MUESTREO

Ing. Edith Alarcón M. Dra. Julia Piscoya S. Dra. Martha Martina Ch

.

INTRODUCCIÓN

En el desarrollo de las investigaciones se presentan distintos problemas que el

investigador tiene que resolver; por ejemplo, un investigador está interesado en
determinar el nivel de conocimientos y percepciones de las madres de familia de una
comunidad urbano marginal acerca del calendario de vacunaciones, otro investigador
está motivado por demostrar la eficiencia de un nuevo procedimiento en el tratamiento de
las úlceras por decúbito en pacientes adultos mayores, mediante un ensayo clínico
controlado. Estos ejemplos, sugieren las siguientes interrogantes:
En el primer caso:
¿Es necesario estudiar a todas las madres de familia para estudiar cuáles son sus
conocimientos acerca del calendario de vacunaciones?
¿Cómo llegará a las madres de familia? De puerta en puerta? ¿A través de los
comedores populares?
En el segundo caso:
¿Cuántos pacientes requiere para probar la hipótesis de que el nuevo
procedimiento es eficiente para el tratamiento de las úlceras por decúbito?

En muchos problemas de investigación no es factible que se pueda disponer de toda la

información de la población de interés. Frente a esta situación es posible estudiar una
parte de ésta, llamada muestra, y luego hacer generalizaciones o inferencias sobre la
población, basados en la teoría de probabilidades y siempre que se cumplan
determinados requisitos.
El muestreo es una herramienta de la investigación científica cuyo objetivo es
determinar que parte de una población debe estudiarse para poder realizar inferencias
sobre dicha población.

La muestra debe lograr una representación adecuada de la población, de manera que

contenga las características principales de dicha población y que sean importantes para
la investigación.

ALGUNOS CONCEPTOS BÁSICOS

• POBLACIÓN:

Es todo conjunto de objetos, situaciones o sujetos que presentan una o más

características susceptibles de observación y cuantificación. Es un conjunto de casos que
satisface una serie predeterminada de criterios. No siempre se refiere a personas ya que
pudiera referirse al total de historias clínicas archivadas en un determinado hospital; al
total de anotaciones de enfermería; al total de punciones lumbares; etc. Es importante
tener en cuenta que en estos elementos de la población se hará una observación o
medición de interés en un momento determinado.
Sea cual fuere la unidad fundamental, la población siempre abarca el total de elementos
que interesan al investigador y se debe partir de los criterios específicos que se desean
incluir. A la población se le denota por “N”

Puede diferenciarse en dos niveles:

• la población objetivo que es el gran conjunto de unidades a los que se

generalizarán los resultados del estudio, y están definidas por las condiciones
clínicas y demográficas
• la población accesible que es el subconjunto de la población que se encuentra
disponible para el estudio y está determinada por las características geográficas y
temporales. Es en la cual supuestamente se podrán localizar a todas las unidades
que integrarán la muestra. También se conoce como marco muestral.

• MUESTRA:

Es el subconjunto de la población integrado por las unidades muestrales seleccionadas.

A la muestra se le denota por “n”

Ejemplo:
Población: Todos los estudiantes de la UNMSM (Población estudiantil)
Muestra: la EP de Medicina Humana

• ELEMENTOS O UNIDADES MUESTRALES:

Es la unidad básica alrededor de la cual se recaba la información. Es el elemento que da

origen al valor de las variables (un expediente, una radiografía, un paciente, una
enfermera, un estudiante, un animal de laboratorio, etc.). Las unidades de muestreo
cubren toda la población. Dichas unidades deben estar claramente definidas,
identificables y observables.

• MARCO MUESTRAL:

Es una lista detallada de las unidades muestrales, de donde se obtiene la muestra.

Dependiendo de la complejidad de la investigación a veces es imposible disponer de un
marco muestral. Se le define también como la población operativamente factible o la que
puede ser muestreada realmente. Son ejemplos de marcos muestrales: el directorio
telefónico, el listado de alumnos de una universidad, el listado de Centros de Salud, el
listado de manzanas de una comunidad, etc.

• PROBABILIDAD DE SELECCIÓN:

Es la probabilidad que tienen los elementos de la población de ser elegidos para formar
parte de la muestra. Dependiendo de los tipos de muestreo, en unos casos será conocida
y en otros no se conocerá

• ERROR:

El error es un factor que se genera en el muestreo, puede ser: “Error no muestral y Error
de muestreo”, la suma de ambos es lo que se llama el Error total

El error no muestral puede producirse por diferentes situaciones, como entrevistar a un

individuo no seleccionado, visitar un hogar que no corresponde a la dirección
seleccionada o cuando el entrevistador recolecta mal los datos, ya sea por falta de
experiencia, negligencia o cansancio durante la actividad.

El error de muestreo es la diferencia entre el parámetro y el estadístico; por ejemplo

tenemos π = proporción en la población, y el valor de p = proporción en la muestra.
Simbólicamente, el error de muestreo será | P − π |
Comparación del error en un censo (toda la población) y en una muestra

Error total = Error no muestral + Error de muestreo

En un censo: mayor grande no estimable

En un muestreo: menor pequeño estimable

• EFICIENCIA DE LOS DISEÑOS DE MUESTREO

Un diseño muestral es eficiente si los resultados deseados son obtenidos al costo más
bajo posible. Los resultados obtenidos por el estudio de una muestra pueden ser iguales
o más precisos que los hallados en el total de la población.
RECUERDE SIEMPRE QUE EL INVESTIGADOR:

LA META DEL INVESTIGADOR: Es obtener una muestra

que represente todas las características de la población
de la cual es extraída y que sólo difiera en el tamaño.
Para ello la muestra debe ser representativa (calidad) y
significativa(cantidad); a partir del estudio que realice en
ella puede inferir (deducir) lo que sucede en la población
de la cual fue extraída dicha muestra.
Por lo tanto, el investigador no sólo debe preocuparse
del tamaño de la muestra sino también de
seleccionar cuidadosamente las unidades que
formarán parte de la muestra.

