Está en la página 1de 16

INSTITUTO TECNOLÓGICO

SUPERIOR DE MISANTLA

INGENIERÍA INDUSTRIAL

MATERIA:

CONTROL ESTADISTICO DE LA CALIDAD

DOCENTE:

M.I.I. CARLOS ANGEL VICENTE REDRIGUEZ

MUESTREOS ESTADISTICOS PARA LA


RECOLECCION DE DATOS

ALUMNO:
182T0058 LUCERO FALFAN DE LA CRUZ
LUNES, 12 DE OCTUBRE DEL 2020
Introducción
La recolección de datos es una necesidad para las grandes empresas, pequeños comerciantes,

analistas de investigación, jefes de producción, etc.  ya que estos reúnen y miden información de

forma organizada, una vez obtenida la información se someten muestras a un análisis especifico

y con la información obtenida se toman las decisiones más acertadas para ciertas acciones. Sin

embargo, si el muestreo que se utiliza es el incorrecto, la información que se obtenga del análisis

de las muestras va a ser errónea. La muestra debe lograr una representación adecuada de la

población, en la que se reproduzca de la mejor manera los rasgos esenciales de dicha población

que son importantes para la investigación, por ello en este trabajo se explica a cuatro técnicas de

muestreo que son muestreo aleatorio simple, muestreo sistemático, muestreo estratificado y

muestreo por conglomerados, el procedimiento que se lleva a cabo para cada uno, asi como los

requisitos que se necesitan para poder aplicarlos y un ejemplo. Al final se da una conclusión

acerca de la importancia de conocer la aplicación de las distintas técnicas de muestreo.


ÍNDICE

Técnicas de Muestreo...........................................................................................................1
Muestreo Aleatorio Simple (MAS)..................................................................................1
Muestreo Sistemático (MS).............................................................................................3
Muestreo Estratificado....................................................................................................5
Muestreo Conglomerados...............................................................................................9
Conclusión.........................................................................................................................11
Bibliografía........................................................................................................................12
1

Técnicas de Muestreo

Una muestra puede ser obtenida de dos tipos: probabilística y no probabilística. Las técnicas

de muestreo probabilísticas, permiten conocer la probabilidad que cada individuo a estudio tiene

de ser incluido en la muestra a través de una selección al azar. En cambio, en las técnicas de

muestreo de tipo no probabilísticas, la selección de los sujetos a estudio dependerá de ciertas

características, criterios, etc. que él investigador considere en ese momento; por lo que pueden

ser poco válidos y confiables o reproducibles; debido a que este tipo de muestras no se ajustan a

un fundamento probabilístico, es decir, no dan certeza que cada sujeto a estudio represente a la

población blanco. Este trabajo solo se enfoca en la muestra probabilística, las cuales son

muestreo aleatorio simple, muestreo sistemático, muestreo estratificado y muestreo por

conglomerados, a continuación, se describen a estos tipos de muestra, los requisitos que se deben

cumplir para su aplicación y el planteamiento de un ejercicio de ejemplo.

Muestreo Aleatorio Simple (MAS)

El muestreo aleatorio simple significa que cierta muestra dada de un tamaño muestral

específico tiene la misma probabilidad de ser seleccionada que cualquiera otra muestra del

mismo tamaño. El término tamaño muestral simplemente indica el número de elementos en la

muestra. Evidentemente, en muchos casos se puede utilizar una tabla de números aleatorios para

seleccionar la muestra. La ventaja del muestreo aleatorio simple radica en que ayuda a eliminar

el problema de tener una muestra que refleje una población diferente (quizá más restringida) de

aquella sobre la cual se necesitan realizar las inferencias.


2

Requisitos para el muestreo aleatorio simple

1. Todos los individuos de la población tienen la misma probabilidad de ser elegidos.

2. Todas las muestras del mismo tamaño son igualmente probables.

Pasos para el muestreo aleatorio simple

1. Definir la población, confeccionando una lista de todos los elementos o registros,

asignándoles números consecutivos desde 1 hasta “N”.

2. La unidad de estudio de la muestra debe ser la misma.

3. Definir el tamaño de la muestra.

4. Extraer al azar los elementos.

Ejemplo

Paso 1: Se define la población, en este caso es de 3000 unidades.

