MUESTREO

UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
21
DEDICATORIA
Este trabajo se lo dedicamos a Dios porque

supo guiarnos por el buen camino, darnos
fuerzas para seguir adelante y no desmayar
en los problemas que se presentaban,
enseñándonos a encarar las adversidades
sin perder nunca la dignidad ni desfallecer en
el intento. A nuestras familias quienes por
ellos somos lo que somos.
21
ÍNDICE
¿QUÉ ES EL MUESTREO? …………………………………………………………………………………………… 4

CONCEPTOS BÁSICOS ……………………………………………………………………………………………….. 6
Grupo De Muestra ……………………………………………………………………………………………………. 6
Población De La Investigación …………………………………………………………………………………… 7
Tamaño De La Muestra …………………………………………………………………………………………….. 9
Aleatoriedad …………………………………………………………………………………………………………….. 10
MUESTREO ……………………………………………………………………………………………………………….. 12
Muestreo Estadístico ………………………………………………………………………………………………… 12
Distribución Del Muestreo ………………………………………………………………………………………… 15
Error Del Muestreo …………………………………………………………………………………………………… 16
Error Del Muestreo Aleatorio ……………………………………………………………………………………. 18
MUESTREO PROBABILÍSTICO …………………………………………………………………………………….. 20
Muestreo Aleatorio ………………………………………………………………………………………………….. 22
Muestreo Estratificado …………………………………………………………………………………………….. 23
Muestreo Sistemático ………………………………………………………………………………………………. 25
Muestreo Por Conglomerado ……………………………………………………………………………………. 27
Muestreo Desproporcionado ……………………………………………………………………………………. 29
MUESTREO NO PROBALÍSTICO ………………………………………………………………………………….. 30
Muestreo Por Conveniencia ……………………………………………………………………………………… 32
Muestreo Secuencial ………………………………………………………………………………………………… 34
Muestreo Por Cuotas ………………………………………………………………………………………………… 35
Muestreo Discrecional ……………………………………………………………………………………………… 37
Muestreo Bola De Nieve …………………………………………………………………………………………… 38
21
MUESTREO
experimento para probar los efectos de una nueva

técnica educativa en niños en edad escolar. Sería
imposible seleccionar toda la población en edad escolar
de un país, dividirlos en grupos y llevar a cabo
la investigación.
Un grupo de investigación que realice un muestreo de la diversidad de flores en la sabana

africana no podría analizar cada flor porque llevaría muchos años.
Aquí es donde ocurre el muestreo estadístico, que tiene como idea tratar de tomar una
sección representativa de la población, realizar el experimento y hacer la extrapolación de
nuevo a la población en su conjunto.
En el ejemplo de la educación, el grupo de investigación podría poner a prueba todas las
escuelas de una ciudad o seleccionar una escuela de algunas ciudades. Por supuesto, el
proceso no es tan fácil y los investigadores deben utilizar una serie de
técnicas estadísticas y un buen diseño de la investigación para asegurar que este subgrupo
sea lo más representativo posible.
Si no se tienen en cuenta los diversos sesgos y errores experimentales que pueden colarse
en un experimento y si el grupo de muestra se elige mal, inevitablemente se producirán
resultados inválidos.
La pregunta básica que un investigador debe hacerse cuando selecciona un grupo de
muestra es:
¿CUÁNTOS SUJETOS NECESITARÉ PARA LOGRAR UN ESTUDIO VIABLE Y CÓMO

LOS VOY A SELECCIONAR?
21
VENTAJAS DEL MUESTREO

 Se trata de una menor cantidad de sujetos, lo que reduce la inversión en tiempo y
dinero.
 El muestreo en realidad puede ser más preciso que estudiar toda la población, ya
que los investigadores pueden tener mayor control sobre los sujetos. Los estudios
grandes pueden ocultar correlaciones interesantes entre todo el "ruido".
 Las manipulaciones estadísticas son mucho más fáciles con conjuntos más
pequeños de datos y así es más fácil evitar el error humano cuando al ingresar y
analizar los datos.
DESVENTAJAS DEL MUESTREO

 Hay lugar para un posible sesgo en la selección de sujetos adecuados para la
investigación. Esto puede ser porque el investigador selecciona sujetos que son
más propensos a dar los resultados deseados o que los sujetos tienden a
seleccionarse a ellos mismos. Por ejemplo, si una empresa de sondeo de opinión
realiza encuestas telefónicas entre las 9 y las 17hs. no van a ubicar a muchas
personas que salen a trabajar, lo que invalidará totalmente sus resultados. Éstos
son denominados factores determinantes y también incluyen un diseño del
experimento malo, variables de confusión y el error humano.
 El muestreo exige un conocimiento de estadísticas y todo el diseño del
experimento depende del método de muestreo requerido.
SELECCIÓN DE GRUPOS DE MUESTRA Y EXTRAPOLACIÓN DE RESULTADOS

Cuando toma muestras, un investigador tiene dos opciones:
 Idealmente, tomará una muestra representativa de toda la población y

utilizará técnicas de aleatorización para establecer grupos de muestras
y controles.
 Pero esto no siempre es posible. En estos casos, se deberá asignar la

composición de los grupos.
21
Por ejemplo, un estudio que deba pedir voluntarios no es representativo de una
población. En tales casos, el investigador debe saber que no puede extrapolar los
resultados para representar a toda una población.
Un estudio sobre enfermedades cardíacas que sólo analiza hombres de mediana edad,
entre 40 y 60 años, dirá muy poco acerca de las enfermedades cardíacas en las mujeres u
hombres más jóvenes, aunque servirá como base para una investigación futura que
involucre otros grupos.
Aunque el diseño de la investigación sea fuerte, siempre hay una inexactitud inherente en
cualquier experimento basado en muestras, debido a las fluctuaciones del azar y la
variedad natural. La mayoría de las pruebas estadísticas tienen esto en cuenta y por eso
los resultados son evaluados a un nivel de significancia o se les da un margen de error.
El muestreo es una parte esencial de casi toda la investigación y los investigadores deben
saber cómo elegir los grupos de muestras que tengan la menor cantidad de sesgo posible
y saber hasta qué punto pueden extrapolar sus resultados a la población en general.
CONCEPTOS BÁSICOS
GRUPO DE MUESTRA
En las estadísticas, un grupo de muestra puede ser definido como un subconjunto

de una población. La población, o población objetivo, es la población total sobre
la que se busca información.
Idealmente, se trata de una población en riesgo. La "población de estudio" es la población

de donde se extraerá la muestra. Normalmente, sucede que la población es muy grande y,
en el caso de cualquier estudio de investigación, estudiar a toda la población es a menudo
poco práctico o imposible. Por lo tanto, las unidades de muestra brindan a los
investigadores un subconjunto de la población manejable y representativo.
Marco De Muestreo > Unidad De Muestreo > Fracción De Muestreo
Antes de tomar una muestra, los miembros de la población de estudio deben ser
identificados en una lista llamada marco de muestreo. Cada miembro del marco de
muestreo se llama unidad de muestreo.
Por ejemplo, alguien puede querer saber detalles sobre las tendencias de compra de la
gente que concurre los domingos a una determinada tienda de comestibles.
21
Entonces, las personas que concurren a esa tienda los domingos constituyen un marco de
muestreo y cada cliente es una unidad de muestreo.
La fracción de muestreo es la proporción entre el tamaño de la muestra y el tamaño de la
población. Por ejemplo, si elegiste 10 clientes de un total de 1000 que concurren a la
tienda de comestibles, la fracción de muestreo será de 1%.
Las unidades de muestreo pueden ser individuos o grupos. Por ejemplo, en un estudio con
animales, puedes seleccionar animales o grupos de animales, como manadas, granjas o
regiones administrativas.
TIPOS DE MUESTREO
¿Cómo obtener el tan deseado grupo de muestra? Existen dos tipos de muestreo:
 Muestreo No Probabilístico
En el muestreo no probabilístico, la elección del grupo de muestra queda en manos
del investigador, por lo que siempre aparece un elemento de sesgo en tales estudios.
 Muestreo Probabilístico
En el muestreo probabilístico, la selección de la muestra se realiza mediante un
proceso deliberado e imparcial para que todas las unidades de muestra en un grupo
tengan las mismas oportunidades de ser seleccionadas. Ésta es la base del muestreo
aleatorio.
El muestreo probabilístico se utiliza con mayor frecuencia en la investigación
experimental. La aleatorización se realiza para elegir muestras de manera que cada
una tenga la misma probabilidad de ser seleccionada, minimizando o eliminando
el sesgo por completo.
POBLACIÓN DE LA INVESTIGACIÓN
Todas las preguntas de investigación abordan temas que son de gran

importancia para los grupos importantes de personas conocidos como la
población de la investigación.
La población de la investigación es generalmente una gran colección de individuos u

objetos que son el foco principal de una investigación científica. Las investigaciones se
realizan en beneficio de la población. Sin embargo, debido a los grandes tamaños de las
poblaciones, los investigadores a menudo no pueden probar a cada individuo de la
población, ya que consume mucho dinero y tiempo. Por esta razón, los investigadores
confían en las técnicas de muestreo.
21
Una población de la investigación también es conocida como una colección bien definida
de individuos u objetos que tienen características similares. Todas las personas u objetos
dentro de una determinada población por lo general tienen una característica o rasgo en
común.
Por lo general, la descripción de la población y las características comunes de sus
miembros son las mismas. "Los funcionarios del gobierno" constituyen un grupo bien
definido de personas que pueden ser consideradas una población y todos los miembros de
esta población son de hecho funcionarios del gobierno.
RELACIÓN DE LA MUESTRA Y LA POBLACIÓN EN LA INVESTIGACIÓN

