UNIVERSIDAD DE EL SALVADOR

FACULTAD DE CIENCIAS AGRONOMICAS

INGENIERIA AGROINDUSTRIAL A DISTANCIA
ASIGNATURA: ESTADISTICA (EST 113D)

Teoría del muestreo (tamaño de muestra)

UNIDAD 1
Conceptos básicos, pasos del método científico y técnicas del muestreo

Objetivo de la Unidad
Aplicar la técnica del muestreo para la realización de investigaciones de orden social,
económico y biológico.
Objetivo específico
Aplicar las diferentes expresiones algebraicas para determinar tamaños de muestras, que
mejor estimen proporciones y parámetros poblacionales en investigaciones de orden social,
económico y biológico.

Contenido

Introducción.......................................................................................................................1
Cuando calcular el tamaño de la muestra .........................................................................2
Porque calcular tamaños de muestras ..............................................................................2
Elementos a considerar para determinar tamaños de muestras ......................................6
Expresiones algebraicas utilizadas para determinar tamaños de muestras......................3
Ejemplos de aplicación para estimar proporciones...........................................................5
Ejemplos de aplicación para estimar parámetros de la población ....................................6
Aplicación de las expresiones del Dr. Kish .........................................................................6
Ejemplo de aplicación del muestreo estratificado ............................................................7
Fuentes de consulta .........................................................................................................13

Introducción

En toda investigación lo ideal es trabajar con toda la población de estudio, sin embargo
debido a la dificultad de hacerlo por tiempo y el recurso económico, se trabaja con
muestras. El tamaño de la muestra es el número de individuos que se seleccionarán de la
población de estudio y se incluirán en la muestra.

En los trabajos de investigación, estudios de mercado, de calidad, control de personal, entre

otros, no se trabaja con la población completa, porque requiere una mayor inversión de
tiempo, recurso humano y económico. Por ello se opta en el trabajo con muestras.

Existen dos conceptos que debemos tener muy en claro antes de comenzar a estimar los
tamaños de muestras: el primer concepto es, evidentemente, el de muestra; y el segundo
Página 1 de 15
 UNIVERSIDAD DE EL SALVADOR
FACULTAD DE CIENCIAS AGRONOMICAS
INGENIERIA AGROINDUSTRIAL A DISTANCIA
ASIGNATURA: ESTADISTICA (EST 113D)

concepto, el de unidad de muestreo. Una muestra es una parte representativa de la

población de estudio, que tenemos que estudiar para llevar sus conclusiones desde la
muestra hacia la población, a este procedimiento se le conoce como inferencia y se hará
efectivo únicamente si hemos seleccionado una muestra representativa. Recuerda que el
objetivo del investigador es estudiar a la población; y no, a la muestra.

Entretanto debes estar pensando que si el objetivo del estudio es la población; entonces,
¿para que estudiamos muestras? lo que sucede, es que no siempre es posible acceder a la
población, de hecho existen tres circunstancias concretas en las que no podemos estudiar
a la población y en ese caso tendremos que recurrir al estudio de una muestra. Estas tres
circunstancias son: primero, cuando la población es desconocida; segundo, cuando la
población es inaccesible y tercero, cuando la población es inalcanzable.

Cuando calcular el tamaño de la muestra

1. Cuando no se puede estudiar a toda la población y se quieren estimar parámetros.

Prevalencia, promedio, porcentaje, tasas.
2. Cuando se desean comparar dos, o más grupos y establecer si hay diferencias.

Porqué calcular tamaños de muestras

1. Las muestras pueden estudiarse con mayor rapidez que las poblaciones.
2. Toma menos tiempo de estudio.
3. En la mayoría de las situaciones el estudio de una población es imposible.
4. Con frecuencia los resultados de una muestra son más precisos que los que se basan
en una población.

Elementos a considerar para determinar tamaños de muestras

1. Marco muestral.
2. Diseño muestral.
3. Características de la población de estudio (homogénea o heterogénea).
4. Nivel de confianza (Z).
5. Nivel de significancia (∝)
6. Presupuesto para realizar la investigación.

