Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tipos de Muestreo
Tipos de Muestreo
EL SALVADOR
ESTADISTICA II
En este artículo te presentaremos cuáles son los diferentes tipos de muestreo que existen,
2
TIPOS DE MUESTREO
en qué consisten y cuándo es conveniente usar uno u otro.
3
TIPOS DE MUESTREO
Clasificación de los tipos de muestreo
En la investigación existen dos técnicas principales de muestreo: las que están basadas
en la probabilidad y las que no. Vamos a analizar los diferentes tipos de muestreo que
puedes crear utilizando ambas técnicas para una eficiente recolección de datos.
Tipos de muestreo no
4
TIPOS DE MUESTREO
probabilístico
Este método, también conocido como un método basado en los sujetos disponibles, no
le permite al investigador tener control sobre la representatividad de la muestra.
Sin embargo, es útil si el investigador quiere estudiar las características de las personas
que pasan por la esquina de una calle en un momento determinado, por ejemplo, o si el
tiempo y los recursos son limitados de tal forma que la investigación no sería posible de
otra manera.
Por esta razón, un muestreo de conveniencia está entre los tipos de muestreo que
comúnmente se utilizan en las fases iniciales o fase piloto de la investigación, antes de
que se lance un proyecto de investigación más grande.
5
TIPOS DE MUESTREO
Aunque este método puede resultar útil, el investigador no podrá utilizar los resultados
de una muestra de conveniencia para generalizar una población más amplia.
En este caso, los investigadores pueden utilizar una muestra intencional porque los
entrevistados cumplen con una descripción o propósito específico que es necesario
para realizar la investigación.
6
TIPOS DE MUESTREO
3.Muestreo Bola de Nieve
Es adecuado utilizar un muestreo bola de nieve cuando los miembros de una población
son difíciles de localizar, como las personas sin hogar, trabajadores migrantes o
inmigrantes indocumentados.
Una muestra de bola de nieve es aquella en la que el investigador recopila datos sobre
los pocos miembros de la población objetivo que puede localizar, y luego les pide que le
proporcionen la información necesaria para localizar a otros miembros que conozcan de
esa población.
Este proceso continúa hasta que el investigador tenga todas las entrevistas que
necesita o hasta que se hayan agotado todos los contactos.
Esta técnica es útil cuando se estudia un tema sensible en el que la gente podría no
hablar abiertamente, o si hablar sobre los temas investigados podría poner en peligro su
seguridad. Una recomendación de un amigo o conocido de que el investigador es
confiable funciona para aumentar el tamaño de la muestra.
7
TIPOS DE MUESTREO
4.Muestreo por Cuotas
El muestreo por cuotas es aquel en la que las unidades son seleccionadas en una
muestra partiendo de las características predeterminadas, de modo que la muestra total
tenga la misma distribución de características que se supone que existen en la
población que está siendo estudiada.
Por ejemplo, si un investigador está realizando una muestra por cuota nacional, podría
necesitar saber qué proporción de la población es masculina y qué proporción es
femenina. Así como también qué proporciones de los miembros de cada género
pertenecen a las diferentes categorías de edad, raza o étnicas, educativas, entre otras.
Después, el investigador recogería una muestra con las mismas proporciones que la
población nacional.
Tipos de muestreo
probabilístico
El muestreo probabilístico es una técnica en la cual las muestras son recogidas
mediante un proceso que le brinda a todos los individuos de la población la misma
oportunidad de ser seleccionados.
8
TIPOS DE MUESTREO
1.Muestreo aleatorio simple
El muestreo aleatorio simple es una técnica de muestreo en la que todos los elementos
que forman el universo - y que por lo tanto están incluídos en el marco muestral - tienen
idéntica probabilidad de ser seleccionados para la muestra. El proceso de muestreo que
emplea esta técnica es equivalente a hacer un sorteo entre los individuos del universo:
asignamos a cada persona un boleto, introducimos los boletos en una urna y
empezamos a extraer boletos al azar. Todos los individuos que tengan un boleto
extraído de la urna formarían la muestra. Obviamente, en la práctica, estos métodos
pueden automatizarse mediante el uso de programas informaticos.
Dependiendo de si los individuos del universo pueden ser seleccionados más de una
vez en la muestra o no, hablaremos de muestreo aleatorio simple con reposición o sin
reposición.
Si usamos reposición, el hecho de que seleccione un individuo al azar para la muestra
no impide que este mismo individuo pueda volver a ser seleccionado. Siguiendo con el
símil de la urna y los boletos, usar reposición equivale a reintroducir los boletos de los
individuos seleccionados para la muestra antes de extraer el siguiente boleto.
