TECNICAUTRA SUPERIOR EN HIGIENE Y SEGURIDA DEL TRABAJO

APUNTE DE ESTADÍSTICAS y COSTOS

MUESTREO

El muestreo es una herramienta estadística utilizada para inferir algo respecto de una población
mediante Ia selección de una muestra de esa población.

La estadística descriptiva incluye los métodos para organizar, resumir y presentar datos de
manera informativa.

La estadística inferencial incluye los métodos usados para determinar algo acerca de la población
basándose en una muestra

Individuo: Cada elemento de una población

Población: Conjunto de todos los individuos. Ejemplos de población:

•El conjunto de todos los estudiantes de una Universidad.

•El conjunto de personas fumadoras de una región.

Muestra: Subconjunto seleccionado de la población.

Muestreo: Es el procedimiento empleado para obtener una o más porciones – muestras - de una
población.

Este se realiza una vez que se ha establecido el marco muestral representativo de la población;
luego se procede a la selección de los elementos de la muestra. Al tomar varias muestras de una
población, los parámetros estadísticos que calculamos para cada muestra no necesariamente son
iguales, lo más probable es que varíen de una muestra a otra.

Parámetro Estadístico: Son los datos o medidas que se obtienen sobre una muestra y por lo tanto
una estimación de los parámetros.

Parámetro: Son las medidas o datos que se obtienen sobre la distribución de probabilidades de la
población, tales como: la media, la varianza, la proporción, etc.

Algunas razones por las que eI muestreo es necesario son:

- El costo de estudiar a todos los integrantes de una población mediante distribución

frecuencia es muy alto
- Ponerse en contacto con toda Ia población supondría mucho tiempo.
- La naturaleza destructiva de ciertas pruebas
- La imposibilidad física de verificar todos los individuos de Ia población.

Ing. Ricardo E. Perelli

Algunas aplicaciones del Muestreo.

Política: Las muestras de las opiniones de los votantes se usan para que los candidatos midan la
opinión pública y el apoyo en las elecciones.

Educación: Las muestras de las calificaciones de los exámenes de estudiantes se usan para
determinar la eficiencia de una técnica o programa de enseñanza.

Industria: L a muestras de los productos de una línea de producción sirve para controlar la calidad.

Medicina: L as muestras de medidas de azúcar en la sangre de pacientes diabéticos prueban la

eficacia de una técnica o de un fármaco nuevo.

Agricultura: Las muestras del maíz cosechado en una parcela proyectan en la producción los
efectos de un fertilizante nuevo.

Muestreo Probabilístico: En el muestreo probabilístico, cada uno de los individuos de Ia población

tiene Ia misma probabilidad de ser elegido para la muestra.

Muestreo No Probabilístico: No todos los individuos de Ia población tienen Ia misma probabilidad

de ser incluidos en la muestra.

En tal caso, quizá los resultados estén sesgados, Io que significa que es posible que los resultados
de Ia muestra no sean representativos de Ia población.

No existe un “mejor” método para seleccionar una muestra probabilística de una población de
interés.

Todos los métodos de muestreo probabilístico tienen similar finalidad: Permitir que el azar
determine los individuos que incluye Ia muestra.

Tipos de muestreo probabilístico

1- Muestreo Aleatorio Simple: Es la forma más común de obtener una muestra en la

selección al azar, es decir, cada uno de los individuos de una población tiene la misma
posibilidad de ser elegido. Si no se cumple este requisito, se dice que la muestra es - como
vimos anteriormente-, sesgada. Para tener la seguridad de que la muestra aleatoria no es
sesgada, debe emplearse para su constitución una tabla de números al azar, o también
llamada tabla de números aleatorios. Este procedimiento, atractivo por su simpleza, tiene
poca o nula utilidad práctica cuando la población que estamos manejando es muy grande.

También podría optarse por otro método, conocido como ”sorteo”

Hay muchas situaciones en las cuales el muestreo aleatorio simple es poco práctico, imposible o
no deseado; aunque sería deseable usar muestras aleatorias simples para las encuestas nacionales
de opinión sobre productos o sobre elecciones presidenciales, sería muy costoso o implicaría
mucho tiempo.

