Documentos de Académico
Documentos de Profesional
Documentos de Cultura
LOYOLA LARICO
TEORIA DE MUESTREO
1. Definición
El muestreo es una herramienta de la investigación científica cuya función básica es determinar
que parte de una población debe examinarse, con la finalidad de hacer inferencias sobre dicha
población.
La muestra debe ser representativa, sean los rasgos esenciales de dicha población importantes en
la investigación. Además debe de reflejar las similitudes y diferencias encontradas, es decir
ejemplificar la característica de la población en estudio.
En la estadística se usa la palabra población para referirse no sólo a personas sino a todos los
elementos que han sido seleccionados para su estudio y el término muestra se usa para describir
una porción escogida de la población.
3 Tipos de muestreo
Existen diferentes criterios de clasificación de los diferentes tipos de muestreo, aunque en general
pueden dividirse en dos grandes grupos: métodos de muestreo probabilísticos y métodos de
muestreo no probabilísticos.
1
TEM 2: MUESTREO LIC. LOYOLA LARICO
aseguran la representatividad de la muestra extraída y son, por tanto, los más recomendables.
Dentro de los métodos de muestreo probabilísticos encontramos los siguientes tipos:
Ejemplo:
Si tenemos una población formada por 100 elementos y queremos extraer una muestra de 25
elementos, en primer lugar debemos establecer el intervalo de selección que será igual a 100/25 =
4. A continuación elegimos el elemento de arranque, tomando aleatoriamente un número entre el
1 y el 4, y a partir de él obtenemos los restantes elementos de la muestra. 2, 6, 10, 14,..., 98
El riesgo este tipo de muestreo está en los casos en que se dan periodicidades en la población ya
que al elegir a los miembros de la muestra con una periodicidad constante (k) podemos introducir
una homogeneidad que no se da en la población. Imaginemos que estamos seleccionando una
muestra sobre listas de 10 individuos en los que los 5 primeros son varones y los 5 últimos mujeres,
2
TEM 2: MUESTREO LIC. LOYOLA LARICO
Afijación Óptima: Se tiene en cuenta la previsible dispersión de los resultados, de modo que se
considera la proporción y la desviación típica. Tiene poca aplicación ya que no se suele conocer la
Desviación.
Ejemplo:
En una fábrica que consta de 600 trabajadores queremos tomar una muestra de 20. Sabemos que
hay 200 trabajadores en la sección A, 150 en la B, 150 en la C y 100 en la D.
3
TEM 2: MUESTREO LIC. LOYOLA LARICO
Lo más importante sobre esta técnica de muestreo es dar a todos los conglomerados iguales
posibilidades de ser seleccionados.
4
TEM 2: MUESTREO LIC. LOYOLA LARICO
c. Bola de nieve:
Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y así hasta conseguir
una muestra suficiente. Este tipo se emplea muy frecuentemente cuando se hacen estudios con
poblaciones "marginales", delincuentes, sectas, determinados tipos de enfermos, etc.
d. Muestreo Discrecional:
5
TEM 2: MUESTREO LIC. LOYOLA LARICO
A criterio del investigador los elementos son elegidos sobre lo que él cree que pueden aportar al
estudio.
Para ver como se distribuye algunas de las características de la muestra con respecto a la variable
que se está midiendo, podemos recurrir a la famosa campana de Gauss o Student que refleja la
curva normal de distribución cuya característica principal es la de ser unimodal donde la media,
mediana y la moda siempre coinciden.
b. Estimar las características del fenómeno investigado. Donde deberemos considerar la
probabilidad de que ocurra el evento (p) y la de que no se realice (q); siempre tomando en
consideración que la suma de ambos valores p + q será invariablemente siempre igual a 1,
cuando no contemos con suficiente información, le asignaremos p = .50 q = .50
c. Determinar el grado de error máximo aceptable en los resultados de la investigación. Éste puede
ser hasta del 10%; ya que variaciones superiores al 10% reducen la validez de la información.
6
TEM 2: MUESTREO LIC. LOYOLA LARICO
𝑍2 ∗ 𝑝 ∗ 𝑞 ∗ 𝑁
𝑛=
𝑁 ∗ 𝑒 2 + 𝑍2 ∗ 𝑝 ∗ 𝑞
(- de 100.000 habitantes )
𝑍2 ∗ 𝑆 2
𝑛= 𝑍2 ∗ 𝑝 ∗ 𝑞 ∗ 𝑁
𝑑2 𝑛=
(+ de 100.000 habitantes ) 𝑒 2 ∗ (𝑁 − 1) + 𝑍 2 ∗ 𝑝 ∗ 𝑞
𝑍2 ∗ 𝑝 ∗ 𝑞 𝑁 ∗ 𝑜2 ∗ 𝑍 2
𝑛= 𝑛=
𝑒2 𝑒 2 (𝑁 − 1) + 𝑂 ∗ 𝑧 2
En donde:
Z = nivel de confianza.
p = Probabilidad a favor.
q = Probabilidad en contra.
e = error de estimación.
n = tamaño de la muestra
N = Universo
e = error de estimación.
n = tamaño de la muestra
Ejemplo:
Supóngase que se desea determinar la calidad y el nivel de servicio que ofrece nuestra Unidad de
Información Archivos; por lo que resulta necesario entrevistar a los distintos usuarios que acuden
a nuestro archivo para así conocer su opinión. ¿Cómo calcularíamos el tamaño de la muestra?
a. Establecer el nivel de confianza (95% y un error del 5%) o el (90% - y un error del 10%).
b. Se obtiene el marco muestral, en este caso la referencia con que contamos será el registro de
visitantes a nuestra Unidad de Información del año pasado y que arroja la cifra de 43,700.
c. Valores a estimar:
n=?
7
TEM 2: MUESTREO LIC. LOYOLA LARICO
d. Enseguida especificaremos las operaciones para evaluar a n (tamaño de la muestra) , Para ésta
estimación supondremos que contamos con un 95% de confiabilidad y por tanto un porcentaje
de error del 5% (0.05)
e. Ahora bien, si nuestro criterio fuera otro como por ejemplo el considerar un margen del 90%
de confiabilidad con su correspondiente porcentaje de error, en este caso sería del 10% 0.10)
8
TEM 2: MUESTREO LIC. LOYOLA LARICO