TEMA 3

TEORÍA Y PRÁCTICA DEL MUESTREO

3.1. Conceptos básicos del muestreo
3.2.Tipos de muestreo: probabilístico y no probabilístico
3.3 Afijación de la muestra
3.4. Determinación del tamaño de la muestra y error de muestreo
4. DETERMINACIÓN DEL TAMAÑO DE LA MUESTRA Y ERROR DE MUESTREO.

CONCEPTOS
Investigación por muestreo: Una muestra seleccionada n representa a una población o
universo N.
Todo muestreo conlleva alguna clase de error. Podemos hablar de:
• Error de muestreo. El que se puede calcular estadísticamente cuando el muestreo es
probabilístico.
• Error sistemático o sesgo: errores que se cometen en el procedimiento del estudio, por
la forma de selección, trabajo de campo, etc.

Parámetros: Son un resumen numérico de alguna variable observada de la población. Los

parámetros que se estudian son: Media X, Total poblacional X y Proporción P.

Estimador: un estadístico (media, total o proporción), para estimar un parámetro desconocido

de la población. Puede calcularse de los datos de la muestra n.

Una Estimación indica que a partir de lo observado en una muestra se puede extrapolar o
generalizar dicho resultado muestral a toda la población.
Hablamos de estimaciones:
 puntual: cuando buscamos un valor concreto de la población en la muestra.
 intervalo: cuando determinamos un intervalo dentro del cual se supone que va a estar el
valor del parámetro de la población, con una cierta probabilidad.
Los estimadores en Ciencias Sociales suelen seguir distribuciones normales N (μ,σ). La normal
tipificada se representa N (0,1)

La distribución muestral es la distribución de los valores que tomará el estimador, al

seleccionar las distintas muestras de un tamaño n de la población N.

Las dos medidas fundamentales de esta distribución son:

• la media, que indica el valor promedio del estimador,
• y la desviación típica, también denominada error típico de estimación, que indica la
desviación promedio que podemos esperar entre el estimador y el valor del parámetro.
La precisión de un estimador es la magnitud de las desviaciones respecto a la media, obtenida
por la aplicación repetida del procedimiento de muestreo. La precisión de una muestra de
tamaño n, depende del proceso de muestreo y fundamentalmente del tamaño de la muestra.
Una estimación es más precisa cuanto menor sea su error de muestreo.

El grado o nivel de confianza de una estimación es, la probabilidad de que, al hacer esa
estimación, el verdadero valor de la población se encuentre entre dos valores dados, llamados
límites de confianza. Se indica por 1- α y habitualmente se da en porcentaje.
O sea, el valor de la población que se pretende estimar, estará comprendido con una
probabilidad o nivel de confianza dado, entre los valores que resultan de sumar o restar al valor
obtenido del estimador muestral, el error absoluto. Siendo el error absoluto el producto de un
coeficiente K por la desviación típica del estimador.

Si la población se distribuye según una distribución normal estándar N (0,1), el coeficiente K

toma el valor +/-1 para una probabilidad de acertar del 68%, si se trata de una probabilidad del
95,5% entonces K=+/-2 y, para el 99,7%, el valor es K=3.

Cuanto más alto es el nivel de confianza más precisión tiene la estimación. En Ciencias Sociales
es frecuente utilizar en sus estudios el 95.5% (K=+/-2).
 LA DETERMINACIÓN DEL TAMAÑO DE LA MUESTRA

• LAS VARIABLES QUE INFLUYEN EN EL CÁLCULO DE LA MUESTRA

A. Error de muestreo: es el elemento más importante ya que condiciona y determina el
tamaño de la muestra. Si se quiere disminuir el error, la muestra necesaria aumenta.
Si el error entonces la muestra

B. Nivel de confianza: en Estadística es la probabilidad de acertar la realidad en ausencia de

sesgos.
El investigador fija la el nivel de confianza con el que quiere trabajar. El nivel de confianza
de K= 2, viene a decirnos que si repitiéramos la muestra con elementos distintos 100 veces, el
valor promedio obtenido no diferiría significativamente del que hemos hallado en el 95,5%
de los casos, en el otro 4,5% este valor podría diferir.

Si Nivel de confianza entonces la muestra

C. Variabilidad del parámetro. La heterogeneidad de la población o universo. El tamaño
de la muestra depende del grado de homogeneidad de la población.

N Homogénea N Heterogénea

MENOS muestra MÁS muestra

Cuando la población es más homogénea se necesita una muestra de menor tamaño para
representar a la población. Si a priori no se conoce la población, se recurre a estudios
semejantes hechos con anterioridad o a estudios piloto.
Cuando se trata de niveles de medición de intervalo y razón, la heterogeneidad del universo en
términos estadísticos es su varianza o la raíz de la varianza (la desviación típica).
Sin embargo, en la investigación de mercados y sociológica la mayoría de las variables son
nominales u ordinales. En estos casos, se sustituye la varianza por la distribución de una
categoría relevante p proporción de la población que tiene una determinada característica, o
dicho de otro modo, la probabilidad (p) de que se dé un fenómeno en la población; o bien su
contrario, que no se dé (q=1-p).
Cuando no conocemos los valores de p y q, tomaremos p=q=0,5 o en porcentaje: p=q=50%, lo
que supone el caso más desfavorable. Este supuesto nos obliga a tomar la muestra más grande y
por tanto asumir el mayor coste.