Una muestra es simplemente un subconjunto de la población. El concepto de muestra
surge de la incapacidad de los investigadores para probar a todos los individuos de una
determinada población.
La muestra debe ser representativa de la población de donde se extrajo y debe tener el
tamaño adecuado para garantizar el análisis estadístico.
La función principal de la muestra es permitir que los investigadores lleven a cabo el
estudio de los individuos de la población de manera tal que los resultados de su estudio
puedan ser utilizados para sacar conclusiones que se aplicarán a toda la población. Es muy
parecido a un proceso de dar y tomar. La población "da" la muestra y luego
"toma" conclusiones de los resultados obtenidos de la muestra.
DOS TIPOS DE POBLACIÓN EN LA INVESTIGACIÓN

 Población Objetivo
La población objetivo se refiere a TODO el grupo de personas u objetos que les
interesan a los investigadores para la generalización de las conclusiones. La
población objetivo por lo general tiene diversas características y también es
conocida como la población teórica.
 Población Accesible
La población accesible es la población en la investigación sobre la que los
investigadores pueden aplicar sus conclusiones. Esta población es un subconjunto
de la población objetivo y también se conoce como la población de estudio. Los
investigadores sacan sus muestras de la población accesible.
21
TAMAÑO DE LA MUESTRA
El tamaño de la muestra de una muestra estadística es el número de

observaciones que la componen.
El tamaño de la muestra normalmente es representado por "n" y siempre es un número

entero positivo. No se puede hablar de ningún tamaño exacto de la muestra, ya que
puede variar dependiendo de los diferentes marcos de investigación. Sin embargo, si todo
lo demás es igual, una muestra de tamaño grande brinda mayor precisión en las
estimaciones de las diversas propiedades de la población.
¿CUÁL DEBE SER EL TAMAÑO DE LA MUESTRA?

Determinar el tamaño de la muestra que se va a seleccionar es un paso importante en
cualquier estudio de investigación. Por ejemplo, un investigador desea determinar la
prevalencia de problemas oculares en niños en edad escolar y quiere realizar
una encuesta.
La pregunta importante que debe ser contestada en todas las encuestas de muestra es:
"¿Cuántos participantes deben ser elegidos para una encuesta?" Sin embargo, la
respuesta no puede ser dada sin tener en cuenta los objetivos y circunstancias de las
investigaciones.
La elección del tamaño de la muestra depende de consideraciones no estadísticas y
estadísticas. Las consideraciones no estadísticas pueden incluir la disponibilidad de los
recursos, la mano de obra, el presupuesto, la ética y el marco de muestreo. Las
consideraciones estadísticas incluirán la precisión deseada de la estimación de la
prevalencia y la prevalencia esperada de los problemas oculares en niños en edad escolar.
Para determinar el tamaño adecuado de las muestras es necesario seguir los tres criterios:
1. Nivel De Precisión
El nivel de precisión, también llamado error de muestreo, es el rango en donde se
estima que está el valor real de la población. Este rango se expresa en puntos
porcentuales. Por lo tanto, si un investigador descubre que el 70% de los
agricultores de la muestra han adoptado una tecnología recomendada con una
tasa de precisión de ~+mn~ 5%, el investigador puede concluir que entre el 65% y
el 75% de los agricultores de la población han adoptado la nueva tecnología.
2. Nivel De Confianza
21
El intervalo de confianza es la medida estadística del número de veces de cada 100
que se espera que los resultados se encuentren dentro de un rango específico.
Por ejemplo, un intervalo de confianza de 90% significa que los resultados de una
acción probablemente cubrirán las expectativas el 90% de las veces.
La idea básica descripta en el Teorema del límite central es que cuando una
población se muestrea muchas veces, el valor promedio de un atributo obtenido es
igual al valor real de la población. En otras palabras, si un intervalo de confianza es
del 95%, significa que 95 de 100 muestras tendrán el valor real de la población
dentro del rango de precisión.
3. Grado De Variabilidad
Dependiendo de la población objetivo y los atributos a considerar, el grado
de variabilidad varía considerablemente. Cuanto más heterogénea sea una
población, mayor deberá ser el tamaño de la muestra para obtener un nivel
óptimo de precisión. Ten en cuenta que una proporción de 55% indica un nivel más
alto de variabilidad que un 10% o un 80%. Esto se debe a que 10% y 80% significa
que una gran mayoría no posee o posee el atributo en cuestión.
Existen muchos enfoques para determinar el tamaño de la muestra, incluyendo el uso de
un censo en el caso de poblaciones más pequeñas, el uso de tablas publicadas, imitar un
tamaño de muestra de estudios similares y aplicar fórmulas para calcular un tamaño de la
muestra.
ALEATORIEDAD
La aleatoriedad es un método de muestreo utilizado en los experimentos

científicos. Es comúnmente utilizada en pruebas controladas aleatorias en la
investigación experimental.
En la investigación médica, la aleatoriedad y el control de pruebas son utilizados para

probar la eficacia o efectividad de los servicios sanitarios o las tecnologías de salud, tales
como los medicamentos, los dispositivos médicos o las cirugías.
¿QUÉ ES LA ALEATORIEDAD?
Supongamos que tienes cinco barras de chocolates y un total de 8 amigos para repartirles
estos chocolates.
¿Cómo vas a hacerlo de modo que todo el proceso de distribución tenga el mínimo
de sesgo?
21
Puedes escribir los nombres de cada uno de tus amigos en un pequeño trozo de papel
diferente y doblarlos para que nadie sepa qué nombre está en cada papel. Luego le pides
a alguien que saque 5 nombres y les das un chocolate a esos 5. Así eliminarás el sesgo sin
lastimar los sentimientos de ningún amigo. La forma en que lo hiciste se llama
aleatoriedad.
En las pruebas controladas aleatorias, los participantes de la investigación son asignados
al azar, no por elección, tanto para el grupo experimental como para el grupo de control.
La aleatoriedad reduce el sesgo al máximo. La aleatoriedad es diseñada para "controlar"
(reducir o eliminar, si es posible) el sesgo.
El objetivo fundamental de la aleatoriedad es tener la certeza de que cada tratamiento
tenga la misma probabilidad de ser aplicado a todas las unidades experimentales.
¿CÓMO FUNCIONA REALMENTE LA ALEATORIEDAD?

¿Cómo lograr la aleatoriedad en las pruebas controladas aleatorias?
Los investigadores tienen diferentes opciones para llevar a cabo la aleatoriedad. Se puede
lograr mediante el uso de tablas de números aleatorios que figuran en la mayoría de los
libros de texto estadísticos o mediante computadoras que generen números aleatorios.
Si ninguno de éstos es posible, puedes diseñar tu propio plan para llevar a cabo la
aleatoriedad. Por ejemplo, puedes seleccionar el último dígito de los números de teléfono
que figuran en la guía telefónica. Por ejemplo, tienes diferentes variedades de arroz
cultivadas en 10 pequeñas parcelas en un invernadero y deseas evaluar ciertos
fertilizantes en 9 variedades de las plantas de arroz, manteniendo 1 parcela como el
control.
Puedes enumerar a cada una de las pequeñas parcelas hasta 9 y utilizar una serie de
números como 8 6 3 1 6 2 9 3 5 6 7 5 5 3 1 y así sucesivamente.
Luego puedes asignar cada una de las tres dosis de tratamiento de fertilizante (llamarlos
dosis A, B y C). Ahora puedes aplicar la dosis A a la parcela número 8, B a la 6 y C a la 3. A
continuación, aplicas la dosis A a la 1, B a la 2, porque la dosis B ya se utilizó en la parcela
6, y así sucesivamente.
CEGAMIENTO: Una herramienta excelente para eliminar el sesgo en las

pruebas controladas aleatorias.
El cegamiento se utiliza comúnmente en la configuración de la investigación clínica y
para eliminar sesgos. Existen dos tipos de cegamientos:
 En una prueba de simple ciego, los participantes no saben a qué grupo pertenecen
ni qué tratamiento están recibiendo hasta la conclusión del estudio.
21
 En las pruebas de doble ciego, ni los participantes ni los investigadores saben a qué
grupo pertenece cada participante ni qué tratamiento está recibiendo hasta la
conclusión del estudio.
El sesgo es el elemento más indeseado en las pruebas controladas aleatorias y la
aleatoriedad brinda a los investigadores una herramienta excelente para reducir o
eliminar el sesgo al máximo. La ausencia de sesgo implica resultados del estudio más
fiables y brinda legitimidad tanto a la investigación como a los investigadores.
MUESTREO
TÉCNICAS DE MUESTREO DE POBLACIÓN
En el muestreo por conglomerados, en lugar de seleccionar a todos los sujetos de

la población inmediatamente, el investigador realiza varios pasos para reunir su
muestra de la población.
En primer lugar, el investigador selecciona grupos o conglomerados y de cada grupo

selecciona a los sujetos individuales, ya sea por muestreo aleatorio simple o muestreo
aleatorio sistemático. El investigador también puede optar por incluir a todo el
conglomerado, no sólo a un subconjunto.
El conglomerado más utilizado en la investigación es un conglomerado geográfico. Por
ejemplo, un investigador desea estudiar el rendimiento académico de los estudiantes
secundarios en España.
 Puede dividir a toda la población (población de España) en diferentes

conglomerados (ciudades).
 Luego, el investigador selecciona una serie de conglomerados en función de su
investigación, a través de un muestreo aleatorio simple o sistemático.
 Luego, de los conglomerados seleccionados (ciudades seleccionadas al azar) el
investigador puede incluir a todos los estudiantes secundarios como sujetos o
seleccionar un número de sujetos de cada conglomerado a través de un muestreo
aleatorio simple o sistemático.
Lo más importante sobre esta técnica de muestreo es dar a todos los conglomerados
iguales posibilidades de ser seleccionados.
21
TIPOS DE MUESTRA POR CONGLOMERADOS