Ing. Ricardo E. Perelli

 2- Muestreo Aleatorio Sistemático: Es una técnica de muestreo que requiere de una
selección aleatoria inicial de observaciones seguida de otra selección de observaciones
obtenida usando algún sistema o regla.

En el muestreo aleatorio sistemático se acomodan los individuos de la población utilizando algún

patrón o razón.

Se selecciona un punto de partida aleatorio (al azar) y luego se toma cada k-ésimo individuo para
formar parte de la muestra.

Ejemplo: Para obtener una muestra de suscriptores telefónicos en una ciudad grande, puede
obtenerse primero una muestra aleatoria de los números de las páginas del directorio telefónico;
al elegir el vigésimo nombre de cada página obtendríamos un muestreo sistemático, también
podemos escoger un nombre de la primera página del directorio y después seleccionar cada
nombre del lugar número cien a partir del ya seleccionado. Por ejemplo, podríamos seleccionar un
número al azar entre los primeros 100; supongamos que el elegido es el 40, entonces
seleccionamos los nombres del directorio que corresponden a los números 40, 140, 240, 340 y así
sucesivamente.

En ciertas circunstancias una muestra sistemática podría producir resultados sesgados.

3- Muestreo Aleatorio Estratificado: Una muestra es estratificada cuando los elementos de

la muestra son proporcionales a su presencia en la población. La presencia de un elemento
en un estrato excluye su presencia en otro. Para este tipo de muestreo, se divide a la
población en varios grupos o estratos con el fin de dar representatividad a los distintos
factores que integran el universo de estudio. Para la selección de los elementos o
unidades representantes, se utiliza el método de muestreo aleatorio.

En el muestreo aleatorio estratificado:

a- Se divide la población en subgrupos llamados estratos

b- Se selecciona una muestra de cada uno de ellos.

Una muestra estratificada garantiza la representación de cada subgrupo.

4- Muestreo Aleatorio por Área o Conglomerado: Requiere elegir una muestra aleatoria simple de

unidades heterogéneas entre sí de la población llamadas conglomerados. Frecuentemente se

emplea para reducir el costo de realizar un muestreo de una población dispersa en una gran área
geográfica. Se emplea el muestreo por conglomerados subdividiendo el área en unidades
pequeñas, ya fueran municipios o regiones. Muchas veces, éstas se conocen como unidades
primarias.

Ejemplo: Supongamos que una compañía de servicio de televisión por cable está pensando en
abrir una sucursal en una ciudad grande; la compañía planea realizar un estudio para determinar
el porcentaje de familias que utilizarían sus servicios. Debido a que no es práctico preguntar en

Ing. Ricardo E. Perelli

cada casa, la empresa decide seleccionar una parte de la ciudad al azar, la cual forma un
conglomerado. En el muestreo por conglomerados, éstos se forman para representar, tan
fielmente como sea posible, a toda la población; entonces se usa una muestra aleatoria simple de
conglomerados para estudiarla. Los estudios de instituciones sociales como iglesias, hospitales,
escuelas y prisiones se realizan, generalmente, con base en el muestreo por conglomerados.

Error de muestreo

Es la diferencia entre un parámetro estadístico y su parámetro correspondiente. Es una medida de

la variabilidad de las estimaciones de muestras repetidas en torno al valor de la población; nos da
una noción clara de hasta dónde y con qué probabilidad una estimación basada en una muestra se
aleja del valor que se hubiera obtenido por medio de un censo completo.

Siempre se comete un error, pero la naturaleza de la investigación nos indicará hasta qué medida
podemos cometerlo (los resultados se someten a error muestral e intervalos de confianza que
varían muestra a muestra). Un estadístico será más preciso cuanto más bajo sea su error. En
muchos casos, el muestreo es Ia única manera de determinar algo respecto de Ia población.

Distribución muestral de las medias de las muestras

Si se organizaran las medias de todas las muestras posibles de un tamaño de muestra dado, en
una distribución de probabilidad, se obtendrá una distribución muestral de las medias de las
muestras.

Ejemplo:

Talleres del Sur tiene siete empleados de producción (tamaño de Ia población). Los salarios por
hora de cada uno de ellos se enlistan a continuación:

EMPLEADO SALARIO POR HORA

Tito 70

Cacho 70

Pedro 80

Juan 80

Rolo 70

Luis 80

Carlos 90

Calculamos la media de la población

Ing. Ricardo E. Perelli

 70+70+80+80+70+80+90
µ= entonces:  = 77,14
7

¿Cuál será Ia distribución muestral de las medias del muestreo si optamos por muestras tamaño
2?

