Professional Documents
Culture Documents
El Muestreo
INTRODUCCIN
El muestreo es bsicamente una tcnica estadstica que selecciona una muestra a partir de una
poblacin. Siendo la poblacin, todo conjunto de elementos, finito o infinito, definido por una o ms
caractersticas, de las que gozan todos los elementos que lo componen. Por tanto el muestreo se da
sobre una poblacin objetivo que es la recoleccin de elementos u objetos que poseen la informacin
buscada por el investigador y acerca de la cual se deben realizar deducciones.
Existen dos tipos de muestreos que engloban a su vez a subgrupos: el muestreo probabilstico y el
VA
RO
IN
OBJETIVOS
EU
MAPA CONCEPTUAL
EUROINNOVA
1. Concepto y alcance
Muestreo
El error que se comete debido a hecho de que se obtienen conclusiones sobre cierta realidad a partir
de la observacin de slo una parte de ella, se denomina error de muestreo. Obtener una muestra
adecuada significa lograr una versin simplificada de la poblacin, que reproduzca de algn modo
IN
VA
Para estudiar una poblacin se puede hacer de dos formas diferentes en funcin del tipo de investigacin que
se haga:
Diremos que se ha realizado un estudio Exhaustivo o censo cuando la investigacin se ha hecho sobre
todos y cada uno de los elementos que constituyen la poblacin.
Diremos que se ha realizado un estudio por muestreo cuando la investigacin se ha realizado nica y
exclusivamente sobre una muestra, un subconjunto limitado y convenientemente seleccionado de la
poblacin.
RO
EU
La poblacin es todo 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.
En muestreo se entiende por poblacin a la totalidad del universo que interesa considerar, y que
es necesario que est bien definido para que se sepa en todo momento que elementos lo componen.
No obstante, cuando se realiza un trabajo puntual, conviene distinguir entre dos tipos de poblacin:
En ocasiones resulta posible estudiar cada uno de los elementos que componen la poblacin,
realizndose lo que se denomina un censo, es decir, el estudio de todos los elementos que
componen la poblacin.
Si la numeracin de elementos, se realiza sobre la poblacin accesible o estudiada, y no sobre la
poblacin terica, entonces el proceso recibe el nombre de marco o espacio muestral.
EUROINNOVA
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 poblacin. Para que
una muestra sea representativa, y por lo tanto til, debe de reflejar las similitudes y diferencias
encontradas en la poblacin, ejemplificar las caractersticas de la misma. Cuando decimos que una
muestra es representativa indicamos que rene aproximadamente las caractersticas de la poblacin
que son importantes para la investigacin.
VA
Las fases que se deben seguir para el proceso de muestreo son las siguientes:
Estas etapas estn interrelacionadas en forma cercana y relevante con todos los aspectos del
IN
RO
EU
Poblacin objetivo
Poblacin objeto.
De la poblacin de referencia podemos identificar dos grupos diferentes, la poblacin afectada por
el problema (con problema) y la no afectada (poblacin potencial o sin problema).
EUROINNOVA
Tambin podemos decir que la poblacin objetivo es la recoleccin de elementos u objetos que
poseen la informacin buscada por el investigador y acerca de la cual se deben realizar deducciones.
La poblacin objetivo se debe definir en forma precisa ya que si se define incorrectamente
realizaremos con toda probabilidad una investigacin imprecisa.
Por ello la poblacin objetivo debe definirse en trminos de elementos, unidades de muestreo,
extensin y tiempo. Un elemento lo podemos definir como el objeto sobre el cual deseamos obtener
la informacin. Una unidad de muestreo es un elemento o unidad que contiene el elemento,
VA
disponible para la seleccin en alguna etapa del proceso de muestreo. La extensin se refiere a los
lmites geogrficos y el factor de tiempo es el periodo de tiempo que se considera.
Marco de muestreo
A menudo es posible obtener una lista de elementos de poblacin, pero la lista puede omitir algunos
IN
elementos de la poblacin o incluir otros elementos que no pertenecen. Por lo tanto, el uso de una
lista llevar al error de marco de muestreo
RO
EU
formas.
Incluso otro mtodo es ajustar los datos recolectados mediante un esquema de pesaje para
equilibrar el error de marco de muestreo.
Sin importar que mtodo se adopte, es importante reconocer cualquier error de marco de muestreo
que exista para evitar deducciones de poblacin inapropiadas.
VA
encontraremos ante situaciones en que no existen diferencias significativas entre las muestras.