Paso 2: Se define la unidad de estudio, en este caso es el tiempo de secado (en horas) de cierta

marca de pintura.

Paso 3: Se define el tamaño de muestra, se desea extraer una muestra de 70 unidades.


3

Paso 4: Se extraen al azar los elementos.

Se registran las siguientes mediciones para el tiempo de secado (en horas) de cierta marca de

pintura esmaltada.

3.4 2.5 4.8 2.9 3.6 2.8 3.3 5.6 3.7 2.8
4.4 4.4 4.0 5.2 3.0 4.8 3.5 2.8 3.4 5.2
3.1 4.5 4.0 5.1 4.6 3.8 4.2 5.0 2.9 3.3
2.6 3.1 4.1 2.8 3.8 2.9 5.6 3.2 2.9 5.2
2.3 2.5 4.1 3.8 2.6 3.9 3.3 4.2 5.6 2.7
2.8 5.6 3.9 4.5 4.9 5.4 2.8 5.1 4.2 4.4
5.4 3.3 3.8 2.9 4.7 4.1 5.6 3.4 3.7 2.8

En este ejercicio se utilizó el muestreo aleatorio simple porque cualquier elemento tiene la

misma probabilidad de salir en el evento y las muestras del mismo tamaño son igualmente

probables.

Muestreo Sistemático (MS)

Se trata de una variante del MAS. Cuando el criterio de distribución de los sujetos a estudio

en una serie es tal, que los más similares tienden a estar más cercanos. Este tipo de muestreo

suele ser más preciso que el aleatorio simple, debido a que recorre la población de forma más

uniforme. Este procedimiento de muestreo se basa en tomar muestras de una manera directa y

ordenada a partir de una regla determinística.

Requisitos para el muestreo sistemático

 Que contenga una estructura definida para que el investigador comience a trabajar.

 Tener en cuenta cuantas personas de la población completa se van a elegir.


4

 La lista estará en un orden aleatorio con respecto al estudio variable o, mejor aún,

ordenados en función de la variable de interés o su correlación, creando así estratificación

implícita

Fórmula para el muestreo sistemático.

N
Muestra=r , r+ k , r +2 k ,r + 3 k , … ,r + ( n−1 ) k donde k =
n

(Si k no es entero se redondea)

donde para la muestra: donde para k:

r= arranque aleatorio k= tamaño de salto sistemático.

k= tamaño de salto sistemático. N= tamaño de población.

n= número de muestra n= tamaño de la muestra.

Pasos para el muestreo sistemático:

1. Conseguir un listado ordenado de los N elementos de la población.

2. Determinar el tamaño muestral n .

3. Definir el tamaño del salto sistemático k dado por k =N /n .

4. Elegir un número aleatorio r entre 1y k ¿). Este número permite obtener la primera unidad

muestral.

5. A partir de la posición r, dando un salto de k unidades, obtendremos la segunda unidad de

la muestra r + k y de esta forma, saltando de k en k unidades, el resto de la muestra estará

formada por las unidades r +2 k , r +3 k , … , r +(n−1) k


5
6

Ejemplo:

Consideramos una población de 500 agricultores de plátano orgánico pertenecientes a una

determinada zona y ordenados respecto de mayor a menor rendimiento promedio de producción,

se pretende extraer una muestra sistemática de 10 agricultores.

El procedimiento a seguir es el siguiente:

Definir el tamaño del salto sistemático k =500/10=50.

Selecciona un número aleatorio r entre 1 y 500, (por ejemplo 9).

Seleccionar los restantes elementos de la muestra,

9 , 9+50=59 ,59+ 50=109 , 159 ,209 , 259 ,309 , 359 , 409 , 459.

