MUESTREO

RECOPILACION DE INFORMACION PRIMARIA Y

SECUNDARIA.-
a) Datos secundarios: Consisten en la información que ya existe en
alguna parte y que se ha recopilado para otro propósito. Los datos
secundarios proporcionan un buen punto de partida para la
investigación y a menudo ayudan a definir los problemas y los
objetivos de la investigación. Los datos secundarios por lo general se
pueden obtener con mayor rapidez y a un costo más bajo que los
datos primarios.
 
b) Datos primarios: Consisten en la información recopilada para el
propósito específico inmediato. La investigación por medio de la
observación, es la recopilación de datos primarios a partir del estudio
de las personas, las acciones y las situaciones pertinentes.
Fuentes de datos secundarios
 
-Fuentes internas (registro de inventarios, hojas de balance)
-Publicaciones del gobierno (demográficos, económicos)
-Publicaciones periódicas y libros (revistas de mercadotecnia,
revistas de negocios)
-Datos comerciales (Datos sobre los auditorios de televisión,
participación de mercados y precios al detalle)
-Datos internacionales (comercio extranjero para países y
bienes específicos)
 
Una población estadística es un
conjunto de sujetos o elementos que
presentan características comunes.
Sobre esta población se realiza el
estudio estadístico con el fin de sacar
conclusiones. El tamaño poblacional
es el número de individuos que
constituyen la población.
Censo: En ocasiones resulta posible estudiar cada uno de los
elementos que componen la población, realizándose lo que se denomina
un censo, es decir, el estudio de todos los elementos que componen la
población.
 
La realización de un censo no siempre es posible, por diferentes
motivos:
a) economía: el estudio de todos los elementos que componen una
población, sobre todo si esta es grande, suele ser un problema costoso
en tiempo, dinero, etc.;
b) que las pruebas a las que hay que someter a los sujetos sean
destructivas;
c) que la población sea infinita o tan grande que exceda las
posibilidades del investigador.
MUESTREO
El muestreo es una herramienta de la investigación científica. Su función básica es determinar
que parte de una realidad en estudio (población o universo) debe examinarse con la finalidad
de hacer inferencias sobre dicha población. El error que se comete debido a hecho de que se
obtienen conclusiones sobre cierta realidad a partir de la observación de sólo una parte de ella,
se denomina error de muestreo.

Un muestreo es el procedimiento a través del cual es seleccionada una muestra (que

es un subconjunto de elementos de una población, es decir, una porción de elementos
extraídos de una población previamente definida) a partir de una población. El
muestreo se refiere a esa reducción de elementos que componen a un universo o
población, para así poder cumplir con la investigación correspondiente.

Para poder realizar el estudio que se desea a la población (a

partir de la observación de unos pocos de sus componentes),
la muestra extraída debe ser representativa de ella, para que
las conclusiones a las que se llegue o los resultados que se
obtengan del análisis sean válidos e imparciales
Muestra.- Es el grupo de personas al que se le da la
encuesta. En todas las ocasiones en que no es posible o
conveniente realizar un censo, lo que hacemos es trabajar con
una muestra, entendiendo por tal una parte representativa de la
población. Para que una muestra sea representativa, y por lo
tanto útil, debe de reflejar las similitudes y diferencias
encontradas en la población, ejemplificar las características de
la misma.
Cuando decimos que una muestra es representativa indicamos
que reúne aproximadamente las características de la población
que son importantes para la investigación.

“Es una parte representativa de la población que es

seleccionada para ser estudiada, ya que la población es
demasiado grande para ser estudiada en su totalidad”
Allen Webster.
Elemento.- Es cada uno de los integrantes de la población o muestra
en los que se estudiarán las características de interés determinadas por
los objetivos del estudio.
Normalmente, el número de individuos de la muestra se representa con
la letra «n» y el número de sujetos de la población por la «N». Tras la
definición de las características de la población a través de los
criterios de inclusión y exclusión, se ha de decidir si se estudia a toda
la población o en caso de que ésta sea demasiado grande a un número
de sujetos representativo, que no han de ser ni pocos ni demasiados,
sino simplemente los necesarios.

