UNIVERSIDAD NACIONAL DE SAN CRISTÓBAL DE HUAMANGA

FACULTAD DE INGENIERIA DE MINAS, GEOLOGIA Y CIVIL

ESCUELA DE FORMACIÓN PROFESIONAL DE INGENIERIA DE MINAS

CICLO ACADÉMICO: 2021-II

ESTADÍSTICA (ES-142)

TRABAJO ENCARGADO N° 02 DE ESTADISTICA Y PROBABILIDADES

DOCENTE: ing. CIP TAPIA CALDERÓN, Guillermo B. Ing. Estadístico e

Informático, Universidad Nacional de Molina (UNALM), Maestría en ciencias,

Universidad Nacional de Ingeniería (UNI).

ALUMNO: Aliaga Tineo, Roy David

CORREO; roy.aliaga.15@unsch.edu.pe

CODIGO; 15202501

AYACUCHO-PERU

2022

1
INDICE

2
 UNIDAD 1

1. CONCEPTOS GENERALES DE MUESTREO POR ENCUESTAS

Hoy, la estadística está considerada como la teoría de la información, no sólo como

función descriptiva, sino con el objeto básico de hacer estimaciones acerca de los

valores estadísticos de la población o en la comprobación de hipótesis de aquellas

características que han sido investigadas.

Los métodos de muestreo probabilístico, son aquellos que se basan en el principio de

equiprobabilidad. Es decir, aquellos en los que todas las unidades de investigación,

tienen la misma probabilidad de ser elegidos para formar parte de una muestra y,

consiguientemente, todas las posibles muestras de tamaño “n” tienen la misma

probabilidad de ser elegidas.

Donde la estadística descriptiva es de carácter deductivo, de lo general, a lo

particular, la inferencia estadística es de carácter inductivo, de lo particular a lo general,

se podría afirmar que la tarea mas importante de la estadística es la realización de

inferencias acerca de una población objetivo, con base en los resultados obtenidos a

través de una muestra.

Hacemos una pequeña síntesis, donde todo estudiante debe recordar y afianzar.

Población o universo se puede definir como un conjunto de elementos o de unidades

de una población.

El elemento o unidad puede ser una persona, familia, empresa, zona, animal u objeto.

Del elemento se estudian sus características. Están se clasifican en: cualitativas o

atributos, expresadas por palabras y se cuantifican mediante el conteo o recuento las

3
cuantitativas o variables expresadas en forma numérica, que puedan ser medidas

(variable continua) o contadas (variable discreta).

De acuerdo con lo anterior la población puede definirse como un conjunto de

medidas, o el recuento de todas las unidades que presentan una característica común. Se

podría definir como un conjunto de mediciones, finito o infinito, real o conceptual.

En el proceso de selección de la muestra, necesariamente debe existir un marco

muestral completo y actualizado de unidades de investigación, ya sea un marco de lista

o un marco de áreas, del cual se obtendrá la muestra. También, es importante que

considere los procedimientos de estimación de resultados y las estimaciones de

varianzas.

Sólo estos métodos de muestreo probabilístico nos aseguran la representatividad de

la muestra extraída a toda la población y son por tanto los más recomendables. Los

métodos de muestreo no probabilístico no garantizan la representatividad de la muestra

y no permiten realizar estimaciones inferenciales sobre la población.

En una encuesta por muestreo, el desarrollo metodológico, el planeamiento del

operativo de campo, la entrada de datos y la consistencia de la información no deben

presentar sesgos, se debe tener mucho cuidado en la construcción de los instrumentos de

recolección, así como en la capacitación del personal de campo, la entrada de datos, a

fin de no incidir en Errores No Muestrales, que son difíciles de controlar.

Una encuesta por muestreo tiene muchas ventajas, bajo costo, la información es más

exacta y de mejor calidad que la del censo, debido a que el menor número de

encuestadores que permite una capacitación selectiva.

4
 UNIDAD 2

2. MUESTREO PROBABILISTICO Y APLICACIONES CON FORMULAS

MATEMÁTICAS (tamaño de muestra “n” y otras)

MUESTREO PROBABILISTICO

Consideremos la realización de un experimento o fenómeno cuyos resultados se

denomina sucesos. Entre los experimentos o fenómenos se denominan deterministas

aquellos en los que a priori vamos a conocer sus sucesos resultantes y se denominan

aleatorios aquellos cuyos sucesos son desconocidos a priori. El estudio de la

probabilidad se ocupa de los fenómenos o experimentos aleatorios.

