CARACTERISTICAS VENTAJAS INCONVENIENTES

 Sencillo y de
fácil
comprensión.
Requiere que se
 Cálculo rápido
posea de antemano
de medias y
Se selecciona una muestra un listado completo
varianzas.
de tamaño n de una de toda la población.
Aleatorio población de N unidades, Cuando se trabaja
simple cada elemento tiene una  Se basa en la con muestras
probabilidad de inclusión teoría pequeñas es posible
igual y conocida de n/N. estadística, y por que no represente a la
tanto existen población
paquetes adecuadamente.
informáticos
para analizar los
datos

 Fácil de aplicar.

 No siempre es
necesario tener
Conseguir un listado de
un listado de
los N elementos de la
toda la Si la constante de
población
población. muestreo está
Determinar tamaño
asociada con el
muestral n.
 Cuando la fenómeno de interés,
Definir un intervalo k=
Sistemático población está las estimaciones
N/n.
ordenada obtenidas a partir de
Elegir un número
siguiendo una la muestra pueden
aleatorio, r, entre 1 y k (r=
tendencia contener sesgo de
arranque aleatorio).
conocida, selección
Seleccionar los elementos
de la lista. asegura una
cobertura de
unidades de
todos los tipos.

Estratificado En ciertas ocasiones  Tiende a  Se ha de

resultará conveniente asegurar que la conocer la
estratificar la muestra muestra distribución
según ciertas variables de represente en la
interés. Para ello debemos adecuadamente población de
conocer la composición a la población en las variables
estratificada de la función de unas utilizadas para
población objetivo a variables la
 seleccionadas.

 Se obtienen
estimaciones
hacer un muestreo. Una más precisa
vez calculado el tamaño
muestral apropiado, este  Su objetivo es
se reparte de manera conseguir una estratificación
proporcional entre los muestra lo más .
distintos estratos semejante
definidos en la población posible a la
usando una simple regla población en lo
de tres. que a la o las
variables
estratificadoras
se refiere.

 Es muy eficiente
cuando la  El error
población es estándar es
Se realizan varias fases de
muy grande y mayor que en
muestreo sucesivas
dispersa. el muestreo
(polietápico)
aleatorio
La necesidad de listados
 No es preciso simple o
Conglomerados de las unidades de una
tener un listado estratificado.
etapa se limita a aquellas
de toda la
unidades de muestreo
población, sólo  El cálculo del
seleccionadas en la etapa
de las unidades error estándar
anterior.
primarias de es complejo.
muestreo.

CONCEPTOS Y MUESTREO.
 
CONCEPTOS:
Población: Es todo conjunto de elementos, finito o infinito, definido por una o más
características, de las que gozan todos los elementos que lo componen, y sólo ellos.
En muestreo se entiende por población a la totalidad del universo que interesa considerar, y
que es necesario que esté bien definido para que se sepa en todo momento que elementos lo
componen.
No obstante, cuando se realiza un trabajo puntual, conviene distinguir entre población
teórica: conjunto de elementos a los cuales se quieren extrapolar los resultados, y población
estudiada: conjunto de elementos accesibles en nuestro estudio.
Censo: En ocasiones resulta posible estudiar cada uno de los elementos que componen la
población, realizándose lo que se denomina un censo, es decir, el estudio de todos los
elementos que componen la población.
La realización de un censo no siempre es posible, por diferentes motivos: a) economía: el
estudio de todos los elementos que componen una población, sobre todo si esta 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 población sea infinita o tan grande que
exceda las posibilidades del investigador.
Si la numeración de elementos, se realiza sobre la población accesible o estudiada, y no
sobre la población teórica, entonces el proceso recibe el nombre de marco o espacio
muestral.
Concepto de muestreo
El muestreo es una herramienta de la investigación científica. Su función básica es
determinar que parte de una realidad en estudio (población o universo) debe examinarse
con la finalidad de hacer inferencias sobre dicha población. El error que se comete debido a
hecho de que se obtienen conclusiones sobre cierta realidad a partir de la observación de
sólo una parte de ella, se denomina error de muestreo. Obtener una muestra adecuada
significa lograr una versión simplificada de la población, que reproduzca de algún modo
sus rasgos básicos.
Muestra: 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
población. Para que una muestra sea representativa, y por lo tanto útil, debe de reflejar las
similitudes y diferencias encontradas en la población, ejemplificar las características de la
misma.
Cuando decimos que una muestra es representativa indicamos que reúne aproximadamente
las características de la población que son importantes para la investigación.
a. Población Los estadísticos usan la palabra población para referirse no sólo a personas si
no a todos los elementos que han sido escogidos para su estudio. b. Muestra Los
estadísticos emplean la palabra muestra para describir una porción escogida de la
población. Matemáticamente, podemos describir muestras y poblaciones al emplear
mediciones como la Media, Mediana, la moda, la desviación estándar. Cuando éstos
términos describen una muestra se denominan estadísticas.

-1-

Una estadística es una característica de una muestra, los estadísticos emplean letras latinas
minúsculas para denotar estadísticas y muestras. 2. - Tipos de muestreo Los autores
proponen diferentes criterios de clasificación de los diferentes tipos de muestreo, aunque en
general pueden dividirse en dos grandes grupos: métodos de muestreo probabilísticos y
métodos de muestreo no probabilísticos.
Terminología

 Población objeto: conjunto de individuos de los que se quiere obtener una

información.