Variable.- Es cada una de las características

que se quiere investigar de la población objeto de
estudio.
CONDICIONES QUE DEBE REUNIR UNA MUESTRA
 Homogeneidad: debe ser extraída de la misma población.
 Independencia: las observaciones no deben estar
mutuamente condicionadas entre sí.
 Representatividad: la muestra debe ser el mejor reflejo
posible del conjunto del cual proviene.
Parámetro: Son las medidas o características descriptivas
inherentes a las poblaciones. Los salarios promedio de
todos los empleados de una empresa, puede ser un ejemplo
de parámetro.

Estadístico o Estadígrafo: Son las medidas descriptivas

inherentes a una muestra, las cuales pueden usarse como
estimación del parámetro. Como ejemplo podría tomarse
los salarios promedio de una muestra de los empleados de
la empresa.
Afortunadamente, el error que cometo al generalizar
resultados puede acotarse gracias a la estadística. Para
ello usamos dos parámetros: el margen de error, que
es la máxima diferencia que esperamos que haya entre
el dato observado en mi muestra y el dato real en el
universo, y el nivel de confianza, que es el nivel de
certeza que tengo de que realmente el dato real esté
dentro del margen de error.
Por ejemplo, en el caso de fumadores mexicanos, si
selecciono una muestra de 471 individuos y les
pregunto si fuman, el resultado que obtenga tendrá un
margen de error máximo de +-5% con un nivel de
confianza del 97%. Esta forma de expresar los
resultados es la correcta cuando usamos muestreo.
Métodos de muestreo.- Puede ser:
 
 Muestreo no probabilístico: no se usa el azar, sino el criterio del investigador, suele presentar
grandes sesgos y es poco fiable.

En este tipo de muestreo de población, los miembros de la población no tienen las mismas
posibilidades de ser seleccionados. Debido a esto, no es seguro suponer que la muestra
representa completamente a la población. También es posible que el investigador elija
deliberadamente a las personas que participarán en el estudio.

Este método de muestreo se utiliza generalmente en estudios que no están interesados ​en los
parámetros de toda la población. Algunos investigadores prefieren esta técnica de muestreo
porque es barata, rápida y fácil.

El método de muestreo no probabilístico de población es útil para estudios piloto, estudios de

caso, investigación cualitativa
 MUESTREO POR CUOTAS

•El primer paso para el muestreo por cuotas no probabilístico es dividir a la

población en subgrupos exclusivos.
•Luego, el investigador debe identificar las proporciones de estos subgrupos en la
población. Esta misma proporción será aplicada al proceso de muestreo.
•Por último, el investigador selecciona sujetos de los diversos subgrupos teniendo en
cuenta las proporciones observadas en el paso anterior.
•El último paso asegura que la muestra sea representativa de toda la población.
También permite que el investigador estudie rasgos y características que se ven en
cada subgrupo.

1.El muestreo por cuotas se utiliza cuando se tienen datos

adicionales de los individuos (edad, sexo, etc.) y se pueden
utilizar ya que el investigador considera que estos datos
pueden influenciar en las características que se estudian.
2.El análisis por estratos permite un posterior análisis de las
diferencias entre grupos.
 MUESTREO POR CONVENIENCIA
Los sujetos de una investigación específica, son seleccionados
para el estudio sólo porque son más fáciles de reclutar y el
investigador no está considerando las características de
inclusión de los sujetos que los hace representativos de toda la
población.

