Professional Documents
Culture Documents
Gua de Muestreo
Maracaibo, 2003
A mis padres,
Josefina y Joe,
as como a Mercedes,
Javier Enrique e Isabella,
todos son una muestra representativa
de que el amor y la esperanza existen todos
los das y que el universo est lleno de ambos.
Agradecimientos:
CONTENIDO
PGINA
Introduccin 6
Captulos:
Bibliografia citada 83
Apndices 84
INTRODUCCIN:
investigacin cientfica. La opinin de una persona sobre una institucin que lleva a cabo
miles de transacciones diarias, con frecuencia est determinada por uno o dos encuentros
que esta persona ha tenido con la institucin. Otro tanto ocurre con las personas a quienes
nos acercamos o alejamos, de acuerdo con una imagen que nos hacemos de ellas, despus
de slo dos o tres contactos (visuales, auditivos, orales o por referencias) con las mismas.
[Por cierto, quin sera el primero que afirm que "la primera impresin es la que vale"?].
Hasta la mitad del siglo XX se haba prestado muy poca atencin a los
sus resultados. Esto no importa tanto mientras sea uniforme el "campo" de donde estemos
muestreando, de tal manera que cualquier tipo de muestra proporcione resultados casi
iguales. Por ejemplo, los diagnsticos de laboratorio sobre el estado de nuestra salud son
realizados sobre la base de unas cuantas gotas de sangre. Este procedimiento est basado
en el supuesto de que, en el torrente circulatorio, la sangre est bien mezclada y que una
gota cuenta la misma historia que otra (Gracias a Dios!). Pero cuando el "campo" est
muy lejos de ser uniforme, como a menudo es el caso, es crtico el mtodo mediante el cual
como medio de acercarse al conocimiento de la realidad. Sin embargo, para que esto sea
posible, para que a travs de las muestras sea posible reproducir el universo con la
precisin que se requiera en cada caso es necesario que el diseo muestral se atenga a los
inferencias de una muestra hacia una poblacin de inters. Por esa razn, el muestreo,
de conclusiones.
bsicos de muestreo probabilstico, a partir de los cuales se derivan otras tcnicas de mayor
decisiones en el uso de la metodologa del muestreo, para personas que slo hayan
concretas. Esto ltimo es reforzado con la inclusin de una poblacin real: referida a la
empleo de cada tcnica de muestreo. Con esto, se busca llenar un vaco en la literatura
parcialmente, sin mostrar todos los pasos que pueden seguirse a la hora de hacer un
incluyen ejemplos parciales cuando son necesarios para acceder finalmente al Problema
Completo.
una breve lista de conceptos bsicos que se suponen ya conocidos por el lector con
procedimientos primarios del Muestreo Estadstico, cada uno de los cuales, es abordado en
Captulo I
CONCEPTOS BSICOS
A
lgunas definiciones bsicas son necesarias para una buena
predecir los resultados con exactitud ya que stos dependen del azar.
un experimento aleatorio.
Generalmente, las variables aleatorias se simbolizan con las ltimas letras maysculas del
alfabeto, como X, Y y Z y los valores que toman se denotan con las correspondientes
puede ser finita o infinita y su tamao es denotado, generalmente, con el smbolo: " N".
corresponden a una variable en el universo que interesa considerar y que es necesario que
est bien definido para que se sepa en todo momento que elementos lo componen.
poblacin terica: conjunto de elementos a los cuales se quiere extrapolar los resultados y
estudio de todos los elementos que componen una poblacin, sobre todo si sta 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 poblacin sea infinita o tan grande que
captulo se ampliar una discusin sobre esta definicin y se especificarn distintos tipos
de muestras.
el tiempo) y, por lo general, no se conoce, por lo cual se intenta estimar a partir de los
datos de una muestra. Por lo regular, se simboliza con letras griegas; as (media
2
poblacional), (varianza poblacional), (coeficiente de correlacin), etc.
para estimar parmetros. En otras palabras, es una medicin referida a los elementos de
una muestra. Generalmente es simbolizado por letras latinas minsculas; as: X (media
probabilidades de todos los valores posibles que un estadstico puede tomar cuando es
calculado con muestras de igual tamao, extradas al azar de una misma poblacin.
