ESCENARIO 1

Diseños de Muestreo:

Diseños muestrales:

El objetivo fundamental de la estadística inferencial es trabajar con base en muestras, en el cual

los resultados se generalizan o infieren a una población; el proceso por el que generamos las
muestras se denomina muestreo; por lo tanto, una muestra es una parte de la población que debe
ser lo más representativa posible de esta; así, los diseños de muestreo permiten generar muestras
lo más representativas posibles y se determinan de acuerdo con las características del estudio o de
la investigación.

• Población: se refiere a un conjunto de medidas o recuentos posibles de todas las unidades que
tienen una o varias características en común. La población puede ser finita o infinita según el
número de unidades o elementos que la constituyen. Asimismo, la población debe estar
perfectamente definida en el tiempo y en el espacio. Por lo tanto, se debe cuidar que el conjunto
de elementos que la integran quede delimitado. Por ejemplo, para hacer un análisis de las
pequeñas empresas, se debe especificar cuáles son y en qué período de tiempo se analizan
(pequeñas empresas de la capital del país, en el año 2018).

• Parámetro: se relaciona con un número determinado que describe un aspecto de la población;

para determinar su valor es necesario utilizar la información poblacional completa. Por ejemplo:
para determinar si son los hombres o las mujeres los que tienen más aptitud para desempeñar un
cargo en una empresa, es necesario conocer el puntaje promedio de una prueba de aptitud, o si se
quiere determinar el porcentaje de productos defectuosos en la producción diaria en una
empresa, se debe conocer el porcentaje de productos que no cumplen con las especificaciones en
toda la producción del día; entonces, el promedio del puntaje y la porcentaje de productos
defectuosos de los ejemplos mencionados serían los parámetros a seguir.

• Muestra: se trata de un subconjunto de la población que ha sido seleccionado con una técnica
llamada "diseño de muestreo"; se debe garantizar que la muestra sea representativa de la
población, es decir, que las unidades sean seleccionadas aleatoriamente, de tal forma, que cada
una de ellas tenga la misma probabilidad de ser seleccionada.

• Estadística o estadígrafo: se refiere a un número determinado que describe un aspecto de la

muestra; para encontrar su valor es necesario utilizar la información muestral. En los ejemplos
enunciados anteriormente (definición de parámetros), los estadísticos o estadígrafos
corresponderían al puntaje medio obtenido en la prueba de aptitud en la muestra seleccionada de
hombres y mujeres y al porcentaje de productos defectuosos en la muestra seleccionada de la
producción diaria.

• Censo: técnica para obtener los datos por medio de la cual se cuentan todos los elementos que
conforman la población y se registran sus características.

Tipos de errores en el muestreo:

El objetivo de la estadística inferencial es estimar los parámetros de la población a través de los
datos obtenidos en la muestra, la diferencia que se encuentra entre el valor del parámetro de la
población y el valor de la muestra se conoce como error y puede deberse a errores muestrales o
no muestrales.

Errores no muestrales:

El requisito fundamental de una muestra es que sea representativa de la población que se trata de
describir. Hay, por supuesto, muchas formas de obtener una muestra poco confiable. Una falla en
la representatividad ocurre cuando, por desconocimiento o en forma inadvertida, se toma una
muestra de una población equivocada. Muchas veces hemos escuchado encuestas que presentan
a un candidato como posible ganador en elecciones presidenciales; esta información ha sido
recogida a través de una muestra conformada por habitantes de las clases media y alta de las
grandes capitales del país, pero en los resultados, se evidenció que dicho candidato obtuvo el
apoyo de las clases con menos ingresos, cuyas opciones no se reflejaron en la encuesta. Otra
fuente de error en el muestreo, especialmente en las encuestas de opinión pública, son las
respuestas sesgadas, ocasionadas por cuestionarios mal redactados o mal elaborados que dan
lugar a respuestas que no reflejan las verdaderas opiniones.

Estos tipos de errores se llaman errores no muestrales en los que se incluyen todo tipo de "errores
humanos" tales como, errores en la recolección, en el análisis o publicación de datos, en un
instrumento de medición mal calibrado o en un registro del dato mal escrito.

