1.1.

3 TECNICAS DE MUESTREO

MUESTREO

En estadística un muestreo es la técnica para la selección de una muestra a

partir de una población. En el muestreo, si el tamaño de la muestra es más
pequeño que el tamaño de la población, se puede extraer dos o más muestras
de la misma población. Al conjunto de muestras que se pueden obtener de la
población se denomina espacio muestral. La variable que asocia a cada muestra
su probabilidad de extracción

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

es determinar que parte de una realidad en estudio (población o universo) debe
examinarse con la finalidad de hacer inferencias sobre dicha población.

El Muestreo es más que el procedimiento empleado para obtener una o más

muestras de una población; el muestreo es una técnica que sirve para obtener
una o más muestras de población.

Este se realiza una vez que se ha establecido un marco muestral representativo

de la población, se procede a la selección de los elementos de la muestra
aunque hay muchos diseños de la muestra. Al tomar varias muestras de una
población, las estadísticas que calculamos para cada muestra no
necesariamente serían iguales, y lo más probable es que variaran de una
muestra a otra.

La representatividad de una muestra, permite extrapolar y por ende generalizar

los resultados observados en ésta, a la población accesible (conjunto de sujetos
que pertenecen a la población blanco, que están disponibles para la
investigación); y a partir de ésta, a la población blanco. Por ende, una muestra
será representativa o no; sólo si fue seleccionada
al azar, es decir, que todos los sujetos de la
población blanco y accesible, tuvieron la misma
posibilidad de ser seleccionados en esta muestra
y por ende ser incluidos en el estudio (técnica de
muestreo probabilístico); y por otro lado, que el
número de sujetos seleccionados representen
numéricamente a la población que le dio origen
respecto de la distribución de la variable en
estudio en la población, es decir, la estimación o
cálculo del tamaño de la muestra (Fig. 1).
Es así como el análisis de una muestra
permite realizar inferencias, extrapolar o
generalizar conclusiones a la población
blanco con un alto grado de certeza
(Dieterich, 1996); de tal modo que una
muestra se considera representativa de la
población blanco (Fig. 2), cuando la
distribución y valor de las diversas
variables se pueden reproducir con
márgenes de error calculables.

Entonces, el muestreo tiene por objetivo

estudiar las relaciones existentes entre la
distribución de una variable “y” en una
población “z” y las distribución de ésta
variable en la muestra a estudio
(Hernández Sampieri et al., 2006).

Para ello, es fundamental, entre otras cosas definir los criterios de inclusión
(características clínicas, demográficas, temporales y geográficas de los sujetos
que componen la población a estudio) y de exclusión (características de los
sujetos que pueden interferir con la calidad de
los datos o la interpretación de los resultados)
(Ávila Baray, 2006; Arias-Gómez et al., 2016).
(Fig. 3).

El objetivo de este manuscrito, es entregar

conocimientos generales respecto de las
técnicas de muestreo más utilizadas en
investigación clínica.
 ¿POR QUÉ FUNCIONA EL MUESTREO?

El muestreo es útil gracias a que podemos acompañarlo de un proceso inverso,

que llamamos generalización de resultados. Es decir, para conocer un universo
lo que hacemos es:

1. Extraer una muestra del mismo.

2. Medir un dato u opinión.
3. Proyectar en el universo el resultado observado en la muestra.

La generalización de resultados añade cierto error al dato que medimos. Imagina

que tomamos una muestra al azar de 1.000 personas de México y les
preguntamos si fuman. Obtengo que el 25% de la muestra fuma. La simple lógica
nos dice que si de 1.000 mexicanos elegidos al azar el 25% fuma, este dato
debería ser indicativo de lo que obtendríamos si preguntásemos a los 122
millones de mexicanos. Ahora bien, el azar podría haber hecho que haya
escogido para mi muestra más fumadores de lo que correspondería a la
proporción exacta que hay en el universo o, por el contrario, que en mi muestra
los fumadores estén algo infra-representados. El azar podría hacer que el
porcentaje de fumadores en la población fuese algo diferente del 25% que
hemos observado en la muestra (tal vez un 25,2%, por ejemplo). Por lo tanto, la
generalización de resultados de un muestra a un universo conlleva aceptar que
cometemos cierto error, tal y como ilustra el siguiente esquema.

