01/10/2018

Andrés Sebastián Lombas Fouletier

El objetivo fundamental de la estadística inferencial es extraer

conclusiones de tipo general a partir de unos pocos datos
particulares. Esto sólo se puede hacer si los datos se seleccionan
de una manera apropiada (técnicas de muestreo) de tal modo
que los datos particulares utilizados (muestra) sean
representativos del conjunto total de datos (población).

Población
Muestra

1
 01/10/2018

Ejemplo de la importancia de un buen muestreo

Los editores de “Literar y Digest” intentaron predecir el
resultado de las elecciones presidenciales de los Estados
Unidos. Para ello utilizaron una muestra de votantes
seleccionados de los listines telefónicos y de las listas de
miembros de varios clubs. A partir de esta muestra se predijo
una victoria de los republicanos. Sin embargo, el día de las
elecciones se produjo una victoria del candidato demócrata
(Roosevelt), el cual fue reelegido por aplastante mayoría.
El causante de la predicción errónea no fue el análisis
estadístico empleado, sino la utilización de una muestra
sesgada. Es decir, una muestra muy poco representativa de la
población de los votantes.

Para poder hacer una inferencia estadística se requiere de dos

condiciones:
1. Una buena técnica de análisis de datos.
2. Un procedimiento adecuado para seleccionar una muestra
representativa de la población (técnicas de muestreo).

2
 01/10/2018

Población
Es un conjunto de elementos (sujetos, objetos, entidades
abstractas, etc.) que poseen una o más características
específicas en común.

Ejemplo,
1. las personas empadronadas en algún ayuntamiento
2. los hogares de un país
3. los pacientes que sufren depresión
4. los diferentes tipos de terapia
5. los números múltiplos de 3

Dependiendo del número de elementos de que consta las

poblaciones serán:
Finitas: Formadas por un número finito de elementos
Infinitas: Formadas por un número infinito de elementos. A
efectos prácticos las poblaciones grandes también se
consideran infinitas.
Ejemplo de poblaciones finitas:
1. las personas empadronadas en algún ayuntamiento
2. los hogares de un país
3. los pacientes que sufren depresión
4. los diferentes tipos de terapia
Ejemplo de poblaciones infinitas:
5. los números múltiplos de 3

3
 01/10/2018

Muestra
Es un subconjunto de elementos de una población.
Al contrario de lo que ocurre con las poblaciones, que
suelen ser de gran tamaño, las muestras suelen ser de
tamaño reducido.

Marco muestral
Es una lista de elementos de la población que queremos
estudiar y de la cuál se extrae la muestra.

Supongamos que queremos medir la satisfacción de los

clientes de una empresa. Para poder generar un marco
muestral, podríamos acceder al sistema informático de la
empresa y extraer una lista de todas las personas que han
contratado un producto en el último año. Cada una de las
personas de esa lista serían unidades muestrales.
Seleccionando un conjunto de estos clientes, obtendría una
muestra.

4
 01/10/2018

Parámetro
Es un valor numérico que describe una característica de
una población. Los parámetros son valores numéricos
constantes.
Los parámetros pueden ser conocidos. Por ejemplo,
podemos conocer la edad media de esta clase. No
obstante, los elementos de la población suelen ser tan
grandes que normalmente se desconocen. Por ejemplo,
resulta más difícil conocer la edad media de los
universitarios españoles.

Estadístico
Es un valor numérico que describe una característica de
una muestra. Los estadísticos son variables aleatorias; sus
valores dependerán de la muestra utilizada para calcularlos.
Los estadísticos son valores que nos van a servir para tratar
de determinar los verdaderos valores de los parámetros.
Al proceso consistente en atribuir un valor a un parámetro
a partir del valor de un estadístico se conoce con el nombre
de estimación.

5
 01/10/2018

Notación de los parámetros y de los estadísticos

Los parámetros se representan con letras griegas
minúsculas, mientras que los estadísticos se representan
con letras latinas mayúsculas.

Parámetro Estadístico
Media µ X
Desviación σ S
Típica
Proporción π P

Muestreo
Se refiere al proceso seguido para extraer una muestra de una
población.

Tipos de muestreo
1. Muestreo probabilístico (Muestreo aleatorio)
Cumple dos condiciones:
A) Todos los elementos de mi población tienen una
probabilidad mayor de cero de ser seleccionados en la
muestra.
B) Cada elemento de la población tiene una probabilidad
conocida.
Permite hacer inferencias estadísticas.