Sean S1, S2, …,Sn sucesos elementales asociados a un fenómeno o experimento

aleatorio dado, entendiendo por sucesos elementales los mas simples posibles, es decir

aquellos que no pueden ser descompuestos en otros sucesos. El conjunto { S1, S2, …,Sn }

se denomina espacio muestral asociado al fenómeno o experimento.

Si consideramos como fenómeno o experimento la extracción aleatoria de muestras

dentro de una población por un procedimiento o método de muestreos dado podemos

considerar como sucesos elementales las muestras obtenidas, constituyendo el conjunto

de las mismas el espacio muestral.

Si representamos el conjunto de las N unidades que constituyen una población finita

objeto de estudio mediante U= {U1, U2, …,UN}, una muestra de tamaño n puede

considerarse como un subconjunto ordenado Si={Ui1, Ui2, …,Uin}, de n elementos de U,

donde Uij denota el elemento que ocupa el lugar j en la muestra S i. se considera el

subconjunto de Si ordenado porque, en general, el orden de colocación de los elementos

en las muestras puede intervenir, siendo distintas entre si muestras con los mismos

elementos colocados en distinto orden. El conjunto de las muestras posibles de tamaño n

5
que se pueden formar con los N elementos de la población U es el espacio muestral S.

hay que especificar que en general el orden de colocación de los elementos en las

muestras si interviene, siendo muestras distintas aquellas que tienen los mismos

elementos situados en distinto orden. Pero lo habitual es que los métodos de muestreo

comunes consideren iguales muestras con los mismos elementos, aunque estén

colocados en orden diferente. En este caso habitual, en el que el orden de colocación de

los elementos en las muestras no interviene, suele expresarse una muestra de tamaño n

como s={u1, u2, …,un}.

Con la finalidad de medir el grado de representatividad de la muestra lo mejor

posible es necesario utilizar muestreo probabilístico. Diremos que el muestreo es

probabilístico cuando pueda establecerse la probabilidad de obtener cada una de las

muestras que sea posible seleccionar (elementos del espacio muestral S) mediante un

procedimiento de muestreo dado, esto es, cuando la selección de muestras constituya un

fenómeno aleatorio probabilizable.

METODO DE MUESTREO

Una muestra es aleatoria cuando los elementos que constituyen la población o

universo investigado, tienen la misma posibilidad de ser seleccionados.

Un procedimiento o método de muestreo es sencillamente un proceso o mecanismo

mediante el que se seleccionan las muestras de modo que cada una tenga una

determinada probabilidad de ser elegida. Por lo tanto, el método aleatorio empleado

para seleccionar la muestra define en el espacio muestral S una función de probabilidad

P tal que:

 P(SI)≥0 Ɐi

 ∑SP(SI)=1

6
 En general puede ocurrir que no todas las muestras del espacio muestral pueden ser

elegidas. No obstante, consideraremos métodos de muestreo en los que todas las

muestras puedan ser seleccionadas, es decir, P(Si)>0 Ɐi, es decir métodos de muestreo

no restringido.

El cálculo de probabilidad de una muestra Si={Ui1, Ui2, …,Uin} dad puede realizarse

en general como sigue:

P(S1)=P(Ui1), P(Ui2/Ui1), P(Ui3/Ui1 Ui2)… P(Uin/Ui1 Ui2 …. Uin-1)

En ocasiones suele expresarse un procedimiento de muestreo mediante la terna (U, S,

P), que indica que el procedimiento de muestreo definido en la población U establece en

el espacio muestral S asociado la ley de probabilidad P.

2.1 MUESTREO ALATORIO SIMPLE

MUESTREO ALEATORIO SIMPLE SIN REPOSICION

Se trata de un procedimiento de selección con probabilidades iguales que consiste en

obtener la muestra unidad a unidad de forma aleatoria sin reposición a la población de

las unidades previamente seleccionadas, teniendo presente además que el orden de

colocación de los elementos en las muestras no interviene, es decir, muestras con los

mismos elementos colocados en orden distinto se consideran iguales. De esta forma las

muestras con elementos repetidos son imposibles. Como el procedimiento de selección

es con probabilidades iguales todas las muestras son equiprobables, y además se va a

cumplir, como veremos luego, que todas las unidades de la población van a tener la

misma probabilidad de pertenecer a la muestra.