Página 2 de 15
 UNIVERSIDAD DE EL SALVADOR
FACULTAD DE CIENCIAS AGRONOMICAS
INGENIERIA AGROINDUSTRIAL A DISTANCIA
ASIGNATURA: ESTADISTICA (EST 113D)

Expresiones algebraicas utilizadas para determinar tamaños de muestras

Estimación de proporciones o porcentajes (variables cualitativas)

′ 𝑍 2 𝑃𝑄 𝑍 2 𝑃𝑄𝑁
1) 𝑛 = (población infinita) 2) 𝑛 = 𝑁𝐸2 +𝑍2 𝑃𝑄 (población finita)
𝐸2
Donde:

Z= Valor crítico correspondiente a un determinado nível de confianza establecido.

P= Proporción de éxito del evento de interés.

Q=1-P= Proporción de fracaso del evento de interés.

N= Tamaño de la población .

E= Error muestral máximo permisible en la investigación.

𝒏′ = Tamaño de la muestra infinita.

n= Tamaño de la muestra finita.

Estimación de parámetros poblacionales o promedios (variables cuantitativas)

′ 𝑍 2 𝜎2 𝑍 2 𝜎2 𝑁
1) 𝑛 = (población infinita) 2) 𝑛 = 𝑁𝐸2 +𝑍2 𝜎2 (población finita)
𝐸2

Donde:

Z= Valor crítico correspondiente a un determinado nível de confianza establecido.

N=Tamaño de la población .

𝝈𝟐 = Varianza de la variable de interés.

E= Error muestral máximo permisible en la investigación.

𝒏′ = Tamaño de la muestra infinita.

𝒏 = Tamaño de la muestra finita.

Página 3 de 15
 UNIVERSIDAD DE EL SALVADOR
FACULTAD DE CIENCIAS AGRONOMICAS
INGENIERIA AGROINDUSTRIAL A DISTANCIA
ASIGNATURA: ESTADISTICA (EST 113D)

Todas las expresiones algebraicas anteriores se originaron del aporte del doctor Leslie
Kish:

𝑛′
𝒏=
𝑛′
1+𝑁

Donde:

𝒔𝟐
𝒏′ = = Tamaño de la muestra provisional (población infinita).
𝝈𝟐

𝝈𝟐 = se² = Varianza poblacional = Error estándar al cuadrado.

se = Error estándar que está dado por la diferencia entre la media poblacional y la media
muestral.

𝒔𝟐 = 𝒑(𝟏 − 𝒑) = 𝒑𝒒 = Varianza de la muestra en términos de probabilidad.

𝒏 = Tamaño de la muestra (población finita).

Valores críticos de Z más utilizados

Nivel de confianza Factor de

distribución
normal (𝒁𝒄 )

99% 2.58

95% 1.96

90% 1.645

Página 4 de 15
 UNIVERSIDAD DE EL SALVADOR
FACULTAD DE CIENCIAS AGRONOMICAS
INGENIERIA AGROINDUSTRIAL A DISTANCIA
ASIGNATURA: ESTADISTICA (EST 113D)

Ejemplos de aplicación para la estimación de proporciones o porcentajes (variables

cualitativas)

Se desea estimar la proporción de consumidores de mermelada de mango «PARAISO» en

el municipio de Nueva Concepción.

Caso 1. No existe un marco muestral, se asume la máxima variabilidad y un error de

precisión.

(0.5)(0.5)
𝒏′ = (0.05)2
= 𝟏𝟎𝟎, población
homogénea
𝑃𝑄
𝒏′ = 2
𝐸
(0.5)(0.5)
𝒏′ = (0.01)2
= 𝟐𝟓𝟎𝟎, población
heterogénea

Caso 2. No existe marco muestral, se asume la máxima variabilidad, un nivel de confianza,

un error de precisión y una población homogénea.

