I.

Muestreo probabilstico Los mtodos de muestreo probabilsticos 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 tamao n tienen la
misma probabilidad de ser seleccionadas. Slo estos mtodos de muestreo probabilsticos nos aseguran la
representatividad de la muestra extrada y son, por tanto, los ms recomendables. Dentro de los mtodos de
muestreo probabilsticos encontramos los siguientes tipos:

1.- Muestreo aleatorio simple: El procedimiento empleado es el siguiente: 1) se asigna un nmero a

cada individuo de la poblacin y 2) a travs de algn medio mecnico (bolas dentro de una bolsa,
tablas de nmeros aleatorios, nmeros aleatorios generados con una calculadora u ordenador, etc.) se
eligen tantos sujetos como sea necesario para completar el tamao de muestra requerido. Este
procedimiento, atractivo por su simpleza, tiene poca o nula utilidad prctica cuando la poblacin que
estamos manejando es muy grande.

2.- Muestreo aleatorio sistemtico: Este procedimiento exige, como el anterior, numerar todos los
elementos de la poblacin, pero en lugar de extraer n nmeros aleatorios slo se extrae uno. Se parte
de ese nmero aleatorio i, que es un nmero elegido al azar, y los elementos que integran la muestra
son los que ocupa 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 tamao de la poblacin entre el tamao de la muestra: k= N/n. El nmero i
que empleamos como punto de partida ser un nmero al azar entre 1 y k. El riesgo este tipo de
muestreo est en los casos en que se dan periodicidades en la poblacin 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 poblacin. Imaginemos que estamos seleccionando una muestra sobre listas de 10
individuos en los que los 5 primeros son varones y los 5 ltimos mujeres, si empleamos un muestreo
aleatorio sistemtico con k=10 siempre seleccionaramos o slo hombres o slo mujeres, no podra
haber una representacin de los dos sexos.

3.- 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 tamao dado de la muestra. Consiste
en considerar categoras tpicas diferentes entre s (estratos) que poseen gran homogeneidad respecto
a alguna caracterstica (se puede estratificar, por ejemplo, segn la profesin, 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 inters estarn 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 formarn parte de la muestra. En ocasiones las
dificultades que plantean son demasiado grandes, pues exige un conocimiento detallado de la
poblacin. (Tamao geogrfico, sexos, edades,...). La distribucin de la muestra en funcin de los
diferentes estratos se denomina afijacin, y puede ser de diferentes tipos: Afijacin Simple: A cada
estrato le corresponde igual nmero de elementos mustrales. Afijacin Proporcional: La distribucin se
hace de acuerdo con el peso (tamao) de la poblacin en cada estrato. Afijacin Optima: Se tiene en
cuenta la previsible dispersin de los resultados, de modo que se considera la proporcin y la
desviacin tpica. Tiene poca aplicacin ya que no se suele conocer la desviacin.

4.- Muestreo aleatorio por conglomerados: Los mtodos presentados hasta ahora estn pensados para
seleccionar directamente los elementos de la poblacin, es decir, que las unidades mustrales son los
elementos de la poblacin. En el muestreo por conglomerados la unidad muestral es un grupo de
elementos de la poblacin que forman una unidad, a la que llamamos conglomerado. Las unidades
hospitalarias, los departamentos universitarios, 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". El muestreo por conglomerados consiste en seleccionar aleatoriamente un cierto
numero de conglomerados (el necesario para alcanzar el tamao muestral establecido) y en investigar
despus todos los elementos pertenecientes a los conglomerados elegidos.

II. Mtodos de muestreo no probabilsticos A veces, para estudios exploratorios, el muestreo probabilstico resulta
excesivamente costoso y se acude a mtodos no probabilsticos, aun siendo conscientes de que no sirven para
realizar generalizaciones (estimaciones inferenciales sobre la poblacin), pues 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 se elegidos. En general se seleccionan a los sujetos siguiendo determinados criterios procurando, en la
medida de lo posible, que la muestra sea representativa. En algunas circunstancias los mtodos estadsticos y
epidemiolgicos permiten resolver los problemas de representatividad aun en situaciones de muestreo no
probabilstico, por ejemplo los estudios de caso-control, donde los casos no son seleccionados aleatoriamente
de la poblacin. Entre los mtodos de muestreo no probabilsticos ms utilizados en investigacin encontramos:

1.- Muestreo por cuotas: Tambin denominado en ocasiones "accidental". Se asienta generalmente
sobre la base de un buen conocimiento de los estratos de la poblacin y/o de los individuos ms
"representativos" o "adecuados" para los fines de la investigacin. Mantiene, por tanto, semejanzas con
el muestreo aleatorio estratificado, pero no tiene el carcter de aleatoriedad de aqul. En este tipo de
muestreo se fijan unas "cuotas" que consisten en un nmero de individuos que renen unas
determinadas condiciones, por ejemplo: 20 individuos de 25 a 40 aos, de sexo femenino y residentes
en Gijn. Una vez determinada la cuota se eligen los primeros que se encuentren que cumplan esas
caractersticas. Este mtodo se utiliza mucho en las encuestas de opinin.

2.- Muestreo intencional o de conveniencia: Este tipo de muestreo se caracteriza por un esfuerzo
deliberado de obtener muestras "representativas" mediante la inclusin en la muestra de grupos
supuestamente tpicos. Es muy frecuente su utilizacin en sondeos preelectorales de zonas que en
anteriores votaciones han marcado tendencias de voto. Tambin puede ser que el investigador
seleccione directa e intencionadamente los individuos de la poblacin. El caso ms frecuente de este
procedimiento el utilizar como muestra los individuos a los que se tiene fcil acceso (los profesores de
universidad emplean con mucha frecuencia a sus propios alumnos).

3.- Bola de nieve: Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y as
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.

4.- Muestreo Discrecional A criterio del investigador los elementos son elegidos sobre lo que l cree que
pueden aportar al estudio.

El Mtodo de Mnimos Cuadrados o Regresin Lineal se utiliza tanto para pronsticos de series de tiempo como
para pronsticos de relaciones causales. En particular cuando la variable dependiente cambia como resultado
del tiempo se trata de un anlisis de serie temporal.
Como hacer una regresin lineal
Un ejemplo de regresin lineal para pronosticar la demanda:
Las ventas de la empresa IngE durante los ltimos 10 trimestres son las siguientes:

Cmo pronosticar la demanda de los trimestres 13, 14 y 15 a travs de un anlisis

de regresin lineal?
Lo primero es estimar los parmetros. Lo podemos lograr con el mtodo de
mnimos cuadrados, que nos permite encontrar la recta que mejor se ajusta a un
conjunto de datos dados. En nuestro caso, este conjunto est dado por las ventas
trimestrales (variable dependiente). La variable independiente es el tiempo.
Vamos entonces a la siguiente frmula para determinar a y b:

La y minscula es el valor y de cada punto de datos.

La n es el nmero de punto de datos.
Conocidas las ecuaciones y el papel de las variables, vamos a calcular el
pronstico con regresin lineal:
En la siguiente se encuentran los clculos realizados para los 12 trimestres segn lo
requerido por las ecuaciones:

Con los valores de la ltima fila de la tabla, podemos calcular a y b, con los
cuales logramos calcular los valores de la ltima columna (Y) que es la recta que
ms se ajusta a la demanda y.

Veamos entonces:
Fjate que el valor de b vara de 63,64 a 63,657 siendo este ltimo el resultado si
se toman todos los decimales de las variables que participan en su calculo. Para
tener resultados ms fiables usamos el valor de b calculado con todos los
decimales, tal como lo aprecias cuando hallamos a. Fjate adems que pasa lo
mismo con el valor calculado de a y el valor que se obtiene cuando en la
operacin estn todos los decimales.

Con esta aclaracin, puedes ver cmo se realiza el pronstico de produccin del
trimestre 13. Procedemos igual para los dems trimestres.

Y=63,657(14)+72,894=964.09
Y=63,657(15)+72,894=1027.75
Eso tiene el siguiente aspecto:

Cuando pronosticamos, siempre queremos saber qu tan exacto es el mtodo

que estamos utilizando, igual que una medida de error de pronstico.
Para eso hay diferentes medidas que nos dan el grado de error en un pronstico.
Una medida apropiada para medir el error en regresin lineal es el error estndar
de estimacin (Sy,x), que nos permite determinar la variabilidad en torno a la recta
de regresin.

Con los datos obtenidos en nuestra tabla, reemplazamos en la formula y

obtenemos:

Error estndar del estimado Sy,x: 54,79

Esto lo interpretamos como una medida de la variabilidad o dispersin de los
valores observados alrededor de nuestra lnea de regresin.
Otro anlisis que si o si debemos realizar cuando trabajamos con un anlisis de
regresin, no importa si es con un fin de pronstico, es el clculo del coeficiente
de correlacin.
Como lo dijimos anteriormente, el coeficiente de correlacin dar una medida de
asociacin entre las variables X y Y.

