Una de las áreas de la actividad humana en la que la aplicación de técnicas

estadísticas ha tenido gran difusión y al mismo tiempo un enorme éxito, es en

la de aquellos aspectos que se relacionan con el control de calidad de
producción de bienes y suministro de servicios. En los años 80 la aplicación de
la filosofía y técnicas del control de calidad en la producción supuso un
enfoque revolucionario y tremendamente competitivo, que fue aprovechado
sobre todo por la industria japonesa para colocarse a la cabeza del mercado
mundial, lo que resulta curioso, siendo americanos los "padres" del control de
calidad, puesto que la industria americana sólo se subió al carro del control de
calidad una vez que la presión ejercida en el mercado por la superioridad de
los productos japoneses les obligó a considerar las bondades de la nueva
filosofía, en la que la calidad constituye un concepto global que no sólo se
aplica al producto sino a todo el proceso de fabricación, incluyendo el control
de costes, precios y beneficios, gestión de los suministros y plazos de entrega.

Tomado de:

Una vez recogida la información de las muestras, esta se debe tabular y

agrupar para su posterior análisis estadístico.
Cuando la muestra consta de 30 o más datos, lo aconsejable es agrupar los
datos en clases y a partir de estas determinar las características de la muestra
y por consiguiente las de la población de donde fue tomada.

Antes de pasar a definir cuál es la manera de determinar las características de

interés (media, mediana, moda, etc.) cuando se han agrupado en clases los
datos de la muestra, es necesario que sepamos como se agrupan los datos.

3.1. Pasos para agrupar datos.

Determinar el rango o recorrido de los datos.

Rango = Valor mayor – Valor menor

Establecer el número de clases (k) en que se van a agrupar los datos tomando como
base para esto la siguiente tabla.

Tamaño de muestra o No. De Número de

datos clases
Menos de 50 5a7
50 a 99 6 a 10
100 a 250 7 a 12
250 en adelante 10 a 20

El uso de esta tabla es uno de los criterios que se puede tomar en cuenta para
establecer el número de clases en las que se van a agrupar los datos; existen
otros para hacerlo.

Determinar la amplitud de clase para agrupar (C).

Formar clases y agrupar datos.

Para formar la primera clase, se pone como límite inferior de la primera clase
un valor un poco menor que el dato menor encontrado en la muestra y
posteriormente se suma a este valor C, obteniendo de esta manera el límite
superior de la primera clase, luego se procede a obtener los límites de la clase
siguiente y así sucesivamente.

Muestreo probabilístico

Forman parte de este tipo de muestreo todos aquellos métodos para los que
puede calcularse la probabilidad de extracción de cualquiera de las muestras
posibles. Este conjunto de técnicas de muestreo es el más aconsejable,
aunque en ocasiones no es posible optar por él. En este caso se habla de
muestras probabilísticas, pues no es razonable hablar de muestras
representativas dado que no conocemos las características de la población.

El muestreo

aleatorio simple puede ser de dos tipos:

Sin reposición de los elementos cada elemento extraído se descarta para la

subsiguiente extracción. Por ejemplo, si se extrae una muestra de una
"población" de bombillas para estimar la vida media de las bombillas que la
integran, no será posible medir más que una vez la bombilla seleccionada.

Con reposición de los elementos las observaciones se realizan con

reemplazamiento de los individuos, de forma que la población es idéntica en
todas las extracciones. En poblaciones muy grandes, la probabilidad de repetir
una extracción es tan pequeña que el muestreo puede considerarse sin
reposición aunque, realmente, no lo sea.

Para realizar este tipo de muestreo, y en determinadas situaciones, es muy útil

la extracción de números aleatorios mediante ordenadores, calculadoras o
tablas construidas al efecto.

2.2. Muestreo estratificado

Consiste en la división previa de la población de estudio en grupos o clases

que se suponen homogéneos respecto a característica a estudiar. A cada uno
de estos estratos se le asignaría una cuota que determinaría el número de
miembros del mismo que compondrán la muestra.

Según la cantidad de elementos de la muestra que se han de elegir de cada

uno de los estratos, existen dos técnicas de muestreo estratificado:

 Asignación proporcional: el tamaño de cada estrato en la muestra es

proporcional a su tamaño en la población.
 Asignación óptima: la muestra recogerá más individuos de aquellos
estratos que tengan más variabilidad. Para ello es necesario un
conocimiento previo de la población.