Afortunadamente, el error cometido al generalizar resultados puede acotarse

gracias a la estadística. Para ello suelen usarse dos parámetros: el margen de
error, que es la máxima diferencia que esperamos que haya entre el dato
observado en mi muestra y el dato real en el universo, y el nivel de confianza,
que es el nivel de certeza que tenemos de que el dato real esté dentro del
margen de error.
Por ejemplo, en nuestro caso de fumadores mexicanos, si selecciono una
muestra de 471 individuos y les pregunto si fuman, el resultado que obtenga
tendrá un margen de error máximo de ±5% con un nivel de confianza del 97%.
Esta forma de expresar los resultados es la correcta cuando usamos muestreo.

EL TAMAÑO DE LA MUESTRA

¿Qué tamaño de muestra necesito usar para estudiar cierto universo? Depende
del tamaño del universo y del nivel de error que esté dispuesto a aceptar, tal y
como explicábamos en su día en este post. Cuanta más precisión exija, mayor
muestra necesito. Si quiero tener una certeza absoluta en mi resultado, hasta el
último decimal, mi muestra tendrá que ser tan grande como mi universo.
Pero el tamaño de la muestra tiene una propiedad fundamental que explica
porqué el muestreo se usa tanto en tantos ámbitos del conocimiento. Esta
propiedad podría resumirse como sigue: a medida que estudio universos
mayores, el tamaño de muestra que necesito cada vez representa un porcentaje
menor de dicho universo.

Este fenómeno lo explican de forma muy didáctica en Gaussianos.com, un

interesante blog dedicado a las matemáticas. Supongamos que queremos hacer
una encuesta para conocer un porcentaje (podría ser el de gente que fuma) con
un nivel de error determinado, por ejemplo, un margen de error del 5% y una
confianza del 95%. Si el universo a estudiar fuese de tan sólo 100 personas, mi
muestra tendría que ser de 79,5 individuos (es decir, 79,5% del universo, lo que
representa un parte muy importante del total del universo). Si el universo fuese
de 1.000 personas, mi muestra debería ser de 277,7 personas (27,7% del
universo). Y si mi universo fuese de 100.000 personas, la muestra necesaria
sería de 382,7 personas (3,83% del universo).

Por lo tanto, a medida que trabajo con universos más grandes, la muestra que
necesito debe ir creciendo pero de forma no proporcional, tiende a estancarse y
cada vez representa un porcentaje más pequeño del universo. A partir de cierto
tamaño de universo (en torno a 100.000 individuos), el tamaño de la muestra ya
no necesita crecer más. La siguiente tabla nos muestra algunos ejemplos:
Los datos anteriores nos dicen que por grande que sea el universo, con 385
personas puedo estudiar cualquier dato con el mismo nivel de error (margen de
5%, confianza de 95%). Por esta razón el muestreo es tan poderoso: nos permite
hacer afirmaciones altamente precisas de una gran cantidad de individuos a
través de un parte muy pequeña de lo mismo.

Como contrapartida, el ejemplo anterior ilustra que el muestreo no funciona bien

en universos pequeños. Si tengo una clase de 10 alumnos, la opinión de cada
uno de ellos es fundamental para conocer la opinión global, no puedo prescindir
de ninguno. Si no quiero superar el error que nos hemos propuesto, en un
universo de 10 individuos necesito encuestar a todos ellos.
 TÉCNICAS DE MUESTREO

Una muestra puede ser obtenida de dos tipos: probabilística y no probabilística.

