Mtra. Yvén Angulo Reyes Instituto de Investigaciones Sociales, UNAM El objetivo central de! presente capitulo es presentar los aspectos bésicos de la teoria del muestreo de ‘monera accesible a los lectores que por primera vez se enfrentan a ella. De igual forma, al término del mismo el lector podré: ‘+ Comprender los conceptos bésicos de! muestreo. * Realizar une lectura critica de los diserios metodolégicos que involucren la realizacién de encuestas. * Diferenciar los diferentes tipos de muestreo. ‘+ Describir las principales caractersticas del muestreo probabilistico y del muestreo no probabilisico. Enunciar para el caso del muestreo no probabilistico en qué consiste el de juicio, cuotas, y bola de nieve. Utiizar el muestreo adecuado para llevar a cabo una investigacién, experimento 0 estudio deter- ‘minado. a Discriminar las ventajas y desventojos de los diferentes tipos de muestreo, Explicar las boses del muestreo probabilistico. Describir el muestreo estratificado y el muestreo por conglomerados. Identificar cuéndo se debe recurir al disefio de muestras complejas. Implementar muestras complejas. Enunciar el teorema central del limite. Aplicar el teorema central del limite.Captulo S + Muesteo INTRODUCCION ‘De manera cotidiana se suscita la necesidad de tomar decisiones; coma se trata de que sean lo més acer- tadas posible, se percata de que la informacién con que se cuenta juega un papel determinante en la toma de decisiones y, por tanto, en su resultado, En algunos casos, esa informacién seré suficiente, pero en otros no, por lo que tendré que hacerse acopio de informacién adicional. Esta situacién no es muy distinta cuando se trata de tomar decisiones en otros émbitos, por ejemplo, el disefio de alguna politica, evaluacién de la efectividad de alguin medicamento, evaluacién de una cam- pafia publicitaria o politica, efectividad en un tratamiento, calidad en los procesos, estudios de opinién, etc, Al igual que en las decisiones cotidianas, se necesita informacién, la cual puede ser generada de distintas maneras. Existen diversas formas de captar la informacién, Ia cual depende de los propésitos del estudio, Asimismo, la forma de recabar la informacién depende de distintos factores, entre los que se encuen- tran los propésitos con los que se va a utilizar el tipo de informacién requerida, as{ como la poblacién ala cual se desea conocer, y los recursos de tiempo y dinero con que se cuente, No est4 por demés decir que el principal elemento que determina la forma de generar la informacién es el objetivo para el que se utilizaré. Un aspecto més importante de resaltar, es que para los casos referidos, la informacién seré sobre una poblacién especifica, la cual conforma nuestro universo o poblaciGn de estudio, ‘A:manera de introduccién se menciona que cuando se tiene la posibilidad de extraer Ia informacién dde todos y cada uno de los elementos de la poblacién de estudio, se habla de la realizacién de un censo. En caso contrario, es decir, cuando se toma informacién de un subconjunto de elementos, més pequetio ‘que la poblacién, entonces se tiene una muestra. ‘Cuando lo que se desea es contar inicamente con un subconjunto (muestra) de la poblacién a partir de Ja cual se quiere conocer algo acerca de la poblacién, este subconjunto puede ser seleccionado mediante distintos métodos. Cuando sus eleftititos son seleccionados de acuerdo con una probabilidad condcida istinta de cero, se esté hablando de un muestreo probabilistico, en caso contrario, ser uun muestreo no Probabilfstico. En este capitulo se abordan estos dos tipos de muestreo, se describen las diferencias entre uno y otro, ‘asf como los alcances en cuanto a la informacién que se genera. ALGUNOS CONCEPTOS BASICOS Censo y muestra ‘Cuando se esté ante un problema de investigacién que plantee el conocimiento de determinado fen6- ‘meno y se requiera generar informacién para tal fin, en principio existen dos posibilidades. La primera ¢s tomar informacién de todos y cada uno de los elementos de la poblacién de interés; es decir, realizar tun censo; y la segunda, tomar informacién de una parte, generalmente pequefia, pero representativa de la poblacién de estudio. Pero, ,c6mo decidir entre realizar un censo o tomar una muestra? Como se mencion6 antes, a diferen- cia de una muestra, en el censo o enumeracién completa se recurre a Ja “medici6n” de foda la poblaci6n, con lo cual se esperaria obtener informacién precisa acerca de lo que se desea conocer. Sin embargo, no siempre es conveniente la realizacién de un censo, contrario a lo que se pudiera pensar de primera impresi6n. Es decir, no siempre el censo proporciona mejores resultados que la muestra, debido a que,Parte 3. ® Modelos no deterministicos en la préctica, existen algunas situaciones que ocasionan que el censo pueda tener fallas importantes, entonces es mas confiable 1a utilizacién de una muestra. El tipo de errores comunes a un censo se aso- cian principalmente con problemas de cobertura, porque suelen ser selectivos, o con problemas de con- trol de calidad en el Jevantamiento de 1a informacién. Situaciones que pudieran ser mejor controladas si se tuviera un menor mimero de casos. ‘Otros aspectos que pueden ayudar a decidir entre la elaboracién de un censo o una muestra, son los costos en uno y otro caso, asf como la rapidez y oportunidad con que se genere la informacién. En cuuan- to a los costos y la rapidez, es obvio, al tener que llevar a cabo en la muestra un mimero menor de mediciones, el costo se reduce y se obtiene con mayor rapidez la informaci6n, Por consiguiente, se con- tard con informacién més oportuna. Este punto es fundamental cuando lo que se requiere es contar con informacién para la toma de decisiones, 0 en fenémenos en los cuales su dinémica implique cambios répidos que deban ser identificados de manera oportuna, Para ilustrar lo anterior considere el siguiente ejemplo: suponga que desea conocer el tipo de miisica preferida por los estudiantes de una universidad. Si se decidiera por un censo, tendrfa que preguntar a todos y cada uno de los estudiantes de la universidad cual es su miisica predilecta, Bajo estas circunstan- cias, el resultado que obtendria serfa un listado “exacto” y “exhaustivo” de la miisica que les gusta a todos los estudiantes. El hecho de realizar el censo en la universidad implica que debe interrogar a todos y cada uno de los estudiantes inscritos en el momento del censo. Lo que contempla la biisqueda y entrevista de quienes no asistieron o estén ausentes por cualquier otro motivo (intercambios, permisos, etc.). Puesto que se trata de un censo, se tendrfa que buscar y