¿Cuáles son las razones para realizar un Muestreo?

Al efectuar una investigación existen varias razones para realizar muestreo:

• Rapidez
• Costo
• Factibilidad
• Exactitud.
En cuanto a las tres primeras razones, es obvio que existe mayor rapidez y menor costo,
no es lo mismo estudiar cien personas que mil o más y es más factible hacerlo por
situaciones de recursos humanos, físicos y apoyo logístico. En cuanto a exactitud, se
refiere al hecho de que a menor volumen de trabajo, es posible emplear personal mejor
capacitado que garantice una medición del fenómeno de interés con mayor precisión y
poder supervisar mejor para producir resultados más exactos.

En resumen, el muestreo trata de obtener con el menor costo, la mayor información sobre
las medidas de la población (parámetros).

¿Cuáles son las preguntas habituales que hace un investigador

respecto a la población y la muestra?

¿Cuál es la población en estudio? ¿El investigador determina su propia población?

El investigador determina la población en estudio de acuerdo con el problema que quiere

investigar. Influye también el tiempo y los recursos económicos que dispone.

¿Cuántas personas se requieren en la muestra?

Para responder a esta pregunta, el investigador debe recordar que la muestra debe
reunir dos condiciones:
1.- Representativa:

Las características importantes de la población deben mantenerse en la muestra, en

proporciones similares (sexo, edad, etc.). De esta manera, el investigador podrá hacer
inferencias válidas respecto a la población de donde obtuvo su muestra. Es decir, si en la
población una de las características relevantes es el sexo femenino y éste se encuentra
en un 60%, en la muestra también estará representado el sexo femenino en un 60%.

2.- Significativa:

Está relacionado con el tamaño de la muestra. Se calcula con diversas fórmulas

establecidas de acuerdo a si el estudio busca una proporción existente en una población
(por ejemplo un estudio de prevalencia), diferencias entre las medias o las proporciones
de dos poblaciones, correlación entre dos o más factores, factores de riesgo (estudios de
riesgos relativos o razones de momios), pruebas diagnósticas (estudios de sensibilidad,
especificidad y valores predictivos), etc. No existe una fórmula única para la
determinación del tamaño de una muestra, por lo que se deberá usar la que mejor se
adapte al problema de estudio.

¿Cómo seleccionar una muestra?

Para responder a esta tercera pregunta, el investigador debe conocer que existen
diferentes métodos de muestreo, los cuales están relacionados con el diseño de la
investigación.

¿Cuáles son los tipos de Muestreo?

NO PROBABILÍSTICO PROBABILÍSTICO
1. Por conveniencia (a criterio) 1. Aleatorio simple
2. Por casos consecutivos 2. Sistemático
3. Por cuota 3. Estratificado
4. Por Bola de Nieve 4. Por conglomerados
5. Multietápico

La decisión de seleccionar uno u otro tipo de muestra dependerá:

• Del tipo de fenómeno a estudiar

• La oportunidad de acercamiento hacia los sujetos de estudio
• Los objetivos e hipótesis del estudio
 MUESTREO NO PROBABILÍSTICO

En este muestreo se obtiene una muestra no probabilística que tiene las siguientes
características

• La muestra es escogida por medio de un proceso subjetivo, arbitrario o por el juicio

personal del investigador.
• La probabilidad de selección de cada unidad para pertenecer a la muestra no es
conocida. Se basa en consideraciones distintas a las probabilidades.
• La fidelidad de los resultados no puede ser objeto del análisis de probabilidades.
• No se puede estimar el error de muestreo.

Este tipo de muestreo se utiliza cuando no se conoce el marco muestral. Es usado con
frecuencia para estudios exploratorios, en la investigación de mercados en
investigaciones cualitativas, etc. aun sabiendo que no sirven para realizar
generalizaciones (estimaciones inferenciales sobre la población), pues no se tiene
certeza de que la muestra extraída sea representativa, ya que no todos los sujetos de la
población tienen la misma probabilidad de ser elegidos. En general se seleccionan a los
sujetos siguiendo determinados criterios procurando, en la medida de lo posible, que la
muestra pueda tener representatividad.

En algunas circunstancias los métodos estadísticos y epidemiológicos permiten resolver

los problemas de representatividad aun en situaciones de muestreo no probabilístico, por
ejemplo los estudios de caso-control, donde los casos no son seleccionados
aleatoriamente de la población. Describiremos algunos tipos de muestreo no
probabilístico

POR CONVENIENCIA

Se seleccionan las unidades de estudio que se encuentren disponibles al momento de la

recolección de datos. Este tipo de muestreo trata de obtener muestras "representativas"
mediante la inclusión en la muestra de elementos supuestamente típicos.
Una variación de éste es el llamado muestreo a criterio o juicio donde además de
encontrarse disponibles, se elige a los que se suponen más apropiados para participar en
el estudio, generalmente es el investigador que en base a su experiencia realiza la
elección.

• Ventajas
Es más fácil, económico y accesible y puede dar una visión inicial buena. Se usa en
estudios exploratorios
• Desventajas
Puede ser poco representativo, algunas unidades estarán subrepresentadas y otras
sobrerrepresentadas
CASOS CONSECUTIVOS

Consiste en elegir a cada sujeto de estudio con los criterios de selección establecidos
dentro de un intervalo de tiempo específico o hasta alcanzar un número requerido.