clara de hasta dnde y con qu probabilidad una estimacin basada en una muestra se aleja
del valor que se hubiera obtenido por medio de un censo completo. Siempre se comete un
cometerlo (los resultados se someten a error muestral e intervalos de confianza que varan
muestra a muestra). Un estadstico ser ms preciso en cuanto y tanto su error sea menor.
fiabilidad.
ajuste a la realidad. Cualquier informacin que queremos recoger est distribuida segn
Captulo II
E
l objetivo ms importante de la Estadstica es hacer inferencias acerca de una
conclusiones vlidas para sta con el uso de informacin proveniente de tan slo una parte
Completa, el cual consiste en obtener conclusiones acerca de una poblacin a partir del
anlisis de todos y cada uno de los elementos que componen dicha poblacin.
por lo que se requiere, en cada caso, del anlisis detallado de determinados factores y
muestra requiere, evidentemente, una cantidad de tiempo menor que la que se utilizara si
datos.
observacin o medida de cada elemento al utilizar muestras, por cuanto se puede entrenar y
todos los casos de la poblacin. Esta ventaja es an mayor si se considera que, en ciertos
prohibitivo el uso de un censo por lo costoso que sera el mismo. As, en general, el
trabajar con muestras conlleva a una menor demanda de personal y de otros recursos en el
desarrollo de la investigacin.
necesitar muestras excesivamente grandes que pueden ser tan costosas como la realizacin
de un censo.
alcanzar costos muy altos en el trabajo de seleccin y control de la muestra. sto se debe a
muestreo, el cual requiere menor cantidad de trabajo bruto pero mayor refinamiento y
riesgo, sin embargo, puede ser controlado a travs de ciertos procedimientos estadsticos
que se presentarn en captulos posteriores. Para que una muestra sea representativa, y
por lo tanto til, debe reflejar las similitudes y diferencias encontradas en la poblacin,
azar en la determinacin de cules son los elementos que se incluyen en la muestra. Con
estos procedimientos no es posible conocer cules son las probabilidades asociadas con
precisin de las conclusiones a inferir para toda la poblacin y, por lo tanto, se disvirta el
de muestras cuyos elementos son escogidos bien sea por decisin personal del investigador
conscientes de que no sirven para realizar generalizaciones, pues no se tiene certeza de que
la muestra extrada sea representativa, ya que no todos los sujetos de la poblacin tienen
vez determinada la cuota se eligen las primeras personas que se encuentren que cumplan
esas caractersticas. Este mtodo se utiliza mucho en las encuestas de opinin. Por ejemplo,
es: conocer por los informes del Ministerio de Educacin cules son los centros ms
afectados por el problema, fijar un nmero de sujetos a entrevistar proporcional a cada uno
de los estratos (cuotas) y finalmente dejar en manos de los responsables del trabajo de
voto.
los que se tiene fcil acceso (los profesores de universidad emplean con mucha frecuencia
conducen a otros y estos a otros y as hasta conseguir una muestra suficiente. Este tipo se
unidades de la muestra debe realizarse a travs de algn procedimiento que dependa slo
del azar y que sea consistente con las probabilidades a las cuales se ha hecho
propiedades sealadas, permiten tener una idea sobre la exactitud de los estimadores y
posibilitan el control de los errores de muestreo que son inherentes a todo diseo o plan
hecho de tomar slo una parte de la poblacin y no toda ella y, por tanto, siempre, est
implcito en todo procedimiento de muestreo, vale decir, es inevitable. Sin embargo, puede
ser controlado y medido con el uso de procedimientos de muestreo probabilstico que han
probabilstica:
punto importante en la planeacin del muestreo y envuelve, por lo tanto, una decisin
particular, est relacionada con un conjunto de factores que han sido analizados por los
tericos del muestreo estadstico y que permite establecer, a travs de ciertas ecuaciones,
un tamao ptimo de muestra a partir de dichos factores. Estos factores son los siguientes:
posible seleccionar menos elementos para la muestra, ya que con pocos casos se puede
las variables ms importantes para el estudio en cuestin. La medida que permite dicho
conocimiento es la varianza.
estimacin a saber:
para as tratar de localizar informaciones, entre otras cosas, con relacin a las varianzas
estimadas, las cuales podran asumirse como las varianzas poblacionales en el nuevo
estudio.