 Muestra Por Conglomerados En Una Etapa
Recordemos el ejemplo anterior: una muestra por conglomerados en una etapa
ocurre cuando el investigador incluye a todos los estudiantes secundarios de todos
los conglomerados seleccionados al azar como muestra.
 Muestra Por Conglomerados En Dos Etapas

En el ejemplo anterior, se obtiene la muestra por conglomerados en dos etapas
cuando el investigador sólo selecciona un número de estudiantes de cada
conglomerado mediante muestreo aleatorio simple o sistemático.
MUESTREO POR CONGLOMERADOS Y MUESTREO ESTRATIFICADO:

DIFERENCIAS
La diferencia principal entre el muestreo por conglomerados y el muestreo estratificado es
la inclusión de conglomerados o estratos.
En el muestreo aleatorio estratificado, se realiza el muestreo en todos los estratos de la
población, mientras que en el muestreo por conglomerados el investigador sólo
selecciona aleatoriamente un número de conglomerados de la colección de
conglomerados de toda la población. Por lo tanto, sólo se realiza una muestra sobre una
cantidad de conglomerados. Los demás quedan sin representación.
VENTAJAS Y DESVENTAJAS DEL MUESTREO POR CONGLOMERADOS

 Esta técnica de muestreo es barata, rápida y fácil. En lugar de realizar
un muestreo de todo un país como en el muestreo aleatorio simple, el investigador
puede asignar sus recursos limitados a los pocos conglomerados o áreas
seleccionadas aleatoriamente cuando se usan muestras por conglomerados.
 En relación con la primera ventaja, el investigador también puede aumentar su
tamaño de la muestra con esta técnica. Teniendo en cuenta que el investigador
sólo tendrá que tomar la muestra de una serie de áreas o conglomerados, puede
seleccionar más sujetos, ya que son más accesibles.
 De todos los diferentes tipos de muestreo probabilístico, esta técnica es la menos
representativa de la población. La tendencia de los individuos dentro de un
conglomerado es tener características similares y con una muestra por
conglomerados, existe la posibilidad de que el investigador pueda tener un
conglomerado sobrerrepresentado o infrarepresentado que puede sesgar los
resultados del estudio.
 Ésta también es una técnica de muestreo probabilístico con una posibilidad de
error de muestreo alto. Esto se produce por los conglomerados limitados incluidos
en la muestra, dejando una parte importante de la población sin muestrear.
21
TÉCNICAS DE MUESTREO ESTADÍSTICO
Las técnicas de muestreo estadístico son las estrategias aplicadas por los
investigadores durante el proceso de muestreo estadístico.
Este proceso se lleva a cabo cuando los investigadores intentan sacar conclusiones para

toda la población después de realizar un estudio sobre una muestra tomada de la misma
población.
PREOCUPACIONES EN EL MUESTREO ESTADÍSTICO

 Representatividad
Ésta 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.
 Practicabilidad
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.
 Riesgos de muestreo
Existen dos tipos de riesgos de muestreo: primero, el riesgo de aceptación
incorrecta de la hipótesis de investigación y segundo, el riesgo de rechazo
incorrecto. Estos riesgos se refieren a la posibilidad de que cuando se lleva a cabo
una prueba sobre una muestra, los resultados y conclusiones puedan ser
diferentes de los resultados y conclusiones cuando la prueba se lleva a cabo para
toda la población.
21
El riesgo de la aceptación incorrecta se refiere al riesgo de que la muestra pueda
arrojar una conclusión que apoye una teoría sobre la población cuando en realidad
no existe en la población. Por otro lado, el riesgo de un rechazo incorrecto se
refiere al riesgo de que la muestra pueda arrojar una conclusión que rechace una
teoría sobre la población cuando en realidad la teoría es cierta en la población.
Comparando los dos tipos de riesgos, los investigadores temen más el riesgo de
rechazo correcto que el riesgo de aceptación incorrecta. Veamos este ejemplo: se
probó una droga experimental por sus efectos secundarios debilitantes. Con el
riesgo de la aceptación incorrecta, el investigador concluirá que la droga tiene
efectos secundarios negativos pero la verdad es que no es así. Entonces, toda la
población se abstendrá de tomar el medicamento. Pero con el riesgo de un
rechazo incorrecto, el investigador concluirá que la droga no tiene efectos
secundarios negativos. Luego, toda la población tomará la droga sabiendo que no
tiene efectos secundarios, pero todos sufrirán las consecuencias del error del
investigador.
DISTRIBUCIÓN DE MUESTREO
Las distribuciones de muestreo constituyen una pieza importante de estudio por

varias razones. En la mayoría de los casos, la viabilidad de un experimento dicta
el tamaño de la muestra. La distribución de muestreo es la distribución de
probabilidad de una muestra de una población en lugar de toda la población.
En palabras más simples, supongamos que de una determinada población tomas todas las

muestras posibles de tamaño n y calculas una estadística (por ejemplo, media) de todas
las muestras. Si luego preparas una distribución de probabilidad de esta estadística,
obtendrás una distribución de muestreo.
Las propiedades de la distribución de muestreo pueden variar dependiendo de cuán
pequeña sea la muestra en comparación con la población. Se supone que la población
se distribuye normalmente como generalmente sucede. Si el tamaño de la muestra es lo
suficientemente grande, la distribución de muestreo también estará cerca de lo normal.
Si éste es el caso, entonces la distribución de muestreo puede ser totalmente
determinada por dos valores: la media y la desviación estándar. Estos dos parámetros son
importantes para calcular la distribución de muestreo si se nos da la distribución normal
de toda la población.
21
DISTRIBUCIÓN DE MUESTREO DE LA MEDIA Y LA DESVIACIÓN ESTÁNDAR

La distribución de muestreo de la media se obtiene tomando la estadística bajo estudio de
la muestra como la media. Calcular esto significa tomar todas las muestras posibles de
tamaño n de la población de tamaño N y luego trazar la distribución de probabilidad. Se
puede demostrar que la media de la distribución de muestreo es, de hecho, la media de la
población.
Sin embargo, la desviación estándar es diferente para la distribución de muestreo en
comparación con la población. Si la población es lo suficientemente grande, esto está
dado por:
Donde σ es la desviación estándar de la distribución de
la población y σx̄ es la media de población.
OTRAS DISTRIBUCIONES
Estas fórmulas son válidas únicamente cuando la población se distribuye normalmente. Si
éste no es el caso, entonces la media y la desviación estándar de la distribución de
muestreo serán diferentes y dependerán del tipo de distribución de la población.
La distribución normal es una de las distribuciones de probabilidad más simples, por lo
que es muy fácil de estudiar y analizar. Podemos encontrar fácilmente fórmulas
matemáticas para las estadísticas de distribución de muestreo que queremos encontrar.
Sin embargo, cuando la distribución no es normal, esto puede ser muy complicado y tales
formulaciones matemáticas sencillas podrían ser difíciles de encontrar o hasta imposibles
en algunos casos. En estos casos, usamos métodos aproximados porque encontrar el valor
exacto implicará el estudio de cada muestra de tamaño n tomada de la población, lo que
es muy difícil y requiere mucho tiempo.
ERROR DE MUESTREO
El error de muestreo es la desviación de la muestra seleccionada de las

verdaderas características, rasgos, comportamientos, cualidades o figuras de
toda la población.
¿POR QUÉ SUCEDE ESTE ERROR?
21
El error del proceso de muestreo ocurre cuando los investigadores toman diferentes
sujetos de la misma población, y, aun así, los sujetos tienen diferencias individuales. Debes
recordar que cuando tomas una muestra, se trata de un subconjunto de toda la población
y, por lo tanto, puede haber una diferencia entre la muestra y la población.
La causa más frecuente de dicho error es un procedimiento de muestreo sesgado. Todo
investigador debe tratar de establecer una muestra que esté libre de sesgos y sea
representativa de toda la población. Así, el investigador es capaz de minimizar o eliminar
el error de muestreo.
Otra causa posible de este error es la casualidad. Se lleva a cabo el proceso
de aleatorización y muestreo de probabilidad para minimizar el error del proceso de
muestreo, pero igualmente es posible que todos los sujetos asignados al azar no sean
representativos de la población.
El resultado más común de error de muestreo es el error sistemático en donde los
resultados de la muestra difieren significativamente de los resultados de toda la
población. Se entiende que, si la muestra no es representativa de toda la población, lo
más probable es que los resultados de la muestra difieran de los resultados de toda la
población.
TAMAÑO DE LA MUESTRA Y ERROR DE MUESTREO
21
Dados dos estudios exactamente iguales, dos métodos de muestreo iguales y la misma
población, el estudio con un tamaño de muestra más grande tendrá menos error del
proceso de muestreo que el estudio con un tamaño menor de la muestra. Debes recordar
que a medida que aumenta el tamaño de la muestra, se acerca al tamaño de toda la
población y, por lo tanto, se aproxima a todas las características de la población,
disminuyendo el error del proceso de muestreo.
ERROR DE ERROR DE
MUESTRA MUESTRA
MUESTREO MUESTREO
POBLACIÓN POBLACIÓN
DESVIACIÓN ESTÁNDAR Y ERROR DE MUESTREO

La desviación estándar se utiliza para expresar la variabilidad de la población. Más
técnicamente, es la diferencia promedio de todas las puntuaciones reales de los sujetos de
la media o promedio de todas las puntuaciones.
Por lo tanto, si la muestra tiene una alta desviación estándar, se deduce que la muestra
también tiene un alto error del proceso de muestreo.
Se entiende más fácilmente si relacionas la desviación estándar con el tamaño de la
muestra. Debes tener en cuenta que a medida que aumenta el tamaño de la muestra, la
desviación estándar disminuye.
Imagina que tienes sólo 10 sujetos. Con este tamaño de la muestra tan pequeño, la
tendencia de sus resultados es que variarán mucho, produciendo una alta desviación
estándar. Ahora imagina que el tamaño de la muestra aumentó a 100. La tendencia de sus
puntuaciones es a agruparse, produciendo una desviación estándar baja.
FORMAS DE ELIMINAR EL ERROR DE MUESTREO

