Muestreo estadstico

Dr. Miguel ngel Tresierra Ayala

DEFINICIONES
Poblaciones

- individuos, (unidades de muestreo

o unidades de estudio):

Personas, clulas, familias, hospitales, pases

Poblacin

ideal, la que se pretende estudiar =

poblacin objetivo.

No es fcil estudiarla por completo. Aproximamos mediante muestras que

den idealmente la misma probabilidad a cada individuo de ser elegido.
Tampoco es fcil elegir muestras de la poblacin objetivo:
Si llamamos por telfono excluimos a los que no tienen.
Si elegimos individuos en la calle, olvidamos los que estn
trabajando.

A quienes

podemos estudiar (v.gr. los que tienen

telfono) = poblacin de estudio.

FUENTES DE SESGO

Las poblaciones objetivo y de estudio pueden diferir en

cuanto a las variables que estudiamos.

El nivel econmico en la poblacin de estudio es mayor que en la

objetivo,...
Los individuos que se eligen en la calle pueden ser de mayor edad
(mayor frecuencia de jubilados p.ej.)

En este caso, diremos que las muestras que se elijan estarn sesgadas. Al
tipo de sesgo debido a diferencias sistemticas entre poblacin objetivo y
poblacin de estudio se denomina sesgo de seleccin.

Hay otras fuentes de error/sesgo

No respuesta a encuestas embarazosas

Consumo de drogas, violencia domstica, prcticas poco ticas,

Mentir en las preguntas delicadas.

Para

evitar este tipo de sesgo se utilizan

la tcnica de respuesta aleatorizada.

Ejemplo: Ha tomado drogas alguna vez?

Sin respuesta aleatorizada

Insinceros!!

100% No

40% No
60% S
Con respuesta aleatorizada

No son mitad y mitad!

Ejemplo: Ha tomado drogas alguna vez?

100% No

Sin respuesta aleatorizada

40% No
60% S
No son mitad y mitad!

Con respuesta aleatorizada

Diferencia entre los que han dicho s y los que

deban hacerlo por que as lo indicaba la moneda

El % estimado de individuos
que tom drogas es:

0,6 0,5
p
0,2 20%
1 0,5
*

Los que deben decir la verdad

TEORIA DEL MUESTREO

Seleccin adecuada en cantidad y calidad de los individuos
que constituirn el grupo de observacin.
UNIVERSO O POBLACION Y MUESTRA
POBLACIN: Conjunto de elementos, finito o infinito,
definido por una o ms caractersticas, de las que gozan
todos los elementos que lo componen, y slo ellos.
UNIVERSO: Empleado como sinnimo de poblacin.

Universo ideal: conjunto de elementos a los cuales se quieren

extrapolar los resultados
Universo muestral: conjunto de elementos accesibles en
nuestro estudio.

MUESTRA: Parte representativa y adecuada de la

poblacin.

TEORIA DEL MUESTREO

Deseamos medir el rendimiento acadmico de los nios escolares
en la secundaria en Per, pero por problemas econmicos slo
es posible acceder a los nios de zonas urbanas.
- A quin deseo generalizar los resultados? :
Todos los nios peruanos de la secundaria (universo ideal).
- A quien puedo acceder en el estudio? :
Todos los nios escolares en zonas urbanas (universo muestral o
poblacin en estudio).
-Cmo puedo acceder a ellos? :
Numerando los sujetos accesibles (espacio o marco muestral).
-Quin forma parte del estudio? :
Un grupo de sujetos elegido (muestra).

TEORIA DEL MUESTREO

VENTAJAS Y DESVENTAJAS DEL MUESTREO
1.
2.
3.
4.

5.

En estudios que implican tcnicas destructivas.

Eficiencia, pues significa ahorro de recursos, esfuerzos y
tiempo
El personal mnimo necesario puede ser mejor preparado.
Desventaja: el error de muestreo, producto de la
variabilidad intrnseca que poseen los elementos de todo
universo o poblacin. El trmino error no debe entenderse
como sinnimo de equivocacin.
Tambin suelen introducirse errores por otras vas, los
cuales se denominan errores sistemticos:

Imputables al observador.
Imputables al mtodo de observacin o medicin.
Imputables a lo observado (unidad de muestreo).

TEORIA DEL MUESTREO

CONDICIONES DE UNA BUENA MUESTRA
Tamao de la muestra, muestra adecuada.
Depende de la homogeneidad de la poblacin.
Condiciones de seleccin de la misma, de tal
manera que todos los miembros de la
poblacin, tengan la misma probabilidad de
ser seleccionados, muestra representativa.
Objetivos

que se persiguen.
Grado de aproximacin que se pretende
alcanzar.
La heterogeneidad de la poblacin

TAMAO DE LA MUESTRA
Para estimar la media de la poblacin

Obtener el tamao muestral imaginando que:

n0 = Z2 S2
e2
donde:
Z
= nivel de confianza elegido
1.