Supongamos en todo momento que el tamaño de la población es N y el tamaño de la

muestra en n. como la muestra se selecciona sin reposición, se realiza la selección

7
sucesiva de las unidad3s para la muestra con probabilidades 1/(N-t) para valores de t=0,

1, …, n.

PROBABILIDAD DE UNA MUESTRA CUALQUIERA

Dada la forma de definirse el procedimiento de selección de la muestra el espacio

muestral asociado tiene:

CN, n=(N/n)

Muestras posibles, ya que el orden de colocación de los elementos en las muestras no

interviene. Como el procedimiento es con probabilidades iguales, la probabilidad de una

muestra cualquiera ser:

Casos favorables 1 1
= =
P (u1, …, un)= Casos posibles C Nn N
( )
n

1
N donde también se puede hallar por cálculo de probabilidades.
( )
n

PROBABILIDAD πi QUE TIENE UNA UNIDAD DE PERTENECER A LA MUESTRA

A efectos de formalizar la teoría del muestreo aleatorio simple sin reposición es

necesario calcular la probabilidad que tiene cualquier unidad de la población de

pertenecer a la muestra. Para ello sabemos ya que el número de muestras posibles de

tamaño n en selección irrestricta aleatoria es:

CN, n=¿)

Por otra parte, el número de muestras posibles que se pueden formar con los

elementos de la población y que contengan al elemento dado ui será:

CN-1, n-1=¿)

8
 Ya que en este caso se fija el elemento ui y las muestras posibles resultan de las

formas posibles de seleccionar de entre los N-1 elemento de la población restantes n-1

de ellos para la muestra (el elemento ui ya esta fijo en la muestra). Tenemos entonces:

casosfavorables N ° demuestrasquecontienenlaunidad
πi= P (ui ∈ (x’))= =
Casosposibles N ° totaldemuestras

( N−1 ) ! ( N −1 ) !
( N −1)
n−1 ( n−1 ) ! ( N −n ) ! ( n−1 ) ! ( N −n ) ! n
= = = =
N
( ) N ! N ( N−1 ) ! N
n n ! ( N−n ) ! n ( n−1 ) ! ( N −n ) !

PROBABILIDAD πij QUE TINENEN EL PAR DE UNIDADES DE LA POCLACION

(ui uj) DE PERTENECER A LA MUESTRA

A efectos de formalizar la teoría del muestreo aleatorio simple sin reposición

también es necesario calcular la probabilidad para cualquier unidad de la población de

pertenecer a la muestra. Por una parte, sabemos que el número de muestras posibles de

tamaño n en selección irrestricta aleatoria es:

CN, n=¿)

Por otra parte, sabemos que el numero de muestras posibles que se pueden formar

con los elementos de la población que contengan el par de elementos dado (ui uj) será:

CN-2, n-2=¿)

Ya que es este caso se fija el par de elementos (ui uj) y las muestras posibles resultan

de las formas posibles de seleccionar de entre N-2 elementos de la poblacio restantes n-

2 de ellos para la muestra (los elementos ui y uj ya estan fijos en la muestra). Tenemos

entonces:

casosfavorables N ° de muestras que contienen el par (u iu j)

πi= P (ui uj ∈ (x’))= =
Casosposibles N °totaldemuestras

9
 ( N−2 ) ! ( N−2 ) !
( N −2)
n−2 ( n−2 ) ! ( N−n ) ! ( n−2 ) ! ( N−n ) ! n(n−1)
= = = =
(N ) N! N ( N−1 ) ! ( N−2 ) ! N (N −1)
n n ! ( N−n ) ! n ( n−1 ) (n−2)! ( N−n ) !

