"Año del Bicentenario del Perú: 200 años de Independencia"

UNIVERSIDAD NACIONAL DEL SANTA

FACULTAD DE SISTEMAS E INFORMATICA

EXPOSICIÓN DE MUESTREO

CURSO:
Estadística para ingenieros

DOCENTE:

América Odar Rosario

ALUMNOS:
-Chávez Sú Deybi Paolo
-Lindo Garcia Janice Shelly
-Silva Yarlequé Aderlyn Jazmin

CHIMBOTE – PERÚ
2021
 TAREA 1 – UNIDAD II
EXPOSICIÓN DE MUESTREO
INSTRUCCIÓN I:
En grupos de 03 estudiantes elaboran un informe sobre los siguientes
aspectos teóricos del muestreo, con sus respectivos ejemplos en el área
de su especialidad:

1. DEFINICIÓN E IMPORTANCIA DEL MUESTREO

DEFINICIÓN.

El muestreo es una herramienta de la investigación científica. Su función básica es

determinar que parte de una realidad en estudio (población o universo) debe examinarse
con la finalidad de hacer inferencias sobre dicha población. El error que se comete debido
a hecho de que se obtienen conclusiones sobre cierta realidad a partir de la observación
de sólo una parte de ella, se denomina error de muestreo. Obtener una muestra adecuada
significa lograr una versión simplificada de la población, que reproduzca de algún modo
sus rasgos básicos.

IMPORTANCIA DEL MUESTREO.

• El resultado de un buen análisis es producto también de un buen muestreo.

• Si el muestreo no se realiza de manera adecuada, el resultado del análisis de la muestra

puede ser erróneo.

• En la industria, en el control del proceso, el muestreo es esencial para tener productos

de buena calidad y detectar posibles defectos en el proceso de fabricación.

2. RAZONES PARA MUESTREAR

Existen múltiples razones por las cuales se analiza una población a partir de una muestra,
desde razones de logística del trabajo de campo, (recolección de datos), hasta razones
económicas y de viabilidad y factibilidad de una investigación. Entre las razones para
usar un muestre y no el análisis de la población completa se mencionan:

➢ Recursos limitados. Analizar la población completa no siempre es posible. Realizar

un censo resulta muy costoso en términos de recursos económicos, tiempo y recursos
 materiales. Esto imposibilita tener a tiempo la información acerca del fenómeno que
está estudiando y por tanto retrasa las acciones necesarias para un mejor resultado.

➢ Escasez. Cuando la población es infinita o tan grande que imposibilita el análisis

completo de dicha población.

➢ A veces se desconoce la población total o no se tiene una ubicación exacta de los

elementos que forman dicha población.

➢ Pruebas destructivas. Es el caso en el que realizar el estudio sobre toda la población

levaría a la destrucción misma de la población.

➢ El muestreo puede ser más exacto. Esto es en el caso en el que el estudio sobre la
población total puede causar errores por su tamaño o, en el caso de los censos, que
sea necesario utilizar personal no lo suficientemente capacitado; mientras que, por
otro lado, el estudio sobre la muestra podría ser realizado con menos personal pero
más capacitado.

3. DEFINICIÓN DE MUESTRA

En estadística, una muestra es un subconjunto de casos o individuos de una población. En

diversas aplicaciones, interesa que una muestra sea representativa, y para ello debe
escogerse una técnica de muestra adecuada que produzca una muestra aleatoria adecuada.
También es un subconjunto de la población, y para ser representativa, debe tener las
mismas características de la población. Si se obtiene una muestra sesgada, su interés y
utilidad son más limitados, en función del grado de sesgos que presente.

Como un subgrupo o subconjunto representativo de la población, extraída seleccionada

por algún método de muestreo, la muestra siempre es una parte de la población. Si se
tienen varias poblaciones, entonces se tendrán varias muestras. La muestra debe poseer
toda la información deseada para tener la posibilidad de extraerla, y esto solo se puede
lograr con una buena selección de la muestra y un trabajo muy cuidadoso y de alta calidad
en la recolección de datos.
4. MUESTREO PROBABILÍSTICO:
Es un método de muestreo (muestreo se refiere al estudio o el análisis de grupos pequeños
de una población) que utiliza formas de métodos de selección aleatoria.

▪ Muestreo Aleatorio Simple

Es un procedimiento de muestreo probabilístico que da a cada elemento de la población
objetivo y a cada posible muestra de un tamaño determinado, la misma probabilidad de
ser seleccionado.
EJEMPLO:
En la Universidad Nacional del Santa en la Facultad de Ingeniería en dos grupos de la
Escuela de Sistemas e Informática se tienen 120 estudiantes. Se quiere extraer una
muestra de 30 de ellos.
-Enumerar a los estudiantes del 1 al 120.
-Sortear 30 números entre los 120 estudiantes.
-La muestra estará formada por los 30 estudiantes que salieron seleccionados de los
números obtenidos.
En resumen, el muestreo aleatorio simple es como hacer un sorteo, afortunadamente
existen herramientas que facilitan la automatización y le da seriedad a este proceso.

