Seminario de Estadística aplicada a la Investigación

Educacional
Dr. Joel Elvys Alanya Beltran
UNIDAD 2
Unidad 2

Temas Objetivo

Entender los conceptos de

Probabilidades Probabilidades, experimento aleatorio,
espacio muestral y eventos

Entender los principales axiomas y

Fundamentos de
teoremas de probabilidad, variables
probabilidad
aleatoria y eventos independientes

Probabilidad Total Ejemplos aplicativos de probabilidad

Teorema de Bayes total y teorema de bayes
Probabilidades
¿Cuántos posibles resultados tendremos?

Mitad
Cara

Sello
Mitad

Cuando Luis lance la moneda cada resultado es la

mitad de todos los resultados que puede obtener
Antes de lanzar el dado, Luis o Luisa ¿sabrán
con certeza que resultado saldrá? → NO Tanto Luis como Luisa tendrán la misma posibilidad de
elegir como almuerzo un lomo saltado o un ceviche
Experimento aleatorio
Por ejemplo, un experimento aleatorio puede ser:
Es un proceso mediante el cual
se obtiene una observación o Lanzamiento de un moneda
un dato, y cuyo resultado se
desconoce o no puede
predecirse hasta antes de Lanzamiento de un dado
llevarse a cabo, por lo tanto
está sujeto al azar.

El giro de una ruleta

Características Los resultados no

pueden predecirse Una partida de Bingo
con exactitud antes
del experimento
Puede repetirse
infinitas veces Una rifa para ir a ver el mundial Qatar 2022
bajo las mismas
condiciones. Se conoce el
conjunto de todos
los posibles
resultados
Espacio muestral
Tenemos los siguientes experimentos aleatorios …

Cara
Lanzamiento de un moneda
Espacio muestral
Sello

Lanzamiento de un dado (6 resultados)

Es el conjunto de todos los
resultados posibles de un
experimento aleatorio
Notación: Ω

Una rifa para ir a ver el mundial Qatar 2022

1 2 3
. . . Ω = 𝑐𝑎𝑟𝑎, 𝑠𝑒𝑙𝑙𝑜
4 .
. .
.

98 99 100
Eventos
Por ejemplo, un evento puede ser:
Evento Cara Sello

Lanzamiento de un moneda Ω=

Es un subconjunto
del espacio 𝐸 = 𝑂𝑏𝑡𝑒𝑛𝑒𝑟 𝑢𝑛𝑎 𝑐𝑎𝑟𝑎 𝑎𝑙 𝑙𝑎𝑛𝑧𝑎𝑟 𝑢𝑛𝑎 𝑚𝑜𝑛𝑒𝑑𝑎 = 𝑐𝑎𝑟𝑎
muestral
Lanzamiento de un dado

Ω=

Se dice que un evento ocurre si

al realizar un experimento 𝐸1 = 𝑂𝑏𝑡𝑒𝑛𝑒𝑟 𝑢𝑛 5 𝑎𝑙 𝑙𝑎𝑛𝑧𝑎𝑟 𝑢𝑛 𝑑𝑎𝑑𝑜 = 5
aleatorio se observa
cualquiera de sus resultados
𝐸2 = 𝑂𝑏𝑡𝑒𝑛𝑒𝑟 𝑢𝑛 𝑛ú𝑚𝑒𝑟𝑜 𝑚𝑎𝑦𝑜𝑟 𝑎 3 = 4, 5, 6

𝐸3 = 𝑂𝑏𝑡𝑒𝑛𝑒𝑟 𝑢𝑛 𝑛ú𝑚𝑒𝑟𝑜 𝑖𝑚𝑝𝑎𝑟 = 1, 3, 5

Probabilidad

Parte de las matemáticas que

nos proporciona información
sobre la posibilidad de que
algo ocurra o no

¿Cuál es la probabilidad de que ocurra un evento como …?

¿Cuántos posibles resultados tendremos? 𝐴𝑙𝑔𝑜 𝐸𝑣𝑒𝑛𝑡𝑜 = 𝐿𝑎𝑛𝑧𝑎𝑟 𝑢𝑛 𝑑𝑎𝑑𝑜 𝑦 𝑜𝑏𝑡𝑒𝑛𝑒𝑟 𝑠𝑒𝑙𝑙𝑜

Mitad 𝐸𝑣𝑒𝑛𝑡𝑜 = 𝐿𝑎𝑛𝑧𝑎𝑟 𝑢𝑛 𝑑𝑎𝑑𝑜 𝑦 𝑜𝑏𝑡𝑒𝑛𝑒𝑟 𝑢𝑛 𝑛ú𝑚𝑒𝑟𝑜 𝑝𝑎𝑟

Cara
𝐸𝑣𝑒𝑛𝑡𝑜 = 𝑅𝑖𝑓𝑎𝑟 𝑢𝑛 𝑏𝑜𝑙𝑒𝑡𝑜 𝑎 𝑄𝑎𝑡𝑎𝑟 𝑦 𝑞𝑢𝑒 𝑔𝑎𝑛𝑒 𝑆𝑒𝑔𝑢𝑛𝑑𝑜 𝑅.