MUESTREO ALEATORIO SIMPLE CON REPOSICIÓN

Se trata de un procedimiento de selección con probabilidades iguales que consiste en

obtener la muestra unidad a unidad de forma aleatoria con reposicion a la población de

las unidades previamente seleccionadas. De esta forma las muestras con elementos

repetidos son posibles y cualquier elemento de la población puede estar repetido emn la

muestra 0, 1, …, n veces. Supongamos en todo momento que el tamaño de la población

es N y el tamaño de la muestra es n. como la muestra se selecciona con reposicion (se

reponen a la población las unidades previamente seleccionadas) y con posibilidades

iguales, se realiza la selección sucesiva de las unidades para la muestra con

probabilidades Pi=1/n y todas las muestras son equiprobables, ya que:

P(u1, u2, …, un)=P(u1)P(u2)… P(un)=(1/N)(1/N)…(1/N)=1/(Nn)

Donde llamamos ei a la variable definida como el número de veces que la unidad u i

de la población aparece en la muestra (i=1, 2, …, N) dicha variable es un binomial de

parámetros n y Pi=1/n. por lo tanto tendremos:

E[ei]=n1/n=n/N

Var[ei]=nPiQi=nPi(1-Pi)=n
1
N ( 1
1− =
N )
n( N −1)
N2

1 1 −n
Cov(ei, ej)=-nPiPj=-n =
N N N2

Observaciones:

 Se requiere un listado de unidades de la población, lo cual no es fácil, en

muchos casos (marco)

10
  Si el área es amplia, es probable que haya necesidad de traslado a lugares

lejanos, para investigar unas pocas unidades, dificultando su aplicación (costo

y tiempo).

 No existe garantía de que todas las unidades queden representadas en la

muestra, cuando la característica tiene una gran variabilidad.

 Si el coeficiente de variación es mayor del 30%, el tamaño de la muestra se

va haciendo más grande.

MUESTREO ALEATORIO ESTRATIFICADO

Se le denomina también como muestreo aleatorio restringido. Este procedimiento

implica una división de la población en grupos, denominados estratos en tal forma que

el elemento presenta una característica tan definida que solo le permite pertenecer a un

único estrato. Por lo tanto, para que la división por grupos sea efectiva, los factores de

estratificación deberán guardar estrecha relación con las características que se

investigan y con el objetivo o finalidad del estudio. De esta manera se logra una mayor

precisión en los resultados. Supongamos que se desea hacer una investigación sobre

transporte urbano en una determinada ciudad, con el fin de establecer los costos de

operación por pasajero. En este caso una muestra aleatoria simple (N) de 300 vehículos

no nos da garantías de que los diferentes tipos de vehículos, buses, busetas, micro y

colectivo quedan bien representados en la muestra, si se tiene en cuenta que puede haber

grandes diferencias no solo en cuanto a capacidad del vehículo, sino en su recorrido. En

este caso, es preferible establecer estratos o grupos mediante la clasificación según el

tipo de vehículo.

En este muestreo aleatorio estratificado, como el muestreo aleatorio simple, se

requiere una lista detallada de las unidades que constituyen la población a fin de

elaborar los estratos o subpoblaciones, pero a pesar de lo dispendioso que puede resultar
11
este procedimiento, hay garantía de que los elementos de la población queden bien

representados en la muestra.

POBLACION

{ }
u 11 u12 … u1 N 1
L
{U 1+u 2 … u N }se divide en L estratos u 21 u22 … u2 N 2
∑ N h=N
h=1
u L1 uL 2 … u L N L

MUESTRA

{ }
u11 u12 … u1 n 1
L
{U 1+u 2 … un }se divide en Lestratos u21 u22 … u2 n 2
∑ n h=n
h=1
u L 1 u L2 … u Ln L

Este método es más eficiente que el muestreo aleatorio simple, pese a al grado de

heterogeneidad y dispersión que puede presentar la característica, con la ventaja de que

el formar grupos más o menos homogéneos, la muestra es más pequeña y

representativa.

La muestra es grande cuando es mayor de 30%

Mediante la selección aleatoria de los elementos, en cada uno de los estratos, se

conformará la muestra. Dependiendo de la distribución o escogencia de los tamaños

muestrales para cada estrato, podrá aplicarse alguno de estos tres procedimientos:

Afijación ilegal o asignación igual: se da cuando los elementos quedan asignados o

repartidos por igual en cada muestral.

Afijación proporcional o asignación proporcional: Los elementos se distribuyen en

los estratos muestrales, en la misma proporción en que se distribuyen los elementos en

la población.