Las técnicas de muestreo probabilísticas, permiten conocer la probabilidad que
cada individuo a estudio tiene de ser incluido en la muestra a través de una
selección al azar. En cambio, en las técnicas de muestreo de tipo no
probabilísticas, la selección de los sujetos a estudio dependerá de ciertas
características, criterios, etc. que él (los) investigador (es) considere (n) en ese
momento; por lo que pueden ser poco válidos y confiables o reproducibles;
debido a que este tipo de muestras no se ajustan a un fundamento probabilístico,
es decir, no dan certeza que cada sujeto a estudio represente a la población
blanco (Walpole & Myers, 1996; Ávila Baray; Arias-Gómez et al.).

1. TÉCNICAS DE MUESTREO PROBABILÍSTICO.

a) Aleatorio simple: Garantiza que todos los individuos que componen la

población blanco tienen la misma oportunidad de ser incluidos en la
muestra. Esta significa que la probabilidad de selección de un sujeto a
estudio “x” es independiente de la probabilidad que tienen el resto de los
sujetos que integran forman
parte de la población blanco.
Por ejemplo: ante la siguiente
pregunta de investigación
¿Cuál es la muestra necesaria
para establecer la prevalencia
de cambios inflamatorios en
biopsias hepáticas de
pacientes con colangitis aguda
(CA)? Un muestreo aleatorio
simple aplicaría de la siguiente
forma: entre todos los sujetos
con CA, seleccionar al azar un
subgrupo que los represente
(Fig. 4).

b) Aleatorio estratificado: Se determina los estratos que conforman la

población blanco para seleccionar y extraer de ellos la muestra (se define
como estrato a los subgrupos de unidades de análisis que difieren en las
características que van a ser analizadas). La base de la estratificación se
basa en variable como edad, sexo, nivel socioeconómico, etc. Entonces,
se divide la población compuesta por “N” individuos, en “x” subpoblaciones
o estratos, con base a variables importantes para la conducción del
estudio, y de tamaños respectivos N1, N2, N3, N4 ..., Nk; y realizando en
cada una de estos estratos, muestreos aleatorios simples de tamaño ni;
para finalmente definir cuantos elementos de la muestra se han de
seleccionar de cada uno de los estratos; para lo cual se dispone de las
siguientes opciones: asignación proporcional (el tamaño de la muestra de
cada estrato es proporcional al tamaño del estrato que le dio origen,
respecto a la población total) y asignación óptima (el tamaño de la
muestra de cada estrato, son definidos por quien hace el muestreo) (Bai et
al., 2013). Por ejemplo: ante la pregunta ¿Cuál es la muestra necesaria
para establecer la prevalencia de cambios inflamatorios en biopsias
hepáticas de pacientes con CA? Un muestreo aleatorio estratificado
aplicaría de la siguiente forma: entre todos los sujetos con CA, agrupar en
forma aleatoria por características de interés como: gravedad de la
enfermedad (leve, moderado, grave); intensidad de la fiebre (febril, afebril,
hipotérmico); leucocitosis (con y sin leucocitosis); nivel de bilirrubina total
(hasta 2,0; 2,1 a 4,0; 4,1 a 6,9; 7,0 o más), etc. (Fig. 5)
c) Aleatorio sistemático: Cuando el criterio de distribución de los sujetos a
estudio en una serie es tal, que los más similares tienden a estar más cercanos.
Este tipo de muestreo suele ser más preciso que el aleatorio simple, debido a
que recorre la población de forma más uniforme. De esta modo, se seleccionará
cada hésimo caso (Arias-Gómez et al.). Por ejemplo: ante la pregunta ¿Cuál es
la muestra necesaria para establecer la prevalencia de cambios inflamatorios en
biopsias hepáticas de pacientes con CA? Un muestreo aleatorio sistemático
aplicaría de la siguiente forma: entre todos los sujetos con CA, seleccionar
aquellos que ingresan los días impares del mes, o aquellos cuya primer dígito del
RUT sea par, hasta completar la muestra estimada (Fig. 6).