Sello 𝐸𝑣𝑒𝑛𝑡𝑜 = 𝐿𝑎𝑛𝑧𝑎𝑟 2 𝑣𝑒𝑐𝑒𝑠 𝑢𝑛𝑎 𝑚𝑜𝑛𝑒𝑑𝑎 𝑦 𝑜𝑏𝑡𝑒𝑛𝑒𝑟 2 𝑐𝑎𝑟𝑎𝑠

Mitad 𝐸𝑣𝑒𝑛𝑡𝑜 = 𝐿𝑙𝑢𝑒𝑣𝑎 𝑚𝑎ñ𝑎𝑛𝑎

Probabilidad
¿Cuál es la probabilidad de que lance una moneda y obtenga una cara? Parte de las matemáticas que
nos proporciona información
𝑃 = 𝐿𝑎𝑛𝑧𝑎𝑟 𝑢𝑛𝑎 𝑚𝑜𝑛𝑒𝑑𝑎 → 𝑐𝑎𝑟𝑎 = ? 𝑃 𝑐𝑎𝑟𝑎 = ? sobre la posibilidad de que
algo ocurra o no
Probabilidad es un valor entre
0y1
¿Cómo calculamos la probabilidad de este evento?

Mitad Resultados favorables: 1 {cara} 1

Cara Resultados posibles: 2 {cara, sello} 2

1
Sello 𝑃 𝑐𝑎𝑟𝑎 = 𝑥 100% = 50%
2
Mitad Definimos …
Resultados favorables x 100
𝑃 𝑒𝑣𝑒𝑛𝑡𝑜 =
Resultados posibles
Probabilidad
Hay que tener presente que estos resultados no predicen ni garantizan el futuro de una manera exacta, sino
una tendencia…
Cara 1/2
Lanzamiento de un moneda

Sello 1/2

Cara, Sello Sello, Sello Cara, Cara

Lo que esta indicando la probabilidad, es que cada vez que lanzo una moneda muchas veces, los resultados se estarán
acercando al 0.5 con más seguridad

100 lanzamiento → 49 caras

Tipos de eventos
Supongamos que hacemos el experimento de lanzar un dado:

𝟔 Resultados posibles: 6 {1, 2, 3, 4, 5, 6}

𝑷 < 𝟏𝟎 = =𝟏 Evento Seguro
𝟔 Resultados favorables: 6 {1, 2, 3, 4, 5, 6}

𝟎 Resultados posibles: 6 {1, 2, 3, 4, 5, 6}

𝑷 𝟗 = =𝟎 Evento Imposible
𝟔 Resultados favorables: 0 {-}

Evento complementario
o Contrario
Cara Sello Llueve No llueve Si cuando ocurre un
evento no ocurre el otro
Axioma de probabilidad
Un axioma es una
La probabilidad cumple los siguientes axiomas … verdad “evidente”
que no requiere
demostración
Resultados favorables
Ax.1 𝟎 ≤ 𝑷(𝑬𝒗𝒆𝒏𝒕𝒐) ≤ 𝟏, para cada evento en 𝛺 𝑃 𝑒𝑣𝑒𝑛𝑡𝑜 =
Resultados posibles

𝟔
Ax.2 Probabilidad asociada al espacio muestral: 𝑷 𝜴 = 𝟏 𝑷 < 𝟏𝟎 = =𝟏 Evento Seguro
𝟔

La probabilidad de la unión de k eventos mutuamente 𝜴 Dos eventos son

excluyentes en 𝜴, 𝑒𝑠 𝑙𝑎 𝑠𝑢𝑚𝑎 𝑑𝑒 𝑠𝑢𝑠 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒𝑠 mutuamente excluyentes
Ax.3 𝒌 𝒌 𝐴1 𝐴2 cuando no pueden ocurrir
𝑷 ራ 𝑨𝒊 = ෍ 𝑷 𝑨𝒊 simultáneamente
𝑨𝒊 : evento
𝐴1 ‫𝐴ځ‬2 = ∅
𝒊=𝟏 𝒊=𝟏

𝑷 𝑨𝟏 𝖴 𝑨𝟐 = 𝑷 𝑨𝟏 + 𝑷 𝑨𝟐
Teorema de probabilidades
Un teorema es
una verdad que si
Teorema 1: Si ∅ es un evento (conjunto Teorema 2: Para cada evento de 𝑨, se requiere
vacío), entonces la probabilidad de: cumple que: demostración
𝑃 ∅ =0 𝑃 𝐴𝑐 = 1 − 𝑃 𝐴

Ejemplos:
𝜴
✓ Obtener un 11 al lanzar un dado 𝐴𝑐
𝐴
✓ Que una persona viva 200 años
✓ Que mañana nieve en Lima