• Ventajas
Es el mejor y el más fácil de los muestreos no probabilísticos ya que su limitante
solamente es la duración del estudio
• Desventajas
Presenta problemas cuando la duración del proceso es demasiado corto como para
representar adecuadamente todos los factores estacionales o cambios que puedan
producirse con el tiempo y que sean importantes para la pregunta que se investiga. Por
ejemplo, prevalencia de infecciones respiratorias en un estudio que abarque dos meses e
inicie en marzo.

POR CUOTAS

Es un tipo especial de muestreo por conveniencia, se seleccionan unidades de estudio de

cada uno de los subgrupos que componen la población en una cuota predeterminada con
la finalidad de obtener una muestra similar a la población. Por ejemplo, si hablamos de
edades, seleccionar un porcentaje de cada uno de los grupos de edad. Asegura que un
determinado número de unidades de muestreo de diferentes categorías aparezcan en la
muestra de modo que todos queden representados. Útil para balancear las unidades de
estudio pero no se obtiene la representatividad de la población.

• Ventajas
Bajos costos y la mayor conveniencia para los entrevistadores al seleccionar los
elementos para cada cuota
• Desventajas
No permite la evaluación del error de muestreo

BOLA DE NIEVE

Se selecciona un grupo inicial de entrevistados por lo general en forma aleatoria, después

de la entrevista se pide a los participantes que identifiquen a otros que pertenecen a la
población objetivo, por lo tanto los entrevistados subsecuentes se eligen en base a las
referencias de los primeros. El proceso se continúa generando un efecto de bola de nieve

• Ventajas
Permite estimar las características raras en la población. Bajos costos
• Desventajas
No permite la evaluación del error de muestreo
 MUESTREO PROBABILÍSTICO

En este muestreo se obtiene una muestra probabilística con las siguientes

características

• Como su nombre lo indica, la elección se logra solamente por acción del azar, es
escogida por el método de probabilidades, según el cual ni el investigador ni las
unidades de muestreo pueden decidir qué unidades serán incluidas en la muestra.
• Todos los elementos de la población tienen la misma probabilidad de ser
seleccionados en la muestra. Las probabilidades de selección son conocidas.
• En una muestra por probabilidades, el error de muestreo puede medirse y controlarse
por la teoría de probabilidades.
• Los errores sistemáticos de selección, falta de respuesta y estimación son eliminados
o por lo menos contenidos dentro de límites conocidos.

Sólo los métodos de muestreo probabilísticos nos aseguran la representatividad de la

muestra extraída y son, por tanto, los más recomendables.

Este tipo de muestreo es factible si se conoce el marco muestral, es decir, se cuenta con
un listado completo de todas las unidades que componen la población.

MUESTREO ALEATORIO SIMPLE (IRRESTRICTO ALEATORIO)

El muestreo aleatorio simple o irrestricto aleatorio es el muestreo probabilístico por

excelencia. Cuando se selecciona una muestra de tamaño n de una población con N
elementos, la muestra es una Muestra Aleatoria Simple, si cualquiera de las
afirmaciones se cumple:

• Todas las n unidades de la muestra son escogidas independientemente unas de

otras, y todas las N unidades de la población tienen la misma probabilidad de ser
incluidas en la muestra.
• En cada elección, todas las demás unidades de la población tienen la misma
probabilidad de ser extraídas.
• Todas las muestras posibles de un tamaño n tienen la misma probabilidad de ser la
muestra elegida.

Generalmente la selección se hace “sin reemplazo” esto es, que el individuo seleccionado
no vuelve a ser tomado en cuenta para el sorteo. El muestreo aleatorio simple se puede
usar cuando las características de interés se presentan con homogeneidad, de lo
contrario se necesitará muestras grandes, para lograr una precisión adecuada.

Procedimiento para la selección

1. Elaboración o construcción del marco muestral en forma de lista. Cada unidad es

identificada con un número
2. Selección de la muestra mediante software estadísticos, dispositivos electrónicos
(calculadoras científicas) o en ausencia de estos recursos se puede usar la tabla de
números aleatorios.
 ¿ Que es la tabla de números aleatorios?

Es un conjunto de números enteros generado de modo que contenga los diez números
enteros (0,1,.....9), en proporciones aproximadamente iguales, sin tendencias ni sesgos
en el patrón en que se generaron los dígitos. Si un número aleatorio ocurre dos veces, se
omite la segunda ocurrencia y se selecciona otro número como su reemplazo.

927415 956121 168117 756409 536712 590261 196843 Ejemplo: Si tenemos que seleccionar 70
926937 515107 014658 436902 523498 490256 387130 estudiantes (muestra) de un listado
867169 388342 670947 326078 638712 532780 683064 general 500 estudiantes (marco
512500 542747 198302 251938 036528 280029 736209 muestral), entonces se eligen tres dígitos
729053 843384 105463 271167 129645 338639 393877 y se empieza a seleccionar las unidades
que conformarán la muestra. Se elige un
punto de comienzo al azar,
290366 488369 527892 190364 389462 462388 456297 En este caso, empezamos por el 956 (el
337854 773025 837659 014517 639701 286593 649302 cual no interviene), continuamos y es
739285 536829 284561 746202 859274 183620 196387 seleccionado, el 388, el 488, 479, 121,
483761 479401 026847 539028 274904 910477 690254 107, 342, 384, 369, 025, 401, 062, 168,
610537 993062 209385 598728 493672 290365 458926 014,..... y así sucesivamente, hasta
completar los 70 estudiantes.

Para usar la tabla de números aleatorios se selecciona el primer elemento entre 1 y N,

luego el segundo elemento entre 1 y N; si se repite se desecha. El proceso continúa
hasta completar el número de elementos requeridos para la muestra.