6
 01/10/2018

Tipos de muestreo
2. Muestreo no probabilístico (Muestreo no aleatorio)
No es sencillo cumplir con los requisitos impuestos por el muestreo
probabilístico:
A) Disponer de un marco muestral de todos los elementos y
conocer sus probabilidades es muy exigente.
B) Lograr que todos los individuos de la población tengan una
probabilidad no nula de ser seleccionados es un requisito
igualmente exigente. Todos los individuos que no pueden ser
seleccionados en una muestra se suelen referir como unidades
fuera de cobertura.
Por todas estas razones, así como por razones de coste, los
investigadores recurren con frecuencia a otras técnicas de
muestreo, agrupadas dentro de lo que se conoce como muestreo
no probabilístico.
No cumple alguna de las dos condiciones anteriores.
No permite hacer inferencias estadísticas.

Tipos de muestreo aleatorio en población finita

1. Con reposición
Cada elemento seleccionado es devuelto a la población antes
de la siguiente extracción.

Verifica dos propiedades:

1. Igualdad de distribuciones
En cada extracción, todos los elementos poblacionales
poseen la misma probabilidad de pertenecer a la muestra.
2. Independencia
Cada extracción es independiente del resultado obtenido
en las restantes.

7
 01/10/2018

Muestreo aleatorio en población finita con reposición

Población Muestra Prob. de los Nº de

(8 elementos) (3 elementos) elementos extracción
1, 2, 3, 4, 3 1/8 1º
5, 6, 7, 8
1, 2, 3, 4, 5 1/8 2º
5, 6, 7, 8
1, 2, 3, 4, 3 1/8 3º
5, 6, 7, 8

Tipos de muestreo aleatorio en población finita

2. Sin reposición
Los elementos seleccionados no son devueltos a la
población.

Verifica una propiedad:

1. Igualdad de distribuciones

No verifica una propiedad:

2. Independencia

8
 01/10/2018

Muestreo aleatorio en población finita sin reposición

Población Muestra Prob. de los Nº de

(8 elementos) (3 elementos) elementos extracción
1, 2, 3, 4, 3 1/8 1º
5, 6, 7, 8
1, 2, 4, 5 1/7 2º
5, 6, 7, 8
1, 2, 4, 7 1/6 3º
6, 7, 8

Muestreo aleatorio en población infinita

Existen un número infinito de elementos poblacionales.

Verifica dos propiedades:

1. Igualdad de distribuciones
2. Independencia

9
 01/10/2018

Muestreo aleatorio con reposición en población finita

Muestreo aleatorio con reposición en población infinita
Muestreo aleatorio sin reposición en población infinita
Como en estos dos tipos de muestreos se verifican las
mismas propiedades se les llaman bajo el mismo nombre:
muestreo aleatorio simple o muestreo aleatorio.

Muestreo aleatorio sin reposición en población finita

En la práctica las poblaciones reales con las que se trabajan
son poblaciones finitas y el muestreo aleatorio que se utiliza
es sin reposición. No obstante, si las poblaciones son muy
grandes, se considera equivalente a una población infinita.

Distribución muestral de la media

Para poblaciones infinitas

con/sin reposición o poblaciones
finitas con reposición

Para poblaciones finitas

sin reposición

Factor de corrección (FC)

N → ∞; FC → 1 / N≥20n; FC ≈ 1

10
 01/10/2018

Muestreo aleatorio sistemático

Fases:
1.- Elaborar una lista con los N elementos poblacionales
numerados.
2.- Determinar el tamaño de la muestra; n.
3.- Efectuar una extracción al azar entre los k=N/n
elementos.
4.- Siendo i la posición del primer elemento, extraer los
siguientes elementos siguiendo esta sucesión:
i+k, i+2k, i+3k,..., i+(n-1)k

Adecuado cuando se dispone de una lista de los elementos

de la población y se quiere obtener una muestra homogénea
distribuida a lo largo de la lista.

Muestreo aleatorio sistemático

Ejemplo:
N = Tamaño de la población = 100 elementos
n = Tamaño de la muestra = 20 elementos
k=N/n = 100/20 = 5
Primera extracción aleatoria (de 1 a 5): i = 3
Siguientes extracciones sistemáticas:
i+k, i+2k, i+3k,..., i+(n-1)k
3+5, 3+2•5, 3+3•5,..., 3+19•5

11
 01/10/2018

1
N=100
2
3 i=3 1ª Extracción n=20
4 (Extracción aleatoria) k=N/n=100/20=5
5
6
7
8 i+k = 3+5 = 8 2ª Extracción
9 (Extracción sistemática)
10
.
.
.
96
20ª Extracción
97
98 (Extracción sistemática)
99
i+(n-1)k = 3+19•5 = 98
100

Muestreo aleatorio estratificado

Se aplica cuando una población está formada por diferentes
subpoblaciones (estratos) y se desea que todos los estratos
estén bien representados en la muestra.
La aplicación del muestreo aleatorio simple no asegura esto.

Ejemplo de estratos
Nivel socio-económico, profesión, nivel de estudios, estado
civil, etc.