Sólo hay una manera de eliminar este error. Consiste en eliminar el concepto de muestra y
probar a toda la población.
En la mayoría de los casos esto no es posible. Por consiguiente, lo que el investigador debe
hacer es minimizar el error del proceso de muestreo. Esto se puede lograr con un
muestreo probabilístico adecuado y no sesgado y mediante el uso de un gran tamaño de
la muestra.
21
ERROR DE MUESTREO ALEATORIO
Los errores de muestreo aleatorio son una clase de error experimental que todos
deberían conocer.
Cualquiera que lea encuestas en Internet o en los periódicos debe saber que los errores de
muestreopueden influir enormemente en los datos y llevar a la gente a
sacar conclusiones incorrectas.
Para agravar aún más los errores de muestreo aleatorio, muchas empresas de encuestas,
periódicos y expertos son conscientes de esto y manipulan las encuestas para mostrar
resultados favorables.
En cualquier experimento donde es imposible hacer un muestreo de toda una población,
generalmente debido a la practicidad y a los costos, se debe utilizar una muestra
representativa.
Por supuesto, un grupo de muestra nunca podrá coincidir plenamente con toda la
población y siempre habrá alguna probabilidad de error de muestreo aleatorio.
Cualquier investigador debe esforzarse por garantizar que la muestra sea lo más
representativa posible y las pruebas estadísticas tienen controles y equilibrios
incorporados para lograr esto.
Para mostrar cómo asegurarte de que tus estadísticas sean lo más precisas posible,
utilizaremos el ejemplo de una encuesta de opinión. Se trata de una de las
representaciones de datos más comúnmente malinterpretadas y el no tomar en cuenta
los matices de las estadísticas pueden brindar una imagen incorrecta.
MARGEN DE ERROR: UNA IMAGEN INCORRECTA

El problema es que, cuando veas una encuesta de opinión en un periódico o sitio de
Internet, por lo general verás un margen de error de + o - 3%. La tentación es pensar que
las encuestas serán precisas dentro de esta figura.
Por ejemplo, si una encuesta da al partido político (A) el 42% de los votos y
al (B) el 39%, esto abre una serie de resultados posibles. (A) podría tener
un 45% y (B) un 36%. Ambos podrían tener el 39% o (B) podría estar al
frente, 42% contra 39%. Obviamente, los resultados podrían mostrar
cualquier variación entre esos extremos. Bastante complicado, ¿no?
21
Para complicar todo aún más, incluso este error de muestreo aleatorio puede ser muy
impreciso. Cualquier encuesta de opinión puede dar el margen de error, pero esto puede
transmitir una sensación falsa de seguridad y hacer que la gente suponga que los
resultados "deben" estar en este rango.
De hecho, estas cifras podrían estar completamente equivocadas y los números ser
solamente estimativos.
EL PROBLEMA DEL ERROR DE MUESTREO ALEATORIO

El problema es que estos resultados sólo muestran el error de muestreo aleatorio dentro
de ese grupo específico. Muestran las probabilidades de que los resultados en ese grupo
se produzcan por casualidad, exactamente como el 95% de margen de
confianza empleado por muchos investigadores científicos.
Sin embargo, ésta es una definición muy reducida y es a menudo mal entendida.
En una encuesta de opinión, no hay garantía de que la muestra de 1000 o 10.000 personas
sea verdaderamente representativa de la población en general.
Han existido muchas encuestas extremadamente imprecisas en los últimos años y han
fracasado debido a un diseño malo y a no comprender todos los factores importantes.
Por ejemplo, una empresa de sondeo de opinión que realiza encuestas

telefónicas puede cometer el error de llamar por teléfono solamente en
horario de oficina, cuando la mayoría de la población está en el trabajo,
sesgando así los datos.
Además, las familias pobres no siempre tienen una línea telefónica fija y utilizan celulares
no registrados, dejando de nuevo un gran margen para la inexactitud. En estos casos, los
márgenes de error serían perfectamente aceptables pero los resultados generales
seguirían estando muy equivocados.
Las empresas de sondeo modernas son muy hábiles para diseñar encuestas
para seleccionar muestras de muchos elementos de la población, por muchos medios. Por
eso, rara vez ocurren grandes errores. A pesar de esto, las encuestas de opinión siempre
deben ser tomadas como una guía solamente, no como una representación exacta de
cómo es probable que se desarrolle una elección.
ERROR DE MUESTREO ALEATORIO Y DISEÑO EXPERIMENTAL

Los errores cometidos por los encuestadores están directamente relacionados con
cualquier tipo de experimento que incluya grupos de muestra aleatorios.
21
Las estadísticas sólo pueden trabajar con los datos brindados y si tu diseño no está bien
pensado, no podrá cubrir estos errores. La basura que entra es sin duda basura que tiene
que salir.
MUESTREO PROBABILÍSTICO
MUESTREO PROBABILÍSTICO Y ALEATORIZACIÓN
El muestreo probabilístico es una técnica de muestreo en virtud de la cual las

muestras son recogidas en un proceso que brinda a todos los individuos de la
población las mismas oportunidades de ser seleccionados.
En esta técnica de muestreo, el investigador debe garantizar que cada individuo tenga las
mismas oportunidades de ser seleccionado y esto se puede lograr si el investigador utiliza
la aleatorización.
La ventaja de utilizar una muestra aleatoria es la ausencia de sesgos de
muestreo y sistemáticos. Si la selección aleatoria se hace correctamente, la muestra será
representativa de toda la población.
El efecto de esto es un sesgo sistemático ausente o mínimo que es la diferencia entre los
resultados de la muestra y los resultados de la población. El sesgo de muestreo también se
elimina ya que los sujetos son elegidos al azar.
TIPOS DE MUESTREO PROBABILÍSTICO

 Muestreo Aleatorio Simple
El muestreo aleatorio simple es la forma más fácil de muestreo probabilístico. Lo
único que el investigador tiene que hacer es asegurarse de que todos los miembros
de la población sean incluidos en la lista y luego seleccionar al azar el número
deseado de sujetos.
Existen muchos métodos para hacer esto. Puede ser tan mecánico como sacar tiras
de papel de un sombrero con nombres escritos mientras el investigador tiene los
ojos vendados o puede ser tan fácil como usar un software de computadora para
hacer la selección aleatoria.
 Muestreo Aleatorio Estratificado

El muestreo aleatorio estratificado también es conocido como muestreo aleatorio
proporcional. Ésta es una técnica de muestreo probabilístico en donde los sujetos
21
son inicialmente agrupados en diferentes categorías, tales como la edad, el nivel
socioeconómico o el género.
Luego, el investigador selecciona aleatoriamente la lista final de sujetos de los
distintos estratos. Es importante tener en cuenta que los estratos no se
superpongan.
Generalmente, los investigadores utilizan un muestreo aleatorio estratificado si
quieren estudiar un determinado subgrupo dentro de la población. También es
preferible el simple porque garantiza resultados estadísticos más precisos.
 Muestreo Aleatorio Sistemático

El muestreo aleatorio sistemático se puede comparar con una progresión
aritmética en donde la diferencia entre dos números consecutivos es la misma. Por
ejemplo, supongamos que estás en una clínica y tienes 100 pacientes.
 Lo primero que tienes que hacer es elegir un número entero que sea
menor que el número total de la población. Éste será tu primer sujeto, por
ejemplo (3).
 Selecciona otro número entero que será el número de individuos entre los
sujetos, por ejemplo, (5).
 Tus sujetos serán los pacientes 3, 8, 13, 18, 23 y así sucesivamente.
No existe una ventaja clara en la utilización de esta técnica.
 Muestreo Aleatorio Por Conglomerados

El muestreo aleatorio por conglomerados se realiza cuando es imposible el simple
debido al tamaño de la población. Imagínate hacer un muestreo aleatorio simple
cuando la población en cuestión es toda la población de Asia.
 En el muestreo por conglomerados, la investigación identifica primero las

fronteras, en el caso de nuestro ejemplo. Pueden ser los países de Asia.
 El investigador selecciona aleatoriamente un número de áreas
identificadas. Es importante que todas las áreas (países) dentro de la
población tengan las mismas posibilidades de ser seleccionadas.
 El investigador puede incluir todos los individuos dentro de las áreas
seleccionadas o seleccionar aleatoriamente a los sujetos de las áreas
identificadas.
 Muestreo Aleatorio Mixto/Por Etapas Múltiples

Esta técnica de muestreo probabilístico implica una combinación de dos o más
técnicas de muestreo enumeradas anteriormente. En la mayoría de las
investigaciones complejas realizadas en el campo o en el laboratorio, no es
adecuado utilizar un solo tipo de muestreo probabilístico.
21
La mayoría de las investigaciones se realizan en diferentes etapas y en cada etapa se
aplica una técnica de muestreo aleatorio diferente.
MUESTREO ALEATORIO
El muestreo aleatorio constituye una de las clases más populares de muestreo

aleatorio o probabilístico.
En esta técnica, cada miembro de la población tiene la misma probabilidad de ser

seleccionado como sujeto. Todo el proceso de toma de muestras se realiza en un paso, en
donde cada sujeto es seleccionado independientemente de los otros miembros de
la población.
El muestreo aleatorio siempre se puede aplicar en muchos métodos. El más primitivo y
mecánico sería el de la lotería. A cada miembro de la población se le asigna un número.
Todos los números se colocan en un recipiente o un sombrero y se mezclan. Con los ojos
vendados, el investigador va sacando las etiquetas con números. Todos los individuos que
tengan los números sacados por el investigador son los sujetos del estudio.
Otra forma sería que una computadora haga la selección al azar de la población. En el caso
de poblaciones con pocos miembros, es aconsejable utilizar el primer método, pero si la
población tiene muchos miembros, es preferible una selección aleatoria por computadora.
VENTAJAS DEL MUESTREO ALEATORIO SIMPLE