La pregunta obvia que puedes plantearte es, ¿qué es mejor, usar reposición o no
usala? Responderemos esta pregunta un poco más abajo, pero antes, revisemos qué
precisión logra el muestreo aleatorio simple con reposición para un tamaño de muestra
dado y, alternativamente, qué tamaño de muestra necesito para garantizar cierta
precisión.
9
TIPOS DE MUESTREO
que de más de 100,000 individuos). Pones un boleto para cada individuo en una urna.
Extraes un boleto, anotas la identidad del individuo y reintroduces el boleto en la urna.
Repites el proceso n veces, hasta obtener una muestra de tamaño n en la que un
individuo podría aparecer varias veces. Esto es poco probable si N es muy grande y n
es mucho menor que N, algo habitual ya que usamos muestras para no tener que
analizar todo el universo.
Una muestra seleccionada de esta forma tiene una propiedad muy útil: la media de
cualquier variable que midamos en la muestra se parecerá a la media calculada en el
total de la población. Y se parecerá de una forma muy concreta: la media en la muestra
seguirá una distribución normal centrada en la media poblacional y con varianza igual a
la varianza poblacional dividida por el tamaño de la muestra n. Esta relación entre
muestra y población se conoce como teorema central del límite.
Tienes una explicación detallada en este otro post, pero te lo resumimos aquí: gracias a
esta propiedad (es decir, a que sabemos cómo se relaciona la media de la muestra con
la de la población) podemos calcular la probabilidad de que la media de la muestra esté
dentro de un intervalo de valores. Y esto nos permite saber qué error máximo vamos a
tener cuando usamos la media de la muestra como estimación de la media de la
población. En concreto, se cumple que
Donde:
- ZNC es el valor crítico de corte de una distribución de probabilidad normal para un nivel
10
TIPOS DE MUESTREO
de confianza NC.
- n es el tamaño de muestra.
Si invertimos esta expresión, podemos calcular qué tamaño de muestra n necesito para
garantizar que el error de estimación no supera el margen de error e con un nivel de
confianza NC.
¿Y si no reponemos?
Si podemos considerar que el universo es infinito o, al menos, mucho más grande que
el tamaño de la muestra, no cambia absolutamente nada. Piénsalo bien: si el universo
es muy grande, aunque usemos reposición, la probabilidad de que escojamos dos
veces al azar al mismo individuo es casi nula. Por lo tanto, usar reposición o no usarla
no da resultados diferentes.
Las diferencias entre ambos métodos se producen por lo tanto en situaciones en los
que el tamaño de la población es pequeño. En este caso, el muestreo sin reposición
toma ventaja. Intuitivamente es obvio: si el tamaño de la población es muy pequeño
(digamos 30 individuos) repetir individuos en una muestra es malgastar una oportunidad
de cubrir más información. En otras palabras, es ineficiente.
11
TIPOS DE MUESTREO
donde ninf es el tamaño de muestra necesario para un universo infinito y N es el
tamaño del universo finito.
n)
Sabiendo que el tamaño de muestra cuando usamos reemplazo ( r es siempre igual
Por lo tanto, el tamaño de muestra necesario para acotar un mismo nivel de error es
siempre más pequeño no reponemos individuos en la muestra. Y, en definitiva, tanto si
lo miramos desde el punto de vista de qué técnica genera estimaciones más precisas
como desde el punto de vista de qué técnica permite tener la misma precisión con
menor tamaño de muestra, se puede concluir que el muestreo aleatorio simple sin
reposición siempre es más eficiente.
12
TIPOS DE MUESTREO
resultados va a ser el azar. Y lo que es más importante, este error debido al azar puede
calcularse de forma precisa (o al menos acotarse).
simple
2.Muestreo sistemático
El muestreo sistemático era muy popular en el pasado, antes de que la aparición de los
ordenadores hiciese trivial un problema que siempre había dado muchos quebraderos
de cabeza a los investigadores: elegir individuos de forma aleatoria dentro de una
muestra. En la medida en que los ordenadores nos han facilitado la tarea de generar
13
TIPOS DE MUESTREO
números aleatorios, este problema ha desaparecido.
También se sigue utilizando para seleccionar individuos a lo largo del tiempo. Por
ejemplo, para estudiar la satisfacción de un servicio, podemos elegir sistemáticamente
encuestar a 1 de cada n clientes que nos visitan. En estas circunstancias, en las que
puede existir diferente varianza entre individuos en diferentes periodos de tiempo, el
muestreo sistemático puede ser incluso más preciso que el muestreo aleatorio puro.