extraer una pequea parte preliminar de la poblacin llamada muestra piloto, con la
finalidad de estimar en sta a una o varias varianzas poblacionales que posibiliten luego la
extrada en la muestra piloto, es tambien utilizada en la muestra final pero, sin embargo, no
tiempo y de escasez de recursos para trabajar dos muestras en ciertos estudios. Ahora bien,
si es factible en funcin del presupuesto y del tiempo, el seleccionar una muestra piloto es
de gran valor no slo por lo que ya se explic sino tambin porque permite "probar" la
que permita establecer un valor hipottico de las varianzas poblacionales para, luego,
tamao de la muestra. La medida que se emplea para especificar el grado de precisin que
error que se est dispuesto a tolerar en los estimadores muestrales. Por lo tanto, el error
otras palabras, si se simboliza al Error Mximo Admisible con la letra "e", en un ejemplo
hipottico se puede tener que la estimacin que se desea hacer sea la de una proporcin
poblacional (p), con un error mximo admisible de 0.09 (e= 0.09); se tendra: p 0.09, es
decir, que si la proporcin muestral resultara igual a 0.27, el investigador tolera, como
poblacional.
utilizar ser menor que 0.09. En este caso, si los dems factores permanecen fijos, el
determinacin del tamao de la muestra aleatoria . Esto se puede ilustrar continuando con
el ejemplo anterior. Es preciso sealar que no se puede garantizar una exactitud de 0.09, a
menos que se pueda estudiar a todos y cada uno de los elementos de la poblacin de
inters. Es decir, el hecho de trabajar con slo una parte de la poblacin, vale decir: una
se tiene de que la estimacin est dentro del margen de error mximo admisible fijado
[Sukhatme, 1956]. Esta medida es establecida tambin por el investigador, quien decide la
proporcin (o porcentaje) de muestras en las que espera que su estimacin se desve del
intervalo fijado con el error mximo admisible. De esta forma, en el ejemplo citado, se
confianza de que en 95 de cada 100 casos se obtendr una muestra que satisface su
precisin de 0.09 y slo en 5 de cada 100 casos se obtendr una muestra que no cubre
dicha aspiracin. El investigador confa, entonces, en que su muestra sea del primer grupo.
con una determinada confianza, dndose el caso de que los coeficientes de confianza ms
90%
95% y
99%
Por otro lado, para concluir este punto, se establece la relacin que
existe entre el coeficiente de confianza y el tamao de la muestra. Si los dems factores (la
consideracin a la hora de determinar el tamao que debe tener una muestra en un estudio
ptimo de muestra tambien en funcin del costo que pueda alcanzar la seleccin de
confianza dada resulta un costo de muestreo excesivamente alto, ser necesaria la revisin
texto introductorio sobre muestreo. Sin embargo, para ampliacin de este punto, se
recomienda la bibliografa que aparece al final del libro con los nmeros: (2), (3), (4), (5) y
(6).
captulo correspondiente.
Cochran:
Captulo III
s
1.- Definicin:
manera que cada muestra posible tiene la misma probabilidad de ser seleccionada, el
todos los dems procedimientos de seleccin de muestra. Segn este mtodo, se les
asignan probabilidades iguales de seleccin a todos y cada uno de los elementos que
3.- Seleccin de una Muestra Aleatoria Simple: los pasos a seguir para
Muestral. Sin dicha lista es imposible extraer una muestra aleatoria simple y tendr que
final del texto), para buscar tantos nmeros como indique el tamao de muestra elegido.
aleatorios, 25 nmeros de 4 dgitos que vayan desde el 0001 hasta el 8.750, ambos
inclusive, es decir se buscan tantos nmeros ( en este caso: 25 ) como indique el tamao de
la muestra ( n = 25 ) y cada uno de ellos debe tener tantos dgitos (en este caso 4) como los
que tenga el tamao de la poblacin (N= 8.750, vale decir = 4 dgitos). La forma de
procede a obtener de ellos las informaciones requeridas por los instrumentos diseados
deseada para los estimadores y la confianza en dicha precisin. La Teora del Muestreo ha
muestra escogido y cul es el tipo de medida que se desea estimar con la muestra. De esa
Media Poblacional.
z 2 .s 2
n= 2
e
donde z: valor de la Distribucin Normal para una Confianza dada.