Seleccionar números de la tabla es análogo a extraer bolos numerados, perfectamente

mezclados, de una urna.

MUESTREO ALEATORIO ESTRATIFICADO

Es uno de los diseños aleatorios que usando la información disponible sobre la población
diseña una muestra más eficiente que la obtenida por el muestreo aleatorio simple.

Antes de decidir sobre la estratificación se debe poseer algún conocimiento del tamaño
de la población, el tamaño de los estratos y las características de la población. Tal
conocimiento puede basarse en datos pasados, observación preliminar de estudios piloto,
juicio experto o simplemente intuición o buenas conjeturas. El juicio subjetivo usado para
dividir la población en estratos no significa que las muestras estratificadas no sean
muestras probabilísticas.
El proceso de estratificación divide a la población en grupos o subpoblaciones llamados
estratos, estos deben ser mutuamente excluyentes y en su conjunto corresponden a
toda la población. Si las muestras por estrato se eligen con el muestreo aleatorio simple,
entonces este se denomina muestreo aleatorio estratificado (este tipo de muestreo es
el que frecuentemente se utiliza); la muestra resultante se llama muestra aleatoria
estratificada. También puede hacerse otros tipos de selección como el muestreo
sistemático.

Empleando la elección simple al azar en cada estrato se asegura cierta probabilidad de

que cada unidad sea extraída, y esta probabilidad es conocida.
La estratificación es más eficiente con poblaciones heterogéneas o altamente
asimétricas. En estas situaciones podemos estratificar la población de tal manera que:

1. dentro de cada estrato haya la mayor uniformidad posible

2. entre los distintos estratos las diferencias sean lo más grandes posibles.

En consecuencia se puede obtener una muestra con menor error de muestreo (o una
muestra más pequeña con la misma precisión) que con el muestreo simple al azar.

El muestreo estratificado se puede usar en algunas situaciones como las siguientes:

• Cuando se requiere tener una precisión conocida en algunas subdivisiones de la

población.
• Por conveniencia administrativa.
• Por dificultades específicas en algunas partes de la población.
• Para favorecer el análisis de grupos más homogéneos dentro de la
heterogeneidad de la población.

La distribución de la muestra en función de los diferentes estratos se denomina afijación y

puede ser de diferentes tipos:

• Afijación Proporcional:

Una muestra estratificada puede ser proporcional o desproporcionada.

En un diseño de muestreo estratificado proporcional, el número de unidades extraídas de
cada estrato es proporcional al tamaño de este.
Por ejemplo si la población es dividida en cuatro estratos, siendo sus tamaños
respectivos 10, 20, 60 y 10 por ciento de la población, y ha de extraerse una muestra de
400, la muestra proporcional puede obtenerse de la siguiente manera:

Estrato l 400 (0.10) 40

Estrato lI 400 (0.20) 80
Estrato lII 400 (0.60) 240
Estrato lV 400 (0.10) 40
Tamaño de la muestra n= 400

La estratificación proporcional da una muestra que representa la población con respecto

a la proporción de cada estrato en la población. Este procedimiento es satisfactorio si no
hay gran diferencia en la dispersión de un estrato a otro, pero no es el más eficiente
cuando las desviaciones estándar difieren sustancialmente en los distintos estratos, dado
que la consideración más importante para el tamaño de la muestra no es el tamaño de la
población sino la variabilidad. Esto implica que para obtener eficiencia máxima en la
estratificación, se debe asignar mayor representación a un estrato con una gran
dispersión y menor representación a uno con pequeña variación
• Afijación simple:

Una muestra estratificada desproporcionada comprende los procedimientos de tomar un

número igual de unidades de cada estrato sin tener en cuenta su tamaño, o de dar sólo
una pequeña representación a uno o más estratos cuyos elementos son demasiado
costosos de investigar.

• Afijación Optima:

El término afijación óptima surge para diseños estratificados que toman en consideración
la variabilidad y el tamaño de cada estrato para determinar su representación en la
muestra. A veces la asignación óptima también toma en cuenta diferentes costos de
investigación de un estrato a otro.

Características

• El número y la formación de los estratos depende del criterio del investigador, de

acuerdo con el problema y la población que se estudia.
• Requiere de información adicional de una o más variables para estratificar la
población
• Es eficiente en poblaciones heterogéneas
• Reduce costos
• Forma parte del diseño de muestras complejas
• Las estratificaciones se realizan a partir de la población, no de la muestra
• Las muestras extraídas de cada estrato son muestras independientes.

MUESTREO SISTEMÁTICO

Es otro diseño probabilístico de uso frecuente, en este se incorpora un criterio importante

que es el ORDEN, en función de un criterio que determina el investigador. Con este
ordenamiento se gana en representatividad; aquí se genera una muestra sistemática al
azar cuyas características son:

• Asigna probabilidades iguales de selección

• No requiere tabla de números aleatorios
• Eficiente solo en poblaciones homogéneas
• La muestra se distribuye uniformemente en toda la población, siempre que exista una
“buena” ordenación en el marco de muestreo
• Aplicable en encuestas de pequeña escala y en la selección de campo
• Forma parte de diseños de muestra más complejos

Esta no debe utilizarse cuando existe repetición cíclica inherente al marco de muestreo
(por ejemplo los días de la semana).
Este diseño resulta menos representativo que el muestreo simple al azar si se trabaja con
poblaciones que tienen periodicidades ocultas. En estos casos hay incremento del error
de muestreo, éstos son graves y en una muestra sistemática no podemos medirlo.