Si la Homogeneidad entonces la muestra

D. Tipo de muestreo: Si tomamos una muestra n de igual tamaño, con los distintos tipos de
muestreo, esta muestra n no tiene el mismo grado de precisión.
PRECISIÓN
+++ El muestreo estratificado con afijación óptima
++ El aleatorio simple
+ El de conglomerados

E. El tamaño del Universo o Población N.

El tamaño de la población N, sólo influye en el cálculo del tamaño de la muestra en el caso de
poblaciones finitas o universos pequeños, es decir aquellas poblaciones que son menores de
100.000 elementos.
 LAS FÓRMULAS PARA CALCULAR EL TAMAÑO DE LA MUESTRA (m.a.s.)
Las fórmulas que se utilizan para hallar el número de elementos necesarios en una muestra
(entrevistas en el caso de una encuesta), bajo un supuesto de un determinado valor de la
varianza y un nivel de precisión (error de muestreo prefijado), varían en función del tipo del
tipo de muestreo utilizado (m.a.s.), estratificado, conglomerados etc. Las más utilizadas son las
de muestreo aleatorio simple. Estás fórmulas también difieren en función de los parámetros que
se quiere estimar. En el muestreo aleatorio simple (m.a.s.), los factores que determinan el
tamaño de la muestra son:
n = tamaño de la muestra
N = tamaño del universo o población
K = valor que corresponde al nivel de confianza
σ2n-1 = cuasivarianza de la población. Se sustituye por la de la muestra S2
e = error de muestreo
p = Proporción de una categoría de variable. Proporción de los que poseen el atributo.
q = (1-p). Proporción de los que no lo poseen.

Distinguimos las fórmulas (m.a.s.) referidas a Universos pequeños o Poblaciones finitas, de

aquellas referidas a Universos grandes o Poblaciones infinitas. Se consideran en la práctica
Poblaciones o Universos finitos a aquellos de un tamaño inferior a 100.000 elementos.
Las fórmulas para el cálculo del tamaño de la muestra n son:

1. POBLACIÓN FINITA O UNIVERSO PEQUEÑO

Tamaño de la muestra para estimar…:

.q

.q

2. POBLACIÓN INFINITA O UNIVERSO GRANDES

.q
A la vista de las fórmulas, puede decirse que: Fte: J.S. Alós. ESOMAR.
El tamaño de la muestra es muy sensible al nivel de precisión requerido. Para obtener un error
la mitad, haría falta una muestra no doble, sino cuatro veces mayor. Si hacemos los cálculos con
un nivel de confianza del 95,5% (K=2) y en el caso más desfavorable p=q=50%, podemos ver
la relación entre el error y el tamaño de la muestra.
Error muestral Tamaño muestral
± 10 100
± 5 400
± 2.5 1.600
± 1.25 6.400
± 0.62 25.600
 • FÓRMULAS PARA EL CÁLCULO DEL ERROR DE MUESTREO (m.a.s.)
Las fórmulas para el cálculo del error de muestreo e de una determinada muestra n, se obtienen
despejando en las fórmulas mencionadas en el apartado anterior, para el cálculo del tamaño
muestral.
Fórmulas para el cálculo del error de muestreo e:
1. POBLACIÓN FINITA O UNIVERSO PEQUEÑO

p.q

2. POBLACIÓN INFINITA O UNIVERSO GRANDE

 • ESTIMACIONES PUNTUALES Y POR INTERVALO

La estimación puntual consiste en asignar un único valor como estimación del parámetro; esta
estimación se utiliza cuando queremos conocer el valor concreto de un parámetro poblacional y
no disponemos de este valor.
Más útil es hacer la estimación por intervalos y, para ello, calculamos dos valores entre los que
se encontrará el parámetro, con un nivel de confianza fijado de antemano.
Las estimaciones puntuales se obtienen de una forma sencilla utilizando las siguientes fórmulas:

Fórmulas para el cálculo de estimaciones puntuales:

La estimación por intervalo consiste en calcular un intervalo que contenga entre sus límites, con
cierta probabilidad, el verdadero valor del parámetro poblacional. La estimación puntual, los
errores de muestreo y los niveles de confianza permiten acotar los intervalos de probabilidad en
los que se hallan los parámetros. Es decir los límites entre los que se encuentran los valores que
se pretende estimar.
El uso del intervalo, añade a la estimación puntual los límites de su posible desviación con
respecto al valor estimado.
Fórmulas para el cálculo de estimaciones por intervalo
u = límites de confianza
xi = valores estimados: media, total, proporción. u = xi +/- K . e
e = error de muestreo
K = nivel de confianza

¿Cómo hay que interpretar los datos obtenidos en un estudio por muestreo con el
margen de error y las estimaciones por intervalo?
Imaginemos que se ha realizado una encuesta en una población infinita con una muestra de
100 entrevistas, con un margen de error de ± 10% (nivel de confianza del 95,5%, es decir K=2
y p=q=50%).

Supongamos que hemos hecho una estimación de un porcentaje y ha resultado ser del 50%.
(Por ejemplo, hemos preguntado si utilizan el metro para ir a trabajar y un 50% dijo que sí). La
lectura del dato estimado es que, el valor del 50% que hemos hallado en la muestra, dentro de la
población, podría oscilar entre 60% y 40% —es decir entre (50% + 10%) y (50% – 10%)—
con el 95,5% de probabilidad.

Si se quiere reducir este intervalo, la solución es aumentar el tamaño de la muestra para que
disminuya el error, o decidir trabajar con un menor nivel de confianza.
BIBLIOGRAFÍA
Grande Esteban, I. Abascal Fernández, E. (2007). Fundamentos y técnicas de investigación
comercial, 9ª Edición, ESIC, Madrid.
Esteban, A. y Molina, A. (coord.) (2014), Investigación de Mercados. ESIC: Madrid.