Se utilizó el muestreo sistemático porque los elementos están ordenados de acuerdo al

rendimiento promedio de producción permitiendo que el muestreo sistemático recorra a la

población de una forma uniforme, esto garantiza una selección perfecta equitativa de la

población

Muestreo Estratificado

Se determina los estratos que conforman la población blanca para seleccionar y extraer de

ellos la muestra (se define como estrato a los subgrupos de unidades de análisis que difieren en

las características que van a ser analizadas). La base de la estratificación se basa en variable

como edad, sexo, nivel socioeconómico, etc. Entonces, se divide la población compuesta por

“ N ” individuos, en “ L ” subpoblaciones o estratos, con base a variables importantes para la

conducción del estudio, y de tamaños respectivos N 1 , N 2 , N 3 ,… , N L; y realizando en cada una

de estos estratos, muestreos aleatorios simples de tamaño ni ; para finalmente definir cuantos
7

elementos de la muestra se han de seleccionar de cada uno de los estratos; para lo cual se

dispone de las siguientes opciones: asignación proporcional (el tamaño de la muestra de cada

estrato es proporcional al tamaño del estrato que le dio origen, respecto a la población total) y

asignación óptima (el tamaño de la muestra de cada estrato, son definidos por quien hace el

muestreo), este solo se hace cuando el tamaño de los estratos son muy similares ya que si esta

opción se aplica en estratos de diferentes tamaños, favorecerá a los estratos de menor tamaño y

perjudicará a los grandes en cuanto precisión.

Requisitos para el muestreo estratificado:

 Disponemos de una población dividida en L subpoblaciones (estratos) disjuntos.

 Los estratos deben ser independientes y mutuamente exclusivos del subconjunto de la

población. Cada elemento de la población debe estar en un sólo estrato.

 Las variables de estratificación deben estar relacionados con el propósito de estudio

Fórmula para el muestreo estratificado:

n∗N L
ni =
N

donde :

ni =Tamaño de la muestra en el estrato i

n=Tamaño de la muestra de población

N L=Tamaño del estrato i

N=Tamaño de la población
8

Pasos para el muestreo estratificado:

1. Determinar el número de elementos que constituirá la muestra (n)

2. Determinar los estratos que se harán según la variable que se esté estudiando.

3. Identificar el número de elementos de cada estrato y numerarlos.

4. Calcular el porcentaje que constituirá la muestra respecto de la población. Para esto

dividir el número de elementos de la muestra (n) entre el número de elementos de la población (

N). Esto es, si se tiene una muestra de tamaño n=180, tomada de una población de tamaño

N=1000, dicho porcentaje será el 18% puesto que:

180
=0.18 ó 18 %
1000

5. Calcular proporcionalmente el número de elementos que se seleccionarán de cada estrato

según el porcentaje determinado. Si uno de estos estratos tiene 200 unidades, 18 % equivale a

elementos (0.18 x 200=36) . La suma de todos los elementos de cada estrato debe ser igual al

tamaño de la muestra del paso 1.

6. Mediante un muestreo aleatorio simple, seleccionar de cada estrato las unidades

muéstrales hasta tener la cantidad definida de cada uno de ellos.


9

Ejemplo:

Las granjas de una cierta región se dividen en cuatro categorías según su superficie. El

número de granjas en cada categoría es 72, 37, 50 y 11. Un estudio para estimar el total de vacas

productoras de leche en la región produce una muestra estratificada de 28 granjas. El total de

vacas productoras de leche en estas 28 granjas viene dado en la siguiente tabla

Categoría Total de vacas

Categoría I 61 , 47 , 44 , 70 , 28 ,39 , 51 ,52 , 101 , 49 ,54 ,71

Categoría II 160 , 148 ,89 , 139 , 142, 93

Categoría III 26 ,19 , 21 ,34 ,28 , 15 , 20 ,24

Categoría IV 17 ,11

Estimar el total de vacas productoras de leche, así como el error estándar del estimador.

En este ejercicio se utilizó la estratificación para clasificar la categoría de las granjas de

acuerdo a su superficie ya que esta se relaciona con el número de vacas en una granja,

dividiendo las granjas en 4 categorías o estratos con tamaños N 1=72 , N 2=37 ,

N 3=50 y N 4 =11. De cada uno de los estratos se selecciona una muestra de tamaños

n1 =12, n2 =6, n3 =8 y n4=2respectivamente.