Ejemplos
Uno de los ejemplos más comunes de muestreo de conveniencia se realiza utilizando
estudiantes voluntarios como sujetos de la investigación. Otro ejemplo es el uso de
sujetos que se han seleccionado de una clínica, una clase o una institución ya que
para el investigador es de fácil el acceso a estas instituciones. Un ejemplo más
concreto es la selección de cinco personas de una clase o incluso la selección de los
cinco primeros nombres de la lista de pacientes de una lista en una institución
medica.
En estos ejemplos, el investigador inadvertidamente excluye una gran proporción de
la población. Una muestra de conveniencia es o bien una selección de sujetos que
son accesibles para el investigador o una selección de personas que deseen participar
como voluntarios.
 EJEMPLOS

1.El médico de un instituto quiere realizar un estudio óptico para comprobar si los jóvenes mejoran su
vista después de unos determinados ejercicios visuales. Para ello decide realizar el estudio a los
alumnos de un curso del instituto.
2.Un hospital desea hacer un estudio para testar la eficacia de su nueva vacuna contra la gripe que
acaba de patentar un laboratorio farmacéutico. Realizan el estudio sobre sus pacientes por que así al
hospital le supone menos costes económicos.

1.El método del muestreo por conveniencia permite seleccionar una muestra con muchísima
facilidad. Suele utilizarse en estudios iniciales para comprobar si se cumplen las hipótesis que se
plantea el investigador. Una vez realizado el estudio, si se comprueba que los resultados son
favorables a sus predicciones, ya se puede plantear la posibilidad de hacer el estudio con
muestras probabilísticas para generalizar el resultado.
2.Si se quisieran obtener resultados para generalizar a toda la población, este método no es
aconsejable.
 El muestreo casual o accidental es un método de muestreo no probabilístico donde los
individuos se eligen de manera casual, sin ningún juicio previo. Las personas que realizan el
estudio eligen un lugar o un medio, y desde ahí realizan el estudio a los individuos de la
población que accidentalmente se encuentren a su disposición. Veamos algunos ejemplos:

Se realiza una encuesta de opinión sobre un producto de

higiene personal que se ha lanzado al mercado recientemente.
La empresa contrata a una serie de entrevistadores que
realizan las encuestas en la calle. Éstos van entrevistando a los
que se van encontrando accidentalmente por la calle.

Una productora desea saber la opinión general de la población

de una ciudad respecto a su última película. Para ello desplaza
a los cines de la ciudad a un equipo de entrevistadores para
preguntar directamente a la gente que sale de la sala si les
gustó su película.
•Utilizaremos el muestreo casual o accidental
únicamente para hacernos una idea de cual es la
opinión de la gente respecto a algún producto o
tema de actualidad.
•Los resultados obtenidos mediante muestreo casual
o accidental no son representativos de la opinión de
toda la población, sino que el resultado es
orientativo.
 MUESTREO POR BOLA DE NIEVES O CADENA

Los investigadores utilizan este método de muestreo si la muestra para el

estudio es muy rara o si está limitada a un subgrupo muy pequeño de la
población. Este tipo de técnica de muestreo funciona en cadena. Luego de
observar al primer sujeto, el investigador le pide ayuda a él para identificar
a otras personas que tengan un rasgo de interés similar.
El proceso de muestreo de bola de nieve es como pedirles a tus sujetos que
designen a otra persona con el mismo rasgo como el próximo sujeto.
Luego, el investigador observa a los sujetos designados y sigue de la misma
manera hasta obtener el número suficiente de sujetos.
Por ejemplo, para obtener sujetos para un estudio que quiere analizar una
enfermedad rara, el investigador puede elegir utilizar el muestreo de bola
de nieve, ya que será difícil obtener sujetos. También es posible que los
pacientes con la misma enfermedad tengan un grupo de apoyo, y si uno de
sus miembros es tu primer sujeto, lo más probable es que allí encuentres
más sujetos para el estudio.
 Muestreo de bola de nieve lineal

Muestreo de bola de nieve no discriminatorio exponencial

Muestreo de bola de nieve discriminatorio exponencial

Ventajas del muestreo de bola de nieve
•El proceso en cadena permite que el investigador llegue a poblaciones que son
difíciles de probar cuando se utilizan otros métodos de muestreo.
•El proceso es barato, simple y rentable.
•Esta técnica de muestreo necesita poca planificación y menos mano de obra
que otras técnicas de muestreo.