entrevistar a todos independientemente del lugar o situacién en la que se encuentren,' lo cual tendria implicaciones en cuanto a costos y tiempo. Por otro lado, si se decide por preguntarle slo a una muestra representativa, el ntimero de casos que debe buscar fuera de la universidad, porque no asistieron, disminuye considerablemente. Poblacion objetivo Una tarea importante en el proceso de investigacién es la definicién clara y concreta de la poblacién objetivo. Se entiende como poblacién objetivo la conformada por los elementos que cumplan con deter~ minadas caracteristicas en un tiempo y espacio. Por tanto, un primer paso para llegar a la poblacién objetivo es definir de manera clara y exhaustiva las caracteristicas de Jos elementos que harén identi- ficar a aquellos que pertenecen a la poblacién objetivo y a los que no. Si se retoma el ejemplo de los universitarios. La poblacién objetivo estard conformada por todos y cada uno de los estudiantes inscritos durante el presente ciclo escolar. De igual manera, si tinicamente se desean conocer los gustos musicales de los de nuevo ingreso, entonces la pablacisn objetivo estar constituida por todos aquellos estudiantes inscritos al primer afio durante el actual ciclo escolar. En algunas ocasiones, por diversos motivos, no es posible acceder de manera completa a la poblacién objetivo, por tanto, se tendré que hacer referencia a la Hamada poblacién investigada. + Este ejerccio se plantea con el supuesto de que Ia entrevista tendbria que ser cara a cara. ;De qué otra manera pudiera ser? En una poblacidn que de cirta manera puede considerarse como “eautiva", donde es posible tener cierto control de todos sus integrantes, se cuenta con otras alternativas, por ejemplo, las encuestas via correo electrénico, lo cual disminuye costos y en algunos casos tiempo.Capitulo» Muestreo Marco de muestreo En la medida en que se tenga bien definida la poblacién objetivo, se podré contar.con un listado que ‘contenga todos los elementos que la integran. A este listado se le conoce como marco de muestreo. Para el ejercicio que se ha venido siguiendo, el marco de muestreo estar conformado por los nom- ‘bres de todos y cada uno de los estudiantes de 1a universidad o los inscritos al primer afio, durante el presente ciclo escolar, segiin sea el caso. ; Por tanto, un marco de muestreo seri el medio fisico a partir del cual pueden identificarse de ma- > inera directa 0 indirecta todos los elementos de la poblacién (Méndez, Eslava; 2004), En términos ideales se esperarfa que el marco de muestreo coincidiera con la poblaci6n objetivo; sin ‘embargo, esto no siempre ocurre. Es decir, puede suceder que el marco contenga elementos que.no sean considerados como parte de la poblacién, 0 que no contenga todos los que interesan, La primera situaci6n no representa problema alguno, ya que a partir del marco que contenga toda la informacién, puede extraerse un listado de todos Jos que én realidad conforman la poblaciGn objetivo. Sietoma el caso de los universitarios, podria suceder que como marco se cuente con el listado de todos. 40s,;inscritos durante el ciclo esoolar, ¥/-los que interesan ison sinicamente Jos de, primer. ingreso. Entonces, lo que tendria que hacer es extraer del listado de todos los inscritos uno que incluya tinica- mente a los de recién ingreso. : 1 A iferencia del escenario anterior, se tiene un problema més complicado cuando e] marco.no con tiene a todos los elementos de la poblacién. Ante esta situacidn existen dos posibilidades, la primera es intentar complementar la informacién del marco con otras fuentes de informacién, con otros marcos. En ‘caso de que esto no sea posible, entonces se tendré. que reconocer este, problema eomo una limitacién importante y redefinir la poblacién objetivo, ‘i De nuevo considere el ejemplo de los universitarios. Suponga que en la universidad se cuenta con sis- ‘temas escolarizado y abierto, y que el registro de las inscripciones se realiza por separado. Silo que desea ‘5 conocer el gusto musical de todos los inscritos durante el ciclo escolar, entonces, si se toma tinica- ‘mente el marco de los inscritos en el sistema escolarizado, la informacién sélo estaré haciendo referen- cia a este grupo, por lo que para considerar a todos, también tendré que tomarse en cuentaiel marco de Jos inscritos en'el sistema abierto.-De esta manera se contaré.con dos marcos complementarios que ‘cubren a toda la poblacién, sin que existan traslapes! z a TIPOS DE MUESTREO Existen diferentes formas para tomar una muestra, la elecci6n entre una u otra depende de los propésitos — ppara los que se utilizard Ja informacién, el conocimiento previo del fen6meno de estudio, as{ como,los recursos con los que se cuente. e De manera general se distingue entre dos tipos de muestreo, los no probabilisticns y los probabilist- ‘cos. Cuando se extrae tuna muestra en donde todos y cada uno de los elementos del marco muestral cuen- tan con probabilidad de seleccién distinta de cero, entonces se trata de un muestreo probabilistico, en casO Contrario, se tratard de muestreo no probabilfstico. Entre los no probabilisticos se cuentan el de juicio, pot ‘euotas, bola de nieve y por conveniencia; en tanto que los probabilisticos son el aleatorio simple, aleato- tio estratificado, sistemstico, por conglomerados, y las posibles combinaciones que puedan realizarse entte éstos. .Parte 3 © Modelos no deterministicos p BEREAN Rete Muesuco = oe ‘No probabilistico Probabilistico a De jsicooeriterio ‘teatro Por cuss Aleatro exraifcado Bola de sleve Mucsreosistemico Por conveniencia Conglomerdoe jconveniente utilizar uno y cuéndo el otro? La respuesta depende de una serie te factores que setin lados en los siguientes apartados. probabilistico consiste en tomar una muestra de manera aleatoria'a partir de un tarco ven donde todos y cada uno de Jos elementos del marco tienen una'probabilidad conotida y jde'céro de salir en muestra.'La selecciGn de'ta muestra se'tealiza con base efi fiindamentos de 'probabilistico, una vez definida 1a poblaci6n de estudio, configurado el marcé de miuestreo 'y 11a forma ’de ‘eleoci6n, 1a conformacién ‘de la muestra no depende de 10s ¢titerios seleativos'0 ia del ‘mivestreo /probabilistico, en el’no ' probabilistico la conformacién de’ Ia’ mitestra ‘en gran medida de los “criterios” del investigador, entonces, no hay una manera Objetiva de "Probabilidades de seleccién a los elementos de! marco de muestreo, en caso de que’se conozta. ieoriocer de manera objetiva la precisién y confianza de los resultados obtenidos, para lo que (G0ntar con marco de miestreo confiable. En tanto que &i lo que s¢ desea es obtener informacisn tpoblacién para la cual es dificil contar con tn listado confiable, o tinicamente se desea cono- 6n de manera exploratoria, el método de muestres que s¢ utilizard serd tno no probabil(s- Leste caso, le toca al investigador argumentar la representatividad de la muestra, la cual depen- medida del objetivo de la investigacién. TREO NO PROBABILISTICO tteo fio probabilistico, la representatividad de la muestra depende de criterios no probabilfs- ecir, la inclusién o no de un elemento en la muestra se determina en gran medida por el cri-Capitulo * Muestreo terio de los investigadores y, en algunos casos, de los propios entrevistadores y no de un proceso aleato. rio, por lo que no se esté en posibilidades de conocer las probabilidades de inclusién en muestra de cada tuno de los elementos de la poblacién objetivo. Por otro lado, a partir de Ia definicn general, anteriormente mencionada, en la que se considera que | tun muestreo probabilistico requiere de un marco muestral para conocer la probabilidad de scleccién de! ‘cada uno de los elementos que conformarén la muestra, para el caso del muestreo no probabilistic, este ‘no es un requisito. De juicio La caracteristica principal de este tipo de muestreo es que tanto el tamafio de muestra como la de los elementos estén sujetos al juicio del investigador, esto es, para realizar un estudio mediante tipo de muestreo debe recurrirse a la experiencia que se tenga. Es decir, la muestra se forma con los ‘mentos que el investigador considera (segiin su juicio) que son los més representativos de la p que va a estudiar. Por.cuotas Para el caso del muestreo por cuotas, al igual que las muestras generadas por muestrea de ju Poco son probabilfsticas. Sin embargo, el muestreo por cuotas permite obtener muestras represed “en cuanto. distribucién de algunas variables relevantes de la poblacién., +t Esta representatividad se basa principalmente en la obtencién de un miimero especifico de ca actierdo con las yariables que se consideren mAs relevantes. Sin embargo, al igual que en el. Ae juicio, a seleccién de los elementos de la muestra no es probabilistca, como se verd a co El procedimiento general del muestreo por cuotas es el siguiente: 1. “Variables relevantes. Un primer paso es identificar las variables que van a permitir asignat Estas variables se definen de acuerdo con la importancia'o la posible influencia que pudi ‘sobre el fenémeno que esté estudidndose (por ejemplo, sexo, escolaridad, edad, ingreso, 2. Recabar informacién sobre la distribuciGn de las variables relevantes para la poblacién| Con esta informacicn se asigna el ntimero de casos de acuerdo con la distribucién porcett dichas variables,Parte 3 © Modelos no deterministicos 3. Asignar a cada entrevistador el ntimero de cuestionarios a aplicar, asf como la distribucién de los + ‘mismos de acuerdo con las variables relevantes. En este iiltimo, donde se realiza el proceso de seleccién' de los entrevistados, es donde se introduce e880 de los entrevistadores, ya que ellos deciden a quién entrevistar y no hay manera de saber la pro- ilidad de seleccisn de cada tno de los inchiidos én muestra. la ‘de nieve igual que en los casos anteriores, cuando no se cuenta con un marco de muestreo confiable o cuando ¢ muiy dificil contactar a la poblaci6n objetivo, es recomendable un muestreo por bola de nieve. 'muestreo de bola de nieve involucra los siguientes pasos: ii6n de ‘la poblacién objetivo. eign de uno © varios elementos para el inicio del Jevantamiento."" En este punto es donde se i directa (consciente) o indirectamente (inconscientemente), la composiciGn final de la muestra. ““A.cada uno de los elementos encuestados se le solicitard referencia de otro u otros elementos que n.con las caracteristicas de la poblacién objetivo. Estas referencias serén los siguientes antes de 1a muestra.’ Y-asf sucesivamente, hasta un determinado numero de referencias 0 ser hecha a partir de métodos probabilfsticos, en caso de que se cuente con un marco de Ta inclusion de los siguientes elementos ya no seré probabilistica, pues depende de que hayan Encionados por los primeros. Es decir, este tipo de muestreo se considera no probabilistico ue al ir constituyendo la muestra a partir de referencias de encuestados, no se tiene manera a probabilidad de seleccién de todos los elementos de la poblacién; més atin, puede ocurrir 06 los elementos de la poblacin tengan posibilidad de quedar incluidos en la muestra, debido quiiz4 no tengan relacién alguna con los puntos de inicio 0 con los mencionados en referencias {€s decir, que se trate de puntos aislados).Capitulo» Muestreo = Ejemplo 1 ‘Suponga que busca realizar un estudio de la opinién que tienen los empresarios acerca de la aprobacién de determinada ley arancelaria. A primera vista puede decirse que, aunque es ‘omplicado, se podria contar con un marco de muestreo confiable, lo cual serfa de. gran ayuda. Sin embargo, por otro lado, se percata de que es complicado hacer contacto con los ‘empresarios. Por tanto, un muestreo por bola de nieve es recomendable, ya que tinicamente se tendré que garantizar el contacto con un niimero reducido de empresarios, los cuales remi- tirén con empresarios conocidos por éstos, lo que facilitard su inclusién en la muestra para conformar la muestra final, Por conveniencia Cuando una muestra esta conformada tinicamente por elementos disponibles 0 con los més di entonces se trata de una muestra por conveniencia. A diferencia del muestreo de juicio, en él que Se'bu can elementos que a juicio del investigador sean los convenientes, una muestra por conveniencia constituida por los que se “tengan a la mano”, ‘Obvio, este tipo de muestreo tiene muchas ventajas pricticas; sin embargo, sus resultados s6lo referencia a los que fueron entrevistados y'no a un grupo més grande. ie ‘A pesar de esto, ¢! muestreo por conveniencia tiene aplicaciones importantes, por ejemplo en. ds de mercado en los cules se desee realizar la evaluacin de un producto, o cuando se quer prueba el disefio de algtin cuestionario (prueba piloto en una encuesta), etcétera. MUESTREO PROBABILISTICO Parta de que el objetivo basico del muestreo probabilistico es entender el comportamiento de: do fenémeno, asf como ¢l.grado de precisién con que se conoce, es decir, se desea estimar lo mej ble el valor de una determinada variable y conocer la magnitud del posible error que esté Por tanto, cuando sea necesario contar con el grado de representatividad de una muestra, con los errores de muestreo, es recomendable el uso de un muestreo probabilistico. Pero, zqué implica un muestreo probabilistico? Bésicamente el