10

Muestreo Conglomerados

Consiste en elegir de forma aleatoria ciertos barrios o conglomerados dentro de una región,

ciudad, comuna, etc., para luego elegir unidades más pequeñas como cuadras, calles, etc. y

finalmente otras más pequeñas, como escuelas, consultorios, hogares (una vez elegido esta

unidad, se aplica el instrumento de medición a todos sus integrantes). Si se desea realizar un

estudio de prevalencia o una encuesta en habitantes de una localidad, el muestreo aleatorio

simple es complejo y de alto costo, ya que estudiar una muestra de tamaño “n”, supone enviar

encuestadores a “x” puntos diferentes de la misma; de tal forma que, en cada uno de estos

puntos, sólo se aplicará una encuesta. Por ello, es que en este tipo de casos se sugiere aplicar

muestreo por conglomerados, pues son más económicos y eficientes. En este tipo de muestreo,

los sujetos a estudio, se encuentran incluidos en lugares físicos o geográficos (conglomerados);

por ende, resulta imprescindible diferenciar entre sujetos a estudio (quiénes va a ser medidos) y

unidad muestral (conglomerado a través del cual se logra acceder a los sujetos a estudio).

Requisitos para el muestreo por conglomerados

 La variable de estudio debe permitir dividir a la población en conglomerados.

 Los conglomerados deben ser, en la medida de lo posible, lo más heterogéneos que se

pueda con el fin de representar a la población total.

Pasos para el muestreo conglomerado

1. Se inicia definiendo los conglomerados.

2. Después se seleccionan los conglomerados a estudiar mediante un MAS.

3. De estos seleccionados se procede a hacer el listado de elementos que integran cada

conglomerado.
11

4. Continuando con la selección de unidades que integraran la muestra mediante un MAS o

un muestreo sistemático.

Ejemplo:

Se desea establecer la prevalencia de cambios inflamatorios en biopsias hepáticas de

pacientes con colangitis aguda en la Región de la Araucanía. Un muestreo aleatorio por

conglomerados aplicaría de la siguiente forma: entre todos los sujetos con colangitis aguda de la

Región de la Araucanía, seleccionar en forma aleatoria aquellos provenientes de los hospitales

de Angol, Imperial y de la Clínica Alemana de Temuco, estos conglomerados representarán a

todos los centros sanitarios de esta región, por esta razon el muestreo por conglomerados se

aplicaría perfectamente además que los análisis serian precisos.


12

Conclusión
La información que se obtiene por medio de un muestreo es muy importante ya que en base a

esta se realizan análisis para entender el comportamiento de los datos y asi poder tomar

decisiones en base a estos. En situaciones donde el analista aplica un muestreo que no se adapta

a la situación, la información obtenida del análisis será errónea y por lo tanto las decisiones que

se tomen en base a esta serán las equivocadas. Por ello, es fundamental conocer los tipos de

muestreo que hay para asi aplicar el muestreo correspondiente en el estudio que se está

trabajando, permitiendo que la muestra obtenida represente a la población, esto nos permite que

los datos obtenidos de las muestras sean más precisos. Cuando los elementos tienen la misma

probabilidad de salir y las muestras son igualmente probables, el muestreo que se debe de

utilizar el Aleatorio Simple. Sí los elementos a analizar ya tienen una estructura definida, las

lista que contiene los datos esta de forma ordenada o aleatoria, el muestreo que se debe de

utilizar es el Sistemático ya que este muestreo recorre toda la población. Ahora si los datos se

pueden dividir en subgrupos, la variable que permite hacer los estratos debe de estar relacionada

con el propósito de estudio, en estos casos el mejor muestreo es el de Estratificado, ya que

estudia a cada muestra del estrato proporcionalmente con la población. Finalmente, sí la variable

de estudio permite dividir a la población en conglomerados, y estos son lo más heterogéneos

posible, entonces el muestreo que se debe de utilizar es el de Conglomerados ya que estos hacen

una buena representación de la población lo cual permite que la información que se obtenga a

partir de estos sea muy precisa.


13

Bibliografía

Manterola, T. O. (19 de Diciembre de 2016). Técnicas de Muestreo sobre una Población a

Estudio. Obtenido de Scielo: https://scielo.conicyt.cl/pdf/ijmorphol/v35n1/art37.pdf

RONALD E. WALPOLE, R. H. (2012). PROBABILIDAD Y ESTADISTICA PARA

INGENIERIA Y CIENCIA. MEXICO: PEARSON.

Vivanco, M. (2015). Muestreo estadístico diseño y aplicaciones. Santiago de Chile: Editorial

Universitaria.

También podría gustarte