Muestra probabilística estratificada

Es un subgrupo en el que la población se divide en segmentos y se selecciona una

muestra para cada segmento, ya que a veces es preciso comparar resultados entre
segmentos, grupos o nichos de la población, porque así lo señala el planteamiento
del problema. La estratificación aumenta la precisión de la muestra e implica el uso
deliberado de diferentes tamaños de muestra para cada estrato, a fin de lograr
reducir la varianza de cada unidad de la media muestral.

Para determinar el tamaño de la muestra para cada estrato, sencillamente se

obtiene el coeficiente de proporcionalidad (o coeficiente de reparto) que resulta al
dividir el tamaño de la muestra entre el tamaño de la población, y este se lo
multiplica por cada estrato de la población, para así obtener los diferentes estratos
de las muestras.

k = coeficiente de proporcionalidad = n / N

Para el caso del ejemplo anterior, las 1176 empresas industriales y comerciales
pertenecían a 10 rubros, distribuidas de la siguiente forma, que se muestran a
continuación con el cálculo del tamaño de la muestra de cada estrato:

Estrato Directores generales Población Coeficiente de Cálculo del

tamaño de
por rubro de empresas por rubro por rubro reparto k = n/N la muestra
por rubro

1 Extractivo y siderúrgico 53 298/1176 = 0,2534 53 x 0,2534

= 13

2 Metal mecánicas 109 Idem 109 x 0,2534 = 28

3 Alimen. bebidas y tabaco 215 Idem 215 x 0,2534 = 55

4 Papel y artes gráficas 87 Idem 87 x 0,2534 = 22

5 Textiles 98 Idem 98 x 0,2534 = 25

6 Eléctricas y electrónicas 110 Idem 110 x 0,2534 = 28

7 Automotriz 81 Idem 81 x 0,2535 = 20

8 Químico farmacéutica 221 Idem 221 x 0,2534 = 56

9 Otras empr. de transform. 151 Idem 151 x 0,2534 = 38

10 Comerciales 51 Idem 51 x 0,2534 = 13

N = 1176 n = 298

Ejercicio 2.- (Para resolver por los estudiantes)

Se realizará un estudio de investigación entre los estudiantes de nuestra Facultad,
de la UAGRM de esta ciudad, sobre ………………...(escoger el tema). Determinar el
tamaño de la muestra estratificada por facultades, si el error estándar no debe pasar
del 3%, y si la probabilidad de ocurrencia es del 80%

Muestreo probabilístico por racimos.

Cuando se quiere ahorrar recursos financieros en la investigación por tiempo,

distancias geográficas o una combinación de éstos y otros obstáculos, se recurre al
muestreo por racimos o clúster. En este muestreo se considera que las unidades de
análisis se encuentran encapsuladas en determinados lugares físicos o geográficos
a los que se denomina racimos, y de donde nos es más fácil llegar para obtener la
información que nos servirá para nuestro estudio.

Muestrear por racimos implica diferenciar entre la unidad de análisis y la unidad

muestral. La unidad de análisis indica quienes van a ser medidos, o sea, los
participantes o casos a quienes en última instancia vamos a aplicar el instrumento
de medición. La unidad muestral (en este tipo de muestra) se refiere al racimo por
medio del cual se logra el acceso a la unidad de análisis. El muestreo por racimos
supone una selección en dos etapas, ambas con procedimientos probabilísticos. En
la primera se seleccionan los racimos siguiendo los pasos ya señalados de una
muestra probabilística simple o estratificada. En la segunda y dentro de estos
racimos se selecciona a los sujetos u objetos que van a medirse.

Ejemplo 3.- Problema de investigación: Una estación de radio local necesita saber
con precisión, cómo utilizan la radio los adultos de una ciudad de 2,5 millones de
habitantes. Es decir, qué tantos radios escuchan, a qué horas, qué contenidos
prefieren y sus opiniones con respecto a los programas noticiosos.

Procedimientos: Se diseñará un cuestionario que indague estas áreas sobre el uso

de la radio. Los cuestionarios se aplicarán por entrevistadores a una muestra de
sujetos adultos.

Población: Todos aquellos sujetos hombres o mujeres mayores de 21 años y que

vivan en una casa o un departamento propio o rentado de la ciudad.

Diseño por racimos: Los directivos de la radio desconocen el número total de

personas con las características señaladas. Sin embargo, nos piden que diseñemos
una muestra que abarque a todos los sujetos adultos de la ciudad y que además
sean jefes de familia (se excluyen a los adultos dependientes).