Errores muestrales:

Por otra parte, aun cuando se trate de muestras bien diseñadas y seleccionadas, habrá casos en
donde la muestra no representa de forma adecuada a la población de estudio, simplemente
porque solo representa una parte de esa población. En tales casos, la información contenida en la
muestra puede dar inferencias incorrectas acerca de la población, es decir, puede cometerse un
error al estimar las características de la población sobre la base de la información muestral. Los
errores de esta naturaleza, que representan las diferencias que pueden existir entre un estadístico
muestral y el parámetro poblacional que se está estimando, reciben el nombre de errores
muestrales.

Un objetivo fundamental del diseño de muestreo consiste en minimizar tanto los errores
muestrales como los no muestrales. Los errores son costosos, no solo en términos del tiempo y del
dinero invertido en la recolección de las muestras, sino también en términos de la pérdida
potencial que podría provenir de una decisión errónea tomada a partir de una inferencia errónea
basada en esos datos, es por esto que trataremos el problema de determinar el diseño de
muestreo que minimice con mayor efectividad los errores.

Tipos de muestreo
Se dispone de dos métodos para seleccionar muestras de poblaciones: el muestreo no aleatorio o
de juicio y el muestreo aleatorio o probabilístico.

Muestreo no aleatorio

En el muestreo no aleatorio o de juicio, se usa el conocimiento y la opinión personal para

identificar los elementos de la población que van a incluirse en la muestra. Una muestra
seleccionada por muestreo de juicio se basa en el conocimiento de la población por parte de
alguien; en ocasiones, este muestreo sirve como muestra piloto para decidir cómo seleccionar
después una muestra aleatoria. Dentro de los muestreos no aleatorios tenemos:

• Muestreo por cuotas: se seleccionan elementos de la población hasta cumplir la cuota

establecida, de tal forma que guarde la misma proporción de la población con respecto a la
característica de interés. Por ejemplo, si se sabe que en una población hay un 60% de mujeres y un
40% de hombres y se selecciona una muestra de 100 personas, esta muestra estará conformada
por 60 mujeres y 40 hombres.

• Muestreo por conveniencia: se refiere a la muestra que está disponible en tiempo o el momento
del estudio o la investigación. Por ejemplo, los estudiantes de una clase son seleccionados para
conocer la opinión de los estudiantes de la universidad sobre el servicio de biblioteca.

• Bola de nieve: permite ubicar algunos individuos que pueden ayudar a llegar a otros, luego,
estos a otros hasta obtener una muestra suficiente, se puede pensar en usar la red social de unos
individuos iniciales para que accedan a un colectivo.

Muestreo probabilístico:

En una muestra aleatoria o probabilística, sabemos las posibilidades existentes de que un

elemento de la población figure o no en la muestra. Por eso, se pueden evaluar objetivamente las
estimaciones de las características de la población que resultan de la muestra, es decir, se puede
describir matemáticamente la objetividad de las estimaciones. Se comenzará la explicación de este
proceso describiendo cuatro métodos de muestreo aleatorio:

• Muestreo aleatorio simple

• Muestreo estratificado

• Muestreo sistemático

• Muestreo por conglomerados

Muestreo aleatorio simple:

Una muestra aleatoria simple es aquella en la cual todos los elementos de la población a
muestrear tienen la misma probabilidad de ser seleccionados. Se puede realizar con
reemplazamiento, cuando una unidad de muestreo es extraída de una población finita y después
de registrar sus características se devuelve a dicha población antes de extraer la siguiente unidad.
Si esto no se hace, es decir, una vez seleccionada la unidad, esta no se regresa a la población, se
dice que el muestreo es sin reemplazo. Tengamos en cuenta, que si en una población finita, el
muestreo se hace con reemplazamiento, esta se vuelve una población infinita. La práctica usual
para muestrear poblaciones finitas es muestrear sin reemplazo, es decir, con un elemento
seleccionado que será elegido solo una vez.

En el muestreo aleatorio simple, las unidades de muestreo se eligen individualmente y

directamente por medio de un proceso aleatorio (por medio de las tablas de números aleatorios).

lección del muestreo aleatorio simple

El principal requisito para la aplicación de este muestreo es que cada elemento de la población sea
identificable en forma clara y sin ambigüedades, de tal forma que se pueda obtener una lista que
permita identificar de manera única cada elemento. Cuando ya se dispone de esta información y
está completa, pueden numerarse secuencialmente todas las unidades de la lista y puede elegirse
una muestra aplicando un proceso de selección por medio de una tabla de números aleatorios. Se
deben tener tantos números diferentes de esta tabla como los casos que se desean para la
muestra, excluyendo los números que están fuera de la secuencia numérica correspondientes a la
población. Se seleccionan aquellos elementos que correspondan a los números aleatorios que se
obtuvieron.