Desventajas del muestreo de bola de nieve

•El investigador tiene poco control sobre el método de muestreo. Los
sujetos que el investigador puede obtener se basan principalmente en los
sujetos observados anteriormente.
•La representatividad de la muestra no está garantizada. El investigador no
tiene ni idea de la verdadera distribución de la población ni de la muestra.
•El sesgo de muestreo es también un miedo de los investigadores cuando se
utiliza esta técnica. Los primeros sujetos tienden a designar a personas que
conocen bien. Como consecuencia, es muy posible que los sujetos
compartan los mismos rasgos y características y, por lo tanto, la muestra
que obtenga el investigador será sólo un pequeño subgrupo de toda la
población.
Muestreo probabilístico

En el muestreo probabilístico, cada individuo de la población tiene igual probabilidad de ser

seleccionado como sujeto de la investigación.

Este método garantiza que el proceso de selección sea completamente aleatorio y sin sesgo.

El ejemplo más básico de muestreo probabilístico consiste en enumerar los nombres de todos
los individuos de la población en hojas separadas y luego sacar un número de hojas de a una de
la colección completa de nombres.

La ventaja de utilizar el muestreo probabilístico es la exactitud de los métodos estadísticos,

después del experimento.

También se puede utilizar para determinar los parámetros de la población, ya que es

representativo de toda la población.
Los muestreos probabilísticos pueden ser con o sin reemplazo.
 
Los muestreos con reemplazo son aquellos en los que una vez que ha sido
seleccionado un individuo (y estudiado) se le toma en cuenta nuevamente al elegir
el siguiente individuo a ser estudiado. En este caso cada una de las observaciones
permanece independiente de las demás, pero con poblaciones pequeñas (un grupo
de escuela de 30 alumnos, por ejemplo) tal procedimiento debe ser considerado
ante la posibilidad de repetir observaciones. En el caso de poblaciones grandes no
importa tal proceder, pues no afecta sustancialmente una repetición a las
frecuencias relativas.
 
Los muestreos sin reemplazo son los que una vez que se ha tomado en cuenta un
individuo para formar parte de la muestra, no se le vuelve a tomar en cuenta
nuevamente. En este caso, y hablando específicamente para el caso de poblaciones
pequeñas, las observaciones son dependientes entre sí, pues al no tomar en cuenta
nuevamente el individuo se altera la probabilidad para la selección de otro
individuo de la población. Para el caso de las poblaciones grandes (por ejemplo la
población de un país) dicha probabilidad para la selección de un individuo se
mantiene prácticamente igual, por lo que se puede decir que existe independencia
en las observaciones.
CALCULO DEL TAMAÑO DE LA MUESTRA.-

Cuando no se conoce el tamaño de la población

: z correspondiente al nivel de confianza elegido

: varianza poblacional
e: error máximo

Comprobar si se cumple

si esta condición se cumple el proceso termina aquí, y ese es el tamaño adecuado que debemos muestrear.

Si no se cumple, pasamos a una tercera fase:

3.- Obtener el tamaño de la muestra según la siguiente fórmula:

Veamos un ejemplo: La Consejería de Trabajo planea un estudio con el interés de
conocer el promedio de horas semanales trabajadas por las mujeres del servicio
doméstico. La muestra será extraída de una población de 10000 mujeres que figuran
en los registros de la Seguridad Social y de las cuales se conoce a través de un
estudio piloto que su varianza es de 9.648. Trabajando con un nivel de confianza de
0.95 y estando dispuestos a admitir un error máximo de 0,1, ¿cuál debe ser el tamaño
muestral que empleemos?.