Una de las mejores cosas del muestreo aleatorio simple es la facilidad para armar la
muestra. También se considera una forma justa de seleccionar una muestra a partir de
una población, ya que cada miembro tiene igualdad de oportunidades de ser
seleccionado.
Otra característica clave del muestreo aleatorio simple es la representatividad de la
población. En teoría, lo único que puede poner en peligro su representatividad es la
suerte. Si la muestra no es representativa de la población, la variación aleatoria es
denominada error de muestreo.
Para sacar conclusiones de los resultados de un estudio son importantes una selección
aleatoria imparcial y una muestra representativa. Recuerda que uno de los objetivos de la
investigación es sacar conclusiones con relación a la población a partir de los resultados de
una muestra. Debido a la representatividad de una muestra obtenida mediante un
muestreo aleatorio simple, es razonable hacer generalizaciones a partir de los resultados
de la muestra con respecto a la población.
21
DESVENTAJAS DEL MUESTREO ALEATORIO SIMPLE

Una de las limitaciones más evidentes del muestreo aleatorio simple es la necesidad de
una lista completa de todos los miembros de la población. Debes tener en cuenta que la
lista de la población debe estar completa y actualizada. Esta lista generalmente no está
disponible en poblaciones grandes. En estos casos, es más prudente utilizar otras técnicas
de muestreo.
MÉTODO DE MUESTREO ESTRATIFICADO
El muestreo estratificado es una técnica de muestreo probabilístico en donde el

investigador divide a toda la población en diferentes subgrupos o estratos.
Luego, selecciona aleatoriamente a los sujetos finales de los
diferentes estratos en forma proporcional.
Es importante tener en cuenta que los estratos no deben superponerse. Que los
subgrupos se superpongan dará a algunos individuos mayores probabilidades de ser
seleccionados como sujetos. Esto niega completamente el concepto de muestreo
estratificado como un tipo de muestreo probabilístico.
Igualmente importante es el hecho de que el investigador debe utilizar un muestreo
probabilístico simple dentro de los diferentes estratos.
Los estratos más comunes utilizados en el muestreo aleatorio estratificado son la edad, el
género, el nivel socioeconómico, la religión, la nacionalidad y el nivel de estudios
alcanzado.
MUESTREO ALEATORIO ESTRATIFICADO: USOS

 Se utiliza el muestreo aleatorio estratificado cuando el investigador desea
resaltar un subgrupo específico dentro de la población. Esta técnica es útil en
tales investigaciones porque garantiza la presencia del subgrupo clave dentro de
la muestra.
 Los investigadores también emplean un muestreo aleatorio estratificado cuando
quieren observar relaciones entre dos o más subgrupos. Con la técnica de
muestreo aleatorio simple, el investigador no está seguro de si los subgrupos
que quiere observar son representados equitativa y proporcionalmente dentro
de la muestra.
 Con el muestreo estratificado, el investigador puede probar de forma
representativa hasta a los subgrupos más pequeños y más inaccesibles de la
21
población. Esto permite que los investigadores prueben a los extremos de la
población.
 Con esta técnica, tienes una precisión estadística más elevada en comparación
con el muestreo aleatorio simple. Esto se debe a que la variabilidad dentro de los
subgrupos es menor en comparación con las variaciones cuando se trata de toda
la población. Debido a que esta técnica tiene una alta precisión estadística, exige
un tamaño de la muestra menor que puede ahorrar mucho tiempo, dinero y
esfuerzo de los investigadores.
MUESTREO ESTRATIFICADO: TIPOS

 Muestreo Aleatorio Estratificado Proporcionado
En esta técnica, el tamaño de la muestra de cada estrato es proporcional al tamaño

de la población del estrato si se compara con la población total. Esto significa que
el cada estrato tiene la misma fracción de muestreo.
Supongamos que tienes 3 estratos con 100, 200 y 300 tamaños de la población,
respectivamente. El investigador eligió una fracción de muestreo de ½. Luego, el
investigador debe probar al azar 50, 100 y 150 sujetos de cada estrato,
respectivamente.
ESTRATO A B C
TAMAÑO DE LA POBLACIÓN 100 20 300
0
FRACCIÓN DE MUESTREO ½ ½ ½
En esta TAMAÑO FINAL DE LA 50 10 150 técnica, lo
MUESTRA 0 importante es
recordar el uso de la misma fracción de muestreo en cada estrato,
independientemente de las diferencias en el tamaño de la población de los
estratos. Es muy parecido a reunir una población más pequeña que sea específica
de las proporciones relativas de los subgrupos dentro de la población.
 Muestreo Aleatorio Estratificado Desproporcionado

La única diferencia entre el muestreo aleatorio estratificado proporcionado y el
desproporcionado son sus fracciones de muestreo. En el muestreo
desproporcionado, los diferentes estratos tienen diferentes fracciones de
muestreo.
21
La precisión de este diseño es altamente dependiente de la asignación de fracción
de muestreo del investigador. Si el investigador comete errores en la asignación de
fracciones de muestreo, un estrato puede ser representado en exceso o
insuficientemente y dará resultados sesgados.
MUESTREO SISTEMÁTICO
El muestreo sistemático es una técnica de muestreo aleatorio que los

investigadores eligen con frecuencia por su sencillez y calidad regular.
En el muestreo aleatorio sistemático, el investigador primero escoge aleatoriamente la

primera pieza o sujeto de la población. A continuación, el investigador seleccionará a cada
enésimo sujeto de la lista.
El procedimiento del muestreo aleatorio sistemático es muy fácil y se puede hacer
manualmente. Los resultados son representativos de la población a menos que se repitan
ciertas características de la población por cada enésimo individuo, lo que es muy poco
probable.
El proceso de obtención de la muestra sistemática es muy similar a una progresión
aritmética.
 Número de inicio:
El investigador selecciona un número entero que debe ser menor al número total
de individuos en la población. Este número entero corresponderá al primer sujeto.
 Intervalo:
El investigador elige otro número entero que servirá como la diferencia constante
entre dos números consecutivos en la progresión.
El número entero se selecciona típicamente de modo que el investigador obtenga el
tamaño de la muestra correcto.
Por ejemplo, el investigador tiene una población total de 100 individuos y necesita 12
sujetos. Primero elige su número de partida, 5.
Luego, el investigador elige su intervalo, 8. Los miembros de su muestra serán los
individuos 5, 13, 21, 29, 37, 45, 53, 61, 69, 77, 85, 93.
Otros investigadores utilizan una técnica de muestreo aleatorio sistemático modificada en
donde primero identifican el tamaño de la muestra necesario. A continuación, dividen el
21
número total de la población por el tamaño de la muestra para obtener la fracción de
muestreo. La fracción de muestreo luego se utiliza como la diferencia constante entre los
sujetos.
VENTAJAS DEL MUESTREO SISTEMÁTICO

 La principal ventaja de utilizar un muestreo sistemático sobre un muestreo
aleatorio simple es su sencillez. Permite que el investigador añada un grado de
sistema o proceso en la selección aleatoria de los sujetos.
 Otra ventaja del muestreo aleatorio sistemático sobre el muestreo aleatorio
simple es la garantía de que el muestreo se hará equitativamente sobre la
población. Existe una posibilidad de un muestreo aleatorio simple que permite
una selección por conglomerados de sujetos. Esto es eliminado sistemáticamente
en el muestreo sistemático.
DESVENTAJA DE MUESTREO SISTEMÁTICO

 El proceso de selección puede interactuar con un rasgo periódico oculto dentro de
la población. Si la técnica de muestreo coincide con la periodicidad del rasgo, la
técnica de muestreo ya no será aleatoria y la representatividad de la muestra se ve
comprometida.
NOTAS
 Dado que el muestreo aleatorio sistemático es un tipo de muestreo probabilístico,
el investigador debe garantizar que todos los miembros de la población tengan las
mismas posibilidades de ser seleccionados como el punto de partida o sujeto
inicial.
 El investigador debe estar seguro de que el intervalo constante elegido entre los
sujetos no refleje un cierto patrón de rasgos presentes en la población. Si existe un
patrón en la población y coincide con el intervalo establecido por el investigador, la
aleatoriedad de la técnica de muestreo se ve comprometida.
MUESTREO POR CONGLOMERADOS
En el muestreo por conglomerados, en lugar de seleccionar a todos los sujetos de

la población inmediatamente, el investigador realiza varios pasos para reunir su
muestra de la población.
21
En primer lugar, el investigador selecciona grupos o conglomerados y de cada grupo
selecciona a los sujetos individuales, ya sea por muestreo aleatorio simple o muestreo
aleatorio sistemático.
El investigador también puede optar por incluir a todo el conglomerado, no sólo a un
subconjunto.
El conglomerado más utilizado en la investigación es un conglomerado geográfico.
Por ejemplo, un investigador desea estudiar el rendimiento académico de los estudiantes
secundarios en España.
 Puede dividir a toda la población (población de España) en diferentes

conglomerados (ciudades).
 Luego, el investigador selecciona una serie de conglomerados en función de su
investigación, a través de un muestreo aleatorio simple o sistemático.
 Luego, de los conglomerados seleccionados (ciudades seleccionadas al azar) el
investigador puede incluir a todos los estudiantes secundarios como sujetos o
seleccionar un número de sujetos de cada conglomerado a través de un muestreo
aleatorio simple o sistemático.
Lo más importante sobre esta técnica de muestreo es dar a todos los conglomerados
iguales posibilidades de ser seleccionados.
TIPOS DE MUESTRA POR CONGLOMERADOS