Se observa que una muestra sistemática no es una muestra simple al azar porque las
unidades de muestreo escogidas no son independientes. Igualmente, con el muestreo
sistemático posiblemente sólo pueden ser escogidas k muestras de tamaño n, mientras
que cada una de las restantes,  N  - k muestras tiene una probabilidad “0” de ser extraída.
 
 n
Todos estos procedimientos aleatorios tratados como diseños independientes, en la
práctica se combinan dos o más en un sólo diseño. Los mecanismos de probabilidad
siempre están presentes de manera que pueden aplicarse fórmulas apropiadas para
medir la fidelidad de los resultados de la muestra.
Una ventaja sobre el aleatorio simple es que es más fácil sacar una muestra sin errores y
ahorra tiempo. Una desventaja sobre el aleatorio simple es que el riesgo de sesgo es
mayor.

Procedimiento para la selección

1. Ordenar los elementos de la población y trasladarlos al marco muestral mediante

algún criterio de ordenamiento relacionada con la investigación.
2. Calcular el intervalo de selección

3. Seleccionar el arranque aleatorio entre 1 y k

4. Seleccionar las unidades a partir del arranque aleatorio, hasta completar el tamaño de
la muestra

Este procedimiento exige numerar todos los elementos de la población, pero en lugar de
extraer n números aleatorios sólo se extrae uno. Se parte de ese número aleatorio i, que
es un número elegido al azar, y los elementos que integran la muestra son los que
ocupa los lugares i, i+k, i+2k, i+3k,...,i+(n-1)k, El número i que empleamos como punto
de partida será un número al azar entre 1 y k.

Ejemplo: Se desea investigar la opinión de los médicos acerca del liderazgo que ejercen
sus jefes. Se elabora un marco muestral ordenado por el tiempo de servicio en la
institución. La población es de 150 médicos y el tamaño de la muestra es 30. Se decide
realizar un muestreo sistemático.
.
150 Los 150 médicos están ordenados y numerados por años de servicio en la
k= =5 institución. Se elige la primera unidad muestral al azar entre 1 y 5 (salió 3), a
30 partir de éste, se cuenta de cinco en cinco, hasta completar las 30 unidades.
Se elige el Nº 3 + 5 = 8; y así sucesivamente
Marco Muestral: 150 médicos numerados

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60
61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80
81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100
101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120
121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140
141 142 143 144 145 146 147 148 149 150

La diferencia del muestreo aleatorio estratificado con el sistemático es que el sistemático

estratifica la población en n estratos que consisten en las primeras k unidades, las
segundas k unidades, etc. y las unidades ocurren en la misma posición relativa del
estrato, mientras que en el aleatorio estratificado, la posición dentro del estrato se
determina separadamente por aleatoriedad dentro de cada estrato.

EJEMPLO DE MUESTREO ESTRATIFICADO, CON AFIJACIÓN PROPORCIONAL Y

SISTEMÁTICO

En la investigación sobre “Ambiente laboral y condiciones de salud de las enfermeras en

los Hospitales de las Fuerzas Armadas, IPSS y Clínicas Privadas de Lima Metropolitana”

Estrato Número % respecto a "N" Nº enfermeras de

POBLACIÓN: 3259 enfermeras
"n"
FFAA 1333 40.9 110.83 = 111 MUESTRA: 271 enfermeras
IPSS 1502 46.08 124.89 = 125
Clínicas 424 13.01 35.25 = 35 (después de efectuar los
TOTAL 3259 99.99% 271 cálculos respectivos)
enfermeras enfermeras

Una vez determinado que son 271 enfermeras, tomando en cuenta el peso de cada
estrato, se seleccionan 111 de las FFAA; 125 del IPSS y 35 de las Clínicas

HOSPITAL DE LAS FFAA Tamaño de la Tamaño de la

Población muestra Las 111 enfermeras deben ser
Centro Médico Naval 316 26 seleccionadas de las 1333 que conforman
Hospital Militar Central 371 31 todo este estrato.
Hosp. de la Sanidad de la 420 35 Para ello, se toma en cuenta nuevamente,
Hosp.Central de Aeronaútica 226 19 el peso (proporción) que representa cada
hospital respecto al estrato de las FFAA.
TOTAL 1333 111

Dentro de cada Hospital, la investigadora decidió, el Muestreo sistemático

Ej. Centro Médico Naval
• Lista ordenada de las 316 enfermeras
• Se determinó el intervalo dividiendo 316/26= 12
• Se eligió al azar un número entre 1 y 12 (arranque aleatorio).
• Cada 12 enfermeras se eligieron las enfermeras (unidades muestrales)
hasta completar las 26 enfermeras que participarán en la investigación.
MUESTREO POR CONGLOMERADO O MUESTREO AGRUPADO

Este muestreo requiere que la población se haya organizado en grupos de unidades de

estudio llamados conglomerados, en lugar de unidades de estudio individuales; luego de
ahí se extrae la muestra representativa de la población. Generalmente son unidades
geográficas u organizacionales. Ejemplo: servicio de medicina, facultades de ciencias de
la salud, sectores de la comunidad de Villa El Salvador, etc.
La principal ventaja es que no se necesita el marco muestral de las unidades de estudio
individuales. Su desventaja es que si no se incluyen en el estudio a todos los individuos
de cada conglomerado se puede generar un sesgo. Es un método menos preciso y
requiere muestras de mayor tamaño. Su principal uso es en estudios epidemiológicos.

Cuando los conglomerados son seleccionados en una primera vez, tal como se
conformaron se denomina muestreo en una sola etapa. Cuando la muestra se extrae de
las unidades elementales de los grupos escogidos, se tiene un tipo de diseño llamado
muestreo en dos etapas o submuestreo. En ambas etapas se coge una muestra simple al
azar. Cuando el muestreo agrupado supone más de dos etapas para escoger la muestra
final, se lama muestreo multietápico o en múltiples etapas. Cuando los grupos - unidades
primarias- son regiones geográficas el muestreo por conglomerados se convierte en el
muestreo por regiones, es muy usado en encuestas a nivel del país.