conocimiento de las pr seleceién (de estar en la muestra) de cada uno de los elementos de la poblacién objetivo y, por $a posible conocer las probabilidades de seleccién de todas y cada una de las posibles muestras, Puedan tomar de la poblacién." Este hecho es el que da sustento al muestreo probabilistico, ya q Bi biar te aplicacién de un muestreo probabilfstico requiere el cumplimiento de ciertos fe existen ventajas considerables para su uso en determinadas circunstancias; por ejemplo, el i ‘conocer la precisi6n con que estén obteniéndose los resultados disminuye la posibilidad de tor siones equivocadas. * Al conjunto de todas estas posibles muestras es lo que se conoce como espacio muestral y su distribucién como di ‘muestraParle 3 © Modelos no deterministicos FUNDAMENTOS DE MUESTREO PROBABILISTICO Conceptos basicos ‘Como se mencioné en secciones anteriores, e1 objetivo del muestreo es estimar los parémetros desconoci- 10s de tina poblacisn a partir de'una muestra. Considere una poblacién en la cual los valores de la variable ‘de estudio estén representados por X,, un pardmetro se define como una funcién que resume los valores de variablet en el total de la poblacién. »)*Por ‘ejemplo, si se considera como variable de estudio (X), In dad e las personas que ‘asisten @ un WGertiiinado evento. Entoncés’un pardmetro seré Ia edad promedio de todos ‘os usistentes. © {Cuando lo que se tiene es un valor calculado (estimado) a partir de los valores de una muestra, entonces }que se trata es de un estimador"* del pardmetro poblacional. Para el ejemplo anterior, sila edad de ‘asistentes se calcula a partir de una muestra, entonces se tendré una estimacién de la edad prome- ‘Tos asistentes. isituaciones importantes se desprenden de lo anterior. La primera, que lo deseable es que el esti- fuera lo mds parecido al parémetro, y la segunda es que as{ como se tome una muestra paraestimar 9, bien pudo haberse sacado otra muestra en otros integrantes que proporcionaran otra infor- 'y.ipor tanto, un valor del estimador diferente’ jel primer punto, a lo que esté haciéndose referencia es a ld precisién con que se desea estimar un 4 la posibilidad de tener mAs de tina muestra y, entonces, més de una estimacién del parémetro. Gada muestra estard integrada por elementos distintos, es de suponer que algunas estimaciones Bn mis precisas que otras, es decir, que estén mAs cercanas al pardmetro. V Aika distribucién de los valores de los estimadores de todas las muestras posibles de tamafio n se le distribucién muestral. Es decir, a partir de cada n (tamafio, de muestra) dado, se podrén met tantas estimaciones del pardmetro como combinaciones,posibles de muestras distintas de sea posible extraer, las cuales generardn una distribuciGn muestral para cada n. -menciona el Teorema central del I{mitet' es que a medida que el tamafio de las muestras se do (es decir, que n vaya siendo més grande), la distribuciGn de la media (distribuci6n I) tiende a tener distribucién normal, sin que la distribucién de la variable que se mide tenga istribucién normal en la poblacién. bs de medidas son la media el total, a proporcidn, varianza, etoétera hador puede ser sesgado o insesgado, consistente © no, fundamental en estadistica,Capttulo5 * Muestreo En donde jes el valor del pardmetro en ta poblacién ye resto de los valores son las estimaciones calculadas a partir de cada una de las muestras posibles (X), las cuales se encuentran alrededor de y se van concentrando mds a medida que aumenta, ya que X se’tistribuye como una normal con i 2 parémetros (j1, 03), donde 03 = 2 y oy es la desviacién esténdar de la distribucién muestral, conocido n ‘como error esténdar de la distribucién de X. Si se retoma la idea de utilizar el muestreo probabilistico para obtener una estimacién del pardmetro lo, ‘ms cercano posible, esto con probabilidad de ocurrencia alta, lo anterior se puede poner en los siguientes términos. P(u-dsXXp byw ym om Dy5 oa: ne de manera que N, + N, = N, donde N es el total de nifios de entre 6 y 10 aiios en la escuela. Para cada uno de los estratos se asigné 1, nifios como tamafio de muestra, n, = 15 nifios para el estrato socioeconémico alto y n, = 25 para el bajo, de manera que n, + n, =n, con el tamafio total de la mues- ‘ra n, necesario para obtener estimaciones del mae (muestreo aleatorio estratificado), Por tanto, si supone que N= 180 nifios de entre 6 y 10 afios N,=70 N,= 110 Y que se asigné un tamafio de muestra para cada estrato de n, = 15 yn, = 25, a partir de los cuales se obtuvieron los siguientes resultados: es emcee Parte 3 * Modelos no deterministicas En situaciones como la anterior, es recomendable el empleo de! muestreo estratificado, con lo que se esperaria tener mayor precisién en las estimaciones, ademas de que existe la posibilidad de hacer estima- ciones por separado para cada uno de estos grupos (estratos) si el tamafio de muestra en cada estrato per- mite tener precisién (d) aceptable. En resumen, el muestreo aleatorio estratificado consiste en, primero, identificar una o algunas variables de estratificacién. Esta variable debe hacer referencia a determinada caracteristica de Ia poblacién que esté correlacionada con la variable de estudio y ser capaz de identificar subgrupos heterogéneos entre sf y homogéneos al interior; segundo, en cada uno de estos estratos, seleccionar de manera aleatoria una muestra de tamaiio n,, que es el tamafio de muestra de cada uno de los estratos.’ Y por tiltimo, una vez {que se cuente con informacién de los estratos se procederd a realizar las estimaciones. Estimaciones de proporciones Para el caso del ejemplo anterior, se tienen dos estratos: estratos socioeconémicos alto y bajo. Cada uno de ellos con N, nifios, es decir, el estrato socioeconémico alto con N, nifios y el estrato bajo con N, nifios, Estrato 1 (alto) Estrato 2 (bajo) 10 7 ul 9 12 4 7 5 3 6 9 12 a 9 8 5 3 6 4 BR 10 9 1 4 6 5 5 4 3 6 5 3 4 PE 6 7 4 5 7 Estimar el ntimero de videojuegos que conocen en promedio los nifios de 6 a 10 afios en una deter- ‘minada escuela, El nimero promedio estimado de videojuegos esté dado por sy won en donde Evisten diferentes formas de determina el valor de n, més adelante son abordadas algunas de ells.Capitulo * Muestreo ¥, es el promedio de videojuegos que los nifios conocen en cada uno de los estratos i de donde %,=10.33 y ¥,=50 En consecuencia Fult7003+0 10\5.0)] 7.07 Es decir, los nifios de entre 6 y 10 afios de cierta escuela, conocen en promedio 7.07 videojuegos. Para completar esta informacién, se calcularé el intervalo de confianza de la siguiente manera: 5,22, (VG) en donde para el ejercicio anterior 1637 -15(10.33)" 52 673-2515) 15-1 YRS 2.5976 sp=2ts Parte 3 Modelos no deterministicos de donde, sustituyendo estos valores en V (Z,,) se tiene ae V(%) = 0.043664114 Por ende, el intervalo de confianza alrededor de ,.