Teorema 3: Si 𝑨 𝒚 𝑩 son eventos tales Teorema 4: Si 𝑨 𝒚 𝑩 son eventos

que 𝑨 ⊂ 𝑩, entonces: cualesquiera en 𝜴, entonces:
𝑃 𝑨 ≤𝑃 𝑩 𝑃 𝑨𝖴𝑩 = 𝑃 𝑨 +𝑃 𝑩 −𝑃 𝑨 ∩𝑩

𝑩 𝜴
𝐴𝐴
𝑨 𝑨 ∩𝑩 𝑩
Probabilidad Condicional

𝐴 = 1, 3, 5 y 𝐵 = 4, 5, 6 𝐴∩𝐵 = 5
Sean A y B dos eventos, entonces la probabilidad de
que ocurra un evento A, dado que ha ocurrido B, se Entonces:
1 3
denota por: 𝑃 𝐴∩𝐵 = , 𝑃 𝐵 =
6 6
𝑃 𝐴 ∩𝐵
𝑃 𝐴∖𝐵 = , 𝑠𝑖 𝑃 𝐵 > 0 Por tanto, la probabilidad de que el evento A ocurra dado que
𝑃𝐵
el evento B ha ocurrido es:

𝑃 𝐴 ∩𝐵 1ൗ 1
Consideremos el experimento de lanzar un dado y
𝑃 𝐴∖𝐵 = =3 =
observar la cara superior. El espacio muestral es: 𝑃𝐵 6ൗ 3
6
𝛺 = 1, 2, 3, 4, 5, 6

Sean los siguientes eventos: A B

3 4
A: “Se observa un número impar” 5
1 6
B: “Se observa un número mayor que 3”
Probabilidad con eventos independientes
Hay muchas veces donde los eventos están sin
conexión y la ocurrencia de uno de ellos no cambia la
probabilidad de ocurrencia del otro, en esa caso se
dice que son Eventos Independientes.
Sean A y B dos eventos, son independientes si se
cumple:
Se realiza el experimento de lanzar una moneda 2 veces y observar la
secuencia de caras y sellos, entonces el espacio muestral seria:
1er 2do
𝛺 = 𝐶𝐶, 𝐶𝑆, 𝑆𝐶, 𝑆𝑆
Consideremos los siguientes eventos:
A: “El primer resultado es una cara”
B: “El segundo lanzamiento resulta una cara”

𝑃 𝐴 ∩𝐵 =𝑃 𝐴 ∗𝑃 𝐵 𝐴 = 𝐶𝐶, 𝐶𝑆 y 𝐵 = 𝐶𝐶, 𝑆𝐶
1 1
Por lo tanto: 𝑃 𝐴 = , 𝑃 𝐵 =
2 2
Se dice que A y B dos eventos, son independientes si:
Suponiendo que ha ocurrido el evento B:
𝑃 𝐴 ∩𝐵 𝑃 𝐴 ∗𝑃 𝐵 1ൗ
𝑃 𝐴∖𝐵 = = =𝑃 𝐴 𝑃 𝐴 ∩𝐵 1
𝑃 𝐵 𝑃𝐵 𝑃 𝐴∖𝐵 = =1 = =𝑃 𝐴
𝑃𝐵 4ൗ 2
2
𝑃 𝐴 ∩𝐵 𝑃 𝐴 ∗𝑃 𝐵
𝑃 𝐵∖𝐴 = = =𝑃 𝐵 La ocurrencia del evento B no afecta la probabilidad de A, es decir la
𝑃 𝐴 𝑃 𝐴 probabilidad de A no depende de la ocurrencia de B. Por tanto A y B
son independientes
Probabilidad total

Sean los eventos 𝐴1, 𝐴2 , … , 𝐴 𝑘 , mutuamente excluyentes si:

𝐴𝑖 ∩ 𝐴𝑗 = ∅ 𝑝𝑎𝑟𝑎 𝑖 ≠ 𝑗

Si además de eso cumplen:

𝛺 = 𝐴1 𝖴 𝐴2 , … 𝖴 𝐴𝑘

Se dicen que forman una partición del espacio muestral:

𝐴1 𝐴2 𝐴3
𝛺

𝐴5
𝐴4
Probabilidad total

S𝑖 𝐴1 , 𝐴2 , … , 𝐴𝑘 , es una partición del espacio muestral, tal que 𝑃 𝐴𝑖 ≠ 0, 𝑖 = 1, 2, … , 𝑘

y M es un evento cualquiera, entonces:

𝑃 𝑀 = 𝑃 𝑀 ∩ 𝐴1 + 𝑃 𝑀 ∩ 𝐴2 + 𝑃 𝑀 ∩ 𝐴3 + … + 𝑃 𝑀 ∩ 𝐴𝑘

𝑃 𝑀 = 𝑃 𝑀\𝐴1 𝑃 𝐴1 + 𝑃 𝑀\𝐴2 𝑃 𝐴2 + ⋯ + 𝑃 𝑀\𝐴𝑘 𝑃 𝐴𝑘

𝐴1 𝐴2 𝐴3 𝛺
𝑀 ∩ 𝐴2
𝑀 ∩ 𝐴3
𝑀 𝑀 ∩ 𝐴1
𝑀 ∩ 𝐴5
𝑀 ∩ 𝐴4
𝐴5
𝐴4
Probabilidad total
Veamos el siguiente ejemplo:
En un criadero hay 3 corrales. En el corral I hay 2 cuyes marrones y 3 blancos, en corral II
tiene 4 cuyes marrones y 2 blancos y el corral III contiene 5 cuyes marrones y 5 blancos.
Se selecciona al azar un corral, ¿Cuál es la probabilidad que el cuy escogido sea blanco?