Para obtener la eficiencia máxima en el muestreo por conglomerados se debe tener en

cuenta lo siguiente:

1. Al interior del conglomerado, las diferencias entre las unidades elementales del mismo
grupo deben ser lo más grande posible
2. Externamente, las diferencias entre los grupos deben ser lo más pequeñas posible.
En los estratos ocurre lo contrario:
1.- Internamente deben ser lo más homogéneos posibles, respecto a la característica de
estratificación
2.- Externamente, las diferencias entre los estratos deben ser lo más grande posible

Características:

• Las unidades de muestreo suelen ser un grupo de elementos que comúnmente es

llamado conglomerado de elementos. El muestreo de estas unidades es llamado
muestreo por conglomerado
• El marco muestral es una lista de conglomerados
• La medición se realiza a todos los elementos del conglomerado seleccionado
• Se utiliza en las investigaciones por muestreo a gran escala
• Reduce el costo del muestreo, al no utilizar una lista de elementos de la población
• Se pueden utilizar mapas de áreas territoriales como marco de muestreo. Es decir, se
puede aprovechar, la organización existente: manzanas, los centros de salud,
hogares, colegios, hospitales, etc.

Desventajas:

• Pérdida de información en las estimaciones si los conglomerados están “mal

formados”
• Exceso de información al entrevistar a todos los elementos del conglomerado (ejem:
si sale elegido una manzana con 50 casas(conglomerado) se tendría que entrevistar a
las 50 viviendas.
• La eficiencia de este tipo de muestreo disminuye al aumentar el tamaño del
conglomerado

Ejemplo

Muestreo realizado en la investigación:

“Factores de Riesgo reproductivo de la población femenina en edad fértil de la
comunidad José Carlos Mariátegui del distrito de Villa María del Triunfo en 1991”.

Se estimo que la muestra requerida era de 400 mujeres. Se contó con la siguiente
información: la comunidad José Carlos Mariátegui del distrito de Villa María del Triunfo
está constituida V Sectores; 515 manzanas y 12500 mujeres de 15 a 49 años:

CONGLOMERADO: Cada sector de la comunidad JCM (grupos de manzanas)

MARCO MUESTRAL: Lista de conglomerados (plano de manzanas)
UNIDAD MUESTRAL: Manzanas elegidas mediante muestreo de cada sector
UNIDAD DE OBSERVACIÓN: Madre de familia

LA ENCUESTA PILOTO en 10 manzanas, dio como resultado que:

En cada manzana había 25 lotes y en cada lote un aproximado de 2 mujeres en edad fértil.
Por lo tanto: 8 mz x 25 lotes = 200 lotes x 2= 400 mujeres
En consecuencia debían elegirse 8 manzanas de toda la Comunidad José Carlos
Mariátegui. Finalmente la muestra quedó seleccionada de la siguiente manera:
 SECTORES Manz. Mz.

Sector I: Gabriel Bajo 171 2

Sector II: 30 Agosto 56 1
Sector III: Vallecito Bajo 68 1
Sector IV: Vallecito Alto 104 2
Sector V: Gabriel Alto y Limatambo 116 2
TOTAL 515 8

MUESTREO MULTIETÁPICO

Se efectúa en pasos o etapas, cada proceso de selección se considera una etapa,

habitualmente involucra más de un método de muestreo. El muestro se inicia con un
muestreo por conglomerados y después se puede continuar con un muestreo simple
aleatorio o sistemático. Una de sus ventajas es que no se requiere del listado de las
unidades de estudio, inicialmente el listado de los conglomerados es suficiente, luego
sólo se requiere la lista de unidades de los conglomerados seleccionados. Además, la
muestra es más fácil de seleccionar ya que las unidades están físicamente unidas en
grupos en vez de diseminadas en toda la población de estudio.

Su desventaja es que hay más probabilidad que la muestra final no sea representativa de
la población, pues depende del número de conglomerados seleccionados en la primera
etapa; a más conglomerados seleccionados existe mayor representatividad.
 ¿Cómo se calcula el tamaño de la muestra?

En el muestreo debemos tener en cuenta dos aspectos: la selección y el tamaño de la

muestra; el primero ya lo hemos tratado y ahora nos toca revisar el cálculo del tamaño de
la muestra.

Existen diversas formas para calcular el tamaño de una muestra:

• usar fórmulas preestablecidas

• utilizar tablas con tamaños pre calculados
• emplear algún paquete estadístico.

El tamaño dependerá de:

1. Variabilidad de la característica de interés en la población; a mayor variabilidad,

mayor tamaño de muestra. Está relacionado directamente con la varianza de la
característica en estudio. Para el caso de las variables cuantitativas el valor está dado
por la varianza, mientras que para el caso de las variables cualitativas, está dado por
la proporción en que esté presente la variable en la población, multiplicado por su
complemento.

2. Margen de error permisible (lo que está dispuesto a tolerar el investigador), se refiere
al nivel de precisión o de aproximación, que el investigador desea tener respecto al
valor real de la población. Esto lo decide el investigador. Significa en otras palabras, a
cuantas unidades de la media poblacional o, en su defecto, a cuantas unidades
porcentuales de una característica determinada, desea el investigador, aproximarse
con los resultados de su estudio.

3. Nivel de confianza: Está referido a la determinación probabilística de que una

asociación o presencia de un fenómeno se observe por una asociación o presencia
real de(l) (los) fenómeno(s) y que por lo tanto no obedezca al azar. Por convención,
los más utilizados son 95% y 99%. En la fórmula está dado por los valores “Z”. Para
95%=1,96 y para 99%=2,57

Algunas precisiones respecto a las fórmulas, que el investigador debe tomar en cuenta:

 A mayor variabilidad, mayor tamaño de la muestra.