€s 7.07 + 1.96V0.04366411 i 7.07 + 0.4095608 ‘es decir, el verdadero valor del promedio de videojuegos que conocen los nifiosesté entre 6.66 y 7.48, _ eon tin 95% de confianza. | Si se hubiera utilizado una mia, desaprovechando la informacién para generar estratos, lo que se hiibiera obtenido es que (para esto suponga qué la muestra fue obtenida sin estrato) ‘ igh -70 38.9743 v@,)-57 (1-2) 40.\'” 780, VE) = 0.1744 | Por afijacion de Ia muestra se entiende el hecho de distribuir el tamafio de muestra total (n) entre los ‘Aistintos estratos existentes. Puede realizarse por distintos métodos, entre lo cuales se encuentran Ia afi- ‘Jacién uniforme, proporcional, de minima varianza y éptima. A continuacién se hace una breve descrip- “ign de cada uno de estos métodos. ‘Laaafijacién uniforme consiste en asignar el mismo niimero de casos para cada uno de los estratos, con cual se les esta dando la misma importancia, independientemente de su tamafio. Cuando la afijacign se liza asignando el ntimero de casos de manera proporcional al tamafio de cada estrato (ntimero de ele-Capitulo 5 © Muestreo En caso de que se desee tener estimaciones con varianza minima, entonces se utilizaré el método de Neyman. Finalmente, en la afijacién éptima se considera el costo por unidad de muestreo, ademas de que se pide varianza minima, Muestreo por conglomerados En los ejercicios propuestos en las secciones anteriores para la mia y para el mae, se parti6 del hecho de que era posible contar con un marco muestral para la seleccidn de los elementos de Ia muestra. En el mia para la seleccién directa de n elementos del total, mientras que en el estratificado para la selec- cidn directa de n, elementos en cada i-ésimo estrato. Cuando para algtin problema de investigacién no existe un marco de muestreo o su construccién sea demasiado costosa, © cuando las unidades de muestreo se encuentran muy dispersas, al grado de impactar de manera importante en el costo del levantamiento, entonces se puede recurriral uso del muestreo por conglomerados. El muestreo por conglomerados consiste en considerar como unidades de muestreo agrupaciones (grupos, conjuntos) de elementos. De esta manera, s6lo serd necesario un listado (marco de muestreo) de estos conglomerados y no de todos los elementos. Este tipo de muestreo puede hacerse en una o mds etapas. Cuando en un muestreo se realiza la selec- cin de n conglomerados y los m, elementos de los n conglomerados son medidos, entonces se trata de lun muestreo por conglomerados en una etapa, puesto que tinicamente hubo una etapa de selecciGn. Este procedimiento se puede hacer cuando los conglomerados no son muy grandes:' en caso contrario, a lo {que se recurre es a la seleccién de una muestra de cada uno de los conglomerados seleccionados, en tal caso, se tratard de un muestreo por conglomerados bietépico, Seleccién por conglomerados - Conglomerados ‘mia de conglomerados ‘mae de conglomerados T T Censo en los ‘mia al interior de cada conglomerados luno de los conglomerads| ‘seleccionados seleccionados Muestreo en una etapa Muestreo en dos etapas * Pero esto no es recomendable cuando las unidades a interior de los conglomerados son muy parecidas entre sf, debido a que se pueden tener problemas de autocorrelacign intraclaseParle 3 © Modelos no deterministicos Por tanto, la seleccidn de una muestra por conglomerados consiste en lo siguiente: Primero, identficar agrupaciones (conglomerados) de elementos en Ia poblacién, que puedan ser considerados como unidades de muestreo. Puesto que s6lo se seleccionard un subconjunto de estos con- slomerados, lo deseable es que sean lo ms homogéneos entre sf, y lo mis heterogéneos al interior, esto para garantizar que los que no salgan en muestra contengan la misma informacion que los que si salen, Se debe garantizar que todos y cada uno de los elementos de la poblaci6n pertenezcan a uno y solo uno de los conglomerados, de manera que la interseccién de estos subconjuntos sea vaefa y su unin sea el total de la poblacién. ‘Segundo, a partir del marco de conglomerados, se selecciona una muestra de conglomerados, ya sea ‘con un mia © con un mae.” "Tercero,en caso de que el muestreo sea en una etapa, entonces se “medirdn” (encuestardn) todas las unidades de los conglomerados seleccionados. En caso contrario, al interior de cada uno de los con- glomerados se tomar nuevamente una muestra, como en Ia primera etapa de seleeciGn puede ser a través de un mia o un mae El uso del muestreo por conglomerados ofrece algunas ventajas, pero también desventajas. Entre las primeras se puede conta el hecho de que no se necesita un marco de muestreo de las unidades Giimas (unidades de observacién). Por otro lado, cuando se definen unidades geogréficas como conglomerado, cl costo de desplazamientos disminuye, puesto que sélo serd necesario visitar algunas dreas para recolectar la informacién. -Esas ventajas son mui atractivas, sin embargo también tiene sus desventajas, las cuales se ven refle- jadas principalmente en el descenso de la precisién de los estimadores: = Ejemplo 4 En una ciudad se desea conocer eusntos libros en promedio leen 10s nifios que se encuentran inscritos en 6° grado de primaria en escuelas puiblicas. En este caso podria decirse que se cuenta con un marco de muestreo (listado) de todos los alumnos de 6° grado de las escuelas puiblicas, entonces, ;por qué NO elegir directamente un mia? Si se hiciera un mia, habria la posibilidad de que la muestra tuviera niffos de todas 18s escuelas, o de la mayoria de ellas, por lo que se tendria que ir a todas, y el costo en cuanto a tiempo y recursos econémicos serfa alto. Por tanto, puesto que en general se puede considerar que las escuelas del gobierno son similares entre sf, entonces, cada una de las escuelas puede tomarse como un conglomerado ¥-a partir del istado de todas las escuelas, hacer una selecci6n de algunas de ellas ‘Suponga que en total se tienen 120 escuelas de gobierno en Ia ciudad, ¥ que se seleccio- nan de manera aleatoria 10 de ellas. Estimar el promedio de libros letdos por los nifios. Se supone que una vez seleccionada la escuela, se pregunta a todos los nifios de 6° grado cudn- tos libros leyeron el afio pasado. PUR “Tanto ena mia como nel mae sasigan probablidadesiguales de salirenmivestaacadn una de las unidades de mes’ Par e caso de rouese por conglomersdo, a puede seguir el mismo prcedimien'o. Sin embargo, puesto que <2 © iuestreo