Solución:
1. Definimos lo siguientes eventos
C1 : El corral I es seleccionado 𝛺
C2 : El corral II es seleccionado C1 C2 C3
C3 : El corral III es seleccionado
M
𝑀: El cuy escogido es blanco
𝑀𝑐 : El cuy escogido no es blanco
2. El espacio muestral está constituido por todos
los cuyes de los 3 corrales y estas forman una
partición muestral
𝛺 = 𝐶1 𝖴 𝐶2 𝖴 𝐶3
 Probabilidad total
Resultados Favorables
Solución:
𝑀 𝐶1 ∩ 𝑀
2. El espacio muestral está constituido por todos los cuyes 1 3
de los 3 corrales y estas forman una partición muestral 𝐶1 𝐶1 𝑀 = 𝑥
3 5

𝛺 = 𝐶1 𝖴 𝐶2 𝖴 𝐶3 𝑀𝑐 𝐶1 ∩ 𝑀𝑐
3. 𝑀 ⊂ 𝛺 y se escribe: 𝑀 𝐶2 ∩ 𝑀
𝑃 𝐶2 = 1Τ3
𝑀 = 𝐶1 ∩ 𝑀 𝖴 𝐶2 ∩ 𝑀 𝖴 𝐶3 ∩ 𝑀 𝐶2
4. Luego por el teorema de la probabilidad total 𝑀𝑐 𝐶2 ∩ 𝑀𝑐
𝑃 𝑀 = 𝑃 𝑀 ∩ 𝐶1 + 𝑃 𝑀 ∩ 𝐶2 + 𝑃 𝑀 ∩ 𝐶3 𝑀 𝐶3 ∩ 𝑀
𝑃 𝑀 = 𝑃 𝑀\𝐶1 𝑃 𝐶1 + 𝑃 𝑀\𝐶2 𝑃 𝐶2 + 𝑃 𝑀\𝐶3 𝑃 𝐶3 𝐶3

𝛺 C2 C3
𝑀𝑐 𝐶3 ∩ 𝑀𝑐
C1

M 5. Reemplazando:
𝐶1 ∩ 𝑀 𝐶2 ∩ 𝑀 𝐶3 ∩ 𝑀 𝑃 𝑀 = 𝑃 𝑀\𝐶1 𝑃 𝐶1 + 𝑃 𝑀\𝐶2 𝑃 𝐶2 + 𝑃 𝑀\𝐶3 𝑃 𝐶3

1 3 1 2 1 5 43
𝑃 𝑀 = 𝑥 + 𝑥 + 𝑥 =
3 5 3 6 3 10 90
Teorema de Bayes

Para 2 eventos A y B, con 𝑃 𝐴 > 0, 𝑦 𝑃 𝐵 > 0, se tiene que

𝑃 𝐴\B 𝑃 𝐵
𝑃 𝐵\A 𝑃 𝐴 𝑃 𝐴∩𝐵
𝑃 𝐴\B = = 𝑃 𝐴∩𝐵
𝑃𝐵 𝑃𝐵
𝑃 𝐵\A 𝑃 𝐴

Suponiendo que el cuy escogido aleatoriamente se ve que es blanco, ¿Cuál es la probabilidad que provenga de la
jaula uno?,
Tomamos la notación del ejercicio anterior: 𝑃 𝑀 Se ha calculado por el tema de probabilidad, reemplazar en la
C1 : El corral I es seleccionado fórmula
𝑃 𝑀\C1 𝑃 𝐶1
𝑃 𝐶1\M =
𝑀: El cuy escogido es blanco 𝑃𝑀
3/5 𝑥 1\3 18
𝑃 𝐶1\M = =
43Τ90 43
 Temas Objetivo
Muestreo y cálculo de la Técnicas de muestreo y
muestra calculo de la muestra

Muestreo probabilístico Aleatorio, Sistemático,

Estratificado y por
Conglomerado

Muestreo no probabilístico Por Conveniencia, por cuotas

y bola de nieve
¿Qué es una población?

Es el conjunto total de elementos

(finita o infinita) que poseen al menos
una característica en común. También
es llamada universo

Población de habitantes Población de perros del

de un país distrito de Los Olivos

Población de autos
fabricados
¿Es posible acceder a toda población de estudio?
No siempre es posible acceder a toda la población de estudio, revisemos las principales situaciones:

La población es desconocida
Es imposible o inalcanzable
o carece de una lista de
debido a su magnitud,
unidades de estudio, es Es costoso estudiar a cada
incluso cuando se tiene un
complicado conocer a cada elemento de la población.
listado con todos los
uno de los elementos de la
elementos.
población.