Adems, cualquier muestra que sea superior a la necesaria, aumentar los costes y el tiempo del
estudio, lo que puede hacer que no sea viable econmicamente.
IN
En l mtodo bayesiano, los elementos se seleccionan siguiendo una secuencia. Despus de que
cada elemento se suma a la muestra, se recopilan los datos, se computan las estadsticas de
muestreo y se determinan los costos del mismo. El mtodo bayesiano incorpora de manera explcita
RO
informacin previa acerca de los parmetros de poblacin as como los costos y probabilidades
relacionadas con tomar malas decisiones. Este mtodo es tericamente atractivo. Sin embargo, no se
utiliza en forma amplia en la investigacin de mercados internacionales porque no se dispone de
EU
Comenzar Actividad
La decisin ms importante acerca de la eleccin de la tcnica de muestreo es el utilizar el
VA
casa y las entrevistas telefnicas tal vez no sea suficiente especificar slo el nmero de telfono o la
direccin. Por ejemplo la persona que atiende el timbre debe ser entrevistada, o alguien ms en el
hogar?
IN
A menudo puede calificar a ms de una persona en el hogar. Por ejemplo, tanto el hombre como la
mujer jefes de familia pueden ser elegibles para participar en un estudio que examina las
RO
actividades familiares en el tiempo libre. Cuando se utiliza una tcnica de muestreo probabilstico,
se debe hacer una seleccin aleatoria de todas las personas elegibles en cada hogar. Un
procedimiento simple para la seleccin aleatoria es el mtodo del siguiente cumpleaos. El
entrevistador pregunta cul de las personas elegibles en el hogar tiene el prximo cumpleaos e
EU
Esquema sobre
EUROINNOVA
VA
varios los objetivos principales se determina un tamao de muestra para cumplir cada objetivo y
IN
RO
muestra.
El tamao de la muestra depende bsicamente del tamao de la poblacin, del nivel de confianza o
confiabilidad de las estimaciones, del grado de variacin o dispersin de la variable a estudiar y del
EU
error de estimacin.
lgico puede ser del 3 por ciento; pero si se va a estimar el peso promedio de un grupo de
estudiantes, un error de estimacin lgico puede ser de 7 kilos. A mayor error de estimacin menor
tamao de muestra.
Dependiendo del tipo de estimador que se desee obtener, se debe utilizar una frmula diferente para
calcular el tamao de la muestra.
VA
IN
Se le denomina muestra porque es un subgrupo de los elementos que conforman la poblacin seleccionada
para participar en el estudio. Un plan de muestreo sigue un proceso de cinco pasos, estos son:
Tambin encontramos otras definiciones del plan de muestreo desde otra perspectiva, ya que
podemos decir, que consiste en determinar el nmero mximo de casos no cumplidores (fracasos)
RO
que podemos obtener en una muestra de tamao muestral determinado, que nos permita distinguir
entre una muestra aceptable y una muestra no aceptable.
EU
Estndar: otros autores lo describen como el nivel de calidad aceptable o umbral superior. Es el valor
que define un nivel de buena calidad para el indicador.
Umbral. Otros autores lo denominan como el nivel de calidad rechazable o umbral inferior. Es el valor
que define un nivel de mala calidad para el indicador.
EUROINNOVA
Muestras Probabilsticas: subgrupo de la poblacin en el que todos los elementos de esta tienen
la misma posibilidad de ser elegidos.
Muestras No Probabilsticas: subgrupo de la poblacin en la que la eleccin de los elementos no
depende de la probabilidad sino de las caractersticas de la investigacin.
VA
excesivamente costos, aun siendo conscientes de que no sirve para realizar generalizaciones y no se
tiene certeza de que la muestra extrada sea representativa, ya que no todos los sujetos de la
poblacin tienen la misma probabilidad de ser elegidos.
Este tipo de muestreo lo realiza el investigador, no el azar, lo que supone que las muestras son
menos representativas que las probabilsticas, pero se reducen los costes y el tiempo de la seleccin.
IN
claros resultados.
En este tipo de muestreo, puede haber clara influencia de la persona o personas que seleccionan la
muestra o simplemente se realiza atendiendo a razones de comodidad. Salvo en situaciones muy
RO
EU
telefnica por la maana, las personas que no tienen telfono o que estn trabajando, no podrn
formar parte de la muestra.
EUROINNOVA
VA
RO
Nivel de confianza.
IN
Grado de variacin.
EU
Error de estimacin.
y el investigador.
Los sujetos de una investigacin especfica, son seleccionados para el estudio slo porque son ms
fciles de reclutar y el investigador no est considerando las caractersticas de inclusin de los
sujetos que los hace representativos de toda la poblacin.