por conglomerados, étos pueden tener tamafos distints, entonces exist la posibilidad de realizar sy seleccién ‘on probabldades stints en particular a puede hacer con probablidades propocionaes al tamafio de los conglomers os (amero de integrantes)Capitulo 5 + Muestreo Por tanto, N = 120 Total de escuelas en la ciudad n= 10 Total de escuelas en muestra im, = Ntimero total de nifios de 6° grado en la escuela i, donde i = 1, 2, 3, = Ntimero total de libros lefdos por los nifios de la escuela i La informacién del ntimero de libros leidos por los nifios de 6° grado de las escuelas en muestra es la siguiente: Conglomerado mx, 1 60180 2 50 125 3 53 190 4 70 132 5 65 151 6 58 92 1 6 75 8 74 120 9 45 104 10 56 62 peti sentonces ¥=—=— 593 8 decir, el promedio de libros lefdos por nifio se calcula considerando el total de libros en los conglo- merados en la muestra entre el total de nifios de los conglomerados en ella. La varianza de ¥ se calcula como N-n¥(x,-5m,) V(%) = ——ss1—____ O° Nit nl ‘con M igual al nimero total de nifios en todas las escuelas. Por tanto, Wf = si 56.7, entonces 120-10 __ 18 231.82 V¢g) = 120-10 ©" T9aoys67F 9 V(%) = 0.05782873Parte * Modelos no deterministicos de donde se obtiene el intervalo de confianza ¥2Z,WV@ ¥ 2 1.96Y0.05783 2.076 0.4713, ces decir, en promedio, los nitios de 6° grado de las escuelas puiblicas leen entre 1.61 y 2.55 libros en el afio, esto con un 95% de confianza. En este caso se conté con informacién acerca del ntimero total de se tiene esta informacién, una buena aproximacién se realiza como: fios en las escuelas, cuando no 3m, Muestras complejas De acuerdo con lo que se ha visto a lo largo del apartado, para la aplicacién de cada uno de los tipos de rmuestreo que se han descrito es necesario el cumplimiento de determinadas condiciones, las cuales son principalmente en cuanto al tipo de informacién necesaria, es decir, en cuanto al marco de muestreo. Segtin lo planteado hasta este momento, para realizar un muestreo aleatorio simple es necesario contar con un marco de muestreo (listado) de todos y cada uno de los elementos que integran la poblacién, de entre los cuales se realizard la seleccién directa de una muestra; lo mismo sucede en el caso del muestreo aleatorio estratificado, para el cual es necesario contar con informaci6n que permita realizar luna estratificacién (clasificacién) de todos y cada uno de los elementos de la poblacién, asi como el lis- tado de todos los elementos pertenecientes a cada uno de los estratos, para posteriormente realizar la seleccién directa de una muestra en cada uno de los estratos; en tanto que para el caso del muestreo por conglomerados, el cual pareciera ser el menos exigente en cuanto a cantidad de informacién. Se requiere del listado de todos y cada uno de los conglomerados, a partir del cual se realizard la selecciGn directa de una muestra de ellos. Como se puede observar, la aplicacién de cada uno de estos tipos de muestreo requiere de determi- nada informacién. Pero, ,qué pasa cuando no se cuenta con esa informaciGn’ Por ejemplo, considere que desea realizar una encuesta a nivel nacional sobre Ia percepcién que tienen los mexicanos, de 18 alos y mas, acerca de lo adecuada que resulta la constitucién politica del pafs.’ Vea las posibilidades de Muestreo con las que contaria hasta este momento. Si deseara aplicar un muestreo aleatorio simple, lo que se requiere es un listado de todos los mexicanos de 18 afios y més residentes en el pais, en el momento de la aplicacién de la encuesta, Este listado eee El disehio del esquema de muestreo completo de la Encuesta Nacional de acttudes, percepciones y valores, se puede con uta en p/w ijn ogibo/132416 pl. Esta enevesta fe elzada por expeciaisias del Insioo de Investigaciones Jurdicas en colaboracidn con el Instituto de Investigaciones Sociales de Is UNAMCapitulo 5 © Muestreo deberd contar con informacién que permita identificar de manera Unica a cada uno de los mexicanos, asf como informacién acerca de su ubicacién, De acuerdo con lo que se ha visto hasta este momento, a Partir de este listado de cerca de 59 millones de mexicanos,’ se realizaré la seleccidn de manera direc- ta a partir de 1a generacién de ntimeros aleatorios © muestro sistemético."” ;Demasiado complicado! Ante la imposibilidad de contar con un listado con estas caracteristicas y lo poco prictico que resulta realizar de esta manera la selecci6n de los integrantes de la muestra," se tiene que recurrir a métodos indirectos” de seleccién (diferentes etapas de seleccién), Si lo que se quisiese es hacer un muestreo aleatorio estratificado, clasificando de acuerdo al tamaiio de localidad, o por estratos socioeconémicos, por ejemplo, la necesidad de un marco de muestreo por individuos no se salva, Es decir, puesto que la seleccién de la muestra se tendria que realizar al interior de cada uno de los estratos, entonces, se requiere de un listado exhaustivo de todos los mexicanos inclui- dos en cada uno de los estratos, y realizar la seleccidn directa en cada uno de ellos. Por otro lado, a diferencia de los dos casos anteriores, para un muestreo por conglomerados, ef ‘marco muestral estard conformado por todos y cada uno de los conglomerados, los cuales para este caso en particular podrian ser los municipios, localidades, AGEB’s,"" etc. Los conglomerados generalmente son unidades mayores que las unidades de observacidn. A partir del listado de todos los conglomera dos, se selecciona de manera directa una muestra de conglomerados, al interior de los cuales se realiza la recoleccidn de la informacién de todos los elementos que los conformen. Por tanto, la informacién con la cual se construy6 la muestra fue el listado de todos los conglomerados ¥ el listado de los elemen. tos de un ntimero limitado de conglomerados. Esquema de muestreo en una sola etapa ‘Como se puede observar en la descripcién anterior, la informacién necesaria para realizar Ia seleccién de la muestra depende de las especificaciones del tipo de muestreo que se desea realizar, el cual, por lo emis, esté determinado por los objetivos de la investigacién, Una particularidad de cada uno de los esquemas de muestreo mencionados en los apartados ante- riores es que se llega a la muestra a través de una etapa de seleccién. Es decir, en cada uno de los esque mas seleccionados, la muestra es consecuencia de Ia seleccién directa de los elementos. A este tipo de esquema de muestreo se le lama muestreo en una etapa. En situaciones reales de muestras con alcance geogréfico muy grande, es poco factible que se pueda aplicar el muestreo en una sola etapa debido principalmente a la imposibilidad