CAPITULO 2

Teoría General
Del Muestreo
INTRODUCCION

En todo estudio que se realice se desea conocer con absoluta verdad y certeza
toda la información requerida para tales fines.
Es natural que se busque conocer de manera exhaustiva las características de
una población objeto de estudio y que para ello se requiera efectuar un censo. El
censo tiene sus ventajas y desventajas; estas últimas ocasionan que se recurra a
otro procedimiento que vendría a ser el muestreo.
INTRODUCCION

El muestreo posee características especiales que la hacen favorable en su uso

frecuente por parte de instituciones con recursos económicos y tiempo
limitados, aunque también el factor que se debe controlar es el error presente en
este procedimiento.

El muestreo tiene distintas etapas, siendo dos de las más importantes, la forma
de elegir los elementos de la muestra y el tamaño de la misma. En este capítulo
se efectuará el estudio de dichas etapas, en base a las cuales se realizarán
inferencias referentes a los parámetros de estudio desconocidos.
CONCEPTOS BASICOS

POBLACION OBJETIVO
Es la totalidad de los elementos en discusión y acerca de los cuales se desea
obtener alguna información, dichos elementos tienen características comunes
que son de interés para el estudio. Por ejemplo:
• Todos los Centros Hospitalarios ubicados en el departamento de
Cochabamba
• Todos los Proyectos de Grado presentados en la Carrera de Ing. Mecánica de
la Facultad de Ciencias y Tecnología de la UMSS, etc..
CONCEPTOS BASICOS

• Para garantizar el censo es necesario acotar el universo y conocer

las unidades que lo componen; acotar el universo significa
concretar la población que va a ser objeto del estudio.

• Por ejemplo: número de bolsas de cemento producidas por

COBOCE el día 22 de julio de 2009 en la planta ubicada en
Cochabamba.
 Es un proceso mediante el cual se puede determinar
aproximadamente el comportamiento de la población o universo
donde se aplica, a partir de inferir sus características de los
resultados
Es obtenidos
un proceso mediante del análisis
el cual se puede de una muestra
determinar aproximadamente extraída
el comportamiento de la del
población o universo donde se aplica, a partir de inferir sus características de los resultados obtenidos del
mismo.
análisis de una muestra extraída del mismo.
Los pasos
Los pasos aenseguir
a seguir enson:
un muestreo un muestreo son:
1º)Identificar
1º) Identificar y/oel universo
y/o delimitar delimitar el universo o población
o población
2º) Determinar el tamaño adecuado de la muestra
2º) Determinar el tamaño adecuado de la muestra
3º) análisis estadístico
3º)Inferencia
4º) Análisis de losestadístico
resultados hacia el universo o población
4º)Interpretación
5º) Inferencia de
de los los resultados hacia el universo o población
resultados
5º) Interpretación de los resultados
Identificación y/o delimitación del universo o
Poblacion

El universo o población de un conjunto de elementos bien

definidos y con una característica en común.
Hablaremos de:

• Universo Finito. Cuando el numero de elementos sea menor o

igual a 1000 (N<1000)

• Universo Infinito. Cuando el numero de elementos es mayor

a 1000(N>1000)
Identificación y/o delimitación del
universo o Población

• Universo homogéneo. Cuando el numero de elementos que

conforman el universo tiene características muy parecidas y
en algunos casos casi iguales.

• Universo heterogéneo. En este caso los elementos no tienen

características similares por lo que se procede a delimitarlo o
simplificarlo por sus elementos mas relevantes para lograr una
tendencia a la homogeneidad
Ejemplo :
• La o las características presentes en los elementos de un
universo que permiten identificarlo como tal y hacen posible
el muestreo son elegidas por el investigador; a modo de
ejemplo, desde el punto de vista de la identidad del yo, el
universo de todos los seres humanos vivientes es
absolutamente heterogéneo; en cambio, en cuanto a la
asimilación celular del oxígeno, es absolutamente
homogéneo. En el primer caso, la "muestra" sería la máxima
posible ya que ningún elemento puede representar a otro; en
el segundo caso, como vimos, con un elemento basta.
Ejemplo :

• El universo de los lectores del diario "X" (característica constante

fijada para delimitar, en este caso sólo una) tiene elementos que
varían poco en nivel socioeconómico, mucho en religiosidad, y
mucho más en gustos musicales (para indicar sólo tres).