Estrategia empleada: Se considera el uso de un mapa actualizado de la ciudad, en

la cual indica que hay 5000 manzanas. Las manzanas se utilizarán como racimos o
unidades muestrales, a partir de las cuales obtendremos en última instancia a
nuestros sujetos adultos.

Lo primero entonces es determinar: ¿cuántas manzanas necesitaremos muestrear

del total de esas 5000, si queremos que nuestro error estándar no sea mayor de
0.015 y con una probabilidad de ocurrencia del 50%?

Calculamos n para una muestra probabilística simple.

 n’ = s2 / V2 = p (1 – p) / (0,015) 2 = 0.5 (1 – 0.5) / 0.000225 = 0.25 / 0.000225 =
1111.11

n = n’ / (1 + n’/N) = 1111.11 / (1 + 1111,11/5000) = 909

n = 909 manzanas

Se sabe que la población N = 5000 manzanas, por estudios previos está dividida en
4 estratos socioeconómicos, que categorizan esa población según el ingreso
mensual promedio de sus habitantes, de la siguiente manera:

Estrato Número de manzanas

1 270
2 1940
3 2000
4 790
Total 5000

Por lo tanto, del total de la muestra, que son 909 manzanas, le corresponde a
cada estrato lo siguiente:

1 270 x 909/5000 = 49
2 1940 x 909/5000 = 353
3 2000 x 909/5000 = 364
4 790 x 909/5000 = 143
Total = 909

Esta selección comprende la selección de los racimos, los cuales se pueden

numerar y elegir aleatoriamente hasta completar el número de cada estrato. En una
última etapa, se seleccionan los participantes dentro de cada racimo. Este
procedimiento también se hace de manera aleatoria, hasta lograr un número de
personas (unidades de análisis) determinados de cada racimo. Así por ejemplo, para
este estudio se determinó que por cada manzana participen 20 personas, con lo que
el número de personas por estrato, alcanza a 18180, distribuidos en los cuatro
estratos de la siguiente manera:

Estrato Número de Número de Número de

Número de
Manzanas muestras por unidades muestrales
unidades muestrales
manzana por manzana por estrato

1 270 49 20 980
2 1940 353 20 7060
3 2000 364 20 7280
4 790 143 20 2860
N = 5000 n = 909 Total = 18180

Selección de la muestra. - Ya se dijo anteriormente que para las muestras

probabilísticas se necesitan dos cosas, de la primera, que es el tamaño de la
muestra ya se calculó (simple, estratificada y por racimos). El segundo paso es
determinar cuáles elementos muestrales de los ya calculados van a ser escogidos
aleatoriamente para esto podemos proceder de la siguiente manera:

Tómbola. - Muy simple pero no muy rápida, consiste en numerar todos los
elementos muestrales del “uno” al número “n”. Hacer fichas o papeles, uno por cada
elemento, revolverlos en una caja, e ir sacando n número de fichas, según el tamaño
de la muestra. Los números que salieron al azar son los que conforman la muestra.

Ejemplo. - Del ejemplo 1 (el de las empresas mejicanas), tomando el muestreo

estratificado y, si consideramos el primer rubro 1 de empresas extractivo y
siderúrgico, el que tiene una población N = 53, del que deben seleccionase
aleatoriamente la muestra n = 13 directivos generales, se procede de la siguiente
manera:

En una lista se enumeran cada una de las 53 empresas. Elaboramos 53 fichas o

bolillos, los cuales colocamos en recipiente, del cual sacamos los 13 necesarios y
que corresponden a los 13 elementos muestrales de este estrato, los cuales
anotamos en nuestra lista previamente elaborada. Similar situación se hace con los
demás estratos.

Números random o números aleatorios. - El uso de números random no significa

la selección azarosa o fortuita, sino la utilización de una tabla de números que aplica
un mecanismo de probabilidad muy bien diseñado. Los números random de la
Corporación Rand, cuentan con una tabla de más de un millón de dígitos, partes de
estas tablas se pueden ver en muchos apéndices de libros de estadística. La
selección se la realiza directamente en el ordenador, una vez que se han generado
los números aleatorios utilizando el programa Stats (ver CD), o bien usando tablas
de estos números aleatorios.