 A mayor nivel de confianza, mayor tamaño de la muestra
 Cuánto más se aleje del verdadero valor de la población, menor será el tamaño de
la muestra
TAMAÑO DE UNA MUESTRA PARA VARIABLES CUALITATIVAS

Fórmula del tamaño de muestra para una proporción n= z pq

d2
Descripción
n Tamaño de muestra
Ζ 1,96 = 95% confianza 2,57 = 99% confianza
Nivel de confianza: Está referido a la determinación probabilística de que una
asociación o presencia de un fenómeno se observe por una asociación o presencia
real de(l) (los) fenómeno(s) y que por lo tanto no obedezca al azar.
Por convención, los más utilizados son 95% y 99%. En la fórmula está dado por los
valores “Z”. Para 95%=1,96 y 99%=2,57
Este valor indica el grado de confianza que se tendrá de que el verdadero valor del
parámetro en la población caiga dentro del intervalo obtenido. Cuanta más confianza
se desee, menor será el valor de α, mayor el valor de Zα y más elevado el número de
sujetos necesarios.
p proporción de casos de la población que tiene la característica que se desea estudiar
Cuando se desconoce la proporción buscada, se utiliza p = 0.50 en la fórmula, que es
la que proporciona el máximo valor de n.
q 1-p ó 100-p proporción de individuos de la población que no tiene la característica
de interés y por tanto representa la probabilidad de obtener al azar un individuo sin
esa característica.
2
d margen de error permisible, establecido por el investigador. Cuanta más precisión se
desee, más estrecho deberá ser este intervalo y más sujetos deberán ser estudiados.

Cuando el tamaño total de la población es menor de 5,000 (población finita), se requiere

efectuar un ajuste en la fórmula:

n
nf = nf = corrección por tamaño de la muestra
1+ n / N
Ν = Tamaño de la poblacional

Ejemplo: Se desea realizar un estudio sobre factores epidemiológicos y clínicos sobre el

Asma Bronquial. Se conoce que la población consultante en un determinado año,
corresponde a 2312 pacientes de los cuales el 85% corresponde a niños. Se quiere
determinar cuál es el tamaño de muestra con un margen de error del 5% y con un nivel
de confianza del 95%.
Solución:

1,96
2
3,8416(85)(15)
n=
pq
n= = 195,9
d
2
52

n 196
nf = nf = = 181 pacientes
1+ n / N 1 + (196 / 2312)
Respuesta: Se requiere 181 pacientes para realizar el estudio sobre factores
epidemiológicos y clínicos sobre el Asma Bronquial.
TAMAÑO DE UNA MUESTRA PARA VARIABLES CUANTITATIVAS

zσ
2 2

Fórmula del tamaño de muestra para una media. n= 2

d
Descripción
n Tamaño de muestra
Ζ 1,96 = 95% confianza 2,57 = 99% confianza
Nivel de confianza: Está referido a la determinación probabilística de que una
asociación o presencia de un fenómeno se observe por una asociación o
presencia real de(l) (los) fenómeno(s) y que por lo tanto no obedezca al azar. Por
convención, los más utilizados son 95% y 99%. En la fórmula está dado por los
valores “z”. Para 95%=1,96 y 99%=2,57
Este valor indica el grado de confianza que se tendrá de que el verdadero valor
del parámetro en la población caiga dentro del intervalo obtenido. Cuanta más
confianza se desee, menor será el valor de α, mayor el valor de Zα y más elevado
el número de sujetos necesarios.
σ varianza de la población, (si no se conoce su valor, se estimará mediante una
2

muestra piloto)
2
d margen de error permisible, establecido por el investigador. Cuanta más precisión
se desee, más estrecho deberá ser este intervalo y más sujetos deberán ser
estudiados.

Cuando el tamaño total de la población es menor de 5,000 (población finita), se requiere

efectuar un ajuste en la fórmula:

n
nf = nf = corrección por tamaño de la muestra
1+ n / N
Ν = Tamaño de la poblacional

Ejemplo: Un grupo de investigadores desea estudiar edad de los niños al comenzar a

caminar y su relación con habilidades psicomotrices. Revisan las historias clínicas de un
hospital y encuentran 890 registrados. Desean obtener una muestra con un 95% de
confianza y que el verdadero valor no exceda de 0.5 mes

Solución: Como se desconoce la varianza poblacional se realiza un estudio piloto y se

obtiene que la varianza es igual a: 3,705

El promedio de edad de los niños es igual a: 12,08 meses

(3,8416)(3,705) = 56.93 = 57
n = 1.96 σ
n=
2 2

d
2 0,25

n 57
nf = nf = = 53,57
1+ n / N 1+ 57
890
Respuesta: El tamaño de la muestra adecuado a fin de obtener un 95% de confianza y
que el verdadero valor no exceda de 0,5 meses, corresponde a al intervalo entre 54 y 57
niños.
 GLOSARIO BÁSICO DE TÉRMINOS
RELACIONADOS CON EL MUESTREO

Tomado de la Publicación del INEI- 2006 “Glosario básico de términos estadísticos”

AFIJACIÓN DE UNA MUESTRA.- Es un método utilizado para establecer cómo debe distribuirse la
muestra. En un muestreo estratificado, se refiere generalmente a la determinación del número de unidades en la
muestra de cada estrato. En el muestreo por conglomerados, se refiere a la decisión sobre el número de
conglomerados por seleccionar y el tamaño de la muestra en cada conglomerado.