• Esto implica que el universo es perfectamente homogéneo con

relación a la primera característica (la elegida para delimitar), y
se hace cada vez más heterogéneo con cada una de las tres
características variables siguientes.
Ejemplo :

• Por lo tanto el universo es homogéneo o heterogéneo según la

característica el observador determine.

• Además, aunque entre los lectores del diario X, exista la

propiedad de creer o no en OVNIS, si el investigador no la
considera, no es una característica del universo (no cumplirá
ningún papel, aunque no se la niegue).
Selección de los elementos de la muestra
Selección de los elementos de la muestra

Muestreos Probabilísticos:
Los métodos de muestreo probabilísticos son aquellos que se basan
en el principio de equiprobabilidad. Es decir, aquellos en los que
todos los individuos tienen la misma probabilidad de ser elegidos
para formar parte de una muestra y, consiguientemente, todas las
posibles muestras de tamaño n tienen la misma probabilidad de ser
elegidas. Sólo estos métodos de muestreo probabilísticos nos
aseguran la representatividad de la muestra extraída y son, por
tanto, los más recomendables.
Dentro de los métodos de muestreo probabilísticos
encontramos los siguientes tipos:

• Muestreo aleatorio simple

• Muestreo aleatorio sistemático:
• Muestreo estratificado
• Muestreo por conglomerados
 Muestreo aleatorio simple:
El procedimiento empleado es el siguiente:

1) Se asigna un número a cada individuo de la población

2) A través de algún medio mecánico (bolas dentro de una bolsa,

tablas de números aleatorios, números aleatorios generados con una
calculadora u ordenador, etc.) se eligen tantos sujetos como sea
necesario para completar el tamaño de muestra requerido.

Este procedimiento, atractivo por su simpleza, tiene poca o nula

utilidad práctica cuando la población que estamos manejando es muy
grande.
 Muestreo aleatorio simple:
EJEMPLO 2
 Muestreo aleatorio simple:
EJEMPLO 2
Un método más conveniente de seleccionar una muestra aleatoria
consiste en utilizar un número de identificación por cada empleado y
una tabla de números aleatorios como la de la pag. Anterior. Como su
nombre lo indica, estos números se generaron mediante un proceso
aleatorio (en este caso, con una computadora).
La probabilidad de 0, 1, 2, …, 9 es la misma para cada dígito de un
número.
Por consiguiente, la probabilidad de que se seleccione al empleado 011
es la misma que tienen los empleados 722 o 382.
Cuando se emplean números aleatorios para seleccionar empleados, se
elimina la influencia o sesgo del proceso de selección.
 Muestreo aleatorio simple:

En la anterior ilustración aparece parte de una tabla de números

aleatorios. Para seleccionar una muestra de empleados, elija primero
En la siguiente ilustración aparece parte de una tabla de números aleatorios. Para
un punto de partida en la tabla; cualquier punto sirve. Ahora suponga
seleccionar
que el reloj marca las 3:04.
una muestra de empleados, elija primero un punto de partida en la tabla; cualquier
punto sirve. Ahora suponga que el reloj marca las 3:04. Puede observar la tercera
Puede observar
columna y la tercera columna y en seguida desplazarse hacia
abajo
en hasta
seguida el cuarto hacia
desplazarse conjunto de números.
abajo hasta El número
el cuarto conjunto es 03759.
de números. El número es
03759.
-
Como sólo hay 845 empleados, utilizará los tres primeros dígitos de un
número aleatorio de cinco dígitos. Por lo tanto, 037 es el número del
primer empleado que se convertirá en miembro de la muestra.
 Muestreo aleatorio simple:
Otra forma de elegir el punto de partida consiste en cerrar los ojos y
señalar un número de la tabla. Para continuar, puede desplazarse en
cualquier sentido.
En la siguiente ilustración aparece parte de una tabla de números aleatorios. Para
seleccionar
Suponga que lo hace hacia la derecha. Los primeros tres dígitos del
una muestra
número de empleados,
a la derecha elija primero un punto de partida en la tabla; cualquier
de 03759
punto sirve. Ahora suponga que el reloj marca las 3:04. Puede observar la tercera
son columna
447, ely número del siguiente empleado seleccionado para integrar
la muestra.
en seguida desplazarse hacia abajo hasta el cuarto conjunto de números. El número es
03759.
-
El siguiente número de tres dígitos a la derecha es 961. Omita 961,
pues sólo hay 845 empleados.
Continúe hacia la derecha y seleccione al empleado 784; después el
189 y así en lo sucesivo.
 Muestreo aleatorio simple:
EJERCICIO DE CLASE NUMERO 2
La siguiente lista incluye a los estudiantes que se matricularon en un
curso de introducción a la estadística aplicada.
En la siguiente ilustración aparece parte de una tabla de números aleatorios. Para
Se eligen al azar tres estudiantes, a quienes se formulan varias
seleccionar
preguntas relacionadas con el contenido del curso y el método de
una muestra de empleados, elija primero un punto de partida en la tabla; cualquier
enseñanza.
punto sirve. Ahora suponga que el reloj marca las 3:04. Puede observar la tercera
a) Se escriben
columna y a mano los números 00 a 45 en papeletas y se colocan
en un recipiente.
en seguida Los hacia
desplazarse tres números seleccionados
abajo hasta el son
cuarto conjunto de 31, 7 El
números. y número
25. ¿Qué
es
03759.
estudiantes se van a incluir en la muestra?
-
b) Ahora utilice la tabla de dígitos aleatorios que aparece en la
siguiente pagina, para seleccionar su propia muestra.
c) ¿Qué haría si localizara el número 59 en la tabla de números
aleatorios?
Muestreo aleatorio simple:

En la siguiente ilustración aparece parte de una tabla de números aleatorios. Para

seleccionar

una muestra de empleados, elija primero un punto de partida en la tabla; cualquier

punto sirve. Ahora suponga que el reloj marca las 3:04. Puede observar la tercera
columna y
en seguida desplazarse hacia abajo hasta el cuarto conjunto de números. El número es
03759.
-
 Muestreo aleatorio sistemático:

Este procedimiento exige, como el anterior, numerar todos

los elementos de la población, pero en lugar de extraer n
números aleatorios sólo se extrae uno.

Se parte de ese número aleatorio i, que es un número

elegido al azar, y los elementos que integran la muestra
son los que ocupan los lugares i, i+k, i+2k, i+3k,..., i+(n-
1) k, es decir se toman los individuos de k en k, siendo k
el resultado de dividir el tamaño de la población entre el
tamaño de la muestra: k=N/n.
 El número i que empleamos como punto de partida será un número
al azar entre 1 y k. El riesgo de este tipo de muestreo está en los
casos en que se dan periodicidades en la población ya que al elegir a
los miembros de la muestra con una periodicidad constante (k)
podemos introducir una homogeneidad que no se da en la población.

Imaginemos que estamos seleccionando una muestra sobre listas de

10 individuos en los que los 5 primeros son varones y los 5 últimos
mujeres, si empleamos un muestreo aleatorio sistemático con k=10
siempre seleccionaríamos o sólo hombres o sólo mujeres, no podría
haber una representación de los dos sexos.
Ejemplo 2
Primero se calcula k, que es el resultado de dividir el tamaño de la
población entre el tamaño de la muestra.
En el caso de Computers Graphic, Inc., seleccione cada vigésimo
recibo(2 000/100) de los cajones del archivo; al hacerlo evita el
proceso de numeración.
Si k no es un número entero, hay que redondearlo.
Para seleccionar el primer recibo emplee el muestreo aleatorio
simple. Por ejemplo, seleccione un número de la tabla de números
aleatorios entre 1 y k, en este caso, 20.
Suponga que el número aleatorio resultó ser 18. Entonces, a partir
del recibo 18, se seleccionará cada vigésimo recibo (18, 38, 58, etc.)
como muestra.
Antes de aplicar el muestreo aleatorio sistemático, debe observar con
cuidado el orden físico de la población. Cuando el orden físico se
relaciona con la característica de la población, no debe aplicar el
muestreo aleatorio sistemático. Por ejemplo, si los recibos se
archivan en orden creciente de ventas, el muestreo aleatorio
sistemático no garantiza una muestra aleatoria.
Muestreo aleatorio estratificado a partir de ciertas características, se
aplica el muestreo aleatorio sistemático no garantiza una muestra
aleatoria.
Debe aplicar otros métodos de muestreo.
Ejercicio 3
Consulte lista de médicos que sigue . Suponga que en un muestreo
aleatorio sistemático se debe elegir a cada noveno de la clase.
Al principio se elige al azar al cuarto medico de la lista. Dicho medico es
el número 03. Recuerde que los números aleatorios comienzan con 00,
entonces, ¿qué medicos se elegirán como miembros de la muestra?
Consulte la la lista adjunta a la página.

