Muestreo

• La inferencia estadística es un tipo de razonamiento que procede de lo concreto a

lo general,
intentando extraer conclusiones sobre los parámetros de una población a partir de
la información
contenida en los estadísticos de una muestra de esa población (Pardo y San Martín,
2001).
• Obtener datos de una muestra de la población objeto de interés, en vez de
obtenerlos de todas las
unidades que componen esa población, entraña importantes ventajas, la más
importante la economía
de recursos que ello implica pero, no menos relevante, la posibilidad de promover
una mejor
calidad en los datos recogidos.
Tema 1. Inferencia estadística: muestreo y estimación de parámetros
J. Gabriel Molina y María F. Rodrigo, 2014 1
• Ahora bien, una condición esencial para que a partir de la información contenida
en una muestra
se puedan describir las propiedades de la población es que la muestra sea
representativa de esa
población.
• Pero, ¿qué significa en la práctica que una muestra sea representativa de una
población? Pues,
como podemos intuir, que las propiedades que caracterizan a la población se
distribuyan de forma
análoga en la muestra. Por ejemplo, sea la población de los estudiantes de la
Facultad: si el 27% son
de primero, el 25% de segundo (y así...), que en la muestra ídem; si en la
población la mitad son
varones y la otra mitad mujeres, pues que en la muestra ídem.; etc.
• A continuación vamos a tratar 3 factores que van a determinar la
representatividad de una
muestra:
a) El procedimiento de muestreo
• Muestreo: conjunto de técnicas asociadas a la selección de los elementos de una
población.
• Subrayar que el muestreo no es algo exclusivo de la estadística; es, en realidad,
una estrategia muy
utilizada en la vida cotidiana. El conocimiento que nos formamos del mundo está con
frecuencia
basado en el muestreo, y es razonable que así lo hagamos por economía de recursos.
A modo de
ejemplo, la cata de una cucharada de un guiso que estamos realizando es una forma
de muestreo del
guiso. Ello nos va a permitir tener una idea del sabor del mismo sin tener que
probarlo todo.
• Existen diferentes procedimientos o técnicas que satisfacen -con mayor o menor
éxito- los dos
objetivos que podemos considerar básicos del muestreo: (1) obtener una muestra que
sea tan
representativa de la población como sea posible; y (2) plantear una forma de
recogida de datos que
se ajuste a los recursos (económicos, temporales…) con que se cuente.
• A las distintas estrategias que se puede seguir en la selección de los elementos
de una población se
les conoce como técnicas de muestreo, existiendo un extenso repertorio de ellas,
algunas de gran
sofisticación. Entorno a su estudio y aplicación se ha desarrollado un área de
conocimiento
conocida como Teoría del Muestreo.
• En términos matemáticos, ¿la satisfacción de qué criterio va a determinar la
selección de una
muestra representativa? El que todos los elementos de la población tengan la misma
probabilidad de
formar parte de la muestra o, si no la misma, que sea conocida esa probabilidad
para todos los
elementos de la población.

Tema 1. Inferencia estadística: muestreo y estimación de parámetros

J. Gabriel Molina y María F. Rodrigo, 2014 2

• A las técnicas de muestreo que satisfacen el criterio anteriormente planteado se

les conoce como
técnicas de muestreo probabilístico, siendo la más conocida por su sencillez y
eficacia, el muestreo
aleatorio simple. Algunas variantes de la anterior de mayor utilización en la
práctica son el
muestreo aleatorio estratificado y el muestreo por conglomerados.
El muestreo aleatorio simple (m.a.s.)
− Los elementos de la muestra son elegidos al azar de de entre todos los de la
población.
Utilizando este procedimiento, todos los elementos de la población tienen la misma
probabilidad de formar parte de la muestra.
− Requiere la identificación y listado de todos los elementos de la población, algo
no siempre
factible, por lo que su utilización resulta limitada en la práctica.
El muestreo aleatorio estratificado
− Supone forzar que, para una determinada variable(s), se mantenga en la muestra la
misma
distribución que la misma tiene en la población. Por ejemplo, si en la población de

estudiantes de la UVEG hay un 60% de mujeres y un 40% de varones, en una muestra de

la
misma se forzaría para que se mantuviesen esos porcentajes. Se llaman estratos a
las
categorías de la variable en función de la que se estratifique el muestreo –mujeres
y varones
para la variable sexo, en nuestro ejemplo. Por supuesto, cada elemento de la
población debe
pertenecer a un único estrato.
− Pasos principales: determinar la proporción de cada estrato en la población para
la variable
de estratificación; fijar el número de elementos que se deben seleccionar de cada
estrato en
la muestra (afijación); extraer mediante m.a.s. de cada estrato de la población el
nº de casos
establecido en el paso anterior