El proceso
14
TIPOS DE MUESTREO
muestra dentro del primer fragmento en que hemos dividido la población.
4. Selección de los n-1 individuos restantes: Seleccionamos los siguientes individuos
a partir del individuo seleccionado aleatoriamente, mediante una sucesión aritmética,
seleccionando a los individuos del resto de fragmentos en que hemos dividido la
muestra que ocupan la misma posición que el sujeto inicial. Esto equivale a decir que
seleccionaremos los individuos:
A, A + K, A + 2K, A + 3K, ...., A + (n-1)K
Ejemplo
Supongamos que tenemos un marco muestral de 5.000 individuos y deseamos obtener
una muestra de 100 de ellos. Dividimos en primer lugar el marco muestral en 100
fragmentos de 50 individuos. A continuación, seleccionamos un número aleatorio entre
1 y 50, para extraer el primer individuo al azar del primer fragmento: por ejemplo el 24.
A partir de este individuo, queda definida la muestra extrayendo los individuos de la lista
con intervalos de 50 unidades, tal y como sigue:
24, 74, 124, 174, ..., 4.974
✔ Ventajas
Obtiene buenas propiedades de representatividad, similares a la de un muestreo
aleatorio simple o incluso superiores, pero de forma más rápida y simple, al evitar
la necesidad de generar tantos números aleatorios como individuos en la
muestra.
Respecto al muestreo aleatorio, el muestreo sistemático puede garantizarnos
una selección perfectamente equitativa de la población. Esto puede ser de
utilidad si se distinguen grupos dentro de universo, lo que nos podría evitar la
necesidad de usar estratos. Si existe diferente varianza entre los individuos de
los fragmentos, este muestreo puede ser mejor que el aleatorio. Lo veremos
luego.
✘ Desventajas
Sólo existe la ya mencionada posibilidad de que el orden en que se han listado
15
TIPOS DE MUESTREO
los candidatos a la muestra tenga algún tipo de periodicidad oculta que coincida
con el intervalo escogido para generar la muestra sistemática. En este caso,
podríamos generar una muestra sesgada.
3.Muestreo estratificado
Esta técnica, perteneciente a la familia de muestreos probabilísticos, antes de iniciar el
proceso de muestreo divide toda la población objeto de estudio en diferentes
subpoblaciones o estratos disjuntos, de manera que un individuo sólo puede pertenecer
a un estrato. Una vez definidos los estratos, la muestra se crea seleccionando por
separado individuos de cada estrato, empleando una técnica de muestreo cualquiera.
Si, por ejemplo, empleamos muestreo aleatorio simple en cada estrato, hablaremos
de muestreo aleatorio estratificado. Este es el caso más habitual, pero del mismo
modo podríamos usar otras técnicas de muestreo en cada estrato (muestreo
16
TIPOS DE MUESTREO
sistemático, aleatorio con reposición, etc.).
Los estratos suelen crearse a partir de grupos homogéneos de individuos, que a su vez
son heterogéneos entre diferentes grupos. Por ejemplo, si en un estudio esperamos
encontrar un comportamiento muy diferente entre hombres y mujeres, puede ser
conveniente definir dos estratos, uno por cada sexo. Si la selección de estos estratos es
correcta:
17
TIPOS DE MUESTREO
Dependiendo del tamaño que asignamos a los estratos, hablaremos de diferentes tipos
de muestreo estratificado. También se acostumbra a hablar de diferentes formas de
"afijación" de la muestra en estratos.
Muestra
Estrato Población Proporción proporcional
2. Muestreo estratificado uniforme
18
TIPOS DE MUESTREO
Hablaremos de una afijación uniforme cuando asignamos el mismo tamaño
de muestra a todos los estratos definidos, sin importar el peso que tienen esos
estratos en la población. Siguiendo con el ejemplo anterior, un muestreo
estratificado uniforme definiría la siguiente muestra por estrato:
Muestra
Estrato Población Proporción uniforme
Como se puedes ver, el tamaño de la muestra es igual en todos los estratos (salvo
pequeñas diferencias debidas al redondeo necesario fruto de dividir 1,000 entre 3), en
lugar de seguir las proporciones de la población.
Esta técnica favorece los estratos que tienen menos peso en la población,
equiparándolos en importancia a los estratos más relevantes. Globalmente, reduce la
eficiencia de nuestra muestra (menor precisión en los resultados globales), pero, como
contrapartida, permite estudiar características particulares de todos los estratos con una
precisión mínima mayor. En nuestro ejemplo, si queremos emitir alguna afirmación
específica sobre la población del estrato 3 (mayores de 44 años), podremos hacerlo con
menos error muestral si empleamos una muestra de 333 unidades que si lo hacemos
con una muestra de 227 (como ocurriría en el muestreo estratificado proporcional).