Suponga que en un muestreo aleatorio sistemático se debe elegir a cada

noveno medico de la lista. Al principio se elige al azar al cuarto medico
de la lista.
Dicho medico es el número 03.
Recuerde que los números aleatorios comienzan con 00, entonces, ¿qué
emedicos se elegirán como miembros de la muestra?
Muestreo aleatorio estratificado:

Trata de obviar las dificultades que presentan los anteriores ya que

simplifican los procesos y suelen reducir el error muestral para un
tamaño dado de la muestra.

Consiste en considerar categorías típicas diferentes entre sí

(estratos) que poseen gran homogeneidad respecto a alguna
característica (se puede estratificar, por ejemplo, según la profesión,
el municipio de residencia, el sexo, el estado civil, etc.).
Muestreo aleatorio estratificado:

Lo que se pretende con este tipo de muestreo es asegurarse de que

todos los estratos de interés estarán representados adecuadamente
en la muestra.

Cada estrato funciona independientemente, pudiendo aplicarse

dentro de ellos el muestreo aleatorio simple o el estratificado para
elegir los elementos concretos que formarán parte de la muestra.

En ocasiones las dificultades que plantean son demasiado grandes,

pues exige un conocimiento detallado de la población (tamaño
geográfico, sexos, edades).
Muestreo aleatorio estratificado:

Por ejemplo, los estudiantes universitarios se pueden agrupar en

estudiantes de tiempo completo o de medio tiempo, por su genero,
masculino o femenino, tradicionales o no tradicionales.

Una vez definidos los estratos, se aplica el muestreo aleatorio simple

en cada grupo o estrato con el fin de formar la muestra.
Muestreo aleatorio estratificado:

Por ejemplo, puede estudiar los gastos en publicidad de las 352

empresas más grandes de Estados Unidos.

Suponga que el objetivo del estudio consiste en determinar si las

empresas con altos rendimientos sobre el capital (una medida de
rentabilidad) gastan en publicidad la mayor parte del dinero ganado
que las empresas con un registro de bajo rendimiento o déficit.

Para asegurar que la muestra sea una representación imparcial de

las 352 empresas, éstas se deben agrupar de acuerdo con su
rendimiento porcentual sobre el capital. La tabla 8-1incluye los
estratos y las frecuencias relativas.
Muestreo aleatorio estratificado:
Muestreo aleatorio estratificado:

Si aplicara el muestreo aleatorio simple, observe que las empresas

del tercero y cuarto estratos tienen una probabilidad alta de que se
les seleccione (0.87), mientras que las empresas de los demás
estratos tienen menos (0.13).

Podría no seleccionar ninguna de las empresas que aparecen en los

estratos 1 o 5 sencillamente por azar.
No obstante, el muestreo aleatorio estratificado garantizará que por
lo menos una empresa de los estratos 1 o 5 aparezca en la muestra.
Considere una selección de 50 compañías para llevar a cabo un
estudio minucioso. Entonces se seleccionará de forma aleatoria 1
(0.02 X 50) empresas del estrato 1; 5 (0.10 X 50), del estrato 2, etc.
Muestreo aleatorio estratificado:

En este caso, el número de empresas en cada estrato es proporcional

a la frecuencia relativa del estrato en la población. El muestreo
estratificado ofrece la ventaja de que, en algunos casos, refleja con
mayor fidelidad las características de la población que el muestreo
aleatorio simple o el muestreo aleatorio sistemático.
 Muestreo por Rutas Aleatorias:

• La selección de los miembros de la muestra se realiza como parte

del trabajo de campo.
• Establecida un área de muestreo, se define un punto de partida,
sobre el que se aplica una ruta predefinida en la que se van
seleccionando los miembros de la muestra con arreglo a un
procedimiento heurístico.
• Busca asegurar una cobertura geográfica de la muestra y/o suplir
la falta de censo.
• No es aconsejable en planos no lineales o poco homogéneos en
manzanas y edificación.
Muestreo Aleatorio por Conglomerados:
Los métodos presentados hasta ahora están pensados para
seleccionar directamente los elementos de la población, es
decir, que las unidades muestrales son los elementos de la
población.
En el muestreo por conglomerados la unidad muestral es
un grupo de elementos de la población que forman una
unidad, a la que llamamos conglomerado.
Las unidades hospitalarias, los departamentos
universitarios, una caja de determinado producto, etc., son
conglomerados naturales.
Muestreo aleatorio por conglomerados:
En otras ocasiones se pueden utilizar conglomerados no
naturales como, por ejemplo, las urnas electorales.

Cuando los conglomerados son áreas geográficas suele

hablarse de "muestreo por áreas".
El muestreo por conglomerados consiste en seleccionar
aleatoriamente un cierto numero de conglomerados (el
necesario para alcanzar el tamaño muestral establecido) y
en investigar después todos los elementos pertenecientes a
los conglomerados elegidos.
Muestreo aleatorio por conglomerados:
 Métodos de muestreo no probabilísticos

A veces, para estudios exploratorios, el muestreo

probabilístico resulta excesivamente costoso y se acude a
métodos no probabilísticos, aun siendo conscientes de que
no sirven para realizar generalizaciones, pues no se tiene
certeza de que la muestra extraída sea representativa, ya
que seleccionan a los sujetos siguiendo determinados
criterios procurando que la muestra sea representativa.
 Métodos de muestreo no probabilísticos
Muestreo por cuotas:

También denominado en ocasiones "accidental". Se asienta

generalmente sobre la base de un buen conocimiento de
los estratos de la población y/o de los individuos más
"representativos" o "adecuados" para los fines de la
investigación.
Mantiene, por tanto, semejanzas con el muestreo aleatorio
estratificado, pero no tiene el carácter de aleatoriedad de
aquél.
 Métodos de muestreo no probabilísticos

En este tipo de muestreo se fijan unas "cuotas" que

consisten en un número de individuos que reúnen unas
determinadas condiciones, por ejemplo:

• 20 individuos de 25 a 40 años,
de sexo femenino y residentes en Mendoza.

Una vez determinada la cuota se eligen los primeros que

se encuentren que cumplan esas características. Este
método se utiliza mucho en las encuestas de opinión.
 Métodos de muestreo no probabilísticos

Muestreo opinático o intencional:

Este tipo de muestreo se caracteriza por un esfuerzo
deliberado de obtener muestras "representativas" mediante
la inclusión en la muestra de grupos supuestamente
típicos.
Es muy frecuente su utilización en sondeos preelectorales
de zonas que en anteriores votaciones han marcado
tendencias de voto.
 Métodos de muestreo no probabilísticos

Muestreo opinático o intencional:

 Métodos de muestreo no probabilísticos

Muestreo casual o incidental:

Se trata de un proceso en el que el investigador
selecciona directa e intencionadamente los individuos de
la población.
El caso más frecuente de este procedimiento el utilizar
como muestra los individuos a los que se tiene fácil
acceso (los profesores de universidad emplean con
mucha frecuencia a sus propios alumnos). Un caso
particular es el de los voluntarios.
 Métodos de muestreo no probabilísticos
Bola de nieve:
Se localiza a algunos individuos, los cuales conducen a
otros, y estos a otros, y así hasta conseguir una muestra
suficiente.