de contar con un marco de muestreo con las caracteristicas para hacer un muestreo de este tipo." Entonces, a lo que se recurTe De acuerdo con informacisn del Censo General de Poblacién y Vivienda del 2000, la poblacisn de 18 afios miss en eh pais fue de 58772635, ‘Suponiendo que el listado no tienen algun orden en particular, es deci, que su arreglo es aleatoro, En caso de que se pudiera contar con un listado con estas caractersticas, el problema de la seleccidn de fa mest ‘quedaria resuelto con los paguetes estadisticos que tienen la opcidn de extraer muestras simples de manera muy senill Las Areas Geoestadisticas Basicas (AGEB) son areas geogrificas delimitadas de acuerdo con crterios establecidos poe INEGI, las AGEB son la extension territorial, que corresponde a la subdivision de las AGEM (Areas Geoestadistica® Municipales) constituye la unidad basica del Marco Geoestadistico Nacional. dependiendo de sus caracteristias. lasifican en dos tipos: Areas Geoestadisticas Busicas Urbanas y Ateas Geoestadistia ‘Adenuis, debido a la forma en la que se selecciona alos elementos de la muestra, su dispersion es muy grande, lo cual‘) bien tiene ventajas en cuanto los estimadores, en la parte logstica det levantamiento de la informacidn, se vuelve demas ‘do complejo y costoso,~~ Parle 3» Modelos no deterministicos en estos casos es al disefio de muestras que consideren més de una etapa de seleccidn y, en algunos casos, se combinan estos tres tipos de muestreo. Es decir, antes de Hegar a la seleccién directa de la unidad de observacién, se realiza la seleccién de unidades mayores, Esquemas complejos de muestreo De manera general, los muestreos complejos hacen referencia a que antes de la seleccién de las unidades de observacién (unidades tiltimas de muestreo), se hizo la seleccién de unidades de muestreo mas grandes, en una varias etapas. Por tanto, para realizar un muestreo complejo se requiere definir cusintas etapas de seleccisn se realizardn, asf como las unidades de muestreo que se tomarn en cada tuna de las etapas, y la forma en la que se Ilevard a cabo la seleccidn de cada una de estas unidades en cada una de las etapas." = Ejemplo 5 Suponga que se desea conocer la percepcién que tienen los universitarios acerca de la Constitucién de los Estados Unidos Mexicanos, y con lo que se cuenta tinicamente es con el listado de todas las universidades del pai De acuerdo con el enunciado anterior, no se tiene a la mano el listado de todos los alum- nos inscritos en todas las universidades y su recoleccién resulta por demas compleja. Pero con lo que sf se cuenta es con un listado de todas las universidades. Por consiguiente, las et pas y unidades de muestreo para un esquema de muestreo complejo podrian quedar especi cadas de la siguiente manera. Etapa de seleccién Unidad de muestreo Ja, etapa Unidad primaria de muestreo: Universidades Marco de muestreo: Listado de todas las universidades del pats. Estratificacién: En este nivel se puede aplicar una estrategia de estratificacidn, considerando dos estratos (universidades piiblicas o privadas); esto siempre y cuando se considere que las opiniones vertidas por los estudiantes estin relacionadas con el tipo de universidad a la que asisten. 2a. etapa Unidad secundaria de muestreo: Grupos de alumnos."* Marco de muestreo: Listado de todos los grupos de las universidades seleccionadas, Unidad terciaria de muestreo: Unidad tiltima de muestreo, alumnos inscritos. Marco de muestreo: Listado de todos los alumnos inscritos en las universidades seleccionadas en la segunda etapa de muestreo. * La Encuesta Nacional de Pricticas y Consumo Culturalesrealizada en 2003 emples un disefio de muestra complejo el cual «4, % Puede consulta en la direccidn http:/sie.conaculta.gob mx/encuestalencuesta zip. En este caso se esta suponiendo que las universidades tienen manera de clasificar a cada uno de los alumnos en uno y slo ‘un grupo. Otra manera en la que se puede realizar el muestro es a través de la seleccign de clases. aunque esta forma tie ‘mis inconvenientes que Ia seleecién por grupos debido a que si bien todos los alunos estan al menos en una clase, algunos Pertenecen a mas de una, con lo que se estria corriendo el riesgo de estar considerando mis de una vez a un mismo alum "No, Por tanto, para este ejercicio considere que es posible asignar a cada uno de los alumnos @ un grupo,Capitulo 5 © Muestreo Para que un universitario sea seleccionado, con anterioridad debié haber sido seleccionado su grupo, as{ como la universidad en la que se encuentra inscrito; es decir, se tiene una especie de seleccién condi. cionada, 4 Estrategia de seleccién. La estrategia de seleccién empleada en cada una de las etapas de muestreo ‘no necesariamente es la misma, sino mas bien depende en gran medida del tipo y cantidad de informa- ci6n con la que se cuente. Por consiguiente, para el caso anterior serd posible tener los siguientes esque ‘mas de muestreo, Efecto de diseho Obvio esta forma de hacer la seleccién de la muestra (esquema de muestreo) tiene costos en cuanto a a precisiGn de los estimadores. Estos costos se denominan efecto de disefio. El efecto de disefio es el Costo asociado a la estimacién de una muestra, debido a que no se utilizé un muestreo aleatorio simple, El efecto de disefio' no es otra cosa que el cociente entre la varianza del disefio de muestra utilizado y Ja varianza que se hubiese obtenido si se hubiera aplicado un muestreo aleatorio simple. __ Vidiseno) V(mia) DEF: Dependiendo del esquema de muestreo que se haya utilizado el factor se alejaré 0 se acercaré a uno. Este factor también se puede calcular para los casos en que la muestra es obtenida en una sola etapa, con un muestreo distinto al mia.