 Muestra Por Conglomerados En Una Etapa
Recordemos el ejemplo anterior: una muestra por conglomerados en una etapa
ocurre cuando el investigador incluye a todos los estudiantes secundarios de todos
los conglomerados seleccionados al azar como muestra.
 Muestra Por Conglomerados En Dos Etapas

En el ejemplo anterior, se obtiene la muestra por conglomerados en dos etapas
cuando el investigador sólo selecciona un número de estudiantes de cada
conglomerado mediante muestreo aleatorio simple o sistemático.
MUESTREO POR CONGLOMERADOS Y MUESTREO ESTRATIFICADO:

DIFERENCIAS
La diferencia principal entre el muestreo por conglomerados y el muestreo estratificado es
la inclusión de conglomerados o estratos.
21
En el muestreo aleatorio estratificado, se realiza el muestreo en todos los estratos de la
población, mientras que en el muestreo por conglomerados el investigador sólo
selecciona aleatoriamente un número de conglomerados de la colección de
conglomerados de toda la población. Por lo tanto, sólo se realiza una muestra sobre una
cantidad de conglomerados. Los demás quedan sin representación.
VENTAJAS Y DESVENTAJAS DEL MUESTREO POR CONGLOMERADOS

 Esta técnica de muestreo es barata, rápida y fácil. En lugar de realizar
un muestreo de todo un país como en el muestreo aleatorio simple, el investigador
puede asignar sus recursos limitados a los pocos conglomerados o áreas
seleccionadas aleatoriamente cuando se usan muestras por conglomerados.
 En relación con la primera ventaja, el investigador también puede aumentar su
tamaño de la muestra con esta técnica. Teniendo en cuenta que el investigador
sólo tendrá que tomar la muestra de una serie de áreas o conglomerados, puede
seleccionar más sujetos, ya que son más accesibles.
 De todos los diferentes tipos de muestreo probabilístico, esta técnica es la menos
representativa de la población. La tendencia de los individuos dentro de un
conglomerado es tener características similares y con una muestra por
conglomerados, existe la posibilidad de que el investigador pueda tener un
conglomerado sobrerrepresentado o infrarrepresentado que puede sesgar los
resultados del estudio.
 Ésta también es una técnica de muestreo probabilístico con una posibilidad de
error de muestreo alto. Esto se produce por los conglomerados limitados incluidos
en la muestra, dejando una parte importante de la población sin muestrear.
MUESTREO DESPROPORCIONADO
El muestreo desproporcionado constituye una técnica de muestreo

probabilístico utilizada para abordar las dificultades que deben enfrentar los
investigadores con las muestras estratificadas de tamaños desiguales.
Este método de muestreo divide a la población en subgrupos o estratos y emplea una

fracción de muestreo que no es similar para todos los estratos; se realiza un sobre
muestreo sobre algunos estratos con respecto a otros.
MUESTREO DESPROPORCIONADO VERSUS MUESTREO PROPORCIONADO

La gran diferencia entre las dos técnicas de muestreo es la proporción dada a cada estrato
con respecto a los demás. En el muestreo proporcionado, cada estrato tiene la misma
fracción de muestreo, mientras que en el muestreo desproporcionado la fracción de
muestreo de cada estrato varía.
21
EJEMPLO DE MUESTRA DESPROPORCIONADA

Supongamos, por ejemplo, que un investigador desea llevar a cabo una encuesta sobre
todos los estudiantes de una universidad con 10.000 estudiantes, 8.000 mujeres y 2.000
hombres. Su tamaño de muestra deseado es sólo de 1.000. Debido a que los 1.000 sujetos
necesarios para la encuesta representan el 10% de toda la población, la proporción de
muestreo sugiere que 8/10 sean mujeres y 2/10 hombres. Esto arrojaría una muestra de
800 mujeres y 200 hombres. En este caso, el número relativamente pequeño de hombres
en la muestra seguramente no brindará una representación adecuada para extraer
conclusiones a partir de dicha encuesta.
En este caso, la técnica de muestreo desproporcionado permitirá al investigador
seleccionar una cantidad adecuada de estudiantes de los dos géneros. Por ejemplo, se
pueden seleccionar 500 hombres y 500 mujeres para representar a la población. Esto no
puede ser considerado aleatorio, ya que los hombres tenían más posibilidades de ser
seleccionados como parte de la muestra.
CUÁNDO UTILIZAR EL MUESTREO DESPROPORCIONADO

El muestreo desproporcionado permite que el investigador brinde una representación
más grande a uno o más subgrupos para evitar la falta de representación de dichos
estratos. Esto se aplica a poblaciones con una proporción de población de estratos muy
alta.
DESVENTAJAS DEL MUESTREO DESPROPORCIONADO

Si bien el investigador puede crear una representación y un tamaño adecuado con esta
técnica, existen problemas en el análisis de datos, ya que la característica del grupo
sobrerrepresentado puede sesgar los resultados. La manera de evitar esto es dar una
representación matemática proporcionalmente mayor al grupo insuficientemente
representado en el análisis de las puntuaciones.
Generalmente, la muestra desproporcionada tiende a ser menos precisa y fiable en
comparación con una muestra estratificada porque se realizan los ajustes matemáticos
durante el análisis de los datos. Este proceso aumenta la posibilidad de
encontrar errores en el análisis de datos. Con esta posibilidad de encontrar errores en el
análisis, es menos precisa la elaboración de conclusiones a partir de los resultados de
dichos estudios.
21
MUESTREO NO PROBABILÍSTICO
MUESTREO NO PROBABILÍSTICO
El muestreo no probabilístico es una técnica de muestreo donde las muestras se

recogen en un proceso que no brinda a todos los individuos de la población
iguales oportunidades de ser seleccionados.
En cualquier tipo de investigación es difícil lograr un muestreo aleatorio auténtico.

La mayoría de los investigadores tienen limitaciones temporales, monetarias y de mano de
obra y, gracias a ellas, es casi imposible tomar una muestra aleatoria de toda la población.
Generalmente, es necesario emplear otra técnica de muestreo, la técnica de muestreo no
probabilístico.
A diferencia del muestreo probabilístico, la muestra no probabilística no es un producto
de un proceso de selección aleatoria. Los sujetos en una muestra no probabilística
generalmente son seleccionados en función de su accesibilidad o a criterio personal e
intencional del investigador.
La desventaja del método de muestreo no probabilístico es que no se toman pruebas de
una porción desconocida de la población. Esto implica que la muestra puede representar a
toda la población con precisión o no.
Por lo tanto, los resultados de la investigación no pueden ser utilizados
en generalizaciones respecto de toda la población.
TIPOS DE MUESTREO NO PROBABILÍSTICO

 Muestreo Por Conveniencia
El muestreo por conveniencia es probablemente la técnica de muestreo más
común. En el muestreo por conveniencia, las muestras son seleccionadas porque
son accesibles para el investigador. Los sujetos son elegidos simplemente porque
son fáciles de reclutar. Esta técnica es considerada la más fácil, la más barata y la
que menos tiempo lleva.
 Muestreo Consecutivo
El muestreo consecutivo es muy similar al muestreo por conveniencia, excepto que
intenta incluir a TODOS los sujetos accesibles como parte de la muestra. Esta
técnica de muestreo no probabilístico puede ser considerada la mejor muestra no
probabilística, ya que incluye a todos los sujetos que están disponibles, lo que hace
que la muestra represente mejor a toda la población.
21
 Muestreo Por Cuotas

El muestreo por cuotas es una técnica de muestreo no probabilístico en donde el
investigador asegura una representación equitativa y proporcionada de los sujetos,
en función de qué rasgo es considerado base de la cuota.
Por ejemplo, si la base de la cuota es de nivel de año en la universidad y el
investigador necesita una representación igual, con un tamaño de muestra de 100,
debe seleccionar 25 estudiantes de 1º año, 25 de 2° año, 25 de 3º año y 25 de 4º
año. Las bases de la cuota generalmente son la edad, el género, la educación, la
etnia, la religión y el nivel socioeconómico.
 Muestreo Discrecional
El muestreo discrecional es más comúnmente conocido como muestreo
intencional. En este tipo de toma de muestras, los sujetos son elegidos para formar
parte de la muestra con un objetivo específico. Con el muestreo discrecional, el
investigador cree que algunos sujetos son más adecuados para la investigación que
otros. Por esta razón, aquellos son elegidos deliberadamente como sujetos.
 Muestreo De Bola De Nieve

El muestreo de bola de nieve se lleva a cabo generalmente cuando hay una
población muy pequeña. En este tipo de muestreo, el investigador le pide al primer
sujeto que identifique a otro sujeto potencial que también cumpla con los criterios
de la investigación. La desventaja de usar una muestra de bola de nieve es que
difícilmente sea representativa de la población.
CUÁNDO UTILIZAR EL MUESTREO NO PROBABILÍSTICO

