Está en la página 1de 26

ESTADÍSTICA APLICADA

MUESTREO

CONTENIDO:
o
o
o
o
o
o
o

Población
Muestra
Parámetro y estimador
Marco muestral
Tipos de muestreo probabilístico y no probabilístico.
Métodos de muestreo.
Selección de unidades a través de la tabla de números
aleatorios
o Determinación del tamaño de muestra.

MUESTREO: DEFINICIONES BÁSICAS MUESTREO: Es la técnica para la selección de una muestra a partir de una población. .

MUESTREO: TÉRMINOS BÁSICOS POBLACIÓN MUESTRA UNIDAD DE ANÁLISIS .

Unidad reportante Es el sujeto que brinda la información sobre la unidad de análisis.MUESTREO: DEFINICIONES BÁSICAS Unidad de muestreo Elemento que permite llegar y seleccionar a la unidad de análisis. En algunos casos puede coincidir con la unidad de análisis. .

MUESTREO: DEFINICIONES BÁSICAS Marco de muestreo: listado que identifica a los elementos de la población objetivo. Base de datos (Registros) .

ESTIMADOR O ESTADÍGRAFOS : Es una medición numérica que describe algunas características de una muestra. .MUESTREO: DEFINICIONES BÁSICAS PARÁMETRO: Es la medición numérica que describe algunas características de una población.

¿POR QUÉ TOMAR UNA MUESTRA? o Costos reducidos o Mayor rapidez o Datos disponibles limitados .

TÉCNICAS DE SELECCIÓN DE UNA MUESTRA: .

.MUESTREO NO PROBABILÍSTICO POR CONVENIENCIA: o Basado en utilizar a personas a las que se puede tener acceso facilmente. o En muy frecuente su utilizacion en sondeos preelectorales de zonas que en ateriores votaciones han marcado tendencia de votos.

MUESTREO NO PROBABILÍSTICO POR CUOTA: Se establecen cuotas basadas en factores demográficos o de clasificación seleccionadas por el investigador de mercado para los subgrupos de la población. .

MUESTREO NO PROBABILÍSTICO: POR BOLA DE NIEVE Se selecciona a participantes adicionales basándose en referencias de los participantes iniciales. .

MUESTREO ALEATORIO:  Cada elemento tiene una misma probabilidad de ser elegido.  La muestra se toma de un marco muestral.  Semejante a una lotería . .

etc.MUESTREO ALEATORIO SIMPLE: MAS o Con reposición o Sin reposición Características: • Asigna probabilidades iguales de selección • Necesita listado de unidades (Marco de muestreo) • Utiliza tabla de números aleatorios. generación de números aleatorios por computadora. • Eficiente sólo en poblaciones homogéneas • Aplicable en encuestas de pequeña escala • Forma parte de diseños de muestra más complejos . urnas con bolas.

MUESTREO SISTEMÁTICO: Se elige el primer individuo al azar y el resto viene condicionado por el primero. .

ni generación de números aleatorios por computadora.MUESTREO SISTEMÁTICO: Características: Asigna probabilidades iguales de selección No siempre necesita listado de unidades No requiere tabla de números aleatorios. Eficiente sólo en poblaciones homogéneas Aplicable en encuestas de pequeña escala y en la selección en campo Forma parte de diseños de muestra más complejos Es equivalente al MAS cuando la ordenación es “aleatoria”. etc. . utiliza las mismas fórmulas. Por tanto. ni urnas con bolas.

4k+A. …. 2k+A. k+A. 4° Elementos seleccionados: A. 3k+A. (n-1) k+A Sistemáticamente hasta contar con la muestra n .MUESTREO SISTEMÁTICO: PROCESO 1° K = N / n 2° Intervalo formado: A = [ 1. K ]   (Números exactos enteros) 3° Elegir al azar un número del Intervalo formado.

MUESTEO ESTRATIFICADO: o Directo de elementos en cada estrato o Por conglomerados (con o sin submuestreo) en cada estrato Características • • • • Requiere información auxiliar de una o mas variables para estratificar la población Es eficiente en poblaciones heterogéneas Reduce el costo del muestreo al reducir los tamaños de muestra sin perder precisión Forma parte de los diseños de muestras complejas .

...MUESTREO ESTRATIFICADO Población .......+ nS nS .. n1 n2 n3 n = n1 + n2 + n3 +......

ASIGNACION PROPORCIONAL: El tamaño de cada estrato en la muestra es proporcional a su tamaño en la población. Se determina: nh = (Nh)(n)/N Donde: Nh: población en cada estrato h N: población n: muestra solicitada nh: muestra en el estrato h . Se determina: nh = n/h Donde: n: muestra h: número de estratos nh: muestra en el estrato h 2.TÉCNICAS DE MUESTREO ESTRATIFICADO: 1. ASIGNACION IGUAL: Todos los estratos tienen el mismo numero de elementos en la muestra.

. ya que la validez de la información se reduce demasiado para valores mayores del 6%. Se elige la fórmula a utilizar para calcular el tamaño de la muestra. en caso de estar con una variable cualitativa).MUESTREO ALEATORIO SIMPLE: Determinación de una muestra aleatoria: M.S o Determinar el nivel de confianza con el cual se va trabajar y buscar el valor de z asociado a dicho nivel de confianza. Si p se desconoce.A. o Evaluar la probabilidad a favor de que suceda un evento (esta probabilidad se le o o o o denomina p. Determinar el error (E) máximo para el nivel de precisión (error máximo de estimación).5 Evaluar la probabilidad en contra de que suceda en un evento (a esta probabilidad se le denomina q= 1 – p). asumir p = 0. comúnmente se trabaja con errores de estimación entre el 2% y el 6%. un nivel de confianza igual o mayor al 90% es aceptable estadísticamente. dependiendo de si la población o universo sujeto a estudio se va a considerar infinito ó infinito.

S²: Varianza de la muestra.  : Nivel de significancia. 2  Z S  n   n  2 E   Z 2 2 NS 2 ( N  1) E 2  Z 2 2 S 2 .S Variable Población Infinita: No se conoce la Población N Población Finita: Se conoce la Población N o Cualitativa 2  Z  n  2  n Cuantitativa  * PQ E  Z 2 2 NPQ ( N  1) E 2  Z 2 2 PQ Donde: n: Tamaño de la muestra. MUESTREO ALEATORIO SIMPLE: Determinación de una muestra aleatoria: M.A.A. P: Proporción de una categoría de la variable E: Error máximo N: Tamaño de la población Z  2 : Variable estandarizada de distribución normal.

645 Valores de Z 2 .96 1.05 1.DIFERENTES NIVELES DE CONFIANZA UTILIZADOS EN LA PRACTICA Nivel de Confianza (1-α) 99% 98% 96% 95% 90% Nivel de Significancia (α) 1% 2% 4% 5% 10% 2.58 2.33 2.

EJEMPLO .

EJEMPLO: .

5)(0.645) 2 (0.645) 2 (1176 )(0.6 ( N  1) E 2  Z2 2 PQ (1176  1)(0.EJEMPLO: Z2 2 NPQ (1.5) n   845 .5)(0.5) .015) 2  (1.