Dicho de otra forma, el coeficiente correlacin en la divisin entre la covarianza y

el producto de las desviaciones estndar de ambas variables.

As pues, si queremos ver la correlacin entre la demanda y lo pronosticado en

periodos anteriores (desde el periodo 1 hasta el 12), usamos la
funcin COEF.DE.CORREL de excel.

La funcin requiere dos datos de entrada:

Matriz 1: Sealamos las demandas por mes.

Matriz 2: Sealamos los pronsticos por mes.
El resultado de este ejercicio es r=0,975. Esto indica que la correlacin es muy
fuerte y positiva porque est cercana a 1.
En otras palabras, nos conviene seguir usando este mtodo de pronstico para
futuros perodos.
 Tasa de Crecimiento

Para muchos lectores, "calcular la tasa de crecimiento" puede parecer un

proceso matemtico intimidante, pero en realidad puede ser muy simple. Las
tasas bsicas de crecimiento simplemente se expresan como la diferencia entre
dos valores en el tiempo en cuanto a un porcentaje del primer valor. A
continuacin encontrars las instrucciones sencillas para hacer este clculo
bsico, as como la informacin sobre las medidas ms complicadas de
crecimiento.

1.- Obtn los datos que muestren un cambio en alguna cantidad a travs del
tiempo. Lo nico que necesitas para calcular una tasa bsica de crecimiento son
dos nmeros: uno que represente el valor inicial de cierta cantidad y otro que
represente su valor final. Por ejemplo: si tu negocio vala $1000 a principios de mes
y ahora vale $1200, podrs calcular la tasa de crecimiento usando 1000 como el
valor inicial (o "pasado") y 1200 como valor final (o "presente"). Resolvamos un
problema sencillo como ejemplo. En este caso, usaremos el nmero 205 (como
valor pasado) y el 310 (como valor presente).

Cuando los dos valores son iguales, no hay crecimiento; la tasa de crecimiento es
0.
2.- Aplica la frmula de crecimiento. Simplemente coloca los valores pasado y
presente en la siguiente frmula: (Presente) - (Pasado) / (Pasado). Obtendrs una
fraccin como respuesta y tendrs que dividir esa fraccin para obtener un valor
decimal.
En nuestro ejemplo, vamos a colocar 310 como valor presente y 205 como valor
pasado. Nuestra frmula quedar as: (310 - 205)/205 = 105/205 = 0.51

3.- Expresa la respuesta decimal como porcentaje. La mayora de las tasas de

crecimiento se presentan como porcentajes. Para convertir la respuesta decimal
en porcentaje, simplemente tienes que multiplicarla por 100 y agregarle un signo
de porcentaje ("%"). Los porcentajes son formas fciles de expresar el cambio
entre dos nmeros y se entienden universalmente.

Por lo tanto, para nuestro ejemplo, multiplicamos 0.51 por 100 y le agregamos un
signo de porcentaje. 0.51 x 100 = 51%.
Nuestra respuesta significa que la tasa de crecimiento es del 51%. En otras
palabras, nuestro valor presente es 51% ms grande que nuestro valor pasado. Si
 nuestro valor presente fuera ms pequeo que nuestro valor pasado, la tasa de
crecimiento sera negativa.

4.- Resuelve la operacin para obtener la tasa de crecimiento. Coloca el valor

pasado y el valor presente en la frmula, as como el valor de n (que ser el
nmero de intervalos de tiempo que aparecen en los datos, incluyendo los
valores pasado y presente). Resuelve de acuerdo con los principios bsicos del
lgebra, el orden de las operaciones, etc.
En nuestro ejemplo, vamos a usar el valor presente 310 y el valor pasado 205, junto
con un perodo de tiempo de 10 aos para n. En este caso, la tasa de crecimiento
promedio anual es simplemente (310/205)1/10 - 1 = 0.0422
0.0422 x 100 = 4.22%. En promedio, nuestro valor creci un 4.22 por ciento cada
ao.
Consejo
Este mtodo funciona en ambos sentidos. Usa la misma frmula sin importar si el
nmero aumenta o disminuye. Habra una reduccin de crecimiento si
disminuyera.
La frmula completa es: ((Presente - Pasado) / Pasado) * 100