos generales se puede afirmar que el muestreo 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.

Hoy las técnicas de muestreo asistidas por computadoras, son herramientas básicas,
pues la rápida toma de decisiones que hay que ejecutar en la dinámica de los procesos
económicos, demanda el uso de nuevas tecnologías que le impriman una rapidez,
confiabilidad, disponibilidad y capacidad, entre otras facilidades, que se han ido
buscando a través de los recursos informáticos.

La representación es la preocupación principal en el muestreo estadístico. La muestra

obtenida de la población debe ser representativa de esa población. Esto se puede
lograr mediante el uso de técnicas de muestreo estadístico aleatorio o muestreo de
probabilidad como el muestreo por conglomerados y el muestreo estratificado.

Que la razón detrás de la representatividad sea la preocupación principal en el

muestreo estadístico es lo que permite que el investigador pueda extraer
conclusiones para toda la población. Si la muestra no es representativa de la población,
no se pueden extraer conclusiones porque los resultados que el investigador obtiene
de la muestra son diferentes de los resultados si se prueba a toda la población.

La practicabilidad de las técnicas de muestreo estadístico permite que los

investigadores estimen el número posible de sujetos que puedan ser incluidos en la
muestra, el tipo de técnica de muestreo, la duración del estudio, el número de
materiales, las preocupaciones éticas, la disponibilidad de los sujetos/muestras, la
necesidad del estudio y la cantidad de mano de obra que el estudio exija.

Todos estos factores contribuyen a las decisiones que tome el investigador con
respecto al diseño del estudio.

22
La teoría del muestreo resulta beneficioso para implementarlo en la realización de un
estudio, debido a que mediante este se pueden obtener probabilidades bajas o altas a
través de determinados beneficios que estas técnicas ofrecen. En los diferentes tipos
de muestreo existen no probabilística en los cuales se deben establecer diferencia en
el momento de realizar nuestras investigaciones por tanto que en el no probabilística
no toda la población forma parte de la muestra y en el probabilística todos los individuos
tienen probabilidad positiva de formar parte de la muestra.

El muestreo es sencillamente el procedimiento que se emplea a extraer una pequilla

parte de una población dentro de un universo a esta se le llama espacio muestral dentro
de un universo. Es importante resaltar que el primer procedimiento al realizar una
auditoría, es iniciar las investigaciones de manera tal que esta arrojen conclusiones
provenientes de determinados estudios como puede ser el estadístico a través de una
muestra probabilística.

23
 BIBLIOGRAFÍA

 Cochran, W. Técnicas de muestreo. México: Cecsa, 1980.

 Pérez, César. Técnicas de muestreo estadístico: Teoría, práctica y aplicaciones.

México, D.F.: Alfaomega, 2000.

 Raj, D. Teoría del muestreo. México: Fondo de Cultura Económica, 1984.

 Ruiz Muñoz, D. Manual de estadística. España: Universidad Pablo de Olavide.

Eumed-Net, 2008.

24