 Este tipo de muestreo puede ser utilizado cuando se quiere mostrar que existe un
rasgo determinado en la población.
 También se puede utilizar cuando el investigador tiene como objetivo hacer un
estudio cualitativo, piloto o exploratorio.
 Se puede utilizar cuando es imposible la aleatorización, como cuando la población
es casi ilimitada.
 Se puede utilizar cuando la investigación no tiene como objetivo generar resultados
que se utilicen para hacer generalizaciones respecto de toda la población.
 También es útil cuando el investigador tiene un presupuesto, tiempo y mano de
obra limitados.
 Esta técnica también se puede utilizar en un estudio inicial que será llevado a cabo
nuevamente utilizando un muestreo probabilístico aleatorio.
21
MUESTREO POR CONVENIENCIA
El muestreo de o por conveniencia es una técnica de muestreo no probabilístico

donde los sujetos son seleccionados dada la conveniente accesibilidad y
proximidad de los sujetos para el investigador.
Los sujetos de una investigación específica, son seleccionados para el estudio sólo porque
son más fáciles de reclutar y el investigador no está considerando las características de
inclusión de los sujetos que los hace representativos de toda la población.
En todas las formas de investigación, sería ideal generalizar los resultados a la totalidad de
la población, pero en la mayoría de los casos, la población es demasiado grande y resulta
imposible incluir cada individuo. Esta es la razón por la cual la mayoría de los
investigadores utilizan técnicas de muestreo, como el muestreo de conveniencia, la más
común de todas las técnicas de muestreo. Muchos investigadores prefieren esta técnica
de muestreo, ya que es rápida, barata, fácil y, sobre todo, los sujetos están disponibles.
EJEMPLOS
Uno de los ejemplos más comunes de muestreo de conveniencia se realiza utilizando
estudiantes voluntarios como sujetos de la investigación. Otro ejemplo es el uso de
sujetos que se han seleccionado de una clínica, una clase o una institución ya que para el
investigador es de fácil el acceso a estas instituciones. Un ejemplo más concreto es la
selección de cinco personas de una clase o incluso la selección de los cinco primeros
nombres de la lista de pacientes de una lista en una institución médica.
En estos ejemplos, el investigador inadvertidamente excluye una gran proporción de la
población. Una muestra de conveniencia es o bien una selección de sujetos que son
accesibles para el investigador o una selección de personas que deseen participar como
voluntarios.
USOS
Los investigadores utilizan el muestreo de conveniencia no sólo porque es fácil de usar,
sino porque también tiene otras ventajas para la investigación.
En Pruebas Piloto, la muestra de conveniencia se suele utilizar ya que permite al
investigador obtener los datos básicos y las tendencias con respecto a su estudio, sin las
complicaciones del uso de una muestra aleatoria.
Esta técnica de muestreo es también útil para documentar que una calidad particular de
una sustancia o fenómeno se produce dentro de una muestra dada. Tales pruebas piloto,
21
o de prueba inicial son también muy útiles para la detección de relaciones entre los
fenómenos diferentes.
LAS CRÍTICAS SOBRE EL MUESTREO DE CONVENIENCIA

La crítica más obvia acerca del muestreo por conveniencia son los sesgos o prejuicios del
muestreo. por no demostrar imparcialidad al ser escogida, la muestra no es representativa
de toda la población. Este puede ser el mayor inconveniente al utilizar una muestra por
conveniencia, ya que además conduce a más problemas y críticas.
El sesgo sistemático proviene de un sesgo de muestreo. Esto se refiere a una diferencia
constante entre los resultados de la muestra y los resultados teóricos de toda la
población. No es raro que los resultados de un estudio, que utiliza una muestra de
conveniencia, difieran significativamente con los resultados de toda la población. Una de
las consecuencias de tener un sesgo sistemático es la obtención de resultados sesgados.
Otra crítica importante acerca del uso de una muestra por conveniencia es la limitación
en la generalización y las posibles inferencias que pueden surgir sobre toda una población.
Dado que la muestra no es representativa de la población, los resultados del estudio no
pueden ser generalizados a la población, ni hablar de toda la población. Esto da lugar a
una baja validez externa del estudio.
NOTAS
Cuando se utiliza el muestreo por/ de conveniencia, es necesario describir cómo la
muestra de las pruebas en la investigación actual sería diferente de la muestra ideal,
seleccionada al azar. También es necesario describir los individuos que podrían quedar por
fuera durante el proceso de selección o los individuos que están sobrerrepresentados en
la muestra.
En relación a esto, es mejor si se pueden describir los posibles efectos que, los sujetos no-
incluidos en la muestra o los que están sobrerrepresentados, pueden proporcionar a los
resultados. Esto permitirá a los lectores de la investigación obtener una buena
comprensión de la muestra que se prueba. También les permitirá estimar la posible
diferencia entre los resultados en ésta prueba piloto y los resultados que se podrían dar si
representada correctamente toda la población.
MÉTODO DE MUESTREO SECUENCIAL
El muestreo secuencial es una técnica de muestreo no probabilístico en donde el

investigador escoge un sujeto o un grupo de sujetos en un determinado
intervalo de tiempo, lleva a cabo su estudio, analiza los resultados, luego escoge
otro grupo de sujetos, si es necesario, y así sucesivamente.
21
El muestreo secuencial es una técnica de muestreo no probabilístico en donde el

investigador escoge un sujeto o un grupo de sujetos en un determinado intervalo de
tiempo, lleva a cabo su estudio, analiza los resultados, luego escoge otro grupo de sujetos,
si es necesario, y así sucesivamente.
Esta técnica de muestreo brinda al investigador posibilidades ilimitadas de ajustar sus
métodos de investigación y obtener un conocimiento fundamental sobre el estudio que
está llevando a cabo.
DIFERENCIA ENTRE EL MUESTREO SECUENCIAL Y LAS DEMÁS TÉCNICAS DE

MUESTREO
Si vamos a tener en cuenta todas las demás técnicas de muestreo en la investigación,
llegaremos a la conclusión de que el experimento y el análisis de datos se resumirán en la
aceptación de la hipótesis nula o la refutación de ella en caso de aceptar la hipótesis
alternativa.
En la técnica de muestreo secuencial existe un paso más, una tercera opción. El
investigador puede aceptar la hipótesis nula, aceptar su hipótesis alternativa o seleccionar
otro grupo de sujetos y llevar a cabo el experimento nuevamente.
Esto significa que el investigador puede obtener un número ilimitado de sujetos antes de
tomar una decisión final sobre si acepta la hipótesis nula o la alternativa.
VENTAJAS DEL MUESTREO SECUENCIAL

 El investigador tiene una opción ilimitada con respecto al tamaño de la muestra y
al programa de muestreo. El tamaño de la muestra puede ser relativamente
pequeño o excesivamente grande dependiendo de la decisión del investigador. El
programa de muestreo también depende completamente del investigador, ya que
un segundo grupo de muestras sólo puede obtenerse luego de llevar a cabo el
experimento con el primer grupo.
 Como mencionamos anteriormente, esta técnica de muestreo permite que el
investigador ajuste sus métodos de investigación y análisis de resultados. Debido a
la naturaleza repetitiva de este método de muestreo, se pueden realizar pequeños
cambios y ajustes durante la parte inicial del estudio para corregir y perfeccionar el
método de investigación.
 Hay muy poco esfuerzo por parte del investigador en esta técnica de muestreo. No
es cara, no consume mucho tiempo ni necesita mucha mano de obra.
21
DESVENTAJAS DEL MUESTREO SECUENCIAL

 Este método de muestreo difícilmente sea representativo de toda la población. Su
única esperanza de lograr representatividad es cuando el investigador elige utilizar
una muestra lo suficientemente grande como para representar una gran fracción
de toda la población.
 La técnica de muestreo también difícilmente sea aleatoria. Esto contribuye al poco
grado de representatividad de la técnica de muestreo.
 Debido a las desventajas anteriormente mencionadas, los resultados de esta
técnica de muestreo no pueden ser utilizados para desarrollar conclusiones e
interpretaciones con respecto a toda la población.
MUESTREO POR CUOTAS
El muestreo por cuotas es una técnica de muestreo no probabilístico en donde la

muestra reunida tiene la misma proporción de individuos que toda la población
con respecto al fenómeno enfocado, las características o los rasgos conocidos.
Asimismo, el investigador debe asegurarse de que la composición de la muestra final que

será utilizada en el estudio cumpla los criterios de cuota de la investigación.
MUESTREO POR CUOTAS PASO A PASO

 El primer paso para el muestreo por cuotas no probabilístico es dividir a la
población en subgrupos exclusivos.
 Luego, el investigador debe identificar las proporciones de estos subgrupos en la
población. Esta misma proporción será aplicada al proceso de muestreo.
 Por último, el investigador selecciona sujetos de los diversos subgrupos teniendo
en cuenta las proporciones observadas en el paso anterior.
 El último paso asegura que la muestra sea representativa de toda la población.
También permite que el investigador estudie rasgos y características que se ven en
cada subgrupo.
EJEMPLO DE MUESTRAS POR CUOTAS

En un estudio en donde el investigador quiere comparar el rendimiento académico de los
diferentes niveles de clases del secundario, su relación con el género y la situación
socioeconómica, el investigador identifica primero los subgrupos.
Por lo general, los subgrupos son las características o variables del estudio. El investigador
divide a toda la población en niveles de clase, cruzados con el género y el nivel
21
socioeconómico. Luego, toma nota de las proporciones de estos subgrupos en toda la
población y a continuación hace un muestreo de cada subgrupo.
CUÁNDO UTILIZAR MUESTRAS POR CUOTAS

 La razón principal por la que los investigadores eligen muestras por cuotas es que
permiten que los investigadores hagan un muestreo de un subgrupo que es de
gran interés para el estudio. Si un estudio tiene como objetivo investigar una
característica o rasgo de un determinado subgrupo, ésta es la técnica ideal.
 El muestreo por cuotas también permite que los investigadores observen las
relaciones entre los subgrupos. En algunos estudios, los rasgos de un determinado
subgrupo interactúan con otros rasgos de otro subgrupo. En tales casos, también
es necesario que el investigador utilice este tipo de técnica de muestreo.
DESVENTAJAS DE LAS MUESTRAS POR CUOTAS