Buscamos en las tablas de la curva normal el valor de  

que corresponde
= ±1.96 y. con el nivel de confianza elegido: 

Comprobamos que no se cumple 

10000 < 3706 (3706 - 1); 10000 < 13730730
, pues en es
 OTRA FORMA

La fórmula para calcular el tamaño de muestra cuando se desconoce el tamaño de la población es la siguiente:

En donde
2 Z = nivel de confianza,
Z . p.q
n 2 P = probabilidad de éxito, o proporción esperada
e2 Q = probabilidad de fracaso
E = precisión (error máximo admisible en términos de
proporción)
Ejemplo.- ¿A cuántas familias tendríamos que estudiar para conocer la preferencia del mercado en cuanto a
las marcas de shampoo para bebé, si se desconoce la población total?
Seguridad = 95%;
Precisión = 3%;
Proporción esperada = asumamos que puede ser próxima al 5%; si no tuviésemos ninguna idea de dicha
proporción utilizaríamos el valor p = 0.5 (50%) que maximiza el tamaño muestral

Entonces:
• Zα-2 = 1.962 (ya que la seguridad es del 95%)
• p = proporción esperada (en este caso 5% = 0.05) 1,96 2 x0,05 x0,95
n 2
 203
• q = 1 – p (en este caso 1 – 0.05 = 0.95) 0,03
• E = precisión (en este caso deseamos un 3%)

Se requeriría encuestar a no menos de 203 familias para poder tener una seguridad del 95%
Ejemplo.- ¿Cómo hubiera cambiando el ejemplo anterior, si se desconoce la proporción esperada?.
Cuando se desconoce la proporción esperada, se tiene que utilizar el criterio conservador (p = q = 0.5),
lo cual maximiza el tamaño de muestra de la siguiente manera:
• Z α-2 = 1.962 (ya que la seguridad es del 95%)
• p = proporción esperada (en este caso 50% = 0.5)
• q = 1 – p (en este caso 1 – 0.5 = 0. 5)
• E = precisión (en este caso deseamos un 3%) quedando como resultado:

1,96 2 x0,5 x0,5

n 2
 1068
0,03

Se requeriría encuestar a no menos de 1068 familias para poder tener una

seguridad del 95%
En el caso de que sí se conozca el tamaño de la población entonces se aplica la siguiente fórmula:

n   es el tamaño de la muestra;

Z   es el nivel de confianza;
Z 2 p.qN p   es la variabilidad positiva;
n 2 q   es la variabilidad negativa;
E ( N  1)  Z 2 p.q
N   es el tamaño de la población;
E   es la precisión o el error.

La ventaja sobre la primera fórmula es que al conocer

exactamente el tamaño de la población, el tamaño de la muestra
resulta con mayor precisión y se pueden incluso ahorrarse
recursos y tiempo para la aplicación y desarrollo de una
investigación.
Por ejemplo: En el Colegio de Bachilleres, una institución de nivel medio superior, se desea realizar una investigación
sobre los alumnos inscritos en primer y segundo años, para lo cual se aplicará un cuestionario de manera aleatoria a una
muestra, pues los recursos económicos y el tiempo para procesar la información resultaría insuficiente en el caso de
aplicársele a la población estudiantil completa.
En primera instancia, suponiendo que no se conoce el tamaño exacto de la población se aplicará la primera fórmula.
2
Z . p.q
n 2
e2
Esto quiere decir que el tamaño de la muestra es de 385 alumnos.

Supongamos ahora que sí se conoce el tamaño de la población estudiantil y es de 9,408, entonces se aplicará la
segunda fórmula. Utilizando los mismos parámetros la sustitución queda como:

Z 2 p.qN (1,96) 2 (0,5)(0,5)(9408) 0035,4432

n 2 n   369,08
E ( N  1)  Z 2 p.q (0,05) 2 (9408  1)  (1,96) 2 (0,5)( 0,5) 24,48

Con lo que se tiene una cota mínima de 370 alumnos para la muestra y así poder realizar la investigación sin más
costo del necesario, pero con la seguridad de que las condiciones aceptadas para la generalización (confiabilidad,
variabilidad y error) se mantienen.
Ejemplo.- ¿A cuántas familias tendríamos que estudiar para conocer la preferencia del mercado en cuanto a las
marcas de shampoo para bebé, si se conoce que el número de familias con bebés en el sector de interés es de
15,000?
 Seguridad = 95%;
Precisión = 3%;
Proporción esperada = asumamos que puede ser próxima al 5%; si no tuviese ninguna idea de dicha proporción
utilizaríamos el valor p = 0.5 (50%) que maximiza el tamaño muestral.