c) Por conglomerados: Consiste en elegir de forma aleatoria ciertos barrios

o conglomerados dentro de una región, ciudad, comuna, etc., para luego
elegir unidades más pequeñas como cuadras, calles, etc. y finalmente
otras más pequeñas, como escuelas, consultorios, hogares (una vez
elegido esta unidad, se aplica el instrumento de medición a todos sus
integrantes). Si se desea realizar un estudio de prevalencia o una
encuesta en habitantes de una localidad, el muestreo aleatorio simple es
complejo y de alto costo, ya que estudiar una muestra de tamaño “n”,
supone enviar encuestadores a “x” puntos diferentes de la misma; de tal
forma que en cada uno de estos puntos, sólo se aplicará una encuesta
(Hund et al., 2015). Por ello, es que en este tipo de casos se sugiere
 aplicar muestreo por conglomerados, pues son más económicos y
eficientes. En este tipo de muestreo, los sujetos a estudio, se encuentran
incluidos en lugares físicos o geográficos (conglomerados); por ende,
resulta imprescindible diferenciar entre sujetos a estudio (quiénes va a ser
medidos) y unidad muestral (conglomerado a través del cual se logra
acceder a los sujetos a estudio) (Fig. 7).

EJEMPLO:

Ante la pregunta ¿Cuál es la muestra necesaria para establecer la prevalencia de

cambios inflamatorios en biopsias hepáticas de pacientes con CA? Un muestreo
aleatorio por conglomerados aplicaría de la siguiente forma: entre todos los
sujetos con CA de la Región de la Araucanía, seleccionar en forma aleatoria
aquellos provenientes de los hospitales de Angol, Imperial y de la Clínica
Alemana de Temuco (conglomerados que representarán a todos los centros
sanitarios de esta región).
2. TÉCNICAS DE MUESTREO NO PROBABILÍSTICO

a) Intencional: Permite seleccionar casos característicos de una población

limitando la muestra sólo a estos casos. Se utiliza en escenarios en las que la
población es muy variable y consiguientemente la muestra es muy pequeña. Por
ejemplo, entre todos los sujetos con CA, seleccionar a aquellos que más
convengan al equipo investigador, para conducir la investigación.

b) Por conveniencia: Permite seleccionar aquellos casos accesibles que

acepten ser incluidos. Esto, fundamentado en la conveniente accesibilidad y
proximidad de los sujetos para el investigador. Por ejemplo, entre todos los
sujetos con CA, solamente aquellos que se encuentren hospitalizados en el
Hospital Regional de Temuco.
c) Accidental o consecutivo: Se fundamenta en reclutar casos hasta que se
completa el número de sujetos necesario para completar el tamaño de muestra
deseado. Estos, se eligen de manera casual, de tal modo que quienes realizan el
estudio eligen un lugar, a partir del cual reclutan los sujetos a estudio de la
población que accidentalmente se encuentren a su disposición. Es similar al
muestreo por conveniencia, excepto que intenta incluir a todos los sujetos
accesibles como parte de la muestra. Por ejemplo, entre todos los sujetos con
CA, seleccionar los primeros 50 incluibles que lleguen al servicio de urgencias
del Hospital Regional de Temuco.

EJEMPLO 1:
En un estudio cuyo objetivo fue determinar la eficiencia de los programas de
tamizaje de cáncer gástrico por endoscopia digestiva alta en 4 centros de
atención primaria en de la ciudad de Niigata, cuya población era de 811.000
habitantes; para optimizar la productividad de estos programas, se realizó un
muestreo no probabilístico por conveniencia de 44 sujetos asintomáticos
mayores de 40 años, que fueron estudiados de forma gratuita. En ellos se
midieron los tiempos, número de personas y costes involucradas en el
procedimiento. Se verificó que los tiempos de preparación y premedicación; del
procedimiento propiamente tal y de los cuidados post-procedimiento
(recuperación y limpieza); representaron el 34,1 %; 10,6 % y 54,4 % del tiempo
total de la endoscopia, respectivamente. Concluyendo de esta manera que la
mayor parte del tiempo necesario para completar la detección del cáncer gástrico
vía endoscópica es consumido por la preparación, la premedicación y los
procedimientos posteriores, en los que las enfermeras desempeñan un papel
clave.
EJEMPLO 2:
En un estudio conducido en Irán, cuyo objetivo fue evaluar la epidemiología de la
ERGE y sus factores de riesgo de en una población basada en el estudio de
Mashhad (segunda ciudad más grande de Irán); se realizó un estudio de corte
transversal, aplicando el cuestionario generado por la Clínica Mayo a un total de
1685 sujetos; para lo cual se desarrolló una técnica de muestreo por
conglomerados en 50 locaciones seleccionadas a partir de los códigos de área
eléctrica, incluyendo 50 participantes por cada locación. Encontraron un 25,7 %
de síntomas de ERGE en la población estudiada; y los siguientes factores de
riesgo: tabaquismo, consumo de anti inflamatorios no esteroidales.