estudio.
decisin acerca de cuando asumir como finita o infinita a una poblacin particular, puede
Regla para
Decisin
z 2 .s 2
sobre uso del n0 = 2 y
F.C.P.F. e
n0
n=
n0 + ( N 1)
N
Ejemplo parcial 1:
para todos los procesados en cierta Cul debe ser el tamao de la muestra
Solucin:
Por lo tanto:
(1.645) 2 .(35) 2
n= 2
= 14.7
(15)
procesados. Esto no significa que si, por cualquier razn, se desea trabajar con una muestra
de mayor tamao, esto no se deba hacer. Lo que permiten determinar las ecuaciones para
establecidos. Este "ptimo" es el mnimo tamao que cumple con los requisitos del plan de
Ejemplo parcial 2:
S
i en el problema anterior se muestra aleatoria simple, si todos
Solucin:
As:
15
= 0.109 , es decir el 10.9 %.
138
n0 15
n= = = 13.6 n= 14
n0 + ( N 1) 15 + (138 1)
N 138
z 2 . p (1 p )
n=
e2
donde: z: valor de la distribucin normal para una confianza dada.
Factor de Correccin para Poblaciones Finitas, tal como fue explicado anteriormente.
Ejemplo Parcial 3:
U
n investigador desea estimar de una muestra aleatoria simple. Si
Solucin:
algn valor de "p". En estos casos, se asume como valor hipottico de p a 0.50, el cual
De esta forma:
67 votantes.
procedimiento de muestreo empleado. As, no es igual estimar una media poblacional con
datos de una muestra aleatoria simple, que hacerlo con informaciones provenientes de otro
tipo de muestra como se ver en los captulos siguientes. En este aparte, se presentan
x i
= X = i =1
n
Esta medida debe ser acompaada por la varianza del estimador, la cual
poblacional. As,
[ ]
V X =
s2
n
P = p =
x i
n
y la respectiva varianza del estimador:
P .Q
V [ p] =
n 1
donde: Q = 1 P
esquema de muestreo.
alto.
P
lanteamiento: El universo de admisible de 12 metros2 y una
inters es el que aparece en el confianza del 95%. Si por un
Apndice 2 del libro, a saber las estudio piloto se estima una
reas de construccin con telfono desviacin tpica de 25 metros2,
en la regin de Paraguaipoa. Se extraiga una muestra aleatoria
desea estimar el tamao promedio simple y estime el tamao promedio
(en metros2) de dichas reas de del rea de construccin con
construccin, con un error mximo telfono en Paraguaipoa.
Solucin:
z 2 .s 2 (1.96) 2 .(25) 2
n= 2 = = 16.67 n = 17
e (12) 2
n 17
= = 0.12, la muestra representa ms del 10% de la poblacin.
N 140
n0 17
n= =
n0 + ( N 1) 17 + (140 1) n = 15
N 140
de inters.
vale decir: 3 dgitos), que estn entre 001 y 140, ambos inclusive.
Columna
1 n
= X = x i
n i =1
Entonces:
1
X = (1947) = 129.8 X = 129.8
15
Captulo IV
1.- Definicin:
U
na muestra aleatoria estratificada es aquella de tipo probabilstico, que se obtiene
grupos o Estratos se definan de modo tal que cada individuo o elemento de la poblacin
requiere una muestra menor que un grupo heterogneo. Por esa razn, siempre que se
interior, lo cual permite la seleccin de una muestra ms pequea para cada estrato por
estratos deben existir diferencias significativamente grandes entre los individuos que
pertenezcan a distintos estratos. De all que el supuesto bsico o principio rector del
como la varianza entre los estratos y a S2D como la varianza dentro de los estratos. De
esta forma, para que el M.A.E. alcance su mayor eficiencia deben elaborarse los estratos
S2D 0
S2E
interior con respecto a las variables estudiadas, se puede mejorar la eficacia del diseo de
caractersticas ya descritas.
separado.
los posibles grupos que conforman. El segundo paso presenta una complicacin adicional,
por cuanto se precisan extraer tantas muestras aleatorias simples como estratos se hayan
elaborado y, por lo tanto, se requiere una lista de la poblacin (o marco muestral) por cada
su vez, la forma de clculo de n vara con el tipo de parmetro que se desea estimar. Ahora
bien, en el M.A.E. se agrega un nuevo elemento que es propio nicamente de este tipo de
de la muestra (n) entre los distintos estratos. Es decir, determinacin de los valores ni
n1 + n2 +...+ nL = n
n
ni = donde L: nmero de estratos.