Población Muestreo:
Es el procedimiento a través del cual el investigador realiza la selección
de una muestra extraída de la población objeto de estudio

La selección y el estudio de la muestra, tiene por objetivo la extracción

de conclusiones que sean válidas para la población del cual se obtuvo
Muestra dicha muestra
 Característica de la muestra
Población: N
Muestra: n
Muestra
1
Muestra
2

Muestra
Población
3

Muestra
4

¿Es representativa
la muestra que he
elegido?
¿Es representativa la muestra que he elegido?
Población: 1000 Población: 1000
Muestra: 300

43 % 57 %
Mujeres Hombres
129 171

Población de estudiantes de 5to 43 % 57 %

de la I.E 001 del periodo 2022 Mujeres Hombres
430 570
Característica de la muestra
Población: 1000
Muestra: 300 Representativa

La muestra debe reflejar los

elementos de la población,
una buena muestra debe
darnos información de toda
la población

Dos aspectos a considerar:

2do secundaria 3ero secundaria ✓ Cálculo del tamaño de la
15% 20% muestra
✓ Forma de selección de
2do secundaria 3ero secundaria
4to secundaria 5to secundaria las unidades
25% 40%
15% 20%

4to secundaria 5to secundaria

25% 40%
Cálculo del tamaño la muestra

Población Finita Población Infinita

𝑁 𝑍2𝑝 𝑞 𝑍2𝑝 𝑞
𝑛= 𝑛=
𝑁 − 1 𝑒2 + 𝑍2𝑝 𝑞 𝑒2

𝑛: Tamaño de la muestra a calcular 𝑛: Tamaño de la muestra a calcular

𝑁: Tamaño de la población 𝑍: Parámetro estadístico que depende del nivel de

confianza
𝑍: Parámetro estadístico que depende del nivel de
confianza 𝑒: Error de estimación máximo aceptado

𝑒: Error de estimación máximo aceptado 𝑝: Probabilidad de que ocurra el evento estudiado

𝑝: Probabilidad de que ocurra el evento estudiado 𝑞: 1 − 𝑝

𝑞: 1 − 𝑝
Cálculo de la muestra
Las fórmulas vistas anteriormente, se aplican cuando se requiere estimar proporciones, por ejemplo se desea
estimar la proporción de alumnos que poseen una PC en casa, dado que tenemos una población de alumnos de
1200, calcular el tamaño de muestra con una confianza del 95% y un error del 5%.

Tamaño de la población (N) Es el número alumnos que podrían ser encuestados, 1200 alumnos

Margen de error (e) Diferencia entre las respuestas de la muestra y del total de la población ± 5%

Nivel de confianza (Z) Probabilidad de que las respuestas sean ciertas

Nivel de confianza 90% 95% 99%

Valor de Z 1.65 1.96 2.58

Probabilidad de éxito (p) Probabilidad de que ocurra el evento estudiado

Cálculo de la muestra
Las fórmulas vistas anteriormente, se aplican cuando se requiere estimar proporciones, por ejemplo se desea
estimar la proporción de alumnos que poseen una PC en casa, dado que tenemos una población de alumnos de
1200, calcular el tamaño de muestra con una confianza del 95% y un error del 5%.

𝑁 𝑍2𝑝 𝑞 Nivel de confianza 90% 95% 99%

𝑛=
𝑁 − 1 𝑒2 + 𝑍2𝑝 𝑞 Valor de Z 1.65 1.96 2.58

1200 ∗ 1.962 ∗ 0.5 ∗ 0.5

𝑛= = 303.4 ≅ 304
1200 − 1 0.052 + 1.962 ∗ 0.5 ∗ 0.5

Los tamaños de muestra calculados deben siempre aproximarse por exceso a un número entero.
Por otro lado, es importante en la práctica inflar estos tamaños por no respuesta. La información de tasas de no
respuesta en estudios previos, pilotos o similares es en muchas situaciones fácil de obtener
Técnicas de muestreo

Muestro Muestro no
Probabilístico Probabilístico

Todas las unidades de la población tienen No se usa el azar, sino el criterio del
igual probabilidad de ser seleccionados en investigador, es decir, él decide si la
la muestra. muestra es o no representativa.

La elección de cada unidad muestral es Cada unidad NO tiene igual probabilidad de

independiente de las demás. participar en la muestra

Tiene representatividad, tiene menos Es más fácil de llevarse a cabo

sesgos
Alto riesgo de invalidez producido por la
introducción de sesgos
Técnicas de muestreo
Aleatorio simple

Sistemático

Probabilístico
Estratificado

Conglomerados

Tipos de muestreo
Por juicio

Conveniencia

No probabilístico
Por Cuotas

Bola de nieve
Muestreo Aleatorio Simple
1 2 3 4 5 6 7 8 9 10
Consiste en seleccionar una muestra de la población
de manera que cada elemento o unidad tenga la
11 12 13 14 15 16 17 18 19 20
misma probabilidad de ser elegido para el estudio.
21 22 23 24 25 26 27 28 29 30
Ejemplo
31 32 33 34 35 36 37 38 39 40 Tenemos un total de 100 alumnos de 5to de
secundaria, de los cuales a 20 de ellos se les va
41 42 43 44 45 46 47 48 49 50 tomar un simulacro de examen de admisión