En todas las formas de investigacin, sera ideal generalizar los resultados a la totalidad de la
poblacin, pero en la mayora de los casos, la poblacin es demasiado grande y resulta imposible
VA
incluir cada individuo. Esta es la razn por la cual la mayora de los investigadores utilizan tcnicas
de muestreo, como el muestreo de conveniencia, que es una de las ms comunes de todas las
tcnicas de muestreo. Muchos investigadores prefieren esta tcnica de muestreo, ya que es rpida,
Se utiliza mucho en algunas situaciones como las pruebas piloto o pretest porque permite obtener
los datos bsicos y las Tendencias con respectos a su estudio sin las complicaciones de una
muestra aleatoria.
IN
Conlleva un sesgo sistemtico que proviene del sesgo de muestreo. Es decir, hay una clara diferencia
entre los resultados de la muestra y los resultados tericos de toda la poblacin.
Tambin la limitacin en la generalizacin y las posibles inferencias que pueden surgir sobre toda una
poblacin.
Por ltimo, comentar la baja validez externa que puede tener el estudio en algunas ocasiones.
RO
EU
El muestreo discrecional, tambin conocido como muestreo intencional o por juicio, se utiliza en
los casos en que la especialidad de una autoridad puede seleccionar una muestra ms representativa
que pueda arrojar resultados ms precisos que mediante otras tcnicas de muestreo probabilstico.
discrecional.
La seleccin de los individuos de la muestra es realizada por un experto que indica al investigador
qu individuos de la poblacin son los que ms pueden contribuir al estudio. Es decir, los sujetos se
seleccionan a base del conocimiento y juicio del investigador.
Este muestreo es adecuado si dentro de la poblacin que queremos estudiar, existen individuos que
no queremos que se nos escapen por utilizar un mtodo totalmente aleatorio o de conveniencia.
VA
Tenemos varios ejemplos claros para este tipo de muestreo como son el muestreo por juicios o los
cajeros de un banco o un supermercado, etc.
3.2.1. Ventajas
Las ventajas del muestreo discrecional son:
RO
3.2.2. Inconvenientes
IN
Este tipo de muestreo es subjetivo y su valor depende por completo de esta subjetividad.
No son representativas de ninguna poblacin definida.
La poblacin no est definida de forma explcita.
No permite generalizaciones directas a una poblacin especfica.
EU
Supongamos que tenemos una poblacin de N individuos y que queremos elegir una muestra n sujetos.
Tomaremos los individuos para la muestra mediante el siguiente proceso:
La poblacin se divide en k estratos o grupos, tales como la edad, sexo, nivel educativo, etc.
Supongamos que los estratos tienen N1, N2,, Nk elementos, tales que:
N = N1 + N2 + + Nk
El investigador elige las cuotas (nmero de sujetos) n1, n2,, nk que se van a tomar de cada grupo,
siendo su suma el total de elementos n de la muestra:
EUROINNOVA
n = n1 + n2 + + nk
Las cuotas se pueden decidir a criterio lgico del investigador o mediante criterios adaptados a la
muestra.
Se eligen los elementos en cada estrato o grupo por mtodos no probabilsticos. Por ejemplo, podramos
elegir los elementos de la muestra de nuestra ciudad porque resulta ms cmodo, o de un grupo de
voluntarios, etc.
VA
IN
El muestro pos cuotas se utiliza cuando se tienen datos adicionales de los individuos (edad, seco,
RO
etc.) y se pueden utilizar ya que el investigador considera que estos datos pueden influenciar en las
caractersticas que se estudian.
El anlisis por estratos permite un posterior anlisis de las diferencias entre grupos.
EU
Las cuotas de los grupos se pueden elegir a criterio del investigador o mediante criterios estadsticos. Veamos
tres criterios estadsticos:
Eleccin simple: las cuotas sern las mismas en los k estratos. De cada estrato se seleccionaran n/k
individuos. Este criterio no es recomendable cuando los estratos tienen diferente nmero de individuos.
Eleccin proporcional al tamao del estrato: la cuota en cada grupo es proporcional a los
elementos de dicho grupo. En cada estrato se tomarn ni elementos, calculados mediante la frmula:
EUROINNOVA
VA
IN
muestras potenciales de un tamao determinado que pueden tomarse de una poblacin, as como la
probabilidad de seleccionar cada muestra.
