Muestreo probabilístico Este muestreo garantiza que, a la larga, las muestras que se van

obteniendo de la población sean representativas de la misma. Vamos a ver varios tipos

de muestreo probabilístico. Muestreo aleatorio simple Muestreo estratificado Muestreo
por conglomerados Muestreo por etapas (o polietápico) Muestreo sistemático (?)

Muestreo probabilístico 1. Muestreo aleatorio simple Es aquel en el que, a priori, todos

los elementos de la muestra tienen la misma probabilidad de aparición. Supongamos
que tengamos una población de 50.000 individuos, y que tenemos un listado con sus
nombres. Si queremos elegir 100 personas, lo que necesitamos es que el ordenador elija
al azar a 100 individuos de esos 50.000.
Muestreo probabilístico 2. Muestreo estratificado En el muestreo estratificado, los
investigadores han de dividir a los sujetos en diferentes subpoblaciones (o estratos),
en función de cierta característica relevante, y después lo que hacen es un muestro
aleatorio simple de cada estrato. Evidentemente, cada individuo debe pertenecer a un
estrato (y solo uno), y cada individuo del estrato habrá de tener la misma probabilidad
de ser escogido como parte de la muestra. Ejemplo: Supongamos que, en Valencia, 70%
de los niños de primaria van a escuela pública y el 30% a concertada. Si queremos
1,000 niños, lo que haremos es dividir los alumnos en 2 estratos (pública y concertada)
y se eligen aleatoriamente 700 niños de la pública y aleatoriamente 300 de la
concertada.
Muestreo probabilístico 3. Muestreo por conglomerados En el muestreo por
conglomerados, en lugar de considerar cada elemento de la población, lo que
consideramos son “conglomerados de elementos”. El proceso es elegir aleatoriamente
uno o varios conglomerados y la muestra estará formada por TODOS los elementos de
los conglomerados. Ejemplos: -En las encuestas durante las elecciones, los
conglomerados pueden ser las mesas electorales, y lo que se hace es escoger algunas
mesas al azar (y de ahí se toman todos los votos de las mesas seleccionadas). -En otros
ejemplos, los conglomerados pueden ser los bloques de viviendas, los municipios, etc.
Muestreo probabilístico 4. Muestreo por etapas En este caso se combina el muestreo
aleatorio simple con el muestreo por conglomerados: Primero se realiza un muestreo
por conglomerados (v.g., si los conglomerados son colegios en Valencia, se seleccionan
aleatoriamente varios de ellos). Segundo, no se eligen todos los alumnos (como
ocurriría en un muestro por conglomerados), sino que se elige una muestra aleatoria.
(Dicha muestra puede ser obtenida por muestreo aleatorio simple o puede ser
estratificado.) Es decir, hemos tenido 2 etapas de muestreo. Y claro está, es posible
tener más de 2 etapas...
Muestreo probabilístico 5. Muestreo aleatorio sistemático Supongamos que tengamos
una lista de N elementos (e.g., estudiantes de secundaria) y queramos una muestra de
tamaño “n”. En este caso, lo que se hace es ordenarlos (v.g., en función de los apellidos)
y después se elige aleatoriamente un elemento entre los N/n=k primeros, y luego se
elige de manera sistemática el que esté k lugares después del primer elemento, y así
sucesivamente. Ejemplo: Tenemos 10000 estudiantes (en una lista) y queremos
obtener una muestra de 100 estudiantes. Primero elegimos al azar un estudiante entre
los 10000/100=100 primeros (supongamos que salga el 26), el segundo elemento será
el estudiante 100+26 (126), el siguiente será el 226, luego el 326, etc.
Muestreo no probabilístico 1. Muestreo sin norma (o de conveniencia) Se elige a una
muestra por ser conveniente, fácil, económica. Pero no se hace en base a un criterio de
aleatoridad. Ejemplo: las encuestas en los periódicos electrónicos; el muestreo habitual
en los trabajos en psicología. 2. Muestreo intencional En este caso, si bien el muestreo
no es probabilístico, los investigadores procuran que se garantice la representatividad
de la muestra
Distribución muestral de un estadístico Supongamos que tenemos una variable
aleatoria, cuya distribución es f(x) Supongamos, por simplicidad, que obtenemos una
muestra aleatoria simple con tamaño n X1, X2, ... Xn Entonces, un estadístico es
cualquier función h definida sobre X1, X2, ... Xn y que no incluye parámetro
desconocido alguno: Y=h(X1, X2, ... Xn) La distribución de dicho estadístico Y la vamos
a denominar g(y)
Distribución muestral de un estadístico Observad: f(x) es la distribución de la v.a. bajo
estudio g(y) es la distribución del estadístico que tenemos Es vital conocer la
distribución muestral del estadístico de interés para poder efectuar inferencias sobre el
parámetro correspondiente. Esto es, para efectuar inferencias sobre la media
poblacional m, necesitamos conocer la distribución muestral de
Distribución muestral de la media Veremos primero el caso de que la distribución
subyacente sea normal, con media y varianza La media de la distribución muestral de
medias es La varianza de la distribución muestral de medias es La forma de la
distribución muestral de la media es normal. Nota: La desviación típica de la
distribución muestral suele ser denominada: error típico de tal estadístico (v.g., “error
típico de la media”, etc.)
Distribución muestral de la media. Ejemplo 1 Distribución poblacional subyacente
(dist. Normal): Media=100 (Varianza=225) Desv.Típica=15 Distribución muestral de la
media: Tamaño muestral=10 Media=100 (Varianza=225/10=22.5) Desv.típica= La
línea (en este y sucesivos ejemplos) es una curva normal En este y sucesivos gráficos:
Número de réplicas