Este tipo se emplea muy frecuentemente cuando se hacen

estudios con poblaciones "marginales", delincuentes,
sectas, determinados tipos de enfermos, etc.
 Métodos de muestreo no probabilísticos
Bola de nieve:
 “Error” de muestreo
En la sección anterior se estudiaron métodos de muestreo útiles para seleccionar una
muestra que constituya una representación imparcial o sin sesgos de la población.
Es importante señalar que, en cada método, la selección de cualquier posible
muestra de determinado tamaño de una población tiene una posibilidad o
probabilidad conocida, que constituye otra forma de describir un método de
muestreo sin sesgo.
Las muestras se emplean para determinar características de la población.
Por ejemplo, con la media de una muestra se calcula la media de la población. No
obstante, como la muestra forma parte o es una porción representativa de la
población, es poco probable que su media sea exactamente igual a la media
poblacional.
 “Error” de muestreo
Asimismo, es poco probable que la desviación estándar de la muestra sea
exactamente igual a la desviación estándar de la población.
Por lo tanto, puede esperar una diferencia entre un estadístico de la muestra y el
parámetro de la población correspondiente. Esta diferencia recibe el nombre de
error de muestreo.
 “Error” de muestreo
Ejemplo:
En el hotel Foxtrot Inn, en Tryon, Carolina del Norte, estudió el número de
habitaciones rentadas. La población se refiere al número de habitaciones rentadas
cada uno de los 30 días de junio de 2011. Determine la media de la población.
Seleccionar tres muestras aleatorias de cinco días.
Calcule la media de cada muestra y compárela con la media poblacional. ¿Cuál es el
error de muestreo en cada caso?
 “Error” de muestreo
Ejemplo:
Durante el mes se rentaron un total de 94 habitaciones. Por lo tanto, la media de las
unidades que se rentaron por noche es de 3.13. Ésta es la media de la población.
Este valor se designa con la letra griega μ.

N=30 días
 “Error” de muestreo
Ejemplo:
La primera muestra aleatoria de cinco noches dio como resultado el siguiente
número de habitaciones rentadas: 4, 7, 4, 3 y 1. La media de esta muestra de cinco
noches es de 3.8 habitaciones, que se representa como
La barra sobre la X recuerda que se trata de una media
muestral, y el subíndice 1 indica que se trata de la media de la primera muestra.

 - μ = 3,8 – 3,15 = 0,65

 “Error” de muestreo
Ejemplo:
El error de muestreo de la primera muestra es la diferencia entre la media
poblacional (3.13) y la media muestral (3.80). De ahí que el error muestral sea
(0,65). La segunda muestra aleatoria de cinco días de la población de 30 días de
junio arrojó el siguiente número de habitaciones rentadas: 3, 3, 2, 3 y 6. La media
de estos cinco valores es de 3.4, que se calcula de la siguiente manera:
 “Error” de muestreo
Ejemplo:
En la tercera muestra aleatoria, la media fue de 1.8, y el error de muestro fue de
$1.33.
Cada una de estas diferencias, 0.67, 0.27 y $1.33, representa el error de muestreo
cometido al calcular la media de la población. A veces estos errores son valores
positivos, lo cual indica que la media muestral sobreexcedió la media poblacional;
otras veces son valores negativos, lo cual indica que la media muestral resultó
inferior a la media poblacional.
En este caso, con una población de 30 valores y muestras de 5 valores, existe una
gran cantidad de muestras posibles, 142 506, para ser exactos.
 “Error” de muestreo
Ejemplo:
Para calcular este valor se aplica la fórmula de las combinaciones.

donde N es el número de elementos de la población, y n, el número de elementos de

la muestra.
Cada una de las 142 506 diferentes muestras cuenta con las mismas posibilidades de
que se le seleccione.
Cada muestra puede tener una media muestral diferente y, por consiguiente, un error
de muestreo distinto. El valor del error de muestreo se basa en el valor particular de
las 142 506 muestras posibles seleccionadas
 “Error” de muestreo
Ejemplo:

Por consiguiente, los errores de muestreo son aleatorios y se presentan al azar. Si

determinara la suma de estos errores de muestreo en una gran cantidad de muestras,
el resultado se aproximaría mucho a cero.

Sucede así porque la media de la muestra constituye un estimador sin sesgo de la

media de la población.
Determinación del tamaño adecuado de la muestra .
 

𝑛
 
Muestra la colección de elementos extraídos de un universo. Por lo
que si el universo es homogéneo, tenemos una sola muestra; pero si el
universo es heterogéneo las muestras pueden variar entre 5 a 20
(5<n<20).
Universo finito: Universo infinito:
95% de nivel de confianza, Z= 1.96 y e= 0,1

23.782 16901.35
95% de nivel de confianza, Z= 1.96 y e= 0,1

p/N Q=(1-p)

0,003 0,997

0,008 0,992

0,007 0,993
23,782 %

Media poblacional es μ = 1166.67 833

833 91,43 92
WILSTERMAN
Vs
BOLIVAR
PRACTICA MUESTREO