Para construir Ia distribución muestral de las medias de las muestras, se seleccionan todas las
muestras de tamaño dos sin reemplazo de Ia población.

Para ello, utilizamos la siguiente fórmula:

𝑁! 7!
N Cn = N Cn = N Cn = 21
𝑛!(𝑁−𝑛)! 2!(7−2)!
Donde:

N= Número de elementos de la población. En este caso, 7

n = Número de elementos de la muestra. En este caso, 2

Existen, entonces, 21 muestras posibles.

Calculamos, ahora, las medias

Muestra Empleados Salarios/hora Suma Media

1 Tito, Cacho 70; 70 140 70
2 Tito, Pedro 70; 80 150 75
3 Tito, Juan 70; 80 150 75
4 Tito, Rolo 70; 70 140 70
5 Tito, Luis 70; 80 150 75
6 Tito, Carlos 70; 90 160 80
7 Cacho, Pedro 70; 80 150 75
8 Cacho, Juan 70; 80 150 75
9 Cacho, Rolo 70; 70 140 70
10 Cacho, Luis 70; 80 150 75
11 Cacho, Carlos 70; 90 160 80
12 Pedro, Juan 80; 80 160 80
13 Pedro, Rolo 80; 70 150 75
14 Pedro, Luis 80; 80 160 80
15 Pedro, Carlos 80; 90 170 85
16 Juan, Rolo 80; 70 150 75
17 Juan, Luis 80; 80 160 80
18 Juan, Carlos 80; 90 170 85
19 Rolo, Carlos 70; 90 160 80
20 Rolo, Luis 70; 80 150 75
21 Rolo, Carlos 80; 90 170 85
Suma = 1620

Ing. Ricardo E. Perelli

Ahora, calculamos la media de la distribución muestral

𝑆𝑢𝑚𝑎 𝑑𝑒 𝑡𝑜𝑑𝑎𝑠 𝑙𝑎𝑠 𝑚𝑒𝑑𝑖𝑎𝑠 𝑑𝑒 𝑙𝑎𝑠 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠

µ= 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑚𝑒𝑑𝑖𝑎𝑠 𝑑𝑒 𝑙𝑎𝑠 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠
entonces: µ =1620
21
µ = 77,14

La distribución de probabilidad es la distribución muestral de las medias de las muestras

Media demuestra Número de medias Probabilidad

70 3 0,1429
75 9 0,4285
80 6 0,2857
85 3 0,1429
21 1

Conclusiones:

a) La media de las medias de Ias muestras es igual a Ia media de Ia población 77,14 µ x=µ
b) La dispersión de Ia distribución de las medias de Ia muestra es menor a Ia dispersión en los
valores de Ia población.

Las medias de Ias muestras van de 70 a 85, en tanto que los valores de Ia población varían de 70 a
90

c) La gráfica de Ia distribución muestral de las medias de muestras y Ia gráfica de Ia distribución de

frecuencia de los valores de Ia población es diferente.

La distribución de las medias de Ias muestras tiende a tener una forma de campana y a
aproximarse a Ia distribución de probabilidad normal.

En resumen:

Se calcularon y presentaron todas las muestras aleatorias posibles de una población para cada
muestra y se calculó su media.

Se preparó una distribución de las medias de las muestras

Debido a que cada muestra posible tiene Ia misma posibilidad de ser seleccionada, se puede
determinar Ia probabilidad asociada.

La distribución muestral de las medias de muestras se utiliza para medir lo probable que podría ser
obtener un resultado específico.

Ing. Ricardo E. Perelli

Conclusiones del Teorema del Límite Central

No será desarrollado el Teorema del Límite Central.

Sin embargo, sí podemos establecer las conclusiones del mismo:

El teorema del límite central establece que, para grandes muestras aleatorias, Ia distribución
muestral de las medias de las muestras está más próxima a una distribución de probabilidad
normal.

La aproximación es más precisa para muestras grandes.

Ing. Ricardo E. Perelli