VENTAJAS Y DESVENTAJAS DE LA APLICACIÓN

DE TÉCNICAS DE MUESTREO

Se puede comentar que cada técnica de muestreo tiene sus ventajas y

desventajas (Tabla I); sin embargo, en términos generales existen ventajas y
desventajas comunes para todas ellas:

VENTAJAS

Reducción de costos: Los costes de un estudio serán menores si los datos de

interés se pueden obtener a partir de una muestra de la población blanco. Por
ejemplo, cuando se realizan estudios de prevalencia de un evento de interés, es
más económico medir una muestra representativa de 1500 sujetos de la
población blanco, que a los 250.000 individuos que la componen.

Eficiencia: Al trabajar con un número reducido de sujetos a estudio,

representativos de la población blanco; el tiempo necesario para conducir el
estudio y obtener resultados y conclusiones será ostensiblemente menor.

DESVENTAJA

Inadecuada representación de la población blanco: Esto puede ocurrir si se

decide trabajar con muestras pequeñas.

EJEMPLO:

Es muy común ver publicaciones en las que se comparan 50 sujetos tratados con
la intervención en estudio versus 50 con la intervención estándar. Este es un
número muy recurrente, pero posiblemente conlleva una mala representación de
la población a la que se desea inferir los resultados.
 ERROR DE MUESTREO

Tal y como hemos indicado, no es posible conocer qué margen de error vamos a
tener en un estudio (por ejemplo, los resultados de una encuesta) cuando
empleamos muestreo no probabilístico. Esto incluye encuestas en las que se ha
seleccionado personas por la calle, entrevistándolas cara a cara, haciendo
llamadas telefónicas al azar o a través de una muestra obtenida en un panel
online.

En ninguno de estos casos se cumplen los criterios exigidos por el muestreo

probabilístico: tener un marco muestral con unidades para las que puedo calcular
la probabilidad de que sean seleccionadas en mi muestra. En encuestas cara a
cara por la calle no tengo el listado de individuos que componen el universo. En
la encuesta telefónica, aunque disponga de un listado telefónico, no todos los
individuos tienen un teléfono fijo o aparecen en las guías telefónicas públicas. En
el caso de un panel online, las personas que no acceden a internet no pueden
ser seleccionadas y tienen probabilidad de inclusión nula.

Sin embargo, es habitual encontrar estudios hechos con estas técnicas que
indican margen de error y nivel de confianza. Es una práctica formalmente
incorrecta, pero que suelen usar los investigadores con el objetivo de dar una
indicación de la influencia que tiene el tamaño muestral empleado en la precisión
de los resultados. Debería leerse como "si esta muestra fuese probabilística,
ofrecería un margen de error X".

A este respecto, hay diversidad de opiniones sobre la bondad de indicar el

margen de error en estas circunstancias, como se puso de manifiesto en
un debate descrito en el siguiente post.
EJEMPLO 1: Muestreo estratificado con afijación proporcional
Se desea tomar una muestra aleatoria estratificada de las personas mayores de
edad de un municipio, cuyos estratos son los siguientes intervalos de edades, en
años: de 18 a 30, de 31 a 45, de 46 a 60 y mayores de 60. En el primer intervalo
hay 7500 personas, en el segundo hay 8400, en el tercero 5700 y en el cuarto
3000. Calcule el tamaño de la muestra total y su composición, sabiendo que el
muestreo se hace con afijación proporcional y se han elegido al azar 375
personas del primer estrato.

