Consideraciones básicas

del muestreo
CAPITULO #13
CARL MCDANIEL
Muestreo
Es el proceso de obtener información de un subconjunto (muestra) de un
grupo mayor (universo o población).
Permite rapidez en las estimaciones.
Disminuye el costo.
La clave para hacer predicciones exactas sobre las características o
comportamientos de una gran población con base a una muestra relativamente
pequeña reside en la forma en que se seleccionan a los individuos de la
muestra.
Población
Población = universo = población de interés.
Población: grupo entero de personas sobre las que se necesita información.
Definir la población de interés suele ser el primer paso del proceso de muestreo e implica
definir el mercado objetivo del producto o servicio en cuestión.
A menudo la definición de la población se basa en la características de los clientes presentes
objetivos.
Muestra vrs. Censo
Censo: se obtienen datos de o acerca de cada miembro de la población de interés.
Desarrollo de un plan muestral
1. Definir la población de interés
a. Especificar las características de los individuos o cosas (clientes, empresas, tiendas, etc.)
b. La población de interés debe especificarse en términos geográficos, demográficos, características
de uso de productos o servicios,
c. En encuestas, la pregunta de sí un individuo particular pertenece o no a la población de interés, tiende a tratarse
mediante preguntas de selección
2. Elegir un método de recolección de datos
La selección de un método de recolección de datos tiene implicaciones para el proceso de muestreo
que debemos considerar:

 Encuestas por correo, presentan sesgo por bajo nivel de respuesta.

 Encuestas telefónicas, problema menos significativo pero creciente en la no respuesta.

 Encuestas por internet, no suelen brindar una representatividad adecuada de la población de interés.

 Big Data, podrían no ser representativos de la población.

3. Identificar un marco muestral 315
El cual es una lista de los miembros o elementos de la población de la que se seleccionarán las
unidades por muestrear.

 Identificar el marco muestral puede ser el especificar un procedimiento para generar esa lista.

 Individuos que pasaron 2 hrs en internet durante la última semana

 Directorio telefónico para hacer una encuesta telefónica

 Empresas de la industria farmacéutica que opera en el departamento de Guatemala

4. Seleccionar un método muestral 315
La selección dependerá de los objetivos del estudio, recursos financieros disponibles, limitaciones de
tiempo y naturaleza del problema bajo investigación.
Los principales métodos de muestreo puede agruparse en 2:
Muestras probabilísticas
Se seleccionan de tal modo que cada
elemento de la población tiene una
probabilidad conocida de selección diferente
de cero.
Rigen las leyes de la probabilidad.
Genera un error muestral.
Error muestral
Grado en que puede esperarse que un valor
muestral difiera de un valor de la población.
Muestras no probabilísticas
Los elementos de la población han sido
seleccionados en forma no aleatoria.
La no aleatoriedad resulta cuando los
elementos son elegidos por conveniencia por
facilidad en llegar a ellos o costo.
No aleatoriedad deliberada, ocurre cuando
un plan muestral excluye o sobrerepresenta
sistemáticamente a ciertos subconjuntos de la
población.
Ventajas de las
muestras
probabilísticas
Versus

Muestras no
probabilísticas
5. Determinar el tamaño de la muestra
Posterior a elegir el método muestral, el siguiente paso es determinar el tamaño de la muestra
apropiado.
En el caso de muestras no probabilísticas los investigadores se apoyan en factores como: presupuesto
disponible, reglas generales y número de sub-grupos por analizar la determinación del tamaño de la
muestra.
6. Desarrollar procedimientos operativos para seleccionar los elementos de la muestra
Los procedimientos operativos por usar al seleccionar los elementos de la muestra en la fase de
recolección de datos de un proyecto deben desarrollarse y especificarse, sea una muestra probabilística
y no probabilística.
Estos procedimientos son mucho más decisivos para la exitosa ejecución de una muestra probabilística,
en cuyo caso deben ser detallados, claros e inequívocos y eliminar toda discrecionalidad del
entrevistador respecto a la selección de los elementos específicos de la muestra.
No desarrollar un plano operativo apropiado para seleccionar a los elementos de la muestra, puede
poner en peligro todo el proceso de muestreo.
7. Ejecutar el plan operativo muestral
Verificar que se cumplan los procedimientos especificados.
 Heterogeneidad
poblacional
Cuanto mas heterogénea sea la
población mayor será su varianza
poblacional lo que implicará mayores
tamaños muestrales.
Cuando se desconoce el valor de la
varianza poblacional se recurre al
supuesto mas desfavorable,
asumiendo una varianza poblacional
igual a 0,5.
0,5 significa que una unidad
seleccionada tiene 50 % de
posibilidades de pertenecer o no a un
grupo específico dentro de la
población
Error
Aleatorio
El error aleatorio no se suele
ajustar a ninguna regla o norma
, varían en cada caso , en su
sentido y magnitud, y por ello
tiende a anularse cuando se
trata de un número elevado de
casos.
◦ Los errores aleatorios se
comenten, por ejemplo, cuando
un encuestado elige
erróneamente una casilla
queriendo hacerlo en otra,
cuando un encuestador marca
erróneamente un dato, etc.
 Errores Errores Sistemáticos:
Sistemáticos ejemplos