L
Ni
ni = n donde Ni: tamao del estrato "i" en la poblacin.
N
n.Wi .si
ni = L
W .s
i =1
i i
Ni
donde Wi: peso relativo del estrato "i" con Wi =
N
si: desviacin tpica del estrato "i".
aleatoria estratificada y luego proceder a repartir o afijar dicho tamao entre los
en los estimadores.
1
N
N s i
2
i
n=
e2 1 [Kish: 1982]
+
z2 N 2
N s i
2
i
( N i s i ) 2
n= [Kish: 1982]
e2
N . 2 + N i si
2 2
N . N i .Pi .Qi
n= [Kish: 1982]
e2
N . 2 + N i .Pi .Qi
2
n=
( Ni Pi.Qi ) 2
e2 [ Kish: 1982 ]
N . 2 + Ni.Pi.Qi
2
Ejemplo parcial 1:
la produccin promedio de papas en todas las fincas, con una confianza del
90 %, se pide:
Solucin:
1
Ni s 2i
n= 2 N
e 1
2 i
2
+ N s 2i
z N
Se calcula primero el trmino N .s
i
2
i . As:
N .s
i
2
i = 855 (15.3)2 + 725 (19.8)2 + 430 (10.2)2 = 529113,15.
Luego:
1
(529113,15) 263,24037
n= 2010 = = 56.51
2
(3.5) 1 12.25
+ (529.113,15) + 0.1309653
(1.645) 2 (2010) 2 2706025
Por lo tanto, se extraern, al azar, 57 fincas del total de 2010 que hay en la
poblacin.
Ahora bien, de esas 57 fincas, cuntas sern extraidas del estrato 1 (0-80
hectreas), cuntas sern del estrato 2 (81 -160 hectreas) y cuntas pertenecern al
Ni
ni = n
N
855
n1 = 57 = 24.25
2010
725
n 2 = 57 = 20.56
2010
430
n3 = 57 = 12.19
2010
n1 + n2 + n3 = n ya que:
24 + 21 + 12 = 57
n = 53.81
n.Wi .si
ni =
Wi .si
En primer lugar, se calcula
855
W1 = = 0.425
2010
725
W2 = = 0.361
2010
430
W3 = = 0.214
2010
y, a su vez,
54(0.425)(15.3)
n1 = = 22.18
15.8331
54(0.361)(19.8)
n2 = = 24.38
15.8331
54(0.214)(10.2)
n3 = = 7.44
15.8331
igual a 53 y no igual a 54 (que fue el tamao establecido). Esto ocurre por el redondeo de
los Wi. En estos casos, se recomienda incluir el elemento faltante en el estrato con menor
tamao en la muestra. As, en este caso, resultar que el tercer estrato tendr 8 casos en la
muestra, verificndose:
n1 + n2 + n3 = n
22 + 24 + 8 = 54
una muestra aleatoria estratificada, se calculan de forma diferente en comparacin con los
de la muestra aleatoria simple. Esto se debe a que las probabilidades de seleccin de los
individuos del universo no es la misma para todos stos, sino que estn en relacin con el
tamao del estrato (y, adems, con la variabilidad si se usa afijacin de Neyman). Adems,
Por otro lado, en el M.A.E. se pueden obtener estimadores para cada estrato
por separado asi como uno nico para toda la muestra estratificada.
L
1
est = X est =
N
N x
i =1
i i [ Yamane: 1967 ]
donde:
1 L
Pest = pest = N i p i [ Yamane: 1967 ]
N i =1
donde:
1 L
N i ni si 2
V ( xest ) = 2
2
N i
N i =1 Ni ni
Donde:
2 N i ni p i q i
L
1
V ( Pest ) = 2 N i
N i =1 Ni in 1
6.1.- Ventajas:
Simple, a saber:
del muestreo.
