Escuela de Posgrado

Maestría en Economía de los Recursos

Naturales y del Ambiente

Estadística para la Investigación en

Economía de los Recursos
Naturales

Dr. Jaime Carlos Porras Cerrón

1

Jaroslav Hájek
(1926-1974)

1
 Unidad III:
Conceptos Generales y Muestreo Aleatorio
Simple
1. Conceptos Básicos
2. Muestreo
3. Ventajas y desventajas
4. Tipos de muestreo
5. Muestreo Aleatorio Simple (MAS)
 Aspectos preliminares.
 Ventajas y desventajas.
 Estimación de la media y proporción.
 Tamaño de la muestra.
6. Aplicación

1. Conceptos Básicos
Población (N): Es el conjunto de todos
los elementos que tienen una o varias
características en común.

Muestra (n): Es cualquier subconjunto de

unidades elementales de muestreo de una
población objetivo.

2
 Algunas consideraciones adicionales sobre
una muestra:
◦ Una buena muestra debe estar a salvo del sesgo
de selección.
◦ El tamaño de una muestra no garantiza su
precisión. Las muestras grandes no
representativas pueden comportarse tan mal
como las muestras pequeñas no representativas.
◦ El tamaño de muestra se define según el diseño
muestral elegido para la investigación.
◦ El diseño muestral es mucho más importante que
el tamaño absoluto de la muestra. Si no se realiza
un buen diseño no habrán buenas estimaciones.

1. Conceptos Básicos
Unidad de Muestreo: Es la unidad o colección
de unidades claramente delimitadas e
identificables no solapadas de la que se trata de
obtener los datos para la investigación.
Marco Muestral: Es el listado de todas las
unidades de muestreo de la que se seleccionará la
muestra.
 Existen dos tipos de marcos de muestreo:
 De Lista: Listado físicos o magnéticos, fichero, archivos de
expedientes, que permiten identificar y ubicar a los objetos
que participarán en la selección aleatoria.
 De Área: Mapas de ciudades, regiones en formato físico o
magnético, fotografías áreas, imágenes de satélite o similares
que permiten delimitar regiones o unidades geográficas .
 Margen de error: Es la diferencia máxima permitida
entre un parámetro y su valor estimado .

3
2. Muestreo
Es la disciplina que abarca un conjunto de
métodos, técnicas y procedimientos para
tomar u obtener una muestra a partir de un
diseño de muestreo adecuado y realizar un
análisis a partir de la misma.
El diseño de muestreo implica primero
entender el análisis de la distribución de
probabilidad sobre todas las posibles
muestras para luego elaborar un plan que
implique la selección de las unidades de
muestreo.

3. Ventajas y desventajas
Ventajas:
◦ Costo: El muestreo presenta un menor costo
monetario con respecto a un censo.
◦ Tiempo: Los datos pueden ser recolectados y
resumidos más rápidamente con una muestra
que con un censo.

Desventajas
◦ Error: Las estimaciones resultantes de un
muestreo están afectadas al error de muestreo.
◦ Especialización: Para llevar a cabo un muestreo,
se debe contar con personal experimentado y
capacitado.

4
4. Tipos de muestreo
Muestreo Probabilístico:
Es aquel que se basa en el principio de que todas las
unidades de muestreo tienen una cierta probabilidad
de ser elegidos.
La muestra según este tipo de muestreo debe ser
aleatoria, es decir sus elementos son elegidos usando
algún criterio probabilístico.
Los métodos de muestreo probabilísticos nos 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:
 Muestreo aleatorio simple.
 Muestreo aleatorio estratificado.
 Muestreo sistemático replicado.
 Muestreo por conglomerados.

4. Tipos de muestreo
Muestreo No Probabilístico:
Es aquel donde se desconoce la probabilidad de
que un elemento sea incluido en la muestra.
La muestra extraída no es aleatoria, es decir sus
elementos son elegidos mediante criterios no
probabilísticos.
Los tipos de muestreo no probabilístico son
usados mayormente para estudios de tipo o
enfoque cualitativo.
Entre los principales métodos de muestreo no
probabilístico, se tiene:
➢ Muestreo por cuotas.
➢ Muestreo de casos típicos.
➢ Muestreo por bola de nieve, entre otros.

10

5
5. Muestreo Aleatorio Simple
❑ Aspectos Preliminares:
Cuando se quiere realizar un estudio con
muestreo se tienen varias interrogantes
 ¿Cómo se debe seleccionar la muestra?
 ¿De qué tamaño debe ser la muestra?
 ¿Cómo se pueden resumir los datos
obtenidos del muestreo?

Se asumirá que todas las unidades de

muestreo tienen la misma probabilidad de
ser extraída.

11

5. Muestreo Aleatorio Simple

❑ Aspectos Preliminares:

T1=t1(x1,x2,…,xn)

P
T2=t2(x1,x2,…,xn)
θ
…

θ t

Tb=tb(x1,x2,…,xn)

12

6
5. Muestreo Aleatorio Simple
❑ Ventajas y desventajas:
Ventajas
 Es sencillo y de fácil comprensión.
 Presenta un cálculo rápido de medias y
varianzas.

Desventajas
 Requiere que se posea de antemano el marco
muestral.
 Requiere que la población sea homogénea.
 Cuando se trabaja con muestras pequeñas es
posible que no se represente adecuadamente a
la población.