S2
e

90 % de confianza => Z = 1,64

95 % de confianza => Z = 1,96 significativo
99 % de confianza => Z = 2,58 altamente significativo

= varianza poblacional
= error mximo permitido

TAMAO DE LA MUESTRA
2.

Comprobar si se cumple
N > n0(n0-1)
Si se cumple, se termina aqu. Si no, se pasa a una
tercera fase.

3.

Obtener el tamao de la muestra segn la siguiente

frmula:
n = ___n0__
1 + n0
N
Donde:
n0 = tamao calculado aproximado de la muestra
N = tamao de la poblacin.

TAMAO DE LA MUESTRA
Para estimar la proporcin de la poblacin
Para calcular el tamao de muestra para la estimacin de
proporciones poblacionales hemos de tener en cuenta los mismos
factores que en el caso de la media. La frmula que nos permitir
determinar el tamao muestral es la siguiente:
n 0 = Z2 p q
e2
donde:
Z = nivel de confianza elegido
p = proporcin de una categora de la variable
q =1-p
e = error mximo permitido
Igualmente se siguen las mismas recomendaciones del mtodo
anterior respecto a ajustar el tamao muestral con respecto al
tamao poblacional.

TAMAO DE LA MUESTRA
Para estimar la proporcin de la poblacin
Siguiendo con el estudio planteado en el punto
anterior, supongamos que tratamos de estimar
la proporcin de mujeres que trabajan
diariamente 10 horas o ms. De un estudio
piloto se dedujo que p = 0,30, fijamos el nivel de
confianza en 0,95 y el error mximo 0,02.
n = (1,96)2 (0,30) (1 - 0,30)
(0,02)2
n = 2 017

TAMAO DE LA MUESTRA
Para poblacin de tamao conocido
La frmula que nos permitir determinar el tamao
muestral es la siguiente:
n0 =
N Z2 p q
.
(e2(N-1)+Z p q)
donde:
Z = nivel de confianza elegido
p = proporcin de una categora de la variable
q =1-p
e = error mximo permitido
Igualmente se siguen las mismas recomendaciones del
mtodo anterior respecto a ajustar el tamao muestral
con respecto al tamao poblacional.

Muestreo estadstico
Dr. Miguel ngel Tresierra Ayala

TCNICAS DE MUESTREO

Cuando elegimos individuo de una poblacin de estudio

para formar muestras podemos encontrarnos en las
siguientes situaciones:

Muestreos probabilistas

Conocemos la probabilidad de que un individuo sea elegido para la

muestra.
Interesantes para usar estadstica matemtica con ellos.

Muestreos no probabilistas

No se conoce la probabilidad.
Son muestreos que seguramente esconden sesgos.
En principio no se pueden extrapolar los resultados a la poblacin.

A pesar de ello una buena parte de los estudios que se publican usan esta
tcnica.

MTODOS DE MUESTREO
Muestreo aleatorio simple
Muestreo aleatorio sistemtico
Muestreo aleatorio estratificado.

Muestreo
Probabilistico

Afijacin simple
Afijacin proporcional
Afijacin Optima
Muestreo aleatorio por conglomerados

MTODOS DE MUESTREO
Muestreo por cuotas
Muestreo opintico o
intencional

Muestreo no
Probabilistico

Muestreo casual o
incidental
Bola de nieve
Error Muestral

MUESTREO PROBABILISTICO: METODOS

Principio de equiprobabilidad.
Representatividad de la muestra.
A.MUESTREO ALEATORIO SIMPLE:
1) Numerar a cada individuo de la
poblacin y,
2) Elegir los elementos requeridos al
azar. Poco til para poblacin grande.

MUESTREO ALEATORIO SIMPLE

Se eligen individuos de la poblacin de estudio, de

manera que todos tienen la misma probabilidad de
aparecer, hasta alcanzar el tamao muestral deseado.

Se puede realizar partiendo de listas de individuos de la

poblacin, y eligiendo individuos aleatoriamente con un
ordenador.

Normalmente tiene un coste bastante alto su aplicacin.

En general, las tcnicas de inferencia estadstica

suponen que la muestra ha sido elegida usando m.a.s.,
aunque en realidad se use alguna de las que veremos a
continuacin.

MUESTREO PROBABILISTICO: METODOS

B.MUESTREO

ALEATORIO SISTEMTICO:
Numerar todos los elementos de la poblacin,
Se parte de un nmero aleatorio i, (azar), y los
elementos de la muestra son los que ocupan
los lugares i, i+k, i+2k, i+3k,...,i+(n-1)k,
k = N/n. El nmero i ser un nmero al azar
entre 1 y k.

MUESTREO ALEATORIO SISTEMTICO

Se tiene una lista de los individuos de la poblacin de

estudio. Si queremos una muestra de un tamao dado,
elegimos individuos igualmente espaciados de la lista,
donde el primero ha sido elegido al azar.

CUIDADO: Si en la lista existen periodicidades,

obtendremos una muestra sesgada.