Las tendencias subjetivas

Un error sistemático es conscientes o
aquel que se produce de inconscientes del
igual modo ( sentido y investigador.
proporción) en todas las
mediciones que se Sustituciones, según
realizan sobre un criterio propio del
parámetro de la muestra investigador, de unidades
de la muestra que habían
sido elegidas al azar.
Contrario al error Insuficiente observación
aleatorio, NO se anula en del conjunto de la
muestras grandes. población que influye en
una deficiente definición
de sus características.
Error Muestral

Cuando se extrae una muestra de una población es frecuente que los

resultados obtenidos de la muestra no sean exactamente los valores reales
de la población.
El error de muestreo ocurre al estudiar una muestra en lugar de la población
total.
La diferencia entre el valor del parámetro de una población y el obtenido de
una muestra recibe el nombre de error muestral. ( y que no puede ser asociado
a otro tipo de explicación, es decir no es error aleatorio o sistemático)
Error Muestral
Por muy perfecta que sea la muestra siempre habrá grado de divergencia
entre los parámetros estimados usándola y los de la verdadera población.
En el cálculo del error intervienen:
Tamaño de la muestra
Varianza poblacional
Nivel de confianza
Tipo de muestreo
Margen de error admisible

Los incrementos en el tamaño de la muestra repercuten en una mayor

precisión y por consiguiente en menor error muestral.
El error muestral interviene en el cálculo del tamaño de la muestra solo si el
diseño es probabilístico.
En el muestreo probabilístico el investigador fija el error máximo admisible a
priori y sobre esa base realiza el cálculo del tamaño de la muestra.
Tipos de Muestreos
PROBABILÍSTICOS
•Todas las unidades tienen igual
probabilidad de participar en
la muestra.
•La elección de cada unidad
muestral es independiente de las
demás
•Se puede calcular el error muestral
NO PROBABILISTICOS
•Cada unidad NO tiene igual
probabilidad de participar en
la muestra.
•No se puede calcular el error
muestral
•Alto riesgo de invalidez producido
por la introducción de sesgos
Algunos tipos de muestreo
Probabilístico

Por
Simple Sistemático Estratificado
Conglomerados
Muestreos Probabilísticos:
Simple
Se realiza utilizando alguna fuente de elección aleatoria.
Supone que cada miembro de la población tiene elemento que lo identifica
( ej. Un número identificador) y mediante el cual puede ser elegido si “sale”
sorteado.
La afirmación anterior implica que hay que tener un listado completo de
TODOS los miembros de la población
Muestreos Probabilísticos: Simple

Ventajas Desventajas
Facilidad en los cálculos Cada que cada miembro de la
estadísticos población tiene que ser
identificado
Elevada probabilidad de lograr
“equivalencia” entre las Complicado en poblaciones
características de la muestra y las grandes
correspondientes a la población Alto costo
Muestreos Probabilísticos: Muestreo Aleatorio
Sistemático

 Similar al muestro simple salvo que:

1. Solo la primera unidad de la muestra se elige al azar siempre que el
número seleccionado sea mayor que el coeficiente de elevación.
 Coeficiente de Elevación = N/ n
 Donde
 N: Tamaño de la población
 n : Tamaño de la muestra
2. Los restantes elementos de la muestra se hayan sumando,
sucesivamente el coeficiente de elevación.
Muestreos Probabilísticos: Muestreo Aleatorio
Estratificado

Presupone el conocimiento de las características de las unidades que forman

la población para poder dividirla en grupos ( estratos)
Se eligen los miembros de la muestra en cada estrato creado siguiendo algún
tipo de muestreo de los vistos anteriormente.
 Ej. Muestreo Probabilístico por Estratos
Escuelas

Estrato Primario

Escuela Escuela
Primarias Secundarias

Escuela 1 Escuela 2 Escuela 1 Escuela 2

Profesores Profesores Profesores Profesores

Se seleccionan ALEATORIAMENTE ni profesores de cada una de las escuelas seleccionadas .