13

5. Muestreo Aleatorio Simple •:

❑ Algoritmos de selección:
Método Coordinado Negativo
 Generar N realizaciones de una variable aleatoria k (kU) con distribución
uniforme (0,1).
 Asignar k al elemento k-ésimo de la población.
 Ordenar la lista de elementos descendente (o ascendentemente) con respecto a
este número aleatorio k.
 Finalmente, seleccionar los n primeros (o los n últimos) elementos.

Método de Aceptación y Rechazo

‣ Realizar k ~U(0,1) n − nk
ck =
‣ Calcular N − k +1

 Donde nk es la cantidad de objetos seleccionados en los k-1 ensayos anteriores.

 Si k<ck, entonces, el elemento k pertenece a la muestra.
 Detener el proceso cuando n=nk.

Este algoritmo está implementado en la función S.SI del

paquete TeachingSampling.
S.SI(N,n)
14

7
5. Muestreo Aleatorio Simple
❑ Estimación de la media y la proporción:
Estimación de la Media
1 n
ˆ = y =  yi
n i =1

EE ( y ) =
^

n
s y2
(1 − f ) s =
1 n
 yi − y
n − 1 i =1
2
y ( ) f =
n
N

()
^
IC (  ) = y  z 
EE y
1− 
 2

15

5. Muestreo Aleatorio Simple

❑ Estimación de la media y la proporción:
Estimación de la Proporción
1 n
p =  ai
n i =1

^ p (1 − p ) f =
n
EE ( p ) = (1 − f )
n −1 N

p (1 − p )
IC ( ) = p  Z   (1 − f )
 1− 
 2
n −1

16

8
5. Muestreo Aleatorio Simple
❑ Estimación de la media y la proporción:

Con ayuda de la función E.SI(N,n,y) del

paquete TeachingSampling se puede obtener
las estimaciones de los totales y dividiendo
entre N se puede obtener las estimaciones
para la media.
Si se desea obtener estimaciones para la
proporción se debe trabajar con una variable
dicotomizada donde 1 es la categoría éxito y
0 es(son) la(s) categorías no éxito.
Se debe tener en consideración que esta
función si utiliza la fracción de muestreo para
las estimaciones.
17

5. Muestreo Aleatorio Simple

❑ Tamaño de la muestra
Para estimar la media
n0
n=
n
1+ 0
N
s y2 Z (21− 2)
n0 =
e2
e: Margen de error.
Z(1-/2) : Cuantil de la distribución Normal con
probabilidad 1-/2 .
S2y: Varianza muestral.

18

9
5. Muestreo Aleatorio Simple
❑ Tamaño de la muestra
Para estimar la Proporción
n0
n=
n
1+ 0
N
p (1 − p ) Z (21− 2)
n0 =
e2
e: Margen de error.
Z(1-/2) : Cuantil de la distribución Normal con
probabilidad 1-/2 .
p: Proporción muestral.

19

5. Muestreo Aleatorio Simple

.

❑Tamaño de la muestra

¿Cuántos estudiantes debe tener una muestra, con el fin de

estimar la proporción de estudiantes que tienen correo
electrónico? En un estudio previo, se halló que de 150
estudiantes, 120 tenían correo electrónico. Se desea tener un
nivel de confianza del 95% y un error del 3% en las
estimaciones.
Solución:
1.962  0.8  0.2
= 0.8 , Z 0.975 = 1.96 entoncesn = = 682.95 = 683
120
p= 0.032
150

20

20

10
5. Muestreo Aleatorio Simple
.

❑Tamaño de la muestra

En el siguiente cuadro se presenta las estimaciones de

tamaños de muestra para diferentes valores de márgenes de
error:
Margen de error n0

0,01 6146,560

0,02 1536,640

0,03 682,951

0,04 384,160

0,05 245,862

Se observa un incremento exponencial de tamaño de muestra

al disminuir el margen de error.

21

21

5. Muestreo Aleatorio Simple

.

❑Tamaño de la muestra
¿Cuál debe ser el tamaño de muestra para estimar el nivel
medio del consumo de proteínas de los adultos de una zona
minera, si se desea tener un margen de error de 0.45 g/dl y un
nivel de confianza del 95%?. De una muestra piloto se obtuvo
que el consumo de proteínas tiene una desviación estándar de
2.5 g/dl.

El director comercial de cierta compañía que realiza ventas por

correo electrónico, desea precisar con mucho cuidado su
política de crédito. Si el director desea tener un intervalo de
confianza del 99% para la proporción de clientes que están al
día en sus pagos. ¿Qué tamaño de muestra debe usar si se
desea tener un margen de error del 4.5%?. Suponga que en
una muestra piloto de 35 clientes se halló que 8 clientes están
al día en sus pagos.
22

22

11
6. Aplicación
❑ Aplicación
Utilice el conjunto de datos Lucy del paquete
TeachingSampling.
Realice los siguientes procedimientos
➢Seleccione una muestra piloto de tamaño 20.
➢Estime el tamaño de muestra a un 95% de confianza.
Utilice un margen de error adecuado.
➢Seleccione la muestra de acuerdo al tamaño estimado
en la pregunta anterior. Use el algoritmo de aceptación
y rechazo.

➢Estime a un 95% de confianza el ingreso medio.

➢Estime a un 95% de confianza la proporción empresas

que envían correo tipo SPAM.

23

12