** ty Srneralmente para hacer referencia al efecto de dseno s utiliza la abrevitura DEF por su escritura en inglés, Design effect. Si la muestra se obtuvo con un muestreoaleatorio simple, el valor del DEF es 1.Parte * Modelos no deterministicos Muestras extraidas en una sola etapa | 4) Sila muestra fue extrafda en una sola etapa y se utiliz6 un muestreo estratificado, entonces: Vomae) < Vimia) Por lo que el DEF ser menor que 1, es decir, se tiene una ganancia en cuanto a precisi6n.’ ii) En tanto, silo que se utiliza es un muestreo por conglomerados, entonces la relacién entre las varian- zas de los dos muestreos seré la siguiente. Vonia) < Vimconglomerados) Es decir, a diferencia del caso anterior, al utilizar un muestreo por conglomerados,"" la varianza ¢s mayor, por lo que el DEF asociado a este esquema de muestreo sera mayor que uno. Este hecho es de gran importancia, puesto que como se vio en el apartado del célculo del tamario de ‘muestra, la magnitud de la varianza tendré repercusiones en el tamafio de 1a muestra. Laexpresién para el célculo del tamafio de muestra considerando el efecto de diseiio es la siguiente: 2 ne * DEF Zino Por tanto, si se emplea una mia, el tamafio de muestra no se verd afectado, puesto que el valor del DEF seré uno, Manteniendo los mismos niveles de confianza y precisién, si se aplica un mae, el tamaiio de muestra suficiente, sera menor al del mia, en virtud de que el DEF seré menor que uno. En tanto que si se aplica un muestreo por conglomerados, el tamafio de muestra necesario para obtener estimaciones con los mismos niveles de confianza y precisin, seré mayor que el requerido para la mia o el mac, puesto que el DEF sera mayor que uno. Muestras extraidas en mas de una etapa En virtud de que el efecto de disefio no es mas que Ia varianza asociada al esquema de muestreo apli- cado, para el caso de las muestras extraidas en dos etapas es de esperar que el efecto de diseiio sea mayor que uno, debido a que en cada una de las etapas de seleccién se tienen pérdidas en cuanto a pre- cisién. El céleulo de las varianzas para esquemas de muestreo complejo no es sencillo, sin embargo, en case £3 ( I de que se uilice un disefio complejo, sera necesario calcular el DEF asociado a éste y utilizarlo para el anilisis, en caso contrario, se corte el riesgo de calcular errores estandar demasiados pequefios, con lo ‘que se estarfa sobreestimando su precisién. De manera general, el célculo de la varianza de un esquema de muestreo complejo se realiza par- tiendo de la iltima etapa de seleccién, calculando las estimaciones de los totales y varianzas, de acuer-— /°/ do con la estrategia de seleccién empleada en cada una de las etapas. "Pan mayor eapicrn vaya pao de "Muesteosletri estatieado de exe capt “A eae aaa en cena con informac sufiente para pe realiar Or ipo de este sve refjado en a mayorvarana tenia nls etimacione, j — —Capitulo © Muestreo cin y a las unidades de muestreo. Generar informacién no es una tarea faci, Requiere de atencién y dedicacién de la toma de decisiones a partir del objetivo de la investigacién. Se requiere tener conocimiento acerca de los distintos méto- dos, de sus virtudes y desventajas. En este capitulo se presentaron diversas estrategias de muestreo, tanto probabilsticas como no probabilsticas las cuales por si solas 0 combinadas, representan excelentes he- rramientas para la generacién de informacién, La construccién del esquema de muestreo adecuado Cuando se esté considerando la posibilidad de utilizar un esquema de muestreo complejo debe eva~ luarse muy bien la conveniencia del mismo. La sencillez del esquema de muestreo se verd retribuida cuando se realice el andlisis de la encuesta, Cada etapa de muestreo que se agregue, cada estratificacién aque se realice, se verd reflejada en la complejidad para el andlisis, asi como en el incremento del tamaiio ide la muestra, Por tanto, debe sopesarse muy bien la utilizacién de un diseito complejo, y si atin asi se decide que es la mejor opcién, se deberé dar mucha importancia a la definicién de las etapas de selec- Ce depende de diversos factores entre los que se encuentran el conocimiento que se tenga del fené- meno (aspecto) que se desea estudiar el tipo de informacién con que se cuenta para realizar el di- sefio de la muestra, los recursos financieros, asi ‘como los conocimientos acerca de los tipos de muestras que se pueden realizar: En este ultimo aspecto, a lo largo del capitulo se proporcionaron los elementos basicos para tener un panorama gene- ral del diseio de distintas estrategias de muestreo. +51 no probabilistico? *52 +53 +54 +55 +56 a” {Qué es un marco de muestreo? muestra? Nota: Los ejerciion Le {Cudl es la principal caracteristicas de un muestreo de tipo probabilistico y uno En qué casos es recomendable utilizar un muestreo probabilistico? {Cuando es preferible utilizar una muestra en lugar de un censo? . En qué consiste el muestreo irrestricto aleatorio? {En un muestreo irrestricto aleatorio, qué elementos determinan el tamafio de Suponga que desea saber qué porcentaje de los nifios de una escuela primaria toman cursos extraclase. En total la escuela tiene 450 alumnos inscritos. Calcular Jos tamaiios de muestra asociados con un nivel de confianza del 95% y diferentes niveles de precisién (2, 3, 4 y 5 puntos porcentuales). ;Cual es el comportamiento del tamafio de muestra conforme va disminuyendo la precisién? }ados con un * son para discusién en clase.Parte 3 ® Modelos no deterministicos _ 58 Repita el ejercicio anterior, pero ahora manteniendo fij el nivel de precisin 5 + puntos porcentuales, y variando el nivel de confianza (80%, 85%, 90%, 95% y 99%), {Cul es el comportamiento del tamafto de la muestra? +59 Cémo es Ia vrianza den mest alesttio por conlomerndos compara con eee secera temo ‘tpor qué? “mujeres, es Ee os a pte Canale aye -mimero promedio de hijos, a) suponiendo que 1a muestra fue extrafda con un mia, Urbano (53) _nlios de primer grado el niimero de horas al dia que ven televisin. La informa- “cién para cada uno de las escuclas es la siguiente,Reames Capitulo + Muestreo @ a @ Numero total de horas que los nifios Nuimero de nifios en primer de primer grado de la escuela i Escuela __grado en la escuela i ven la television 1 0 180 2 50 15 3 53 132 4 10 185 5 65 240 6 58 180 7 @ 98 8 14 170 9 45 150 10 56, 65 #513 *5.14 5.15 {Qué tipo de muestreo es el que se esté aplicando? Calcule el niimero promedio de horas que los nifios de primer grado ven la televisién, asf como el intervalo de confianza alrededor de este valor. Suponga que desea realizar un estudio para conocer los habitos de juego de los asistentes a las casas de juegos. ;Cémo definiria la poblacién de estudio?, ,qué tipo de muestreo recomienda?, ;por qué? A partir de una encuesta nacional se estim6 que el ntimero promedio de libros que een los mexicanos es de 2.93, con un 90% de confianza y margen de error no mayor a 1.75 puntos porcentuales. ;Cémo deben interpretarse estos valores? Un profesor de una facultad desea estimar el tiempo que debe darle a sus estu- diantes para resolver un examen estdndar que esté elaborando. Con tal propésito toma una muestra aleatoria de 15 estudiantes y les aplica el examen. Los resulta- dos obtenidos se muestran en la siguiente tabla. Estime el tiempo promedio para terminar el examen y, por tanto, el tiempo que el profesor debe darles a sus 135 alumnos, asf como el Ifmite de error de estimacién. Tiempo (en minutos) 6 80 65 83 6083 0 7 73 TS 90 tT 929 80 Nota: Los ejercicios marcados con un * son para discusién en clase.