(1,96) 2 (0,05)(0,95)(15000)
n 2 2
 200
(0,03) (15000  1)  (1,96) (0,05)(0,95)
Se requeriría encuestar a no menos de 200 familias para poder tener una seguridad del 95%.
 
Ejemplo.-¿Cómo hubiera cambiando el ejemplo anterior, si se desconoce la proporción esperada?
Si se desconoce la proporción esperada, se tendría que utilizar el criterio conservador (p = q = 0.5), lo cual
maximiza el tamaño de muestra de la siguiente manera:

(1,96) 2 (0,5)(0,5)(15000)
n 2 2
 997
(0,03) (15000  1)  (1,96) (0,5)(0,5)

Se requeriría encuestar a no menos de 997 familias para poder tener una seguridad del 95%
Conclusiones sobre el nivel de seguridad en el muestreo
Según diferentes seguridades, el coeficiente de Zα varía así:
• Si la seguridad Zα fuese del 90% el coeficiente sería 1.645
• Si la seguridad Zα fuese del 95% el coeficiente sería 1.96
• Si la seguridad Zα fuese del 97.5% el coeficiente sería 2.24
• Si la seguridad Zα fuese del 99% el coeficiente sería 2.576
 
1. Muestreo aleatorio simple (es el más importante): cada elemento de la población tiene la misma
probabilidad de ser elegido, las observaciones se realizan con reemplazamiento, de manera que la
población es idéntica en todas las extracciones, o sea, que la selección de un individuo no debe
afectar a la probabilidad de que sea seleccionado otro cualquiera aunque ello comporte que algún
individuo pueda ser elegido más de una vez. ( "se hacen tantas papeletas numeradas como
individuos hay , se coge una y se devuelve , se vuelve a coger otra y se devuelve , etc")

El muestreo aleatorio siemple se puede aplicar en muchos métodos. El más primitivo y

mecánico sería el de la lotería. A cada miembro de la población se le asigna un número.
Todos los números se colocan en un recipiente o un sombrero y se mezclan. Con los ojos
vendados, el investigador va sacando las etiquetas con números. Todos los individuos que
tengan los números sacados por el investigador son los sujetos del estudio. Otra forma sería
que una computadora haga la selección al azar de la población. En el caso de poblaciones con
pocos miembros, es aconsejable utilizar el primer método, pero si la población tiene muchos
miembros, es preferible una selección aleatoria por computadora.
Ventajas del muestreo aleatorio simple

Una de las mejores cosas del muestreo aleatorio simple es la facilidad para armar la muestra.
También se considera una forma justa de seleccionar una muestra a partir de una población, ya que
cada miembro tiene igualdad de oportunidades de ser seleccionado.

Otra característica clave del muestreo aleatorio simple es la representatividad de la población. En

teoría, lo único que puede poner en peligro su representatividad es la suerte. Si la muestra no es
representativa de la población, la variación aleatoria es denominada error de muestreo.

Para sacar conclusiones de los resultados de un estudio son importantes una selección aleatoria
imparcial y una muestra representativa.
Desventajas del muestreo aleatorio simple
• Una de las limitaciones más evidentes del
muestreo aleatorio simple es la necesidad de
una lista completa de todos los miembros de
la población.
• Debes tener en cuenta que la lista de la
población debe estar completa y actualizada.
• Esta lista generalmente no está disponible en
poblaciones grandes.
• Cuando se trabaja con muestras pequeñas,
es posible que no represente a la población
adecuadamente.
• En estos casos, es más prudente utilizar otras
técnicas de muestreo.
EJEMPLO
Suponga que nos interesa elegir una muestra aleatoria de 5
estudiantes en un grupo de estadística de 20 alumnos. 2oC5 da
el número total de formas de elegir una muestra no ordenada y
este resultado es 15,504 maneras diferentes de tomar la
muestra. Si listamos las 15,504 en trozos separados de papel,
una tarea tremenda, luego los colocamos en un recipiente y
después los revolvemos, entonces podremos tener una muestra
aleatoria de 5 si seleccionamos un trozo de pape! con cinco
nombres. Un procedimiento más simple para elegir una muestra
aleatoria sería escribir cada uno de !os 20 nombres en pedazos
separados de papel, colocarlos en un recipiente, revolverlos y
después extraer cinco papeles al mismo tiempo.