▪ Muestreo Sistemático
Se utiliza con frecuencia en lugar de un muestreo aleatorio. Cada individuo es
seleccionado según la enésima posición de una lista de los miembros de la población, el
primero de ellos se escoge al azar.
EJEMPLO:
Si una Universidad busca formar un muestreo sistemático de 500 estudiantes de una
población de 5000, puede seleccionar a cada décimo estudiante de la población. (esto es
básicamente de lo que se trata el muestreo sistemático).

▪ Muestreo Estratificado
Consiste en subdividir a la población en grupos homogéneos en función al estudio que se
desea realizar. Es apropiado cuando la población ya está dividida en estratos y los estratos
tienen diferente tamaño y es necesario tener ambos en cuenta.
EJEMPLO:
Para realizar una investigación cuya población está conformada por estudiantes de la
Facultad de Ingeniería, el investigador divide dicha población en los siguientes estratos:
-Hombre con media jornada.
-Hombre con jornada completa.
-Mujer con media jornada.
-Mujer con jornada completa.
Aquí el investigador está dividiendo la población en 4 diferentes estratos, cuyos
estudiantes comparten características.

▪ Muestreo por Conglomerados o por Racimos

Por lo general, el muestreo por racimos, también llamado muestreo por conglomerados,
EJEMPLO:
Un docente decide realizar una investigación sobre la escuela de Sistemas e Informática,
pero dividir en grupos a toda la población de la Universidad sería difícil e impráctico. Por
lo tanto, aprovecha y utiliza la separación natural por ciclos. Así, a partir de cada ciclo,
elige individuos de forma aleatoria para conformar la muestra.
5. MUESTREO NO PROBABILÍSTICO:
▪ Muestreo por conveniencia o intencional
EL muestreo por conveniencia o intencional, es una técnica de muestreo no
probabilístico y no aleatorio usado para crear muestras de acuerdo a la facilidad de
acceso, la disponibilidad de las personas de formar parte de la muestra, en un intervalo
de tiempo dado o cualquier otra especificación práctica de un elemento particular.

EJEMPLO:

El ejemplo más básico de donde se utiliza este metodo es cuando las empresas detienen
a las personas en un centro comercial o en una calle concurrida para distribuir sus
folletos promocionales y hacer preguntas.

▪ Muestreo por jueces o expertos

Este tipo de muestreo es en la que los miembros de la muestra se eligen sólo sobre la
base del conocimiento y el juicio del investigador.

EJEMPLO:

Considerar un escenario en el que se desean entender los factores que llevan a una
persona a seleccionar el hacking ético como profesión. El hacking ético es una habilidad
que ha atraído recientemente a la juventud. Cada vez más gente lo selecciona como
profesión. Los investigadores que entiendan lo que es el hacking ético podrán decidir
quién debe formar la muestra para reconocerla como profesión. Es entonces cuando se
implementa el muestreo deliberado, crítico o por juicio. Los investigadores pueden
filtrar fácilmente a aquellos participantes que pueden ser elegibles para ser parte de la
muestra de investigación.

▪ Muestreo Bola de nieve

Es un tipo de muestreo no probabilístico que se utiliza cuando los participantes
potenciales son difíciles de encontrar o si la muestra está limitada a un subgrupo muy
pequeño de la población.
Es este tipo de muestreo los participantes de una investigación reclutan a otros
participantes para una prueba o estudio. Aquí los investigadores usan su propio juicio
para elegir a los participantes, a diferencia del muestreo aleatorio simple donde las
probabilidades de que cualquier miembro se elija son las mismas.
EJEMPLO:

Un ingeniero ha tratado a un paciente con una enfermedad rara en la que debe aplicar
las TIC y decide hacer un estudio sobre ella. Para ello, recurre al paciente, que le va
derivando a sus conocidos con dicha enfermedad y las soluciones a través del muestreo
de bola de nieve entrevista al número de individuos que precisa.

▪ Muestreo por voluntarios

Está formado por participantes seleccionados por el investigador. Sin embargo, este
método produce un sesgo de respuesta, ya que los miembros son auto-seleccionados.
El proceso consiste en elegir a una persona para ser voluntaria de responder la encuesta
porque puede tener una opinión particularmente fuerte sobre el tema, por conveniencia
o por razones éticas.

EJEMPLO:

Se desea conocer la opinión de un grupo de estudiantes de ingeniería en cuanto a la

tecnología que se aplica en la enseñanza. Se envía un anuncio a sus correos diciendo
que deben responder una encuesta para aportar opiniones. En aquella encuesta virtual,
se pregunta sobre los recursos usados y que otros deberían emplearse.

▪ Muestreo por cuotas

Es un método de muestreo no probabilístico en el que los investigadores pueden formar

una muestra que involucre a individuos que representan a una población y que se eligen
de acuerdo con sus rasgos o cualidades.

Los investigadores pueden decidir el rasgo según el cual se llevará a cabo la selección
del subconjunto de la muestra para que ésta pueda ser efectiva en la recolección de
datos y que puedan generalizar a toda la población. El sub conjunto final se decidirá
sólo de acuerdo con el conocimiento de la población por parte del entrevistador o
investigador.
EJEMPLO:

Un ingeniero puede crear un muestreo por cuotas dividiendo por multiusuario,

multitarea, etc. Deben tener en cuenta la proporción de cada grupo.