Ej. 2 de la escuela primaria 1 y 2 de la escuela primaria 2.
Muestreos Probabilísticos: Muestreo Aleatorio
Estratificado cont…

El objetivo de este tipo de muestreo es garantizar la representatividad

equitativa de los estratos ( que implica representación equitativa de las
características de la población).
Se logra si:
Son máximas las diferencias entre los estratos
Son mínimas las diferencias entre los miembros de un mismo estrato.
Los criterios de división de la población en estratos se hallen relacionadas
con los objetivos de la investigación.
Muestreos Probabilísticos: Muestreo Aleatorio
Estratificado cont…

 Los tamaños de cada estrato pueden ser:

Los mismos ( Afiliación simple)
Proporcional al peso relativo ( tamaño) del estrato dentro de la población
(Proporcional)
En función de la heterogeneidad de cada estrato ( Óptima)
Ejemplo: Muestro por Estratos

Ejemplo tomado del Maria Ángeles Cea

Ejemplo Muestro por Estratos. Afiliación
Simple
2500
nestratos 
3
Ejemplo Muestro por Estratos. Afiliación
Proporcional
nestrato1  0,45 x 2500  1125
nestrato 2  0,39 x 2500  975
nestrato3  0,16 x 2500  400
Ejemplo de Muestreo por Estratos. Afiliación Óptima
Paso 1 : Multiplicar el porcentaje de la población correspondiente al estrato por la varianza del
estrato
45 x1900  85500
39 x 2600  101400
16 x 2100  33600
Paso 2: Se suman todos los valores obtenidos en el paso 1 (85500+101400+33600=220500)

Paso 3: Se calcula a proporción de cada valor obtenido en el paso 1 dentro del paso 2.
Pr oporciónestrato1  85500 / 220500  0,388
Pr oporciónestrato 2 101400 / 220500  0,460
Pr oporciónestrato3 33600 / 220500  0,152
Paso 4 : Se calcula el tamaño de la muestra de cada estrato multiplicando
su proporción por el tamaño de la muestra global ( 2500)
0,388 x 2500  970
0,460 x 2500  1150
0,152 x 2500  380
 970,1150 ,380  2500
Ventajas y Desventajas del Muestreo Aleatorio
Estratificado
VENTAJAS DESVENTAJAS

1. No es necesario disponer de la lista de Puede ocurrir que los miembros de una

toda la población sino de las unidad superior se parezcan, reduciendo la
subpoblaciones de orden superior representatividad de otros en la muestra final.
extraídas ( por ej. las escuelas primarias y
secundarias)
2. Existe una considerable reducción de
costos
Muestreo Aleatorio por conglomerados

La unidad muestral es un grupo de elementos de la población que forman

una unidad, a la que llamamos conglomerado.

A diferencia de un estrato, un conglomerado es una unidad de elementos

que contienen representantes de toda la población
 Zona Geográfica
Ejemplo: Muestreo por Conglomerados Edificio
Una institución
Escuelas Entre otros

Escuelas Escuelas
Primarias Secundarias

Escuela 1 Escuela 2 Escuela 1 Escuela 2

Todos los profesores de las Escuelas 2 (Primaria) y 1 (Secundaria) son parte de la muestra
Ventajas del
muestreo Desventajas
por conglomerados

Es ventajoso, desde el punto El error es mayor

de vista de costos, si se que cuando se
pueden agrupar los utilizan otras
miembros de la población técnicas de
por conglomerados, en los muestreo.
cuales el criterio de
agrupación no sea la
variable que se estudia.
No es preciso tener un
listado de toda la población,
sino de las unidades (
conglomerados) por los que
se agruparán.
Tipos de muestreos NO Probabilísticos

“ Bola de
Por Cuotas
Nieve”