Planteamiento:
E
mpleando como base el marco posee un tamao mayor de 95 mts2
a) Cul ser el tamao de la muestra y cmo se distribuir ste entre los dos
Solucin:
n=
( Ni Pi.Qi )2
e2
N . 2 + Ni.Pi.Qi
2
z
Primero se calculan las expresiones:
Ni Pi.Qi y N .iPi.Qi
N2 = 34 construcciones no residenciales.
De esta manera:
Luego:
(65.53) 2 4294.18
n= 2
= = 31.77 n 32 construcciones.
2 (0.12) 135.18
(140) . + 30.88
(1.645) 2
problema, debe ser igual a 32 construcciones, las cuales se repartirn entre los dos estratos
n.Wi .si Ni
ni = con Wi =
Wi .si N
106 34
W .s i i =
140
(0.24) +
140
(0.16) = 0.2205714 y adems:
106 34
W1 = = 0.7571428 y W2 = = 0.2428571
140 140
Entonces:
32(0.7571428)(0.24)
n1 = = 26.36 n1 = 26 construcciones
0.2205714
residenciales
32(0.2428571)(0.16)
n2 = = 5.64 n2 = 6 construcciones
0.2205714
no residenciales
residenciales y 6 no residenciales.
poblacin y asignarles un nmero entero a cada elemento por listas separadas. De esta
manera, del primer estrato, se tiene una lista con las 106 construcciones residenciales, las
. .
. .
. .
. .
residenciales, las cuales se numeran del 01 al 34, obtenindose un cuadro similar a este:
01 Abastos Popular
03 Accin Democrtica
. .
. .
. .
. .
34 Prefectura de Paraguaipoa
estrato; por lo tanto, se seleccionan, para el primer estrato, 26 nmeros al azar entre 001 y
106. Si se utiliza, para ese fin, una tabla de nmeros aleatorios (como la del Apndice 1),
se buscan 26 nmeros de 3 dgitos (ya que N1 = 106). Suponiendo que se inicie con la
hilera 5, columna 10, en forma de hilera, se tendr (desechando los nmeros mayores de
106, por supuesto, as como los repetidos, pues el muestreo es sin reposicin):
105- 038- 046 - 023 - 052 - 069 - 099- 082- 042 - 051 - 018 - 091 - 033
006- 029- 012 - 032 - 081 - 020 - 047- 037 - 075 - 069 - 039 - 036 - 025
(entre 01 y 34, inclusive) de 2 dgitos cada uno, ya que N2 = 34. Suponiendo que se
comience con la hilera 10, columna 4 de la Tabla de Nmeros aleatorios anexa, se tendr:
27 - 13 - 30 - 05 - 28 - 10
El prximo paso es ubicar en cada una de las listas por separado los
Estrato 1:
Estrato 2:
Estratificada.
Parte b) del Problema: Ahora se puede calcular, por separado para cada
la proporcin estratificada.
construcciones, hay 12 con tamao superior a los 95 metros2 , mientras que en el Estrato 2
12
P1 = p1 = p1 = 0.46
26
5
P2 = p2 = p2 = 0.83
6
siguiente forma:
L
1 1
Pest = p est =
N
N i p i =
i =1 (140)
(106)(0.46) + (34)(0.83) p est = 0.55
"Lo esencial es
invisible a los ojos"
El Principito (Antoine de Saint-Exupery)
Captulo V
1.- Definicin:
C
onsiste en seleccionar de una poblacin, en forma
una caja de determinado producto, etc, son conglomerados naturales. En otras ocasiones se
pueden utilizar conglomerados no naturales como, por ejemplo, las urnas electorales.
Cuando los conglomerados son reas geogrficas suele hablarse de "muestreo por reas".
conglomerados elegidos.
nmero de unidades.
de cules van a ser los conglomerados en los que se dividir la poblacin o universo de
poblacin.
respectivamente, entonces:
S2d
S2e 0
particular, lo ideal sera que ste tuviera un alto grado de heterogeneidad que posibilitara la
Entre otros, es el caso de las clases sociales: las personas con similares ingresos y niveles
de los costos de muestreo (por no ser necesaria una lista exhaustiva de la poblacin y estar
aumenta debido a que los elementos de los conglomerados pueden tener caractersticas
excluir ciertos tipos de elementos en la muestra. A su vez, siendo el costo por unidad de
muestreo mucho menor que en el caso del M.A.S. y del M.A.E., se pueden incluir ms
unidades de muestreo y obtener un tamao de muestra mayor, con los mismos costos de los
otros tipos de muestreo probabilstico. Por lo tanto, se puede incluir mayor cantidad de
muestreo.
conglomerados.
azar.
etpico).
luego, se seleccionan las unidades para que cada estrato quede representado
Ejemplo Parcial:
Planteamiento:
S
e ha decidido dividir a la clase en los das y horas en que hay
Solucin:
460 aulas, entonces se tiene que el Total de Conglomerados (M) es igual a 460 en la
poblacin.