12
 Afijación optima: cuando el tamaño, tanto de la muestra general como para cada uno

de los estratos muestrales, depende del grado de variabilidad de la característica en cada

estrato y del como mínimo para una presión dada.

MUESTREO POR CONGLOMERADO AREAS O ETAPAS

En los métodos anteriormente expuestos es necesario contar con un astado de

unidades finales o unidades elementales de la población. El muestreo por conglomerado

se utiliza cuando no existe listado, o bien las unidades están demasiado dispersas y no

permiten llegar directamente a las de información.

Esto nos obliga a asumir las unidades físicas o elementales, por grupos de unidades,

que llamaremos conglomerados; generalmente son superficies o áreas en las que se ha

dividido el espacio ocupado por a población. Supongamos que se desea realizar estudios

a familias en una ciudad. Cada unidad o familia constituye en un conglomerado, por tal

razón se aplica el muestreo aleatorio monoetapico, es decir, se realiza la investigación

en una sola etapa.

Si iniciamos con una selección de manzanas y de cada una de estas manzanas, se

selecciona otra muestra correspondiente a familias, el método será biepatico. Obsérvese

que hay una modificación con respecto al anterior método, ya que los elementos no

forman parte de los conglomerados, sino que son una muestra o submuestra de cada uno

de ellos.

Si hacemos una selección de barrios, luego de manzanas y por último de familias, el

método será telepático. El muestreo polietápico o multietapico es una generalización y

consta de más de tres etapas.

Los conglomerados son unidades que contienen unidades o elementos, es de anotar,

que en la aplicación del muestreo por etapas la unidad cambia en cada una de ellas, por

lo tanto, se requiere de varios marcos o listados, ya que tienen varias poblaciones

13
 MUESTREO ALEATORIO SISTEMÁTICO

Más que un método de muestreo, es considerado como un método de selección. Se

aplica cuando la característica a investigar se encuentra ordenada al valor, tiempo,

cantidad, etc.

Consideremos una población de tamaño N y agrupamos sus elementos en n zonas de

tamaño k(N=nk). Para extraer una muestra de tamaño n se elige al azar una unidad en la

primera zona, y para seleccionar las n-1 unidades para la muestra se toma en cada zona

la unidad que ocupa el mismo lugar dentro de su zona que el que ocupaba la primera

unidad dentro seleccionada dentro de la primera zona. Por ejemplo, si la unidad

seleccionada para la muestra al azar en la primera zona es la tercera, se elegirán las n-1

unidades restantes para la muestra formando la tercera unidad de cada zona. Las

muestras sistemáticas asi obtenidas suelen denominarse muestras 1 en k

Inicialmente podemos considerar las N=nk unidades de la población clasificados en n

zonas (filas) de tamaño k (tabla de dimensiones (n,k)) de la forma siguiente:

I\j 1 2 3 … j … k

1 U11 U12 U13 … U1j … U1k

2 U21 U22 U23 …. U1j … U2K

… … … … … …

i Ui1 Ui2 Ui3 … U1j … Uik

… … … … … …

n Un1 Un2 Un3 … Unj … Unk

Una vez clasificadas las unidades de la población en n zonas o filas de tamaño k, las

numeraciones de izquierda a derecha empezando por la primera unidad de la primera

fila y pasando a la primera unidad de la siguiente fila una vez que se haya agotado la fila

anterior.

14
 Una vez numeradas las N=nK unidades podemos expresarlas de la siguiente forma:

I\j 1 2 3 … j … k

1 U1 U2 U3 … Uj … Uk

2 Uk+1 Uk+2 Uk+3 …. Uk+j … U2K

3 U2k+1 U2k+2 U2k+2 … U2k+j … U2k+k

… … … … … …

i U(i-1)k+1 U(i-1)k+2 U(i-1)k+3 … U(i-1)k+j … U(i-1)k+k

… … … … … …

n U(n-1)k+1 U(n-1)k+2 U(n-1)k+j … U(n-1)k+j … U(n-1)k+k

=UN

Tal y como hemos definido el método de selección sistemática, comenzamos

seleccionando una unidad en la primera zona por muestreo aleatorio simple (con

probabilidad 1/k). Si esta primera unidad es la X j, del resto de las zonas elegimos las

unidades que ocupan el lugar j. al hacer variar j desde 1 hasta k se obtienen las posibles

muestras sistemáticas. Por lo tanto, las posibles muestras sistemáticas serán todas las

columnas de la tabla anterior.