51 52 53 54 55 56 57 58 59 60 Los 20 estudiantes serán escogidos al azar, donde

cada uno va tener la misma posibilidad de ser
61 62 63 64 65 66 67 68 69 70 seleccionado:

71 72 73 74 75 76 77 78 79 80 La probabilidad de que un estudiante salga

seleccionado es: P = 1/100
81 82 83 84 85 86 87 88 89 90

91 92 93 94 95 96 97 98 99 100
Muestreo Aleatorio Simple
1 2 3 4 5 6 7 8 9 10 Consiste en seleccionar una muestra de la población
de manera que cada elemento o unidad tenga la
11 12 13 14 15 16 17 18 19 20 misma probabilidad de ser elegido para el estudio.

21 22 23 24 25 26 27 28 29 30 Ejemplo
Tenemos un total de 100 alumnos de 5to de
31 32 33 34 35 36 37 38 39 40
secundaria, de los cuales a 20 de ellos se les va
tomar un simulacro de examen de admisión
41 42 43 44 45 46 47 48 49 50
Los 20 estudiantes serán escogidos al azar, donde
51 52 53 54 55 56 57 58 59 60 cada uno va tener la misma posibilidad de ser
seleccionado:
61 62 63 64 65 66 67 68 69 70
3 9 14 17 22
71 72 73 74 75 76 77 78 79 80
26 29 35 43 49
81 82 83 84 85 86 87 88 89 90
51 56 63 69 72

91 92 93 94 95 96 97 98 99 100 77 83 89 95 98
 Muestreo Aleatorio Simple

Para esta aplicación, contamos con un conjunto de datos que contiene el listado de 1000 estudiantes
que han cursado los 3 cursos preparatorios dados por la I.E 001 y a quiénes se les va evaluar el
rendimiento académico global en el presente año. Para llevar a cabo esta evaluación necesitamos
obtener una muestra de 300 estudiantes.

Demos un vistazo al conjunto de datos … y luego seleccionamos la muestra:

Muestreo Sistemático
1 2 3 4 5 6 7 8 9 10
Vamos a suponer que los individuos de una población
vienen dados en forma de una lista ordenada. El
11 12 13 14 15 16 17 18 19 20
muestro sistemático consiste en tomar los elementos
a intervalos constantes, escogiendo al azar el primer
21 22 23 24 25 26 27 28 29 30
individuo.

31 32 33 34 35 36 37 38 39 40
Ejemplo
41 42 43 44 45 46 47 48 49 50
Tenemos un total de 100 alumnos de 3ero a 5to de
51 52 53 54 55 56 57 58 59 60 secundaria, los cuales están ordenados en una lista
por DNI, se quiere hacer un sondeo a 15 de ellos
61 62 63 64 65 66 67 68 69 70 para consultarles acerca de su preferencia en estilos
de aprendizaje.
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
Muestreo Sistemático
1 2 3 4 5 6 7 8 9 10
Vamos a suponer que los individuos de una población
vienen dados en forma de una lista ordenada. El
11 12 13 14 15 16 17 18 19 20
muestro sistemático consiste en tomar los elementos
a intervalos constantes, escogiendo al azar el primer
21 22 23 24 25 26 27 28 29 30
individuo.

31 32 33 34 35 36 37 38 39 40
Pasos:
41 42 43 44 45 46 47 48 49 50
Tenemos una población N = 100, una muestra
1
51 52 53 54 55 56 57 58 59 60 n = 15, calculamos el intervalo del muestreo:
100
𝑘= = 6.6 ≈ 7
61 62 63 64 65 66 67 68 69 70 15

71 72 73 74 75 76 77 78 79 80 2 Escogemos del todo el listado un número al azar:

44
81 82 83 84 85 86 87 88 89 90
Añadir k para escoger al siguiente estudiante y así
3
91 92 93 94 95 96 97 98 99 100 sucesivamente hasta completar la muestra de 15.
Muestreo Sistemático
1 2 3 4 5 6 7 8 9 10
Vamos a suponer que los individuos de una población
vienen dados en forma de una lista ordenada. El
11 12 13 14 15 16 17 18 19 20
muestro sistemático consiste en tomar los elementos
a intervalos constantes, escogiendo al azar el primer
21 22 23 24 25 26 27 28 29 30
individuo.