Hay muchas situaciones en las cuales el muestreo aleatorio simple es poco práctico o no
deseado, aunque sería deseable usar muestras aleatorias simples para las encuestas nacionales
de opinión sobre productos o sobre elecciones presidenciales, sería muy costoso o tardado.
Muestreo sistemático: es cuando los elementos de la población están ordenados por listas. Se elige un
individuo al azar y a continuación a intervalos constantes se eligen todos los demás hasta completar la
muestra. Si el orden de los elementos es tal que los individuos próximos tienden a ser más semejantes que
los alejados, el muestreo sistemático tiende a ser más preciso que el aleatorio simple, al cubrir más
homogéneamente toda la población.

Para determinar una muestra de tamaño n

conseguimos una lista de N elementos,
definimos un intervalo de salto k=N/n y
elegimos un número aleatorio entre 1 y k
con el que comenzamos la selección de la
muestra.
Ejemplo.-
A partir de una lista de 100 establecimientos de comestibles,
deseamos seleccionar una muestra probabilística de 20 tiendas.
La forma de hacerlo sería:
 dividir 100 entre 20 para obtener 5, que es un salto
sistemático
 extraer un número al azar entre 1 y 5. Supóngase que es el
número 2 el cual corresponde al primer elemento
seleccionado.
 Se incluyen en la muestra de establecimientos numerados: 2,
7, 12, 17, 22,…..,97.
Ventajas:
 Fácil de aplicar
 No siempre es necesario tener un listado de toda la
población
 Cuando la población esta ordenada siguiendo una
tendencia conocida, asegura una cobertura de
unidades de todos los tipos.
 
Desventajas:
 Si la constante de muestreo está asociada con el
fenómeno de interés, se pueden hallar
estimaciones sesgadas.
Muestreo 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.). 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.
Se realiza una la división de la población de estudio en grupos o estratos
homogéneos (o que se suponen homogéneos) respecto a la variable de
interés. A cada estrato se le asignaría una cantidad o cuota que representa
el número de miembros o elementos del mismo que deben componer la
muestra. Dentro de cada estrato el muestreo se realizaría mediante un
muestreo aleatorio simple.
MUESTREO POR CONGLOMERADOS.-

Cuando la unidad básica de muestreo se encuentra en la población en grupos o conglomerados y la

selección de la unidad permite la observación del total de elementos de cada conglomerado elegido.
Cada conglomerado tiene las mismas características de población; puede hacerse un segundo muestreo
dentro del conglomerado seleccionado, denominándose de doble etapa.
El muestreo se hace seleccionando en forma aleatoria algunos conglomerados dentro del conjunto total
y procediendo a analizar a la población a partir de aquellos elementos seleccionados.
Ejemplo:
En una investigación en la que se trata de conocer el grado de
satisfacción laboral los profesores de instituto necesitamos una
muestra de 700 sujetos. Ante la dificultad de acceder
individualmente a estos sujetos se decide hacer una muestra por
conglomerados. Sabiendo que el número de profesores por
instituto es aproximadamente de 35, los pasos a seguir serían los
siguientes:
1. Recoger un listado de todos los institutos.
2. Asignar un número a cada uno de ellos.
3. Elegir por muestreo aleatorio simple o sistemático los 20
institutos (700/35=20) que nos proporcionarán los 700
profesores que necesitamos.