AFIJACIÓN ÓPTIMA DE UNA MUESTRA.- Es la forma deseleccionar una muestra de manera tal que
produzca un error estándar mínimo para un tamaño de muestra constante. Se utiliza en muestreo
estratificado y en muestreo por conglomerados.

CONGLOMERADO.- Es una subpoblación que reúne características presentes en la población. Los

elementos que la componen poseen cierta característica que les hace ser propios de cierta
cualidad o atributo, tal como lugar geográfico, grupo étnico, ideología, organización social, etc.

ERROR DE MUESTREO.- Conocido también como error muestral, es la diferencia que existe entre el valor real
(parámetro) obtenido con los valores de la población y el valor estimado en base a los valores de una muestra
(estimación).

ESTRATIFICACIÓN.- Es un procedimiento por medio del cual una población se divide en grupos
llamados estratos, con el propósito de seleccionar una muestra separada en cada grupo. Cada uno
de estos grupos o estratos debe ser internamente lo más homogéneo posible.

ESTRATO.- Es una subpoblación o parte de una población que reúne características comunes que le
hacen ser homogénea. Los estratos son mutuamente excluyentes. Ello significa que los elementos
que pertenecen a un estrato no pueden pertenecer a otro.

MARCO MUESTRAL.- Es la totalidad de unidades de muestreo de la que se selecciona una muestra.

El marco puede ser una lista de personas, o unidades de vivienda, hogares, un archivo de registros,
un mapa subdividido, una foto aérea con detalles, entre muchos otros.

MUESTRA.- Es un subconjunto representativo de la población a partir del cual se pretende realizar

inferencias respecto a la población de donde procede. Los elementos seleccionados con cierta
técnica reúnen ciertas características que la hacen ser representativa, significativa y confiable y
que en base a ella se pueden hacer inferencias respecto a la población. La muestra puede ser
probabilística y no probabilística.

MUESTRA NO PROBABILÍSTICA.- Es aquella que se obtiene mediante juicio de la persona que

selecciona los elementos de la muestra que usualmente es un experto en la materia. Este método
está basado en los puntos de vista subjetivos de una persona y la teoría de la probabilidad no
puede ser empleada para medir el error de muestreo. Las principales ventajas de una muestra de juicio son la
facilidad de obtenerla y que el costo usualmente es bajo.

MUESTRA PROBABILÍSTICA.- Es aquella muestra obtenida por un mecanismo de probabilidades, en

el cual cada elemento de la población total o universo tiene una probabilidad conocida de
selección. (Ver muestreo aleatorio).
MUESTREO.- Es un conjunto de métodos y procedimientos estadísticos destinados a la selección
de una o más muestras es la técnica seguida para elegir muestras. El objetivo principal de un
diseño de muestreo es proporcionar procedimientos para la selección de muestras que sean
representativas de la población en estudio.

MUESTREO CON REPOSICIÓN.- Es el método para obtener una muestra con reposición. Esta
muestra consiste en que al seleccionar un segundo elemento, el primero debe haber sido devuelto
a la población. De este modo un elemento puede repetirse en la muestra. Es decir, con este
método una unidad en particular puede quedar incluida más de una vez en la muestra, pudiendo
ser hasta "n veces". El universo o población se mantiene permanentemente con un tamaño N.

MUESTREO SIN REPOSICIÓN.- Es el procedimiento para seleccionar cada elemento de la población

éste no se repone o considera de nuevo en la población, por lo que no puede ser seleccionado
nuevamente. En este caso el tamaño de la población o universo se irá reduciendo en cada
selección N-1, N-2, N-3,...,etc. unidades de muestreo hasta N - n elementos.

PARÁMETRO.- Es cualquier valor característico de la población. Ejemplo: la media de la población,

la desviación típica de la población. Sin embargo estos valores son desconocidos porque no
siempre podemos tener todos los datos de la población para calcularlos.

POBLACIÓN FINITA.- Es aquella en la que es posible enumerar (contar) físicamente los elementos
que pertenecen a la población.

POBLACIÓN INFINITA.- Es aquella en la que no es posible enumerar (contar) físicamente los

elementos que pertenecen a la población. Dicho de otra manera, cuando los elementos de la
población son ilimitados.

POBLACIÓN O UNIVERSO.- Es cualquier conjunto de unidades o elementos claramente definido, en

el espacio y el tiempo, donde los elementos pueden ser personas, granjas, hogares, manzanas,
condados, escuelas, hospitales, empresas, y cualquier otro. Las poblaciones pueden ser finitas e
infinitas.

POBLACIÓN OBJETIVO.- Es el conjunto de elementos de los que nos interesa obtener información o
tomar decisiones.

PROBABILIDAD DE SELECCIÓN.- Es la oportunidad que tiene cada elemento de la población o

universo de ser incluida en una muestra.

PROBABILIDAD PROPORCIONAL AL TAMAÑO.- Es un método de selección de muestreo en el que

las unidades se eligen con probabilidad de selección desigual, siendo la probabilidad para cada
unidad proporcional a una medida de tamaño. La medida de tamaño para cada unidad es un
número asignado antes de la selección de esa unidad, que se supone altamente correlacionada
con el estadígrafo a estimar. Usualmente la probabilidad proporcional al tamaño se abrevia como
PPT.

UNIDAD DE MUESTREO.- Es la unidad estadística que se selecciona para constituir la muestra. La

elección de la unidad de muestreo más eficiente es una consideración importante en el diseño de
una muestra.

UNIDAD ESTADÍSTICA.- Conocido también como unidad elemental. Es el elemento o unidad base
de la población o de la muestra que permite obtener información o datos referidos a ciertas
características o variables, que nos interesan para explicar un determinado fenómeno.