Estratégicos
Muestro por Cuotas
La población debe ser dividida en estratos definidos por variables cuya distribución dentro de la
población sea conocida.
Se procede a calcular el tamaño de cada estrato siguiendo el mismo procedimiento que si fuese
un muestreo probabilístico estratificado. ( proporcional)

A diferencia del M. Probabilístico Estratificado el entrevistador es libre para escoger a quienes

forman parte de cada estrato. (CUOTA)
Muestreo por cuotas
VENTAJAS
Resulta más económico que los
muestreos probabilísticos .
Fácil de ejecutar el trabajo de
campo
No precisa el listado de la
población
DESVENTAJAS
 Supone mayor error muestral que los
diseños probabilísticos.
 No existe un método válido para
calcular el error.
 Dificultas para el control del trabajo de
campo.
 Limitaciones en la representatividad de
la muestra para las características no
especificadas en los controles de
cuotas.
Muestreo de Bola de Nieve
Este modelo es particularmente útil cuando se muestrean poblaciones cuyos componentes, por
motivos morales, ideológicos, legales o políticos tienen a ocultar su identidad.
A partir de unos pocos individuos el entrevistador, con ayuda de los primeros, va “ conociendo”
a nuevos miembros de la muestra.
Muestreo Bola de Nieve
El riesgo fundamental está asociado a la selección inadecuada de los primeros miembros de la
muestra y de quienes dependerá el resto.
También es posible que ocurran distorsiones si no se tiene en cuenta criterios muy específicos
para la selección de la muestra.
PROBLEMAS DEL MUESTREO EN LA INVESTIGACIÓN SOCIAL
Errores de cobertura
¿ Como se puede hacer un muestreo probabilístico si las unidades no son conocidas?
¿Cómo localizar a todos los posibles miembros de la población?
Si se busca investigar sobre franjas particulares de la población el problema se hace más difícil de
manejar

Se produce cuando no son incluidos determinados elementos de la población objeto de estudio en el

proceso de selección muestral .
La falta de cobertura impide la cooperación de un número de unidades muestrales, puesto que
determinados individuos no pueden ser seleccionados en la muestra, dificultando con ello la
capacidad de inferencia de los hallazgos de la investigación.

Este error produce una subestimación en los resultados, cuya amplitud depende de las características
de las unidades omitidas
Problemas de Representatividad

Si no se ha logrado representatividad en una o varias variables, el

investigador tiene 3 opciones:
a) Trabajar con la muestra no representativa y contar con ese límite
b) Redefinir la población. Por ejemplo: no hablar de enfermos de SIDA sino de
enfermos de SIDA que son atendidos en el HULA.
c) Modificar deliberadamente la muestra para que represente el comportamiento
de la variable bajo estudio.
Error de No Respuesta
Deseo
explícito de
no responder
Falta de No respuesta
contacto por no
directo entender

Pérdidas
por no
respuesta
Tipos de Error de no respuesta
Parcial

Total

3/28/2020 44
Ejemplos de errores de no respuesta
El entrevistado puede no contestar una pregunta por falta de conocimiento sobre esa cuestión,
por considerarla muy entrometida al invadir el ámbito de su privacidad, porque la considera
irrelevante para los objetivos del estudio, etc.
El entrevistador también contribuye a la no respuesta parcial por el “olvido” a la hora de recoger
determinadas respuestas, o al tomarlas equivocadamente.

Ejemplos tomados de : HEADY, P. (1995). «Calibrating Measurement Error in the 1991 Census». Survey
Methods Centre Newsletter, vol. 15, nº 2, p. 3-7.
Ejemplos de errores de no respuesta
Por último, el cuestionario genera no respuestas por problemas en la redacción de las
preguntas, y por la utilización de preguntas «filtro» para que un grupo de preguntas no sean
respondidas por determinados entrevistados que cumplen (o no cumplen) una serie de
requisitos.
Consecuencias tiene la no respuesta
• Al reducirse el • Si el fenómeno está
tamaño de la concentrado en
muestra aumenta el sectores específicos
error. de la población la
muestra puede
sesgarse.

Error Sesgo
Métodos de reducción del impacto de la
no respuesta

Prevención Intervención
( durante la (luego de la
recolección recolección
de datos ) de los datos )
Material complementario a la presentación

 Población, muestra, muestreo y criterios de selección

https://www.youtube.com/watch?v=zGtk_Ii9VBs

 Tipos de muestreo
https://www.youtube.com/watch?v=tEIg_5t7c4g