12
 01/10/2018

Muestreo aleatorio estratificado

Fases:
1.- Se definen los estratos. De esta forma tendremos k
estratos con tamaños N1 , N2 , ... , Nk .
2.- Se elaboran k listas con los elementos de cada estrato
debidamente numerados.

Muestreo aleatorio estratificado

Fases:
3.- Se efectúa una extracción al azar de una muestra en cada
estrato. Por tanto, se obtendrán k submuestras.
El tamaño de las submuestras dependerá de si la
variabilidad de la característica es similar o no en todos
los estratos.
Variabilidad similar: el tamaño de la submuestra en cada
estrato se fija de forma proporcional al tamaño de los
estratos. Afijación proporcional.
Variabilidad diferente: el tamaño de la submuestra es
mayor (que la proporción que le correspondería) en los
estratos con mayor variabilidad. Afijación no
proporcional.

13
 01/10/2018

Muestreo aleatorio estratificado

Ejemplo:
N = 100 personas
Estrato = el sexo (40% varones y 60% mujeres)
n = 10 personas

Variabilidad similar. Afijación proporcional.

n = 4 varones + 6 mujeres

Variabilidad diferente (Mayor variabilidad en los hombres

que en las mujeres). Afijación no proporcional.
n = (>4 varones) + (<6 mujeres)

Distribuciones poblacionales
↑Variabilidad ↓Variabilidad

Personas
Distribuciones muestrales
↑Variabilidad ↓Variabilidad
↓Precisión ↑Precisión

Estadísticos

14
 01/10/2018

Distribuciones muestrales

Estadísticos

↑n ↓n
↑Precisión ↓Precisión

Estadísticos

Muestreo aleatorio sistemático

¿Pará que se utiliza el muestreo aleatorio sistemático?
El muestreo sistemático era muy popular en el pasado, antes de
que la incorporación de la informática hiciese trivial un
problema que siempre había dado muchos quebraderos de
cabeza a los investigadores: elegir individuos de forma aleatoria
dentro de una muestra. En la medida en que los ordenadores
nos han facilitado la tarea de generar números aleatorios, este
problema ha desaparecido.

15
 01/10/2018

Muestreo aleatorio sistemático

¿Pará que se utiliza el muestreo aleatorio sistemático?
También se sigue utilizando para seleccionar individuos a lo
largo del tiempo. Por ejemplo, para estudiar la satisfacción de
un servicio, podemos elegir sistemáticamente encuestar a 1 de
cada n clientes que nos visitan. En estas circunstancias, en las
que puede existir diferente varianza entre individuos en
diferentes periodos de tiempo, el muestreo sistemático puede
ser incluso más preciso que el muestreo aleatorio puro.

Muestreo aleatorio por conglomerados

1. Material constituido por fragmentos o polvo de una o varias
sustancias (arena, arcilla, madera, etc.) prensadas y
endurecidas con un aglutinante, como cemento o cal, que se
emplea en la construcción y en carpintería.
2. Mezcla confusa de personas o cosas de distinto origen o
naturaleza y a menudo contrarias.

16
 01/10/2018

Muestreo aleatorio por conglomerados

Es un muestreo aleatorio (simple, sistemático o estratificado)
pero las unidades muestrales no son los elementos
individuales sino grupos de elementos a los que se les llama
conglomerados. Es decir, se muestrean los conglomerados,
no los elementos.

Ejemplo:
Población = Alumnos de educación primaria de la Comunidad
de Madrid
Se muestrean los colegios en lugar de los alumnos.

Muestreo aleatorio por conglomerados

Puede ser polietápico.
1.- Se muestrea un conglomerado.
2.- El conglomerado se divide en otros conglomerados y se
vuelve a muestrear.
3.- Se repite la operación hasta que sea necesario.

Ejemplo:
Población = Alumnos de educación primaria
1.- Se muestrean las comunidades
2.- Se muestrean las provincias
3.- Se muestrean los municipios
4.- Se muestrean los colegios

17
 01/10/2018

Diferencia entre muestreo estratificado y muestreo por

conglomerados
Los estratos son características de los elementos de la
población, mientras que los conglomerados son
agrupamientos naturales de elementos de la población.

En el muestreo aleatorio estratificado, se realiza el muestreo

en todos los estratos de la población, mientras que en el
muestreo por conglomerados el investigador sólo selecciona
aleatoriamente algunos de los conglomerados de la
población.

Probabilístico No Probabilístico

Aleatorio Aleatorio Aleatorio Aleatorio Aleatorio por

Simple con Sistemático Estratificado Conglomerados
Población
Finita sin
Reposición

Aleatorio Aleatorio Aleatorio

con con con
Población Población Población
Infinita con Infinita sin Finita con
Reposición Reposición Reposición

18
 01/10/2018

Quizz: El muestreo

19