′ 𝑍 2 𝑃𝑄 (1.96)2 (0.5)(0.5)
𝒏 = = = 384.16 ≅ 384
𝐸2 (0.05)2

Caso 3. No existe marco muestral, se asume la máxima variabilidad, un nivel de confianza,

un error de precisión y una población heterogénea.

′
𝑍 2 𝑃𝑄 (2.56)2 (0.5)(0.5)
𝒏 = = = 𝟔𝟓𝟓
𝐸2 (0.05)2

Página 5 de 15
 UNIVERSIDAD DE EL SALVADOR
FACULTAD DE CIENCIAS AGRONOMICAS
INGENIERIA AGROINDUSTRIAL A DISTANCIA
ASIGNATURA: ESTADISTICA (EST 113D)

Ejemplos de aplicación para la estimación de parámetros poblacionales o promedios

(variables cuantitativas)

Se desea estimar el promedio mensual en dólares que un productor de tomate, del

municipio de Nueva Concepción gasta en biofertilizantes.

a) Calcule cuántos productores de tomate se deben tomar como muestra con un nivel
de confianza del 95% y un error de 1 dólar. Si un especialista ha estimado una
desviación típica de 8 dólares.

′ 𝑍 2 𝜎2 (1.96)2 (8)2
𝑛 = = = 246 productores de tomate.
𝐸2 (1)2
b) Haga el cálculo para una población de 900 productores de tomate, con un Z del 99%
y error de 1.5 dólares considerando la desviación estándar con un valor de 8 dólares.

𝑍 2 𝜎2 𝑁 (2.58)2 (8)2 (900)

n= 𝑁𝐸2 +𝑍2 𝜎2 = (900)(1.5)2 +(2.58)2 (8)2 = 157 productores de
tomate.
Aplicación de las expresiones del doctor Leslie Kish:

Caso 1. Para estimar proporciones (variables cualitativas)

Se desea estimar el número de consumidores de mermelada de mango marca «PARAISO»

en el municipio de Nueva Concepción. Con una confianza del 95% y un error del 5%.

a. Población infinita

′ (1.96)2 (0.5)(0.5)
𝒏 = (0.05)2
= 𝟑𝟖𝟒 consumidores de mermelada

b. Población finita de 800 consumidores

𝑛′ 384.16
𝒏= 𝑛′
= 384.16 = 260 consumidores de mermelada
1+ 1+
𝑁 800

Página 6 de 15
 UNIVERSIDAD DE EL SALVADOR
FACULTAD DE CIENCIAS AGRONOMICAS
INGENIERIA AGROINDUSTRIAL A DISTANCIA
ASIGNATURA: ESTADISTICA (EST 113D)

Caso 2. Para estimar parámetros poblacionales (variables cuantitativas)

Se desea estimar el número de consumidores de mermelada de mango marca «PARAISO»

en el municipio de Nueva Concepción. Con una confianza del 95%, error de 1 dólar. El
investigador ha estimado una desviación estandar de 9 dólares.

a. Población infinita
𝑍 2 𝜎2 (1.96)2 (9)2
𝒏′ = = = 311 consumidores de mermelada
𝐸2 (1)2

b. Población finita de 800 consumidores

𝑛′ 311.17
𝒏= 𝑛′
= 311.17 = 224 consumidores de mermelada
1+ 1+
𝑁 800

Ejemplo de aplicación del muestreo probabilístico de mayor aplicación en investigación

científica: Muestreo estratificado.

Se desea estimar la proporción de consumidores de mermelada de mango marca

«PARAISO» en el municipio de Nueva Concepción.

Se sabe que la población de consumidores del municipio es heterogénea y está conformada

por 25,000 consumidores, 6 estratos con su respectiva información de tamaños,
desviaciones y costos. Calcular sus respectivos tamaños de muestra.