SOLUCIÓN:
Datos del enunciado:

Calculamos el total de la población:

7500+8400+5700+3000=24600

Asignamos incógnitas a los valores desconocidos

Ahora montamos la proporción y calculamos

De la proporción obtenemos el valor de "x"

De la misma manera calculamos los demás

De la proporción obtenemos el valor de "y"

De la proporción obtenemos el valor de "z"

Ya podemos completar la tabla

EJEMPLO 2: Muestreo estratificado con afijación proporcional

En un instituto hay 110 alumnos de 1º ESO, 99 de 2º ESO, 77 de 3º ESO y 66 de

4º ESO. Se toma una muestra para hacer una encuesta, usando muestreo
estratificado con afijación proporcional. Se sabe que en la muestra había 20
alumnos de 1º ESO. ¿Cuántos alumnos hay en la muestra de los demás cursos y
cuál es el tamaño de la muestra?

SOLUCIÓN:
Datos del enunciado:

Por tanto los datos completos serían:

EJEMPLO 3:

Suponga que estamos investigando sobre el porcentaje de alumnos que trabajan

de una población de 20 alumnos de la Universidad de Talca.

Base de datos de la población:

a) Elija una muestra aleatoria simple de tamaño n=4 de esta población. Use
la tabla de números aleatorios adjunta, empiece en la fila 1 columna 1 y
continúe seleccionando hacia la derecha. Indique los pasos para elegir la
muestra.

Primero:
Asignamos número a cada alumno del 1 al 20:
 Segundo:
Buscamos en la tabla de números aleatorios 4 números, de dos dígitos,
entre el 1 y el 20, sin repetir.

Los números seleccionados son: 10, 1, 11, 20.

Por lo tanto, la muestra está compuesta por:
 10: Victoria que SI trabaja.
 1: Juan que SI trabaja.
 11: María que NO trabaja.
 20: Marcelo que SI trabaja.

b) Indique cuál es el Parámetro y cuál es el Estadístico en (a).

Respuesta:

El Parámetro es el porcentaje de alumnos que trabajan en la población

de tamaño N=20 alumnos, es decir:

El Estadístico es el porcentaje de alumnos que trabajan en la muestra de

tamaño n=4 alumnos, es decir:

c) Elija una muestra estratificada de tamaño n=4 de esta población. Use la

tabla de números aleatorios, en cada alternativa empiece en la fila 1
columna 1 y continúe seleccionando hacia la derecha. Indique los pasos
para elegir la muestra.
Respuesta:

Para elegir una muestra estratificada, primero se dividen los hombres de las
mujeres y se asignan número de identificación a cada estrato:

Usando la tabla de números aleatorios, se elige una muestra aleatoria simple de

tamaño n=2 de los hombres, buscando números del 1 al 12. Se parte de la fila 1
columna 1. Se usan dos dígitos.
Los números elegidos son: 10 y 1.

Por lo tanto la muestra del estrato de hombres queda constituida por Fabián y
Juan. Fabián NO trabaja y Juan SI trabaja.

Usando la tabla de números aleatorios, se elige una muestra aleatoria simple de

tamaño n=2 de las mujeres, buscando números del 1 al 8.

Se parte de la fila 1 columna 1. Se usa un dígito.

Los números elegidos son: 1 y 4.

Por lo tanto, la muestra del estrato de mujeres queda constituida por Alicia y
Fernanda. Alicia y Victoria NO trabajan.

Por lo tanto, la muestra final queda constituida por Fabián, Juan, Alicia y
Fernanda.

Finalmente, la proporción de alumnos que trabaja en la muestra

estratificada es de 25%.
 1. Resuelve los siguientes ejercicios que contienen las Técnicas de muestreo
Probabilístico y no Probabilístico.
Calcular el tamaño de la matriz para una población 543,098 consumidores de
una marca de bebida gaseosa "X", donde el investigador asigna un nivel de
confianza del 95%, un margen de error del 5% y se desconoce la probabilidad
"p" del evento que se está estudiando.

