Estadística II

Universidad Abierta Para Adultos

Educación Superior a Distancia Virtual

ESCUELA
Escuela de negocios
CARRERA
Lic. Mercadeo
ASIGNATURA
Estadística II
FACILITADOR
Vilma Rodríguez
PARTICIPANTES
Yazmin Mejía Peña
201900520(100023463)
TEMA
El muestreo
FECHA
27/03/2024
 Introducción

Se le conoce como muestreo a la técnica para la selección de una muestra a

partir de una población estadística.

Al elegir una muestra aleatoria se espera conseguir que sus propiedades sean
extrapolables a la población. Este proceso permite ahorrar recursos, y a la vez
obtener resultados parecidos a los que se alcanzarían si se realizase un estudio
a toda la población. En las investigaciones llevadas por empresarios y de la
medicina se usa muestreo extensivamente en recoger información sobre
poblaciones.

Cabe mencionar que para que el muestreo sea válido y se pueda realizar un
estudio adecuado (que consienta no solo hacer estimaciones de la población
sino estimar también los márgenes de error correspondientes a dichas
estimaciones), debe cumplir ciertos requisitos. Nunca podremos estar
enteramente seguros de que el resultado sea una muestra representativa, pero
sí podemos actuar de manera que esta condición se alcance con una
probabilidad alta.

En el muestreo, si el tamaño de la muestra es más pequeño que el tamaño de la

población, se puede extraer dos o más muestras de la misma población. Al
conjunto de muestras que se pueden obtener de la población se
denomina espacio muestral. La variable que asocia a cada muestra su
probabilidad de extracción sigue la llamada distribución muestral.
Resumen tipos de Muestreo:

Muestreo probabilístico: El muestreo probabilístico analiza y estudia una

población utilizando la selección aleatoria, simplemente porque en un grupo de
individuos todos tienen la misma oportunidad de ser elegidos.

• Muestreo aleatorio simple: este tipo de muestreo elige al azar cada

individuo que hará parte de la muestra y todos tienen las mismas
oportunidades de ser seleccionados.

Ej. Si existen 400 supermercados se elijen 25 aleatoriamente que cumplan

con diferentes características tales como pago en tarjeta, envió a domicilio,
parque para embarazadas etc.

• Muestreo sistemático: este muestreo selecciona de forma aleatoria al

primer individuo de la población que hará parte del estudio y luego, define
un intervalo para completar la muestra. Este muestreo asegura una
selección equitativa de la población, lo que resulta muy útil y rápido,
además permite que la población esté correctamente representada.

Ej. En un grupo de 1000 personas desean obtener una muestra de 100

personas. El primer seleccionado es el número 2 (en azul). A partir de este y,
mediante un intervalo de 4 personas decidido por el investigador, se
seleccionarán los siguientes individuos. De esta manera, serán los números
6, 10, 14,18, 22, etc., hasta completar la muestra de 100 individuos.

• Muestreo por conglomerados: se utiliza cuando no se pueden estudiar

todos los individuos de una población porque es muy grande o se
encuentra dispersa en un área geográfica muy extensa, lo que aumenta
el costo de la investigación. Es útil cuando la población se encuentra
agrupada previamente y de estos grupos se extraen los individuos para
conformar la muestra.

• Muestreo por conglomerados: se utiliza cuando no se pueden estudiar

todos los individuos de una población porque es muy grande o se
encuentra dispersa en un área geográfica muy extensa, lo que aumenta
 el costo de la investigación. Es útil cuando la población se encuentra
agrupada previamente y de estos grupos se extraen los individuos para
conformar la muestra.

Muestreo no Probabilístico: es una técnica que selecciona las personas

que harán parte de la muestra de una manera subjetiva, esto quiere decir, según
la decisión del investigador, evitando hacerlo al azar.

A diferencia en el muestreo probabilístico, donde cada individuo de la población

tiene las mismas oportunidades de ser seleccionado, en el muestreo no
probabilístico no todas las personas pueden participar.

El muestreo no probabilístico es menos estricto y depende en su mayoría de la

experiencia de los investigadores.

• Muestreo de bola de nieve: esta técnica ayuda a los investigadores a

encontrar muestras cuando son difíciles de localizar. Es útil si el tamaño
de la muestra es pequeño y no está disponible fácilmente.

Ej. Si eres un investigador y estás buscando personas con cierta enfermedad, lo

que haces es contactar a uno o dos individuos que presenten
dicha condición médica y que ellos mismos sean quienes te recomienden a otros
individuos con una historia médica parecida.

• Muestreo por cuotas: este método permite dividir la población en grupos

o estratos que comparten características como el sexo, la edad, los
estudios, etc., y de ellos se selecciona una muestra proporcional y
representativa.

Ej. En una empresa grande quieren saber cuáles son los hobbies preferidos por
sus empleados. Como son tantas personas, deciden dividirlas en dos estratos,
por género: hombres y mujeres. Las mujeres representan el 40 % de los
empleados y los hombres el 60 %, por lo tanto, el investigador decide que en la
muestra se incluirán 400 mujeres y 600 hombres para tener un total de 1000
individuos en el estudio. Así, asegura que la participación de cada género es
proporcional a la población que representan. A esos porcentajes elegidos se les
llama cuotas.
 • Muestreo intencional o por conveniencia: con este método
las muestras se seleccionan basándose únicamente en el conocimiento y
la credibilidad del investigador. En otras palabras, los investigadores
eligen solo aquellas personas que ellos creen que son los adecuados para
participar en un estudio de investigación, ya sea porque son fáciles de
reclutar o porque los consideran buenos representantes de la población.

La muestra es una porción de la totalidad de un fenómeno, producto o

actividad que se considera representativa del total también llamada una
muestra representativa. Tomando en cuenta que la población de la
muestra elegida es desconocida, se ha tomado la fórmula de Fisher y
Navarro (1994) para su cálculo, el cual se presenta a continuación:

n = Z2 pq Donde,

e2

• n= Tamaño de la muestra

• Z2= Nivel de confianza.

• p= Variabilidad positiva.

• q= Variabilidad negativa

• e= Precisión o error.

Tras el despeje de la fórmula se presentan los datos siguientes:

• n= ____________?

• Z2= 1.96= (1.96) 2

• p= 50%= 0.5

• q= 50%= 0.5

• e= 5% = 0.05
Para este caso, se ha decidido tomar un margen de confiabilidad de 93% (1-d)
que corresponde a Z = 1.81, con un error de estimación e = 7%.

n = (1.96) 2 (0.5) (0.5) Donde,

(0.05)2

n = (3.8416) (0.5) (0.5) Donde,

0.0025

n = 0.9604 Donde,

0.0025

n = 384

Muestra: 367 personas.

 Bibliografía

https://edu.gcfglobal.org/es/estadistica-basica/tipos-de-muestreo/1/

https://eva.uapa.edu.do/mod/url/view.php?id=1035484&forceview=1

https://eva.uapa.edu.do/mod/url/view.php?id=1035483&forceview=1