Un caso real: Se eligi una de cada cinco casas para un estudio

de salud pblica en una ciudad donde las casas se distribuyen
en manzanas de cinco casas. Salieron con mucha frecuencia
las de las esquinas, que reciben ms sol, estn mejor
ventiladas,

MUESTREO PROBABILISTICO: METODOS

C.MUESTREO

ALEATORIO ESTRATIFICADO:
Considerar categoras tpicas diferentes entre
s (estratos) con gran homogeneidad de clase.
Cada estrato funciona independientemente,
pudiendo aplicarse dentro de ellos el muestreo
aleatorio simple o el estratificado

Afijacin Simple
Afijacin Proporcional
Afijacin Optima

MUESTREO ALEATORIO ESTRATIFICADO

Se aplica cuando sabemos que hay ciertos factores

(variables, subpoblaciones o estratos) que pueden influir
en el estudio y queremos asegurarnos de tener cierta
cantidad mnima de individuos de cada tipo:

Hombres y mujeres,
Jovenes, adultos y ancianos

Se realiza entonces un MAS de los individuos de cada

uno de los estratos.

Al extrapolar los resultados a la poblacin hay que tener

en cuenta el tamao relativo del estrato con respecto al
total de la poblacin.

MUESTREO PROBABILISTICO: METODOS

Ejemplo de muestreo aleatorio estratificado:
Estudiar el grado de aceptacin que la implantacin de la reforma
educativa ha tenido entre los padres de una determinada provincia.
1. Seleccionamos una muestra de 600 sujetos.
2. De los 10 000 nios escolarizados en las edades que nos interesan:
1. 6 000 acuden a colegios pblicos
2. 3 000 a colegios privados con externado y
3. 1000 a colegios privados con internado.

Muestreo estratificado, variable de estratificacin: el tipo de centro.

4. Con afijacin simple elegiramos 200 nios de cada tipo de centro
5. Con afijacin proporcional, calculamos la proporcin de cada estrato:
3.

1. Colegios pblicos: 6000/10000=0.60

2. Colegios privados concertados: 3000/10000=0.30
3. Colegios privados no concertados: 1000/10000=0.10
6.

La muestra estara constituida por:

1. Colegios pblicos: 0.60x600=360 sujetos
2. Colegios privados concertados: 0.30x600=180 sujetos.
3. Colegios privados no concertados: 0.10x600= 60 sujetos.

MUESTREO PROBABILISTICO: METODOS

MUESTREO ALEATORIO POR

CONGLOMERADOS: Unidad muestral:
grupo de elementos de la poblacin que
forman una unidad.
Se selecciona aleatoriamente un cierto
nmero de conglomerados (el necesario
para alcanzar el tamao muestral
establecido) y en investigar despus todos
los elementos pertenecientes a ellos

MUESTREO ALEATORIO POR

CONGLOMERADOS

Se aplica cuando es difcil tener una lista de todos los individuos que
forman parte de la poblacin de estudio, pero sin embargo sabemos
que se encuentran agrupados naturalmente en grupos.

Se realiza eligiendo varios de esos grupos al azar, y ya elegidos

algunos podemos estudiar a todos los individuos de los grupos
elegidos o bien seguir aplicando dentro de ellos ms muestreos por
grupos, por estratos, aleatorios simples,

Para conocer la opinin de los mdicos del sistema nacional de salud,

podemos elegir a varias regiones de Espaa, dentro de ellas varias
comarcas, y dentro de ellas varios centros de salud, y

Al igual que en el muestreo estratificado, al extrapolar los resultados

a la poblacin hay que tener en cuenta el tamao relativo de unos
grupos con respecto a otros.

Regiones con diferente poblacin pueden tener probabilidades diferentes

de ser elegidas, comarcas, hospitales grandes frente a pequeos,

MUESTREO PROBABILISTICO: METODOS

Ejemplo de muestreo por conglomerados:
Conocer el grado de satisfaccin laboral de los profesores de
instituto necesitamos una muestra de 700 sujetos.
Se decide hacer una muestra por conglomerados.
El nmero de profesores por instituto es aproximadamente de 35,
entonces:
Se lista todos los institutos.
Asignar un nmero a cada uno de ellos.
Elegir por muestreo aleatorio simple o sistemtico los 20
institutos (700/35=20) que nos proporcionarn los 700
profesores que necesitamos.

MUESTREO NO PROBABILISTICO
MUESTREO POR CUOTAS: Se basa en un
buen conocimiento de los estratos de la
poblacin y / o de los individuos ms
"representativos" o "adecuados" para los fines
de la investigacin.
MUESTREO OPINTICO O INTENCIONAL:
Se caracteriza por obtener muestras
"representativas" mediante la inclusin en la
muestra de grupos supuestamente tpicos (del
pasado).

MUESTREO NO PROBABILISTICO
MUESTREO

CASUAL O INCIDENTAL:
El investigador selecciona directa e
intencionadamente los individuos de la
poblacin (alumnos o voluntarios).
BOLA DE NIEVE: Se localiza a algunos
individuos, los cuales conducen a otros,
y estos a otros, y as hasta conseguir
una muestra suficiente.