Calcular el año de la muerte para una población desconocido, donde el

investigador asigna un nivel de confianza del 95%, un margen de error de 3% y
se desconoce la probabilidad “p” del evento que se está estudiando.

Se pretende realizar un estudio en la Ciudad de Valladolid Yucatán con respecto

a la calidad en los servicios de salud. Calcular el tamaño de la muestra para una
población desconocida, donde el investigador asigna un nivel de confianza del
99%, un margen de error del 1% y conoce la probabilidad de un estudio anterior
la cual está en un “70%” de que el evento se está estudiando. Cabe mencionar
que la ciudad tiene 4 sectores, pero solo se aplicara en el sector 1y 3.
Determinar y señalar el área de realización.

Se va a realizar una investigación sobre el conocimiento de la enfermedad

descrita Chagas, en la ciudad de Valladolid, la cual tiene una Población
de75,000 personas; las cuales viven 30,000 en el sector 1, 15,000 en el sector
2,15,000 en el sector 3 y 15,000 en el sector 4. El investigador asigna un nivel
de confianza del 95%, un margen de error del 5% y se desconoce la
probabilidad "p" del evento que se está estudiando. Calcular el tamaño de la
muestra total y determinar cuántas encuestas realizare por sector.

Se va a realizar una investigación sobre el conocimiento de la enfermedad

afectada VIH / Sida, en la ciudad de Mérida, Yucatán , la cual tiene una
población de 99,999 personas, y una población estudiantil de 50,000 personas,
se realizara en las escuelas ubicadas en los sectores 4 de la ciudad Si se
considera que en el sector 1 hay 15 escuelas con 15,000 alumnos, en el sector 2
hay 45 escuelas con30,000, en el sector 3 hay 30 escuelas con 3000 y en el
sector 4 hay 5 escuelas con2000 alumnos. El investigador asigna un nivel de
confianza del 95%, un margen de
error de 5% y se desconoce la probabilidad "p" del evento que se está
estudiando.
Calcular el tamaño de la muestra total y determinar cuántas encuestas realizare
por sector.
En un pueblo habitan 700 hombres adultos, 800 mujeres adultas y 500 menores.
De él se quiere seleccionar una muestra de 80 personas, utilizando, para ello,
muestreo estratificado con afijación proporcional. ¿Cuál será la composición que
debe tener dicha muestra?

Se tiene a la siguiente población de personas clasificadas como

consumidores de drogas:

a) Seleccione una muestra aleatoria simple de tamaño n=6 de esta

población. Use la tabla de números aleatorios, empezando en la fila 10
columna 21 y continúe seleccionando hacia la derecha. Describa la
muestra seleccionada. Genere etiquetas desde “01”.

b) Suponga que estamos investigando sobre el porcentaje de personas

consumidoras de alcohol, calcule el parámetro y el estadístico adecuado.
Seleccione y describa una muestra estratificada de tamaño 6 de esta
población. Use la tabla de números aleatorios y en cada estrato reasigne
etiquetas (genere etiquetas desde “1” ó “01” según corresponda)
comenzando en la fila 19 columna 11 y continúe hacia la derecha.
Determine el porcentaje de personas consumidoras de alcohol en la
muestra.
https://scielo.conicyt.cl/pdf/ijmorphol/v35n1/art37.pdf
https://www.gestiopolis.com/muestreo-probabilistico-y-no-probabilistico/
https://www.netquest.com/blog/es/blog/es/muestreo-que-es-porque-funciona
https://www.academia.edu/38038803/EJERCICIOS_DE_TECNICAS_DE_MUES
TREO
https://matematicasies.com/?page=mot_ej&id_mot=291
http://dta.utalca.cl/estadistica/ejercicios/recoger/Muestro/Ejercicios_Resueltos_M
uestreo.pdf