MUESTREO BIETAPICO DE CONGLOMERADOS.

PROBABILIDADES IGUALES

Supongamos que realizamos muestreo monoetapico de conglomerados y que las

unidades elementales de los conglomerados elegidos para la muestra fuesen parecidas

entre si. En este caso, tal vez un pequeño número de ellas constituirían una muestra

representativa sin necesidad de utilizar todas las unidades del conglomerado

seleccionado inicialmente para elegir solo una parte de sus unidades para la muestra

15
final con el objeto de ahorrar coste. Tenemos así definidas dos etapas en el muestreo (de

ahí el nombre de muestreo biepatico o muestreo con submuestreo).

En primera etapa se selecciona una muestra de n conglomerado de tamaños Mi i=1,

2, …, n. En segunda etapa se selecciona independiente en cada conglomerado de

primera etapa una submuestra de mis unidades elementales de entre las Mi del

conglomerado. En ambas etapas la selección puede ser con o sin reposición, pero en

segunda etapa suele usarse muestreo sin reposición. En segunda etapa se puede utilizar

cualquier tipo de muestro de los ya estudiados, pero generalmente sin reposición y

probabilidades iguales.

Si en segunda etapa, y dentro de cada conglomerado de primera etapa, volvemos a

realizar muestreo por conglomerado son submuestreos, de modo que en una tercera

etapa elegimos sub-submuestreos de unidades elementales, estamos entre muestreo

trietapico de conglomerado, de esta forma se puede generalizar al muestreo polietápico.

Ventajas y desventajas del submuestreo

Entre las ventajas del submuestreo podríamos citar las siguientes:

 No es necesario utilizar todas las unidades elementales de los conglomerados

seleccionados en primera etapa.

 No es necesario un marco de unidades elementales completo, basta con un

marco mas bien para conglomerados, y dentro de cada conglomerado basta

con una submarca para el submuestreo en segunda etapa. De esta forma, a

medida que se consideran etapas de submuestreo se utilizan submarca mas

bastos, y por lo tanto más fáciles de conseguir y manejar, que los marcos

completos de unidades elementales.

 Cuando hay un cierto grado de homogeneidad dentro de los conglomerados

muestrales es absurdo seleccionar todas las unidads elementales para la

16
 muestra. Bastara con elegir solo algunas de ellas originándose el

submuestreo.

 Se necesitan menos recursos y el coste es menor, ya que solo se visitan

algunas de las unidades elementales de los conglomerados elegidos en

primera etapa para la muestra.

Entre las desventajas del submuestreo podríamos citar las siguientes:

 La precisión es menor

 Las submarcas dentro de cada conglomerado pueden originar complicaciones

al aumentar el numero de etapas de submuestreo.

 Aparecen fuentes de variación que complican los cálculos algebraicos. La

fuente 1 se debida a la selección de las unidades primarias y la fuente 2 es

debida al submuestreo dentro de cada unidad primaria.

UNIDAD 3

MUETREO NO PROBABILÍSTICO

También llamada muestreo no aleatorio, una muestra no es aleatoria cuándo los

elementos son elegidos por medio de los métodos no aleatorios. Este procedimiento está

sujeto a errores, ya que se confía al juicio subjetivo de seres humanos, como en el caso

de la selección dirigida (no aleatoria), donde las unidades son tomadas en forma

caprichosa y en la mayoría de las veces por conveniencia.

A diferencia en el muestreo probabilístico, donde cada unidad de la población tiene

una probabilidad conocida de ser seleccionado, en el muestreo no probabilístico, no

todas las unidades de la población tienen la oportunidad de participar en el estudio.

El muestreo no probabilístico se utiliza donde no es posible extraer un muestreo de

probabilidad aleatorio debido a consideraciones de tiempo o costo.

17
 El muestreo no probabilístico comúnmente se lleva a cabo mediante métodos de

observación, y se utiliza ampliamente en la investigación cualitativa.

La muestra dirigida está constituida por una parte de una población, que el

investigador considera representativa del universo.