Este procedimiento se muestra con el siguiente ejemplo: Suponga una población hipotética de 15
trabajadores y su tiempo (en minutos) en la realización de un proceso, cuyos datos se observan en
la tabla 1.
Con el objeto de seleccionar una muestra aleatoria de 5 trabajadores, se procede de la siguiente
forma:

1. Se hace una enumeración de cada uno de los elementos de la población, en este caso de cada
trabajador.

2. Para la selección de los elementos que van a conformar la muestra, se utiliza la generación de
números aleatorios de Excel.

Para esto, se elige la función fx y aleatorio entre:

Aquí se genera el primer número aleatorio y el resultado se extiende hasta obtener los cinco
números generados:

De esta forma, la muestra seleccionada corresponde a los números aleatorios seleccionados que
aparecen resaltados en la tabla 2 con color rojo.

» Muestreo estratificado:

Este es un segundo tipo de diseño de muestreo que frecuentemente proporciona una cantidad de
información a menor costo que el muestreo aleatorio simple. Este diseño se recomienda cuando la
población la conforma un conjunto de grupos heterogéneos (distintos). El proceso de
estratificación requiere que la población se divida en grupos o estratos con elementos que son
homogéneos dentro de los estratos, donde cada elemento tiene una característica tal que no le
permite pertenecer a otro estrato.

Un ejemplo de estratificación es la que encontramos en la clasificación para el cobro de los

servicios públicos, estratos 1,2,3,4,5,6. Para la selección de una muestra estratificada, se usa el
procedimiento de muestreo proporcional, en el que se divide el tamaño de la muestra en forma
proporcional al tamaño de los estratos.

El primer paso en la selección consiste en la especificación clara de cada estrato, asociando a cada
elemento de la población uno y solo un estrato. Una vez especificados los estratos, se puede
seleccionar una muestra aleatoria en cada estrato. En el muestreo proporcional, el tamaño de la
muestra n se divide en un tamaño de muestra para cada uno de los estratos de manera que n =
n1+ n2 +…+ nk con cada ni determinada por la siguiente fórmula:
Donde Ni es el tamaño del estrato i

N1+N2+……+ Nk = N

Donde N es el tamaño de la población. Ejemplo Suponga que la población de los tiempos de los
trabajadores está conformada por los siguientes valores:

Muestreo sistemático

El muestreo sistemático o en serie se usa frecuentemente por ser simple, directo y económico.
Consiste en seleccionar uno a uno, los elementos de la muestra en un orden determinado, con un
comienzo aleatorio.

La fracción (F) de muestreo se establece con la relación:

Suponga que N= 1000 y n = 100, entonces, la fracción de muestreo es:

El primer elemento se selecciona aleatoriamente en el intervalo 0 a 10; por ejemplo, resultó
seleccionado el número 5, el segundo elemento que se seleccionará será 15, luego 25 y así
sucesivamente, ya que la fracción de muestreo es 10.

Muestreo por conglomerados

El muestreo por conglomerados se refiere al procedimiento de dividir la población en grupos, de

tal forma que los elementos de cada conglomerado sean lo más heterogéneos posible, mientras
que entre conglomerados haya mayor homogeneidad; contrario al proceso del muestreo
estratificado. En general, en el muestreo por conglomerados se obtendrán los resultados más
exactos, cuando cada conglomerado tenga la mezcla más variada posible y al mismo tiempo se
asemejen lo más posible entre sí.

Un ejemplo del muestreo por conglomerados se presenta cuando se quiere medir el rendimiento
académico de los universitarios en Colombia. En este caso, cada universidad se puede considerar
como un conglomerado en donde las características son heterogéneas dentro del conglomerado,
es decir, encontramos estudiantes con rendimiento alto, medio y bajo; así también, entre
conglomerados se encuentran condiciones homogéneas o similares para ser comparables. De cada
universidad se selecciona un grupo de estudiantes hasta conformar la muestra definitiva.