El procedimiento manual consiste en tomar cuantos dígitos sean necesarios para los
elementos muestrales que requerimos. Así por ejemplo si se requieren de 270
manzanas tomar 49 de ellas, tomamos los 3 últimos dígitos, y escogemos aquellos
que no excedan de los 270, de los cuales se toman los 49 necesarios. Se puede
comenzar en cualquier lugar de la tabla y la búsqueda o rastreo de estos 49 se la
puede realizar de abajo hacia arriba, de derecha a izquierda o en ambos casos en
sentidos contrarios.

Selección sistemática de elementos muestrales. - Este procedimiento de

selección es muy útil e implica elegir dentro de una población N un número n de
elementos a partir de un intervalo K. Este último (K) es un intervalo de selección
sistemática que se va a determinar por el tamaño de la población y el tamaño de la
muestra: K = N/n. Así por ejemplo para seleccionar los n = elementos de la
población N = 270; K = 270/49 = 5.5 El intervalo a utilizar puede ser 5 o 6 (si es 5 no
completará un giro completo de los elementos de la población N; y, si es 6 dará más
de la vuelta), el elegir uno u otro es criterio del investigador. Lo que sí es importante,
es elegir al primer elemento que esto se hace al azar por cualquier método conocido
(dados, bolillos, etc.) y a partir de este primer elemento de la muestra saldrán los
demás saltando cada 5 o cada 6 hasta completar los 49 necesarios.
Listados y otros marcos muestrales. - Es un marco de referencia que nos permite
identificar físicamente los elementos de la población, así como la posibilidad de
enumerarlos y seleccionar los elementos muestrales (los casos de la muestra).
Normalmente se trata de un listado existente o una lista que es necesario
confeccionar, con los casos de la población.

Los listados existentes sobre una población son variados: guías telefónicas, listas de
miembros de las asociaciones, directorios especializados, listas oficiales de escuelas
de la zona, base de datos de los alumnos de una universidad, o de los clientes de
una empresa, registros médicos, catastros, nóminas de una organización, etc. En
todo caso hay que tomar en cuenta lo completo de la lista, su exactitud, su
veracidad, su calidad, y su nivel de cobertura en relación con el problema a
investigar y la población que va a medirse, ya que todos estos aspectos influyen en
la selección de la muestra.

No siempre existen listas que permitan identificar a nuestra población. Entonces será
necesario recurrir a otros marcos de referencia que contengas descripciones del
material, las organizaciones o los casos que serán seleccionados como unidades de
análisis. Ejemplos de cada uno de estos marcos de referencia son los archivos, los
mapas y los volúmenes de periódicos empastados en una biblioteca.

¿Cómo y cuáles son las muestras no probabilísticas? - Son también llamadas

muestras dirigidas, suponen un procedimiento de selección informal. Se utilizan en
muchas investigaciones cuantitativas y cualitativas.

La “muestra dirigida” selecciona sujetos “típicos” con la vaga esperanza que sean
casos representativos de una población determinada. Por ello, para fines deductivos-
cuantitativos, donde la generalización o extrapolación de resultados hacia la
población es una finalidad en sí misma, las muestras dirigidas en este sentido
implican muchas desventajas. La primera es que, al no ser probabilística, no es
posible calcular con precisión el error estándar, es decir, no podemos calcular con
qué nivel de confianza hacemos una estimación. Esto es un grave inconveniente si
consideramos que la estadística inferencial se basa en la teoría de la probabilidad,
por lo que las pruebas estadísticas en muestras dirigidas tienen un valor limitado a la
muestra en sí, más no a la población y su resultado no puede generalizarse. La
única ventaja de una muestra no probabilística (dese la visión cuantitativa) es su
utilidad para determinado diseño de estudio que requiere no tanto una
representatividad de elementos de una población, sino una cuidadosa y controlada
elección de sujetos con ciertas características especificadas previamente en el
planteamiento del problema.

Muestra multietapas o polietápicas. - Significa que para obtener la muestra se

utilizan diversas etapas o procedimientos. Por ejemplo, en un estudio sobre
preferencias electorales a nivel nacional, primero se eligen las ciudades, luego de
cada ciudad se eligen los barrios, posteriormente de cada barrio las calles, luego las
viviendas para llegar finalmente a las personas. En cada una de estas etapas el
procedimiento es aleatorio. Desde luego que la elección de ciudades, y barrios de
esta también está marcada por el criterio de los investigadores y en base a estudios
anteriores y la experiencia de estos equipos de investigadores.