Puede parecer que esta técnica de muestreo es totalmente representativa de la
población. En algunos casos no es así. Debes tener en cuenta que se han tenido en cuenta
sólo los rasgos seleccionados de la población para formar los subgrupos.
En el proceso de muestreo de estos subgrupos, otros rasgos de la muestra pueden ser
representados de más. En un estudio que tiene en cuenta el género, el nivel
socioeconómico y la religión como base de los subgrupos, la muestra final puede tener
una representación sesgada de la edad, la raza, el nivel educativo alcanzado, el estado civil
y mucho más.
MUESTREO DISCRECIONAL
El muestreo discrecional es una técnica de muestreo no probabilístico donde el

investigador selecciona las unidades que serán muestra en base a su
conocimiento y juicio profesional.
Este tipo de técnica de muestreo también se conoce como muestreo intencional y

muestreo por juicio.
El muestreo discrecional se utiliza en los casos en que la especialidad de una autoridad
puede seleccionar una muestra más representativa que pueda arrojar resultados más
precisos que mediante otras técnicas de muestreo probabilístico. El proceso consiste en
elegir intencionalmente a dedo a los individuos de la población sobre la base del
conocimiento o juicio de la autoridad o investigador.
21
EJEMPLO DE MUESTREO DISCRECIONAL

En un estudio en donde un investigador quiere saber qué es necesario para graduarse con
los más altos honores en la universidad, las únicas personas que podrán brindarle el mejor
asesoramiento serán las personas que se graduaron con los más altos honores. Con este
grupo tan específico y limitado de personas que serán los sujetos, el investigador debe
utilizar el muestreo discrecional.
CUÁNDO UTILIZAR EL MUESTREO DISCRECIONAL

El diseño del muestreo discrecional generalmente se utiliza cuando un número limitado de
individuos posee el rasgo de interés. Es la única técnica de muestreo viable para obtener
información de un grupo muy específico de personas. También es posible utilizar el
muestreo discrecional si el investigador conoce a un profesional o autoridad fiable que él
cree que es capaz de reunir una muestra representativa.
OBSTÁCULOS DEL MUESTREO DISCRECIONAL

Las dos debilidades principales del muestreo discrecional se encuentran en la autoridad y
en el proceso de muestreo, ambos relacionados con la fiabilidad y el sesgo que
acompañan a la técnica de muestreo.
Desafortunadamente, generalmente no hay manera de evaluar la fiabilidad del experto o
de la autoridad. La mejor manera de evitar el error de muestreo presentada por el experto
es elegir la mejor autoridad y más experimentada en el campo de interés.
El proceso de muestreo generalmente estará sesgado, ya que no se utiliza
ninguna aleatorización para obtener la muestra. También vale la pena señalar que los
miembros de la población no tienen las mismas posibilidades de ser seleccionados.
MUESTREO DE BOLA DE NIEVE
El muestreo de bola de nieve es una técnica de muestreo no probabilístico

utilizada por los investigadores para identificar a los sujetos potenciales en
estudios en donde los sujetos son difíciles de encontrar.
Los investigadores utilizan este método de muestreo si la muestra para el estudio es muy
rara o si está limitada a un subgrupo muy pequeño de la población. Este tipo de técnica de
muestreo funciona en cadena. Luego de observar al primer sujeto, el investigador le pide
ayuda a él para identificar a otras personas que tengan un rasgo de interés similar.
El proceso de muestreo de bola de nieve es como pedirles a tus sujetos que designen a
otra persona con el mismo rasgo como el próximo sujeto. Luego, el investigador observa a
21
los sujetos designados y sigue de la misma manera hasta obtener el número suficiente de
sujetos.
Por ejemplo, para obtener sujetos para un estudio que quiere analizar una enfermedad
rara, el investigador puede elegir utilizar el muestreo de bola de nieve, ya que será difícil
obtener sujetos. También es posible que los pacientes con la misma enfermedad tengan
un grupo de apoyo, y si uno de sus miembros es tu primer sujeto, lo más probable es que
allí encuentres más sujetos para el estudio.
TIPOS DE MUESTREO DE BOLA DE NIEVE

 Muestreo De Bola De Nieve Lineal
 Muestreo De Bola De Nieve No Discriminatorio Exponencial
 Muestreo De Bola De Nieve Discriminatorio Exponencial
VENTAJAS DEL MUESTREO DE BOLA DE NIEVE
21
 El proceso en cadena permite que el investigador llegue a poblaciones que son
difíciles de probar cuando se utilizan otros métodos de muestreo.
 El proceso es barato, simple y rentable.
 Esta técnica de muestreo necesita poca planificación y menos mano de obra que
otras técnicas de muestreo.
DESVENTAJAS DEL MUESTREO DE BOLA DE NIEVE

 El investigador tiene poco control sobre el método de muestreo. Los sujetos que el
investigador puede obtener se basan principalmente en los sujetos observados
anteriormente.
 La representatividad de la muestra no está garantizada. El investigador no tiene ni
idea de la verdadera distribución de la población ni de la muestra.
 El sesgo de muestreo es también un miedo de los investigadores cuando se utiliza
esta técnica. Los primeros sujetos tienden a designar a personas que conocen bien.
Como consecuencia, es muy posible que los sujetos compartan los mismos rasgos y
características y, por lo tanto, la muestra que obtenga el investigador será sólo un
pequeño subgrupo de toda la población.
21

MUESTREO

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

MUESTREO

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA

Este trabajo se lo dedicamos a Dios porque

¿QUÉ ES EL MUESTREO? …………………………………………………………………………………………… 4

experimento para probar los efectos de una nueva

Un grupo de investigación que realice un muestreo de la diversidad de flores en la sabana

¿CUÁNTOS SUJETOS NECESITARÉ PARA LOGRAR UN ESTUDIO VIABLE Y CÓMO

VENTAJAS DEL MUESTREO

DESVENTAJAS DEL MUESTREO

SELECCIÓN DE GRUPOS DE MUESTRA Y EXTRAPOLACIÓN DE RESULTADOS

 Idealmente, tomará una muestra representativa de toda la población y

 Pero esto no siempre es posible. En estos casos, se deberá asignar la

En las estadísticas, un grupo de muestra puede ser definido como un subconjunto

Idealmente, se trata de una población en riesgo. La "población de estudio" es la población

Marco De Muestreo > Unidad De Muestreo > Fracción De Muestreo

Todas las preguntas de investigación abordan temas que son de gran

La población de la investigación es generalmente una gran colección de individuos u

RELACIÓN DE LA MUESTRA Y LA POBLACIÓN EN LA INVESTIGACIÓN

DOS TIPOS DE POBLACIÓN EN LA INVESTIGACIÓN

El tamaño de la muestra de una muestra estadística es el número de

El tamaño de la muestra normalmente es representado por "n" y siempre es un número

¿CUÁL DEBE SER EL TAMAÑO DE LA MUESTRA?

La aleatoriedad es un método de muestreo utilizado en los experimentos

En la investigación médica, la aleatoriedad y el control de pruebas son utilizados para

¿CÓMO FUNCIONA REALMENTE LA ALEATORIEDAD?

CEGAMIENTO: Una herramienta excelente para eliminar el sesgo en las

En el muestreo por conglomerados, en lugar de seleccionar a todos los sujetos de

En primer lugar, el investigador selecciona grupos o conglomerados y de cada grupo

 Puede dividir a toda la población (población de España) en diferentes

TIPOS DE MUESTRA POR CONGLOMERADOS

 Muestra Por Conglomerados En Dos Etapas

MUESTREO POR CONGLOMERADOS Y MUESTREO ESTRATIFICADO:

VENTAJAS Y DESVENTAJAS DEL MUESTREO POR CONGLOMERADOS

TÉCNICAS DE MUESTREO ESTADÍSTICO

Este proceso se lleva a cabo cuando los investigadores intentan sacar conclusiones para

PREOCUPACIONES EN EL MUESTREO ESTADÍSTICO

Las distribuciones de muestreo constituyen una pieza importante de estudio por

En palabras más simples, supongamos que de una determinada población tomas todas las

DISTRIBUCIÓN DE MUESTREO DE LA MEDIA Y LA DESVIACIÓN ESTÁNDAR

El error de muestreo es la desviación de la muestra seleccionada de las

¿POR QUÉ SUCEDE ESTE ERROR?

TAMAÑO DE LA MUESTRA Y ERROR DE MUESTREO

DESVIACIÓN ESTÁNDAR Y ERROR DE MUESTREO

FORMAS DE ELIMINAR EL ERROR DE MUESTREO

ERROR DE MUESTREO ALEATORIO

MARGEN DE ERROR: UNA IMAGEN INCORRECTA

EL PROBLEMA DEL ERROR DE MUESTREO ALEATORIO

Por ejemplo, una empresa de sondeo de opinión que realiza encuestas

ERROR DE MUESTREO ALEATORIO Y DISEÑO EXPERIMENTAL

El muestreo probabilístico es una técnica de muestreo en virtud de la cual las

TIPOS DE MUESTREO PROBABILÍSTICO

 Muestreo Aleatorio Estratificado

 Muestreo Aleatorio Sistemático

 Muestreo Aleatorio Por Conglomerados

 En el muestreo por conglomerados, la investigación identifica primero las

 Muestreo Aleatorio Mixto/Por Etapas Múltiples

El muestreo aleatorio constituye una de las clases más populares de muestreo

En esta técnica, cada miembro de la población tiene la misma probabilidad de ser

VENTAJAS DEL MUESTREO ALEATORIO SIMPLE

DESVENTAJAS DEL MUESTREO ALEATORIO SIMPLE

MÉTODO DE MUESTREO ESTRATIFICADO

El muestreo estratificado es una técnica de muestreo probabilístico en donde el

MUESTREO ALEATORIO ESTRATIFICADO: USOS

MUESTREO ESTRATIFICADO: TIPOS