La característica es homogénea, la representatividad de la muestra puede ser

satisfactoria; por ejemplo, en un restaurante, una cucharada de sopa o un sorbo de vino;

en un almacén, un trozo de tela o un par de zapatos, son representativos del total de sopa

preparada, del vino para la venta o de la tela o calzado que dispone el establecimiento.

En un examen de sangre en un paciente, el resultado será el mismo, aunque la muestra

varie de 1cm3 a un litro.

MUESTREO CASUAL

Es una técnica de muestreo no probabilístico que consiste en tomar una muestra de la

población, realiza una investigación durante un periodo de tiempo, analiza los

resultados y luego pasa a otra asignatura o grupo de sujetos si es necesario.

Esta técnica de muestreo le da al investigador la oportunidad de trabajar con muchos

temas y afinar su investigación mediante la recopilación de resultados que tienes

conocimientos vitales.

MUESTREO VOLUNTARIO

Es un tipo de muestreo no probabilístico, formado por participantes seleccionados

por el investigador. Sin embargo, este método produce un sesgo (la realidad o teoría) de

respuestas, ya que los participantes son autoseleccionados.

18
 Ejemplo: el investigador selecciona diez (10) familias ubicadas en un barrio de la

cuidad para que opinen sobre la seguridad o medidas de vigilancia en la zona. También

pudo haberse hecho un llamado a las familias del barrio, para que se presenten

voluntariamente a dar su opinión.

MUESTREO DE EXPERTOS

En esta técnica de muestreo no probabilístico, las muestras se seleccionan basándose

únicamente en el conocimiento y la fiabilidad del investigador. En otras palabras, los

investigadores eligen solo a aquellos que estos creen que son los adecuados (con

respecto a los atributos y la representación de una población) para participar en un

estudio de investigación.

Por ejemplo: este tipo de método de muestreo se puede utilizar en estudios de una

muestra pequeña, en comparación con el tamaño de muestra predeterminado.

MUESTREO DE OPINIÓN

Es un tipo de técnica de muestreo no probabilístico, tal sucede en las encuestas de

opinión que realizan los locutores deportivos, cuando se juega un partido de futbol o en

las entrevistas para televisión, radio o prensa, hachas en las principales vías de la

ciudad, con el ánimo de conocer la opinión sobre algún asunto de interés para la

comunidad; en este caso el proceso se denomina muestreo de opinión u opinático.

MUESTREO DE CUOTAS

En este caso se le dice al entrevistador cuantos hombres, mujeres, cuantos casados,

solteros se deben entrevistar, es decir a la población se le fijan cuotas (grupos o

estratos).

19
 Por ejemplo: uns población en la que hay 20 hombres y 30 mujeres donde queremos

obtener una muestra de 50 personas, como vemos agrupamos según el sexo; estos

objetivos se conocen como cuotas.

MUESTREO DE POBLACIONES MOVILES (usa el método de captura-marca-

recaptura)

En el que la población total es estimada de la proporción de individuos en la captura

recaptura, que han sido capturados de manera previa y fueron marcados.

Es decir, este tipo de muestreo utiliza métodos de captura, marca y recaptura. Se

utiliza mucho en el estudio de migración de población de animales.

Ejemplo: alumnos que pasan el primer semestre en la facultad de ingeniería de

minas, geología y civil de la UNSCH.

Semestre N°1

Número de alumnos que ingresan (45); número de alumnos que pasan (30).

Semestre N°2

Número de alumnos que ingresan (45); número de alumnos que pasan (25)

Tabulación de datos:

R:30*25/45=19.444

Estimado de alumnos que pasan 19.444.

MUESTREO BOLA DE NIEVE

Este tipo de técnica de muestreo ayuda a los investigadores a encontrar muestras

cuando son difíciles de localizar. Los investigadores utilizan esta técnica cuando el

tamaño de la muestra es pequeño y no está disponible fácilmente.

20
 Este sistema de muestreo bola de nieve funciona como el programa de referencia

una. una vez que los investigadores encuentren sujetos adecuados, se les pide a este

ayuda para buscar a sujetos similares y así poder formar una muestra de buen tamaño.

Por ejemplo: para realizar investigación que involucren una enfermedad particular en

pacientes, los investigadores pueden buscar ayuda en las personas enfermas, para que

estos refieran a otros que sufran de la misma dolencia y con esto formar una muestra

subjetiva para llevar a cabo el estudio.

21