Professional Documents
Culture Documents
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:
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:
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:
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
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.