M = 460
m = 12
870
= 11.6 12
75
(M = 460, vale decir contiene 3 dgitos), que estn entre 001 y 460, inclusive. Despus, se
Slo al final del censo realizado en cada conglomerado es posible conocer el tamao que
conglomerado (viviendas, manzanas, aulas, etc.) vara y, por tanto, el tamao real de la
a) Hallar alguna forma de tener una idea aproximada acerca del nmero
elementos puede simbolizarse por nc. Tambin pueden usarse las frmulas
del tamao de la muestra del M.A.S. para establecer una referencia del
nmero a elegir.
muestra. As:
nc
m =
i
c = X c = t i
n i
V ( Xc) =
(t i X c .ni ) 2
m 1
p = p c =
a i
n i
N n (a i p mi )
2
V ( p ) =
2
NnM n 1
a) Por supuesto, una gran ventaja del M.A.C. es que permite aplicar un
una M.A.S. o una M.A.E. del mismo tamao. La razn de esto es,
Por tanto, los costos y problemas del anlisis estadstico pueden ser
conglomerados cuando el menor costo por unidad de muestra compense, con creces, las
BIBLIOGRAFIA CITADA:
6.- JESSEN, Raymond (1978). Statistical Survey Techniques, John Wiley ans sons,
Nueva York.
8.- YAMANE, Taro (1967). Elementary Sampling Theory. Prentice Hall, New Jersey.
10.- RAJ, Des (1979). La estructura de las Encuestas por Muestreo. Fondo de Cultura
Econmica, Mxico.
APNDICES
Columna
52 Franco, Nancy 91 R
53 Garca, Nelly 112 R
54 Giano, Gloria 67 R
55 Gmez, Exio 94 R
56 Gonzlez, Anas 222 R
57 Gonzlez, Arturo 90 R
58 Gonzlez, Lemibania 91 R
59 Gonzlez, Albino 210 R
60 Gonzlez, Ftima 111 R
61 Gonzlez, Jos 121 R
62 Gonzlez, Rafael C. 88 R
63 Gonzlez, Rafael A. 70 R
64 Gonzlez, Irenaldo 120 R
65 Govea, Daise 97 R
66 Grupo Escolar Carmelina Roldn 238 NR
67 Grupo Escolar Nacional Guajira 220 NR
68 Guerra, Emilia 77 R
69 Hernndez, Carmen 82 R
70 Hernndez, Lupe 91 R
71 Higuera, ngel 135 R
72 Hurtado, Carmen 113 R
73 Len, Isabel 61 R
74 Lpez, Jos 74 R
75 Marn, Leobaldo 85 R
76 Marn, Irama 109 R
77 Marn, Vidalina 68 R
78 Marrufo, Elona 73 R
79 Martnez, Vidal 114 R
80 Ministerio de Agricultura y Cra 86 NR
81 Ministerio de Hacienda 237 NR
82 Ministerio de Justicia 195 NR
83 Ministerio de la Defensa 445 NR
84 Minist.de Relaciones Interiores 98 NR
85 Min. Sanidad y Asistenc. Social 186 NR
86 Min. Transp. Y Comunicaciones 102 NR
87 Montiel, Nemecio 94 R
88 Montiel, Mara D. 105 R
89 Montiel, Mara E. 128 R
90 Montiel, Mara F. 89 R
91 Montiel, Neida 77 R
92 Monzn, Blanca 114 R
93 Monzn, Anibal 60 R
94 Moreno, Ins 59 R
95 Nivar, Mara 100 R
96 Nez, Alis 92 R
97 Nez, Ender 81 R
98 Nez, Manuel 101 R
99 Ojeda, Floirn 76 R
100 Oliveros, Antonio 63 R
101 Ortz, Doilis 131 R
102 Ortz, Elicer 96 R