"AÑO DEL DIÁLOGO Y LA RECONCILIACIÓN NACIONAL"

UNIVERSIDAD NACIONAL "SAN LUIS GONZAGA" DE ICA

TEMA: MUESTREO ESTRATIFICADO

ALUMNOS:
 Huaroto Peña, Shary
 Mendoza De la Cruz, Patrick
 Salvador Huarcaya, Andy
 Salazar Silva, Yvonne
 Vásquez Sulca, Laura
DOCENTE: Ricardo Cavero Donayre
ASIGNATURA: Técnica de Muestreo I
FACULTAD/E.A.P: Ciencias Estadísticas
CICLO: VI TURNO: Tarde

ICA - 2018
 MUESTREO ESTRATIFICADO
El muestreo estratificado es una técnica de
muestreo probabilístico en donde el
investigador divide a toda la población en
diferentes subgrupos o estratos. Luego,
selecciona aleatoriamente a los sujetos finales
de los diferentes estratos en forma proporcional.
 MUESTREO ESTRATIFICADO
Es importante tener en cuenta que los estratos no deben
superponerse. Que los subgrupos se superpongan dará a algunos
individuos mayores probabilidades de ser seleccionados como
sujetos. Esto niega completamente el concepto de muestreo
estratificado como un tipo de muestreo probabilístico.
Igualmente importante es el hecho de que el investigador debe
utilizar un muestreo probabilístico simple dentro de los
diferentes estratos.
Los estratos más comunes utilizados en el muestreo aleatorio
estratificado son la edad, el género, el nivel socioeconómico, la
religión, la nacionalidad y el nivel de estudios alcanzado.
 USOS
• Se utiliza el muestreo aleatorio estratificado cuando el investigador desea
resaltar un subgrupo específico dentro de la población. Esta técnica es útil
en tales investigaciones porque garantiza la presencia del subgrupo clave
dentro de la muestra.
• Los investigadores también emplean un muestreo aleatorio estratificado
cuando quieren observar relaciones entre dos o más subgrupos. Con
la técnica de muestreo aleatorio simple, el investigador no está seguro de
si los subgrupos que quiere observar son representados equitativa y
proporcionalmente dentro de la muestra.
 USOS
• Con el muestreo estratificado, el investigador puede probar de forma
representativa hasta a los subgrupos más pequeños y más inaccesibles de
la población. Esto permite que los investigadores prueben a los extremos
de la población.
• Con esta técnica, tienes una precisión estadística más elevada en
comparación con el muestreo aleatorio simple. Esto se debe a que la
variabilidad dentro de los subgrupos es menor en comparación con las
variaciones cuando se trata de toda la población. Debido a que esta
técnica tiene una alta precisión estadística, exige un tamaño de la muestra
menor que puede ahorrar mucho tiempo, dinero y esfuerzo de los
investigadores.
 TIPOS
Muestreo aleatorio estratificado proporcionado
En esta técnica, el tamaño de la muestra de cada estrato es
proporcional al tamaño de la población del estrato si se compara
con la población total. Esto significa que el cada estrato tiene la
misma fracción de muestreo.
En esta técnica, lo importante es recordar el uso de la misma
fracción de muestreo en cada estrato, independientemente de
las diferencias en el tamaño de la población de los estratos. Es
muy parecido a reunir una población más pequeña que sea
específica de las proporciones relativas de los subgrupos dentro
de la población.
 Muestreo aleatorio estratificado
desproporcionado
La única diferencia entre el muestreo aleatorio estratificado
proporcionado y el desproporcionado son sus fracciones de
muestreo. En el muestreo desproporcionado, los diferentes
estratos tienen diferentes fracciones de muestreo.
La precisión de este diseño es altamente dependiente de la
asignación de fracción de muestreo del investigador. Si el
investigador comete errores en la asignación de fracciones de
muestreo, un estrato puede ser representado en exceso o
insuficientemente y dará resultados sesgados.
 PASOS
1. Define la población objetivo.
2. Identifica la variable o variables de estratificación y determinar el número
de estratos a usarse. Las variables de estratificación deben estar relacionados
con el propósito de estudio. Si el propósito del estudio es hacer estimaciones
de los subgrupos, las variables de estratificación deben estar relacionados con
esos subgrupos. La disponibilidad de información auxiliar a menudo
determina las variables de estratificación que se utilizan. Puede ser utilizada
más de una variable de estratificación. Considera que a medida que el
número de variables de estratificación aumenta, incrementa la probabilidad
de que algunas de las variables cancelen los efectos de otras variables, no
más de cuatro a seis variables de estratificación y no se deben utilizar más de
seis estratos de una variable en particular.
 PASOS
3. Identifica un marco de muestreo existente o desarrolla uno que incluya
información sobre la o las variables de estratificación para cada elemento de
la población objetivo. Si el marco de la muestra no incluye la información en
las variables de estratificación, la estratificación no sería posible.
4. Evalúa el marco de muestreo para la falta de cobertura, cobertura excesiva,
múltiple, y la agrupación, y haz los ajustes cuando sea necesario.
5. Divide el marco de muestreo en estratos, categorías de la estratificación de
la o las variables, creando un marco de muestreo para cada estrato. Dentro
del estrato las diferencias deben reducirse al mínimo, y las diferencias entre
los estratos deben maximizarse. Los estratos no deben estar superpuestos, en
conjunto, debe constituir toda la población. Los estratos deben ser
independientes y mutuamente exclusivos del subconjunto de la población.
Cada elemento de la la población debe estar en un sólo estrato.
 PASOS
6. Asigna un número único a cada elemento.
7. Determina el tamaño de la muestra para cada estrato. La distribución
numérica de los elementos incluidos en la muestra a través de los diversos
estratos determina el tipo de muestreo a implementar. Puede ser un
muestreo proporcional estratificado o uno de los diversos tipos de muestreo
estratificado desproporcionado.
8. Selecciona al azar el número específico de elementos de cada estrato. Al
menos un elemento se debe seleccionar de cada estrato para la
representación de la muestra; y por lo menos dos elementos deben ser
elegidos de cada estrato para el cálculo del margen de error de las
estimaciones calculadas a partir de los datos recogidos.