La forma exacta en que se calcula el tamaño óptimo de muestra por estrato es un tema
un poco más técnico, pero tienes una explicación detallada en este post, por si eres de
los que les gusta la estadística.
Las preguntas inevitables son: ¿cuándo conviene emplear la estratificación?, ¿qué tipo
de estratificación es más conveniente?
Las técnicas de muestreo estratificado pueden emplearse para estimar de forma más
precisa parámetros de las poblaciones de interés, ya sean medias (p.e. media de
cigarrillos consumidos por los fumadores de México) o proporciones (p.e. proporción de
la población de México que fuma). Pero, inversamente, también pueden permitirnos
reducir el tamaño de muestra requerido para lograr una estimación con un nivel de error
20
TIPOS DE MUESTREO
determinado.
Par
a interpretar el cuadro anterior es necesario tener en cuenta lo siguiente:
- Z es el valor crítico de corte de una distribución normal para lograr un nivel de
confianza deseado. Tienes más información sobre el significado de Z aquí. Los valores
más frecuentes son:
- σ2 es la varianza del dato buscado (en el caso de estimar medias) en el total de la
población. Asimismo, σh2 es la varianza dentro de cada estrato.
21
TIPOS DE MUESTREO
- e es el margen de error aceptado.
Es posible demostrar a partir de las fórmulas anteriores que los diferentes métodos de
estratificación sólo reducen el tamaño de la muestra necesaria si los valores
de p y σ varían entre estratos. De lo contrario, todas las expresiones son equivalentes.
Veamos un ejemplo: si tomamos la expresión de tamaño de muestra requerido para
estimar una media mediante un muestreo estratificado óptimo, tenemos
n = Z2
(L∑h=1 wh σh )2 e2
Si consideramos que todas las varianzas de los estratos son iguales (σ h=σ) y que el
tamaño de los estratos es idéntico (Wh=1/L), el resultado que obtenemos es
n = Z2
(L∑h=1 wh σh )2 e2
= Z2
(L∑h=1 (1/L)σ )2 e2
= Z2
((L/L)σ)2 e2
= Z2
σ2 e2
que coincide con el tamaño de muestra necesario para tener un error máximo e en un
22
TIPOS DE MUESTREO
muestreo aleatorio simple.
Conclusión
El muestreo estratificado es una técnica que nos permite reducir el error en nuestras
estimaciones siempre y cuando tengamos cierta información a priori sobre la existencia
de grupos homogéneos en la población.
Podemos ver esta técnica desde otro punto de vista. Mientras que en todas las técnicas
vistas hasta ahora las unidades de muestreo coinciden con las unidades a estudiar
(individuos), en el muestreo por conglomerados las unidades de muestreo son grupos
de unidades a estudiar (grupos de individuos), algo que puede resultar muy beneficioso
en términos de coste. A cambio, es habitual obtener una menor precisión al usar esta
técnica, causada por falta de heterogeneidad dentro de los conglomerados.
El proceso de muestreo
El primer paso para aplicar esta técnica es definir los conglomerados. Se trata de
23
TIPOS DE MUESTREO
identificar una característica que permita dividir la población en grupos disjuntos (sin
solapamiento) y de forma exhaustiva (todos los individuos deben estar en un grupo), de
tal manera que los grupos no difieran entre sí en relación a aquello que queremos
medir. Una vez hemos definido estos conglomerados, seleccionaremos al azar algunos
de ellos para estudiarlos.
24
estratos. Por el contrario, el muestreo por conglomerados es muy adecuado cuando los
grupos en que dividimos la población son muy similares entre sí, por lo que no hay gran
diferencia entre estudiar individuos de un grupo o de otro.
Es por ello que pese a que ambas técnicas dividen la población en estratos o
conglomerados, el proceso de selección de individuos es radicalmente diferente.
✘ Principal inconveniente
25
TIPOS DE MUESTREO
mal que va a funcionar esta técnica va a depender, de forma similar a como ocurría en
el muestreo estratificado, de la relación entre la varianza dentro y fuera de los
conglomerados.
27
TIPOS DE MUESTREO
BIBLIOGRAFIA
https://www.netquest.com/blog/es/blog/es/muestreo-probabilistico-
muestreo-conglomerados
https://www.questionpro.com/es/
28
TIPOS DE MUESTREO