Página 7 de 15
 UNIVERSIDAD DE EL SALVADOR
FACULTAD DE CIENCIAS AGRONOMICAS
INGENIERIA AGROINDUSTRIAL A DISTANCIA
ASIGNATURA: ESTADISTICA (EST 113D)

Con la siguiente información determinar tamaño de muestra por afijación uniforme,

proporcional, varianza mínima y afijación optima:

ESTRATO POBLACIÓN VARIACIÓN ( σ ) PRESUPUESTO($)

( Consumidores )

El Zapote (Z) 2,500 12 325

Laguna Seca (LS) 6,200 15 500

Potrero Sula (PS) 4,500 9 410

Los Chilamates (LCH) 8,200 13 725

Sunapa (S) 2,200 7 275

Santa Rosa (SR) 1,400 8 175

TOTAL 25,000

Procedimiento estadístico

Paso 1. Tamaño de muestra aleatorio

𝑍 2 𝑃𝑄 (2.56)2 (0.5)(0.5)
1) 𝑛′ = = = 𝟔𝟓𝟓 consumidores
𝐸2 (0.05)2

𝑛′ 655
2) 𝑛 = 𝑛′
= 655 = 𝟔𝟑𝟖 consumidores
1+ 1+
𝑁 25,000

Página 8 de 15
 UNIVERSIDAD DE EL SALVADOR
FACULTAD DE CIENCIAS AGRONOMICAS
INGENIERIA AGROINDUSTRIAL A DISTANCIA
ASIGNATURA: ESTADISTICA (EST 113D)

Paso 2. Tamaño de muestra por tipos de muestreo Estratificado

1. Afijación uniforme

Consiste en asignar el mismo número de unidades muestrales a cada estrato:

«Se aplica cuando todos los estratos tienen igual número de elementos»

𝑡𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎 𝑓𝑖𝑛𝑖𝑡𝑎 (𝑛) 638

𝒏𝒆 = 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑠𝑡𝑟𝑎𝑡𝑜𝑠 𝑜 𝑐𝑎𝑛𝑡𝑜𝑛𝑒𝑠 (𝐿) = = 106 consumidores
6
de mermelada en cada cantón

2. Afijación proporcional

Consiste en asignar a cada estrato un número de unidades muestrales proporcional a su

tamaño:

«Se aplica cuando el tamaño de los estratos es diferente»

𝒏𝒆 = 𝑛 ∗ 𝑤ℎ𝑒
Donde:

𝒏 = Tamaño de muestra aleatorio

𝒘𝒉𝒆 es la fracción de muestreo del estrato 𝑒, que se obtiene de la siguiente relación,

𝑵𝒆
población del estrato entre la población total: 𝒘𝒉𝒆 = 𝑵

2500
𝒏𝒁 = 638 ∗ ( ) = 63.8 ≅ 𝟔𝟒
25000

Página 9 de 15
 UNIVERSIDAD DE EL SALVADOR
FACULTAD DE CIENCIAS AGRONOMICAS
INGENIERIA AGROINDUSTRIAL A DISTANCIA
ASIGNATURA: ESTADISTICA (EST 113D)

6,200
𝒏𝑳𝑺 = 638 ∗ (25000) = 158.22 ≅ 158

4500
𝒏𝑷𝑺 = 638 ∗ ( ) = 𝟏𝟏𝟒. 𝟖𝟒 ≅ 𝟏𝟏𝟓
25000

Siguiendo el mismo procedimiento determinar los tamaños para los estratos o cantones
faltantes.

3. Varianza mínima

El reparto de la muestra se hace de forma que para un tamaño fijo de 𝒏 unidades, la varianza
sea mínima. Cuando mayor sea la variabilidad del estrato, más elementos seleccionamos
de tal forma que la varianza global sea mínima:
𝑤ℎ𝑒 ∗ 𝑠𝑒
𝒏𝒆 = 𝑛 ∗ ( )
∑ 𝑤ℎ𝑒 𝑠𝑒

Donde:

𝒏 = Tamaño de muestra aleatorio

𝒔𝒆 : Desviación estandar del estrato 𝑒

𝒘𝒉𝒆 : Fracción de muestreo del estrato 𝑒

2500 1400
∑ 𝒘𝒉𝒆 𝒔𝒆 = ( ) ∗ 12 + ⋯ + ( )∗8=
25000 25000
1.20 + ⋯ + 0.45 = 𝟏𝟏. 𝟖𝟕

2500
(
) ∗ 12 1.2
𝒏𝒁 = 638 ∗ 25000 = 638 ∗ ( ) = 𝟔𝟒. 𝟓𝟎 ≅ 𝟔𝟓
11.87 11.87
Página 10 de 15
 UNIVERSIDAD DE EL SALVADOR
FACULTAD DE CIENCIAS AGRONOMICAS
INGENIERIA AGROINDUSTRIAL A DISTANCIA
ASIGNATURA: ESTADISTICA (EST 113D)

6200
( )∗15 3.72
25000
𝒏𝑳𝑺 = 638 ∗ = 638 ∗ (11.87) = 199.95 ≅ 𝟐𝟎𝟎
11.87

4500
()∗9 1.62
𝒏𝑷𝑺 = 638 ∗ 25000 = 638 ∗ = 87.07 ≅ 𝟖𝟕
11.87 11.87
Siguiendo el mismo procedimiento determinar los tamaños para los estratos o cantones
faltantes.

4. Afijación óptima

Consiste en minimizar la varianza para un coste fijo.

𝑤ℎ𝑒 𝑠𝑒
√𝑐𝑒
𝒏𝒆 = 𝑛 ∗
𝑤ℎ 𝑠
∑ ( 𝑒 𝑒)
Donde: √𝑐𝑒
𝒏 = Tamaño de muestra aleatorio

𝒔𝒆 : Desviación estandar del estrato 𝑒

𝒘𝒉𝒆 : Fracción de muestreo del estrato 𝑒

√𝒄 = recurso económico disponible para realizar investigación

2500 1400
𝒘𝒉𝒆 𝒔𝒆 ) ∗ 12 ( ( )∗8
∑( )= 25000 + ⋯+ 25000
√ 𝒄𝒆 √325 √175
= 0.0666 + ⋯ + 0.0339 = 𝟎. 𝟓𝟒𝟐𝟑

Página 11 de 15
 UNIVERSIDAD DE EL SALVADOR
FACULTAD DE CIENCIAS AGRONOMICAS
INGENIERIA AGROINDUSTRIAL A DISTANCIA
ASIGNATURA: ESTADISTICA (EST 113D)

𝑤ℎ𝑒 𝑠𝑒 1.2
𝒏𝒁 = 𝑛 ∗ √𝑐 = 638 ∗ ( √325 ) = 78.31 ≅ 𝟕𝟖
𝑤ℎ 𝑠 0.5423
∑ ( 𝑒 𝑒)
√𝑐𝑒

𝑤ℎ𝑒 𝑠𝑒 3.72
𝒏𝑳𝑺 =𝑛∗ √𝑐 = 638 ∗ ( √500 ) = 195.72 ≅ 𝟏𝟗𝟔
𝑤ℎ 𝑠 0.5423
∑ ( 𝑒 𝑒)
√𝑐𝑒

𝑤ℎ𝑒 𝑠𝑒 1.62
𝒏𝑷𝑺 =𝑛∗ √𝑐 = 638 ∗ ( √
410
) = 𝟗𝟒. 𝟏𝟐
𝑤ℎ 𝑠 0.5423
∑ ( 𝑒 𝑒)
√𝑐𝑒
≅ 𝟗𝟒
Siguiendo el mismo procedimiento determinar los tamaños para los estratos o cantones
faltantes.

Principios fundamentales que debe cumplir toda muestra

1. Simplicidad

Significa que los elementos que participan en la investigación y que pertenecen a la

población de estudio, deben estar definidos en forma clara, simple y precisa.

2. Representatividad

Las características relevantes de la población de estudio deben encontrarse en la muestra,

sólo deben diferir en el número de elementos.

