COLEGIO DE ESTUDIOS CIENTÍFICOS Y

TECNOLÓGICOS DEL ESTADO DE CAMPECHE

PLANTEL PALIZADA
CICLO ESCOLAR 2020-2021
SEMESTRE SEPTIEMBRE 2020- ENERO
2021
MODULO III: PROCESA ALIMENTOS
CÁRNICOS CON CALIDAD E INOCUIDAD

SUBMODULO II: REALIZA LOS PROCESOS DE

CECYTEC. TRANSFORMACIÓN DE DIFERENTES
PRODUCTOS CÁRNICOS

RESUMEN

NOMBRE DEL DOCENTE:

JORGE ALBERTO GOBEA HERNANDEZ

NOMBRE DEL ALUMNO (A):

GUADALUPE YUDITH ORTEGA BENITO

ESPECIALIDAD:
PRODUCCION INDUSTRIAL DE ALIMENTOS

SEMESTRE: 4
 El muestreo
El muestreo es el proceso de seleccionar un conjunto de individuos de una población con
el fin de estudiarlos y poder caracterizar el total de la población.
La idea es bastante simple. Imagina que queremos saber algo de un universo o población,
por ejemplo, qué porcentaje de los habitantes de México fuma habitualmente. Una forma
de obtener este dato sería contactar con todos los habitantes de México (122 millones de
personas) y preguntarles si fuman. La otra forma sería seleccionar un subconjunto de
individuos (por ejemplo, 1.000 personas), preguntarles si fuman y usar esta información
como una aproximación de la información buscada. Pues bien, este grupo de 1.000
personas que me permiten conocer mejor cómo se comportan el total de mexicanos es
una muestra, y la forma en que los seleccionamos es la técnica de muestreo.
En la definición anterior hemos introducido dos términos fundamentales a lo largo de esta
serie de posts:
1)  Universo o población: Es el total de individuos que deseo estudiar o caracterizar. En el
ejemplo anterior, el universo lo forman los habitantes de México, pero podemos pensar en
todo tipo de universos, más generales o más concretos. Por ejemplo, si quiero saber
cuánto fuman de media los fumadores de México, el universo en este caso sería "los
fumadores de México".
2)  Muestra: Es el conjunto de individuos del universo que selecciono para estudiarlos, por
ejemplo, a través de una encuesta. 

¿Por qué funciona el muestreo?

El muestreo es útil gracias a que podemos acompañarlo de un proceso inverso, que
llamamos generalización de resultados. Es decir, para conocer un universo lo que
hacemos es:
1)  Extraer una muestra del mismo.
2) Medir un dato u opinión.
3) Proyectar en el universo el resultado observado en la muestra.
La generalización de resultados añade cierto error al dato que medimos. Imagina que
tomamos una muestra al azar de 1.000 personas de México y les preguntamos si fuman.
Obtengo que el 25% de la muestra fuma. La simple lógica nos dice que si de 1.000
mexicanos elegidos al azar el 25% fuma, este dato debería ser indicativo de lo que
obtendríamos si preguntásemos a los 122 millones de mexicanos. Ahora bien, el azar
podría haber hecho que haya escogido para mi muestra más fumadores de lo que
correspondería a la proporción exacta que hay en el universo o, por el contrario, que en
mi muestra los fumadores estén algo infrarrepresentados. El azar podría hacer que el
porcentaje de fumadores en la población fuese algo diferente del 25% que hemos
observado en la muestra (tal vez un 25,2%, por ejemplo). Por lo tanto, la generalización
de resultados de una muestra a un universo conlleva aceptar que cometemos cierto error,
tal y como ilustra el siguiente esquema.
 Afortunadamente, el error cometido al generalizar resultados puede acotarse gracias a la
estadística. Para ello suelen usarse dos parámetros: el margen de error, que es la
máxima diferencia que esperamos que haya entre el dato observado en mi muestra y el
dato real en el universo, y el nivel de confianza, que es el nivel de certeza que tenemos de
que el dato real esté dentro del margen de error.
Por ejemplo, en nuestro caso de fumadores mexicanos, si selecciono una muestra de 471
individuos y les pregunto si fuman, el resultado que obtenga tendrá un margen de error
máximo de ±5% con un nivel de confianza del 97%. Esta forma de expresar los resultados
es la correcta cuando usamos muestreo.

La muestra aleatoria simple: definición y alternativas

La técnica más simple de muestreo, a partir de la cual se desarrollan en resto de técnicas,
es el muestreo aleatorio simple. Una muestra aleatoria simple es aquella en la que se
seleccionan individuos del universo de forma totalmente aleatoria. Esto implica que todos
los individuos deben tener idéntica probabilidad (no nula) de ser seleccionados para la
muestra.
Pero una cosa es la teoría y otra la práctica. Sólo en entornos muy controlados es posible
hacer muestras aleatorias. Por otra parte, cuando tenemos universos compuestos por
grupos homogéneos (entre sí) de personas, podemos aprovechar esta agrupación para
mejorar la precisión de la muestra (o reducir el tamaño de la misma).