31 32 33 34 35 36 37 38 39 40
Pasos:
41 42 43 44 45 46 47 48 49 50
Tenemos una población N = 100, una muestra
1
51 52 53 54 55 56 57 58 59 60 n = 15, calculamos el intervalo del muestreo:
100
𝑘= = 6.6 ≈ 7
61 62 63 64 65 66 67 68 69 70 15

71 72 73 74 75 76 77 78 79 80 2 Escogemos del todo el listado un número al azar:

44
81 82 83 84 85 86 87 88 89 90
Añadir k para escoger al siguiente estudiante y así
3
91 92 93 94 95 96 97 98 99 100 sucesivamente hasta completar la muestra de 15.
Muestreo Estratificado
Este tipo de muestreo se utiliza cuando la población
está clasificada o particionada por estratos que son
de interés para el estudio de investigación

Los estratos tienen la propiedad de ser heterogéneos

entre si pero homogéneos al interior.

La idea es tomar una muestra de cada estrato y

luego unirla en una muestra global y a partir de ahí
realizar inferencias sobre la población.

En cada estrato la selección de la muestra se puede

hacer utilizando el muestreo aleatorio o sistemático.
Muestreo Estratificado
Ejemplo
Se va realizar un estudio para evaluar si existe
Estudiantes diferencias en la comprensión lectora entre los
estudiantes hombres y mujeres de 5to de secundaria
Mujeres del IE 001.

Tenemos una población de 100 estudiantes y para el

estudio se ha seleccionado una muestra de tamaño 20.

Estrato Género Cantidad %

1 Mujeres 40 40%
Estudiantes 2 Hombres 60 60%
Hombres 100

En nuestra población de estudio, el 40% son

estudiantes mujeres y el 60% estudiantes hombres.
Muestreo Estratificado
¿Cómo escogemos la muestra?
Elegimos una muestra aleatoria de cada estrato, en
nuestro ejemplo el estrato sería el género del
estudiante y luego las uniremos en una muestra global

¿Cuánto es la muestra que debemos de sacar

de cada estrato?

Estrato Género Cantidad % Muestra

1 Mujeres 40 40% 8
2 Hombres 60 60% 12
100 20

De esto modo nos aseguramos que todos los estratos

tienen una representación en la muestra final que
estamos obteniendo.
Muestreo Estratificado
Razones para optar por un muestreo estratificado:

El investigador quiere protegerse contra la

posibilidad de obtener una mala muestra, en el
sentido de que algún estrato no esté o esté
pobremente representado.

Es probable que queramos datos de precisión

conocida sobre cada estrato.

El muestreo estratificado dará, si se hace

correctamente, aproximaciones más precisas para
toda la población.
 Muestreo Estratificado

Para esta aplicación, contamos con un conjunto de datos que contiene el listado de 1000 estudiantes
que han cursado los 3 cursos preparatorios de la I.E 001 y a quiénes se les va evaluar el rendimiento
académico global en el presente año. Para llevar a cabo esta evaluación necesitamos obtener una
muestra de 300 estudiantes.

Me interesa saber si la variable etnicidad influye en el rendimiento académico del estudiante, realizamos
un muestreo estratificado
 Muestreo Estratificado

Para esta aplicación, contamos con un conjunto de datos que contiene el listado de 1000 estudiantes
que han cursado los 3 cursos preparatorios de la I.E 001 y a quiénes se les va evaluar el rendimiento
académico global en el presente año. Para llevar a cabo esta evaluación necesitamos obtener una
muestra de 300 estudiantes.

Me interesa saber si por la variable etnicidad influye en el rendimiento académico varía, realizamos un
muestreo estratificado
Estrato Etnicidad Cantidad % Muestra
1 Grupo A 89 8.9% 26
2 Grupo B 190 19% 57
3 Grupo C 319 31.9% 96
4 Grupo D 262 26.2% 79
5 Grupo E 140 14.0% 42
1,000 100% 300
Muestreo por conglomerados
El proceso de obtener y estudiar una muestra en
algunos casos es caro o imposible, incluso aunque se
tenga el listado de la población de estudio.

Una alternativa sería, en lugar de escoger una

muestra aleatoria de la población, escoger primero al
azar unos subconjuntos en los que la población está
subdividida, a los cuales llamaremos conglomerados.

Los conglomerados podrían estar ya naturalmente

agrupados, pueden venir dados por una proximidad
geográfica, por ejemplo: pueblos, ciudades, los que se
hallan en una ciudad como los distritos, barrios, etc.

Nos va a permitir seleccionar una serie de

conglomerados, ir a ese conglomerado y obtener la
información de todos los individuos del conglomerado
Muestreo por conglomerados
Ejemplo
Supongamos que se desea realizar una evaluación de
la satisfacción laboral en los trabajadores del
Ministerio de Salud de los centros y postas de salud del
distrito San Juan de Lurigancho.

¿Cómo realizamos el muestreo?

San Juan de Lurigancho es uno de los distritos más
grandes de Lima, para evaluar a los trabajadores,
tendríamos que trasladarnos a cada unos de los
centros y postas del distrito por lo que implicaría una
inversión alta.