RO
No es necesario que todas las muestras potenciales tengan la misma probabilidad de seleccin, pero
es posible especificar la probabilidad de seleccionar cualquier muestra en particular de un tamao
EU
determinado.
EUROINNOVA
muestra. Esto requiere una definicin precisa de la poblacin meta, y tambin una especificacin
general del marco de la muestra.
Comenzar Actividad
Arrastra las palabras de la columna Derecha en la columna Izquierda
VA
Muestreo de
conveniencia.
Muestreo
discrecional.
IN
arrastra...
arrastra...
EU
Comprobar
RO
EUROINNOVA
Este tipo de muestreo se caracteriza por su simplicidad y fcil comprensin, aunque tambin posee
algunas limitaciones, ya que no siempre es posible disponer de un listado de todos los individuos que
componen la poblacin, generalmente cuando son poblaciones grandes. Si se seleccionan muestras
pequeas mediante este mtodo pueden aparecer errores aleatorios, no representando la muestra
adecuadamente a la poblacin. Un ejemplo de muestreo aleatorio simple sera la eleccin de los
individuos a travs de la eleccin realizada totalmente al azar de un cierto nmero de DNI.
El proceso es el siguiente. El investigador debe compilar primero un marco de muestra, a cada
VA
elemento del marco le asignaremos un nmero de identificacin nico. Se generan unos nmeros
aleatorios mediante una tabla para determinar que elementos incluiremos en la muestra. Estos
nmeros que hemos elegidos estarn incluidos en el marco de muestra, en caso contrario se ignoran.
4.1.1 Ventajas
IN
RO
Tras esto proseguiremos con el proceso hasta tener todos los elementos de la muestra.
4.1.2. Inconvenientes
Con frecuencia es difcil construir un marco que permita seleccionar una muestra aleatoria simple.
A veces producen como resultado muestras muy extensas, o diseminadas en amplias reas geogrficas,
incrementando tiempo y costo de la recopilacin de datos.
Resultados con menor precisin, con error estndar ms grandes, que las otras tcnicas de muestreo
probabilstico.
La muestra puede ser representativa o no.
A pesar de que las muestras que se toman representarn a la poblacin en forma adecuada, es probable
que una muestra determinada no represente a la poblacin meta.
Esto es ms probable si el tamao de la muestra es reducido.
EU
Supongamos que tenemos una poblacin de N individuos ordenados del 1 al N. Queremos seleccionar
EUROINNOVA
VA
Ilustracin de
muestreo probabilstico sistemtico.
A continuacin se expone el siguiente ejemplo para comprender mejor este tipo de muestro
probabilstico.
Suponemos que queremos saber la opinin sobre un profesor de una clase de 60 personas. Dichas
personas estn ordenadas por orden alfabtico en la lista de alumnos de clase. Para realizar la
K = N/n = 60/12 = 5
IN
encuesta, seleccionamos a 12 personas. Por lo tanto, N=60 y n=12. El intervalo fijo entre sujetos es:
RO
Ahora elegimos al azar un nmero entre 1 y k=5. Suponemos que nos sale i=2. La muestra resultado
EU
Ilustracin de un ejemplo
de muestreo probabilstico sistemtico.
4.2.1. Ventajas
Las ventajas del muestreo probabilstico sistemtico son:
EUROINNOVA
4.2.2. Inconvenientes
Los inconvenientes del muestreo probabilstico sistemtico son:
Si los elementos no estn ordenados con una caracterstica de inters, los resultados sern similares al
muestreo aleatorio simple.
Una muestra sencilla puede ser no representativa.
Si el orden de los elementos produce un patrn cclico, se puede reducir lo representativo de la
muestra.
VA
EU
RO
IN
Esta divisin suele realizarse segn una caracterstica que pueda influir sobre los resultados del
estudio. Por ejemplo, en el caso de seleccionar una muestra para evaluar la altura, dada la
heterogeneidad entre hombres y mujeres, la variable de gnero podra ser una variable de
estratificacin. Si la estratificacin se realiza respecto un carcter se denomina muestreo
estratificado simple, y si se realiza respecto dos o ms caractersticas se denomina muestreo
estratificado compuesto.
Si tenemos constancia o suponemos a priori que la poblacin de estudio presenta variabilidad de
respuesta con respecto a alguna caracterstica propia, deberemos tener en cuenta este tipo de
muestreo, dado que se producen estimaciones ms precisas cuanto ms homogneos sean los
elementos del estrato y ms heterogeneidad exista entre estratos. As pues, entre las ventajas de
EUROINNOVA
este tipo de muestreo es que tiende a asegurar que la muestra represente adecuadamente a la
poblacin en funcin de la variable de estratificacin seleccionada, sin embargo, debe conocerse la
distribucin de la poblacin en las variables de estratificacin, clara desventaja de este muestreo.
