Tipos de

Muestreo
Características
de una muestra
Debemos evitar que las
muestras estén sesgadas, ya que
esto es sinónimo de que las
muestras no son
representativas.

Algunos de los puntos a

considerar para determinar que
una muestra es representativa
son:
 Hay un amplio debate sobre la mejor
forma para determinar el tamaño de
una muestra, ya que ésta depende de
consideraciones no estadísticas, así
como de consideraciones estadísticas.
Tamaño
adecuado
Algo que no debemos perder de vista,
es que un correcto tamaño de una
muestra es el primer paso en
cualquier investigación.
Nivel de precisión

• Se refiere al rango
o cantidad de
error que se
puede presentar
entre la muestra y
la población real.
Errores de muestreo
 Algunos de
Error al Error en el
los errores Error en las Selección
especificar la marco
mas comunes muestras Errada
población muestral
son:
Error al
Especificar a la
población
• En la práctica se
entiende que
este error se
presenta cuando
no se tiene claro
a quienes se
deben encuestar
• Este error ocurre cuando se selecciona una
muestra considerando una subpoblación
errónea.

• Este tipo de error se presenta en los siguientes

escenarios:

• Forma en la que se selecciona la muestra

• Inclusión incorrecta de encuestados que no

Error en el Marco
tienen relación con la población de interés Muestral
• Este error se presenta cuando los
participantes de la encuesta son
voluntarios y esto deriva en que los
participantes son solo aquellos que
tienen interés de participar.

• Este error también se refleja si no

existe una selección aleatoria de los
participantes
Error de
selección
Un punto intermedio
• El error por falta de respuesta se presenta cuando existe una diferencia
entre aquellas personas que responden y no responden
Error de Muestra
• Este tipo de error se presenta cuando existe una incongruencia o contraste en los participantes
que responden la encuesta
Nota
•  Para estimar el tamaño de una muestra es podemos usar
la fórmula:

•
Interpretación de la
fórmula

•• Nivel
  de confianza o
seguridad, normalmente se
calcula como 1 -

• Sin embargo, como ayuda se

tiene el valor el cual nos
indica dos valores
predeterminados:

• 99% que equivale a 2.58

• 95% que equivale a 1.96

• p= Representa el valor de
la proporción esperada.

• Este valor se puede

obtener de estudios
anteriores, sin embargo,
de no contar con uno se
usa el valor de 0.5 (50%)
q= se calcula mediante 1 – p
y es el complemento del
nivel de confianza.
Si usamos los valores de
95% o 99%, el valor de q
será: 0.05 y 0.01
respectivamente
• d= es el valor de precisión que nosotros queremos
usar para nuestro estudio.
 Tipos de
Muestreo
(Continuación)
 • Los dos grupos en los que se
clasifica el muestreo son:

• Probabilísticos
Clasificación del
Muestreo • No Probabilísticos
• Los métodos probabilísticos
tienen por cualidad el buscar que
todos los sujetos, tengan la misma
posibilidad de ser elegidos como
parte de la muestra.

• Este tipo de métodos son los mas

utilizados por que sus muestras
generan una gran representación
del universo
• Los métodos no probabilísticos
tienen por cualidad el que
seleccionan a sus integrantes de
forma cuidadosa, ya que la
muestra debe de:

• Cumplir criterios específicos

• Sin embargo, no se recomiendan

para inferir
Métodos
Probabilísticos
Muestreo • Para poder aplicar este tipo de muestreo,
se indica que es necesario el conocer a la
población con la finalidad de numerarla y

aleatorio
mediante una selección al azar inicia el
proceso de selección.

simple
• Nota: Todos los elementos que forman
parte de la muestra tienen la misma
probabilidad de ser seleccionados
Pros y Contras
Pros

Es muy sencillo armar muestras con este modelo

La selección es de forma equitativa

Al ser una población representativa, solo se tiene

como error potencial, el error de muestreo

Es fácil realizar generalizaciones sobre la

población
Contras

Solo es aplicable cuando se conoce a

toda la población

Los datos que se ocuparán deben

estar actualizados

No es aplicable para poblaciones

infinitas o muy grandes
Muestreo aleatorio sistemático
•• Al
  igual que en caso del muestreo aleatorio simple, es necesario conocer a nuestra población
total y gracias a la fórmula podemos seguir con un intervalo fijo

• La forma de aplicar la selección de muestras con este muestro, radica en elegir aleatoriamente a
un miembro del universo, después, al aplicar la fórmula se tendrá la cantidad de elementos que
se irán sumando y estos, serán la selección
Una pequeña explicación

• Si seleccionamos una muestra de asistentes a

una sala de cine, podemos seleccionar a quien
entre segundo, cuarto, séptimo y así
sucesivamente.
• Otra forma (y mas profesional de usar
este método) es al ordenar a los
elementos de una población, luego elegir
de forma aleatoria a un elemento (1
elemento de cada 30).

• Esto genera un intervalo de valor 30

• Si el elemento seleccionado es el número

8, solo sumamos 30 y conoceremos al
siguiente elemento y así sucesivamente.
Nota

• El
  uso de la fórmula también es de gran ayuda
para la creación del intervalo a usar, sin
embargo, la única condición aquí es cuando
tenemos valores decimales.

• Se puede aplicar el criterio .5 sube al siguiente

entero y .4 se baja al siguiente entero
Muestreo aleatorio
estratificado
• Este método divide al universo por “estratos” o
subgrupos de acuerdo a una característica,
siendo una variable de interés lo que hace que
sean diferentes.

• Ejemplo de esta variable de interés, es el

estado civil, profesión que se ejerce, entidad
federativa
Las afijaciones
Para poder realizar un análisis con este tipo de
método se usan las siguientes afijaciones:

Simple: Los estratos tienen el mismo número de

elementos para estudiar

Proporcional: El tamaño que se asigna a cada

estrato, es proporcional en relación a la población

Óptima: Es la afijación que considera tanto la

proporción como la desviación típica
Muestreo por conglomerados o racimos
• Es usado cuando se tiene un universo extenso, pero al mismo tiempo disperso.

• Como objetivo se tiene que reunir a cada una de las partes individuales que formarán al “todo”
con la característica de que cada una de esas partes, contienen elementos a analizar entre ellos.

• Por ejemplo, un hospital sería el todo y las partes que lo conforman son los pacientes, doctores