Muestreo significa seleccionar un grupo o muestra en particular para representar a

toda la población. Los métodos de muestreo se dividen principalmente en dos
categorías: muestreo probabilístico y muestreo no probabilístico. En el primer
caso, cada miembro tiene una oportunidad fija y conocida de pertenecer a la
muestra, mientras que en el segundo caso, no existe una probabilidad específica de
que un individuo sea parte de la muestra.
Para un lego, estos dos conceptos son iguales, pero en realidad, son diferentes en
el sentido de que, en el muestreo probabilístico, cada miembro de la población
tiene una buena oportunidad de selección, lo que no ocurre en el caso del muestreo
no probabilístico .
Definición de muestreo probabilístico
En las estadísticas, el muestreo probabilístico se refiere al método de muestreo en
el que todos los miembros de la población tienen una especificación previa y la
misma posibilidad de ser parte de la muestra. Esta técnica se basa en el principio
de aleatorización, en el que el procedimiento está diseñado de tal manera, que
garantiza que todos y cada uno de los individuos de la población tengan la misma
oportunidad de selección. Esto ayuda a reducir la posibilidad de sesgo.

Los investigadores pueden hacer inferencias estadísticas utilizando esta técnica,

es decir, el resultado obtenido se puede generalizar de la muestra encuestada a la
población objetivo. Los métodos de muestreo probabilístico, se detallan a
continuación:

Muestreo aleatorio simple

Muestreo estratificado
Muestreo en grupo
Muestreo Sistemático
Definición de muestreo no probabilístico
Cuando en un método de muestreo, a todos los individuos del universo no se les da
la misma oportunidad de formar parte de la muestra, se dice que el método es un
muestreo no probabilístico. Bajo esta técnica como tal, no hay probabilidad adjunta
a la unidad de la población y la selección se basa en el juicio subjetivo del
investigador. Por lo tanto, las conclusiones extraídas por la muestra no pueden
inferirse de la muestra a toda la población. Los métodos de muestreo no
probabilístico se enumeran a continuación:

Muestreo de conveniencia
Muestreo de cuotas
Juicio o muestreo intencional
Muestreo de bolas de nieve

Diferencias clave entre muestreo probabilístico y no probabilístico

Las diferencias significativas entre muestreo probabilístico y no probabilístico.

La técnica de muestreo, en la que los sujetos de la población tienen la misma

oportunidad de ser seleccionados como una muestra representativa, se conoce como
muestreo probabilístico. Un método de muestreo en el que no se sabe qué individuo
de la población se elegirá como muestra, se denomina muestreo de no probabilidad.
La base del muestreo probabilístico es la aleatorización o el azar, por lo que
también se conoce como muestreo aleatorio. Por el contrario, en la técnica de
aleatorización de muestreo no probabilístico no se aplica para seleccionar una
muestra. Por lo tanto, se considera como muestreo no aleatorio.
En el muestreo probabilístico, el muestreador elige al representante como parte de
la muestra al azar, mientras que, en el muestreo no probabilístico, el sujeto es
elegido arbitrariamente para pertenecer a la muestra por el investigador.
Las posibilidades de selección en el muestreo probabilístico son fijas y conocidas.
A diferencia del muestreo no probabilístico, la probabilidad de selección es cero,
es decir, no se especifica ni se desconoce.
El muestreo probabilístico se utiliza cuando la investigación es de naturaleza
concluyente. Por otro lado, cuando la investigación es exploratoria, se debe
utilizar un muestreo no probabilístico.
Los resultados generados por el muestreo probabilístico están libres de sesgos,
mientras que los resultados del muestreo no probabilístico están más o menos
sesgados.
Como los investigadores son seleccionados al azar por el investigador en el
muestreo probabilístico, el grado en que representa a toda la población es mayor en
comparación con el muestreo no probabilístico. Es por eso que la extrapolación de
resultados a toda la población es posible en el muestreo probabilístico pero no en
el muestreo no probabilístico.
Hipótesis de prueba de muestreo probabilístico, pero el muestreo no probabilístico
lo genera.
Conclusión
Si bien el muestreo probabilístico se basa en el principio de aleatorización, en el
que cada entidad tiene una probabilidad justa de ser parte de la muestra, el
muestreo no probabilístico se basa en el supuesto de que las características están
distribuidas equitativamente dentro de la población, lo que hace que la muestra
crea que La muestra así seleccionada representaría a toda la población y los
resultados obtenidos serían precisos.