Entonces en lugar de seleccionar a los trabajadores de

salud al azar, realizamos el muestreo por
conglomerado que consiste en seleccionar a los centros
o postas de salud.
Muestreo por conglomerados
¿Cómo realizamos el muestreo?
De los 9 conglomerados (centros o postas de salud) que
existen, escogemos 3 para entrevistar a los
trabajadores de cada conglomerado seleccionado

Optar por un muestro por conglomerado:

Esta técnica es muy útil cuando como en este caso, los
elementos o unidades de estudio están muy dispersos
geográficamente, por lo que ahorraríamos muchos
recursos utilizando esta técnica.
Muestreo estratificado vs conglomerado

Como hemos visto en el muestreo por conglomerado se parte de una

estructura de subpoblaciones que conforman una partición o división de la
Similitud población, en el muestreo estratificado también particionamos a la
población en estratos o sub segmentos.

En el muestreo estratificado se obtiene una muestra en cada estrato, y en

Muestreo el muestreo de conglomerado se obtiene una muestra de conglomerados.

La idea es que los conglomerados sean muy homogéneos entre sí y

Diferencias heterogéneos al interior, característica contraria a los estratos, en donde
los estratos son heterogéneos entre ellos y homogéneos al interior

Si bien, al contrario de un muestreo estratificado, un muestreo por conglomerados tiende a disminuir la

precisión de las aproximaciones, el muestreo por conglomerados es el diseño más utilizado en encuestas
sobre grandes poblaciones dada su economía y sencillez en el trabajo de campo.
Muestreo por conveniencia

Es una técnica donde los sujetos son seleccionados dado la

Ejemplos:
conveniente accesibilidad y proximidad de los sujetos
para el investigador. 1 Se desea probar un nuevo fármaco antidepresivo y se
necesita voluntarios para poner a prueba este fármaco.

2 Un investigador desea hacer un sondeo rápido a las

Presenta casi siempre sesgos y por tanto debe aplicarse personas que llegan de viaje al aeropuerto Jorge
únicamente cuando no existe alternativa. Chávez, respecto a la satisfacción del servicio y atención
en el vuelo, luego de algunas medidas que se tomaron
después de la pandemia.

No es representativa

Se recomienda para investigación exploratoria, no

descriptiva ni causal.
Muestreo por cuotas
Ejemplo:
El muestreo por cuotas es el muestreo con menor sesgo
dentro de los no probabilísticos, es muy parecido al Se requiere realizar una investigación sobre el nivel estrés de
los estudiantes de 3ero a 5to de secundaria próximos a un
muestreo estratificado.
simulacro de examen de clasificación de una población de
500 alumnos.
La muestra seleccionada tiene la misma proporción de Paso 1: Dividir la población en subgrupos, cuotas o estratos
individuos que toda la población con respecto a las Paso 2: Evaluar la proporción de los subgrupos que existen
características o rasgos conocidos. en la población
Paso 3: Calcular el tamaño de muestra y mantener la
Se llaman estratos, grupos o cuotas de la población a los proporción de los subgrupos por estratos
segmentos de la muestra con características relevantes Paso 4: Elegir los integrantes de la muestra (por conveniencia)
para la investigación, por ejemplo: género, rango de edad,
nivel socioeconómico, etc. Estrato Grado Cantidad % Muestra
1 3ero sec. 150 30% 30
2 4to sec. 100 20% 20
El estrato o subconjunto sobre el cuál se llevará a cabo la
investigación es decisión del investigador. 3 5to sec. 250 50% 50
500 100
Muestreo por cuotas
Género del estudiante
Se eligen a los estudiantes de la muestra por conveniencia con
Estrato Género Cantidad % Muestra el único requisito de que cumplan con las características de las
categorías:
1 Femenino 350 70% 70
70% 30%
2 Masculino 150 30% 30
% Grado Femenino Masculino Muestra
500 100
30% 3ero sec. 21 9 30
20% 4to sec. 14 6 20
Grado de estudio 50% 5to sec. 35 15 50
Estrato Grado Cantidad % Muestra 70 30 100
1 3ero sec. 150 30% 30
4to sec. 100 20% 20
¿Cuando utilizar un muestreo por cuotas?
2
3 5to sec. 250 50% 50 Cuando los investigadores tienen criterios específicos como
edad, género, nse o características que pueden ser filtros para
500 100 la formación de subgrupos o estratos.

Para un análisis comparativo entre 2 subgrupos

Muestreo por bola de nieve
Esta técnica consiste en seleccionar a un grupo inicial de
individuos, a los que después de haber sido entrevistados,
se les pide que identifiquen a otras personas que
pertenezcan a la población de interés.
Este muestreo suele utilizarse con poblaciones poco
comunes o muy difíciles de acceder.
Ayuda a identificar personas con características
específicas. Tiene costos relativamente bajos.
Ejemplos:
1 Un investigador decide realizar un estudio cuya
muestra la conforman individuos con una rara
enfermedad. De esta manera, al encontrar un individuo
con dichas características, el investigador le pide ayuda
para encontrar otras personas con estas condiciones
para conformar la muestra.
2 Un investigador desea entrevistar a refugiados sirios
en España, por ejemplo, podría hablar con algunas
personas de esa nacionalidad que él o ella conoce o
puede localizar, ganar su confianza y luego basarse en
esos sujetos para ayudar a localizar a más personas
refugiadas