Por ejemplo, para un estudio de opinión, puede resultar interesante estudiar

por separado las opiniones de hombres y mujeres pues se estima que, dentro
de cada uno de estos grupos, puede haber cierta homogeneidad. Así, si la
población está compuesta de un 55% de mujeres y un 45% de hombres, se
tomaría una muestra que contenga también esa misma proporción.

2.3. Muestreo sistemático

Se utiliza cuando el universo es de gran tamaño o ha de extenderse en el
tiempo. Primero hay que identificar las unidades y relacionarlas con el
calendario (cuando proceda). Luego hay que calcular una constante, que se
denomina coeficiente de elevación K= N/n; donde N es el tamaño del universo
y n el tamaño de la muestra. Determinar en qué fecha se producirá la primera
extracción, para ello hay que elegir al azar un número entre 1 y K; de ahí en
adelante tomar uno de cada K a intervalos regulares. Ocasionalmente, es
conveniente tener en cuenta la periodicidad del fenómeno.

2.4. Muestreo por conglomerados

Cuando la población se encuentra dividida, de manera natural, en grupos que

se suponen que contienen toda la variabilidad de la población, es decir, la
representan fielmente respecto a la característica a elegir, pueden
seleccionarse sólo algunos de estos grupos o conglomerados para la
realización del estudio.

Dentro de los grupos seleccionados se ubicarán las unidades elementales, por

ejemplo, las personas a encuestar, y podría aplicársele el instrumento de
medición a todas las unidades, es decir, los miembros del grupo, o sólo se le
podría aplicar a algunos de ellos, seleccionados al azar. Este método tiene la
ventaja de simplificar la recogida de información muestral.

Cuando, dentro de cada conglomerado, se extraen los individuos que formarán

parte de la muestra por muestreo aleatorio simple, el muestreo se llama
bietápico.

Las ideas de estratificación y conglomerados son opuestas. El primer método

funciona mejor cuanto más homogénea es la población respecto del estrato,
aunque más diferentes son éstos entre sí. En el segundo, ocurre lo contrario.
Los conglomerados deben presentar toda la variabilidad, aunque deben ser
muy parecidos entre sí.

2.5. Muestreo no probabilístico

Aquel para el que no puede calcularse la probabilidad de extracción de una

determinada muestra.

Hay tres tipos: de juicio, de cuota, de trozo.

En estadística un muestreo es la técnica para la selección de una muestra a

partir de una población.

La población (N), también llamada universo o colectivo es el conjunto de

elementos de referencia sobre el que se realizan las observaciones. En el caso
del Control de Calidad, suele considerarse la Población, como todo el conjunto
de artículos de un proceso de producción, de los cuales se toma un muestreo
de estudio. Ejemplo: la producción de tornillos durante una jornada de 8 horas.

El número de elementos o sujetos que componen una población estadística es

igual o mayor que el número de elementos que se obtienen de ella en una
muestra (n).

Existen distintos tipos de poblaciones que son:

 Población base: es el grupo de personas designadas por

características personales, geográficas o temporales, que son elegibles
para participar en el estudio.
 Población muestreada: es la población base con criterios de viabilidad
o posibilidad de realizarse el muestreo.
 Muestra estudiada: es el grupo de sujetos en el que se recogen los
datos y se realizan las observaciones, siendo realmente un subgrupo de
la población muestreada y accesible. El número de muestras que se
puede obtener de una población es una o mayor de una.
 Población diana: es el grupo de personas a la que va proyectado dicho
estudio, la clasificación característica de los mismos, lo cual lo hace
modelo de estudio para el proyecto establecido.

Al elegir una muestra, se espera que sus propiedades sean extrapolables a la

población. Este proceso permite ahorrar recursos, obteniendo resultados
parecidos que si se realizase un estudio de toda la población.

Cabe mencionar que para que el muestreo sea válido y se pueda realizar un
estudio fiable (que represente a la población), debe cumplir ciertos requisitos,
lo que lo convertiría en una muestra representativa.

En el muestreo, si el tamaño de la muestra es más pequeño que el tamaño de

la población, se puede extraer dos o más muestras de la misma población. Al
conjunto de muestras que se pueden obtener de la población se denomina
espacio muestral. La variable que asocia a cada muestra su probabilidad de
extracción, sigue la llamada distribución muestral.