La distribucin de la muestra en funcin de los diferentes estratos se denomina afijacin, y puede ser de
diferentes tipos:
VA
Para obtener la muestra en cada uno de los estratos pueden aplicarse diferentes fracciones de
millones de hipertensos espaoles hay un 35% de pacientes que fuman, podemos estratificar de
manera que en nuestra muestra queden representados al igual que en el total de la poblacin, la
IN
RO
Comenzar Actividad
Arrastra las palabras de la columna Derecha en la columna Izquierda
EU
EUROINNOVA
Muestreo
probabilstica
estratificado.
Muestreo
probabilstica
sistemtico.
Muestreo
probabilstica simple.
Comprobar
4.3.1. Ventajas
Las ventajas del muestreo probabilstico estratificado son:
4.3.2. Inconvenientes
RO
Se requiere una seleccin excluyente y exhaustiva, ya que se debe colocar a cada elemento de la
poblacin en un grupo, ninguno debe quedar eliminado.
Requiere control sobre variables extraas que puedan aumentar el error muestral.
Si se incluye ms de 6 variables de estratificacin se generan problemas de precisin muestral.
En el muestreo estratificado desproporcional algunos estratos toman ms atencin que otro y toman
mayor parte en el muestreo, a diferencia de otros estratos.
En el muestreo estratificado desproporcional puede variar la calidad y cantidad de informacin por la
diferencia que hay en el tamao de la muestra.
Los gastos se incrementan con el uso de la muestra estratificada proporcional.
IN
VA
EU
conglomerados naturales.
Una vez seleccionados los conglomerados, el estudio se simplifica puesto que hay menos individuos
en el anlisis. El investigador debe elegir si estudiar a todos los sujetos de los conglomerados
seleccionados o seleccionar una muestra mediante el mtodo de muestreo aleatorio simple o
muestreo sistemtico.
Para realizar un muestreo por conglomerados primero debemos decidir que agrupaciones naturales
de individuos vamos a tomar y posteriormente conocer que nmero de conglomerados (al que
VA
tomaremos de ellos todas sus unidades de anlisis. Este sera el caso ms sencillo de muestreo por
EU
RO
IN
conglomerado monoetpico.
EUROINNOVA
Recuerda
VA
IN
RO
EU
Glosario
EUROINNOVA
Tendencias: 1. Inclinacin o disposicin natural que una persona tiene hacia una cosa determinada 2.
Idea u opinin que se orienta hacia una direccin determinada, especialmente ideas polticas, religiosas
o artsticas.
Certeza: Conocimiento seguro y claro de alguna cosa.
VA
Ejercicio
Supn que estamos investigando sobre el porcentaje de alumnos que trabajan de una poblacin de
RO
IN
EU
1. Elige una muestra aleatoria simple de tamao n=4 de esta poblacin. Usa la tabla de
nmeros aleatorios adjunta, empieza en la fila 1 columna 1 y contina seleccionando hacia
la derecha. Indica los pasos para elegir la muestra.
El alumno deber enviar las soluciones de la presente actividad al BUZN DE ACTIVIDADES, para
que se proceda a la valoracin de la misma.
EUROINNOVA
Propuestas Debate
En ocasiones en que no es posible o conveniente realizar un censo (analizar a todos los elementos de
una poblacin), se selecciona una muestra, entendiendo por tal una parte representativa de la
poblacin.
El muestreo es por lo tanto una herramienta de la investigacin cientfica, cuya funcin bsica es
determinar que parte de una poblacin debe examinarse, con la finalidad de hacer inferencias sobre
VA
dicha poblacin.
IN
RO
Para que una muestra sea representativa, y por lo tanto til, debe de reflejar las similitudes y
diferencias encontradas en la poblacin, es decir ejemplificar las caractersticas de sta.
Los errores ms comunes que se pueden cometer son:
EU
1. Hacer conclusiones muy generales a partir de la observacin de slo una parte de la Poblacin, se
denomina error de muestreo.
2. Hacer conclusiones hacia una poblacin mucho ms grande de la que originalmente se tom la
muestra. Error de Inferencia.
En la estadstica se usa la palabra poblacin para referirse no slo a personas sino a todos los
elementos que han sido escogidos para su estudio y el trmino muestra se usa para describir una
porcin escogida de la poblacin.
Cuestiones a debatir
EUROINNOVA