Página 12 de 15
 UNIVERSIDAD DE EL SALVADOR
FACULTAD DE CIENCIAS AGRONOMICAS
INGENIERIA AGROINDUSTRIAL A DISTANCIA
ASIGNATURA: ESTADISTICA (EST 113D)

3. Comparabilidad

Cuando en un estudio es necesario contar con dos muestras, entre las cuales se desea
establecer alguna diferencia específica, es necesario que ambas muestras sean similares en
todas las características, a excepción de aquella característica que es motivo de la
investigación.

Página 13 de 15
 UNIVERSIDAD DE EL SALVADOR
FACULTAD DE CIENCIAS AGRONOMICAS
INGENIERIA AGROINDUSTRIAL A DISTANCIA
ASIGNATURA: ESTADISTICA (EST 113D)

Fuentes de consulta

Caballero, AW. 1975. Introducción a la estadística. Costa Rica, IICA. 289 p.

Ching Chun, LI. 1977. Introducción a la Estadística Experimental. España, Omega.
De La Loma, JL. 1982. Experimentación agrícola. México, Editorial Hispanoamericana. 29-
208 p.
Downie, NM; Heath, RW. 1980. Métodos estadísticos aplicados. 5 ed. s. l., s. e. 365 p.
Eilloughby, SS. 1969. Probabilidad y estadística. México, Publicaciones Culturales. 215 p.
Haber, A; Runyon, RP. 1973. Estadística general. Fondo Educativo Interamericano. s.l., s. e.
371 p.
Kendal, MG; Buckiand, W. 1980. Diccionario de estadística. Madrid, Pirámide. 83 p.
Kennedy, IB; Neville AM. 1982. Estadística para ciencias e ingeniería. 2 ed. México, Harla.
460 p.
Little, TM; Hills, FJ. 1978. Métodos estadísticos para la investigación en agricultura. México,
Trillas. 232 p.
Maisel, L. 1973. Probabilidad y estadística. Fondo Educativo Interamericano. México, s.e.
277 p.
Mata, HM; Castaneda, MJ. 1974. Estadística general. San Salvador, El Salvador, v. 2, 114 p.
Mora Valverde, M. 2008. Fórmulas y tablas estadísticas. San José, Costa Rica, UCR. P. 19-72
Morales Arévalo, SW; Rodríguez Gracias, OA. 2017. Manual de estadística. Cuidad
Universitaria, El Salvador, 201 p
Ostle, B. 1965. Estadística aplicada. México, Editorial Limusa-Wiley. 628 p.
Pierna Vieja, J. 1955. La representación estadística y sus aplicaciones agrarias. Madrid,
Salvat Editores. 375 p.
Pimentel Gómez, F. 1978. Curso de estadística experimental. Argentina, Editorial Hemisferio
Sur.
Portus G, L. 1985. Curso práctico de estadística. Colombia, Editorial McGraw-Hill
Latinoamericana. 80 p.

Página 14 de 15
 UNIVERSIDAD DE EL SALVADOR
FACULTAD DE CIENCIAS AGRONOMICAS
INGENIERIA AGROINDUSTRIAL A DISTANCIA
ASIGNATURA: ESTADISTICA (EST 113D)

Reyes Castañeda, P. 1982. Bioestadística aplicada. México, Editorial Trillas. 215 p.

Ríos, S. 1972. Análisis estadístico aplicado. España, Paraninfo. 411 p.
Sasso, R. 1966. Introducción a la estadística. 2 ed. Universidad de Costa Rica (ed.). Costa
Rica, s. e. 277 p.
Snedecor, GW. 1966. Métodos estadísticos aplicados a la investigación agrícola y biológica.
México, Editorial Continental. 615 p.
Spiegel, M. 1969. Teoría y problemas de estadística. s. l. McGraw-I1i1l. 314 p.
Supo, J. 2014. Como elegir una muestra: Técnicas para seleccionar una muestra
representativa.
Wayne W, D. s. f. Bioestadística base para el análisis de las ciencias de la salud. s. l., s. e. 454
p.
Yamane, T. 1979. Estadística. 3 ed. México, Editorial Harla. 767 p.
Zuwaylif, F. s. f. Estadística general aplicada. Fondo Educativo Interamericano. México, 432
p.

Página 15 de 15