 Unidades de muestreo: número de elementos de la población, no solapados, que se

van a estudiar. Todo miembro de la población pertenecerá a una y sólo una unidad
de muestreo.

 Unidades de análisis: objeto o individuo del que hay que obtener la información.
  Marco muestral: lista de unidades o elementos de muestreo.

 Muestra: conjunto de unidades o elementos de análisis sacados del marco.

Muestreo probabilístico
Los métodos de muestreo probabilísticos 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 tamaño n tienen la misma probabilidad de ser elegidas. Sólo estos
métodos de muestreo probabilísticos nos aseguran la representatividad de la muestra
extraída y son, por tanto, los más recomendables. Dentro de los métodos de muestreo
probabilísticos encontramos los siguientes tipos:
El método otorga una probabilidad conocida de integrar la muestra a cada elemento de la
población, y dicha probabilidad no es nula para ningún elemento.
Los métodos de muestreo no probabilisticos no garantizan la representatividad de la
muestra y por lo tanto no permiten realizar estimaciones inferenciales sobre la población.
(En algunas circunstancias los métodos estadísticos y epidemiológicos permiten resolver
los problemas de representatividad aun en situaciones de muestreo no probabilistico, por
ejemplo los estudios de caso-control, donde los casos no son seleccionados aleatoriamente
de la población.)
Entre los métodos de muestreo probabilísticos más utilizados en investigación
encontramos:

 Muestreo aleatorio simple

 Muestreo estratificado

 Muestreo sistemático

 Muestreo polietápico o por conglomerados

-2-

Muestreo aleatorio simple:

El procedimiento empleado es el siguiente: 1) se asigna un número a cada individuo de la
población y 2) a través de algún medio mecánico (bolas dentro de una bolsa, tablas de
números aleatorios, números aleatorios generados con una calculadora u ordenador, etc.) se
eligen tantos sujetos como sea necesario para completar el tamaño de muestra requerido.
Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad práctica cuando la
población que estamos manejando es muy grande.
Muestreo aleatorio sistemático:
Este procedimiento exige, como el anterior, numerar todos los elementos de la población,
pero en lugar de extraer n números aleatorios sólo se extrae uno. Se parte de ese número
aleatorio i, que es un número 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 tamaño de la población entre el tamaño de la
muestra: k= N/n. El número i que empleamos como punto de partida será un número al azar
entre 1 y k.
El riesgo este tipo de muestreo está en los casos en que se dan periodicidades en la
población 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 población. Imaginemos que
estamos seleccionando una muestra sobre listas de 10 individuos en los que los 5 primeros
son varones y los 5 últimos mujeres, si empleamos un muestreo aleatorio sistemático con
k=10 siempre seleccionaríamos o sólo hombres o sólo mujeres, no podría haber una
representación de los dos sexos.
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 tamaño dado de la muestra. Consiste en
considerar categorías típicas diferentes entre sí (estratos) que poseen gran homogeneidad
respecto a alguna característica (se puede estratificar, por ejemplo, según la profesión, 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 interés estarán 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 formarán parte de la muestra. En ocasiones las dificultades que
plantean son demasiado grandes, pues exige un conocimiento detallado de la población.
(Tamaño geográfico, sexos, edades,...).
La distribución de la muestra en función de los diferentes estratos se denomina afijación, y
puede ser de diferentes tipos:
Afijación Simple: A cada estrato le corresponde igual número de elementos muéstrales.
Afijación Proporcional: La distribución se hace de acuerdo con el peso (tamaño) de la
población en cada estrato.
Afijación Optima: Se tiene en cuenta la previsible dispersión de los resultados, de modo
que se considera la proporción y la desviación típica. Tiene poca aplicación ya que no se
suele conocer la desviación.

-3-

Muestreo aleatorio por conglomerados:

Los métodos presentados hasta ahora están pensados para seleccionar directamente los
elementos de la población, es decir, que las unidades muéstrales son los elementos de la
población.
En el muestreo por conglomerados la unidad muestral es un grupo de elementos de la
población 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 áreas geográficas
suele hablarse de "muestreo por áreas".
El muestreo por conglomerados consiste en seleccionar aleatoriamente un cierto numero de
conglomerados (el necesario para alcanzar el tamaño muestral establecido) y en investigar
después todos los elementos pertenecientes a los conglomerados elegidos.
 -4-

Métodos de muestreo no probabilísticos

A veces, para estudios exploratorios, el muestreo probabilístico resulta excesivamente
costoso y se acude a métodos no probabilísticos, aun siendo conscientes de que no sirven
para realizar generalizaciones, pues no se tiene certeza de que la muestra extraída sea
representativa, ya que no todos los sujetos de la población tienen la misma probabilidad de
se elegidos. En general se seleccionan a los sujetos siguiendo determinados criterios
procurando que la muestra sea representativa.
· Muestreos No Probabilísticos:

 de Conveniencia

 de Juicios

 por Cuotas

 de Bola de Nieve

 Discrecional

Muestreo por cuotas:

También denominado en ocasiones "accidental". Se asienta generalmente sobre la base de
un buen conocimiento de los estratos de la población y/o de los individuos más
"representativos" o "adecuados" para los fines de la investigación. Mantiene, por tanto,
semejanzas con el muestreo aleatorio estratificado, pero no tiene el carácter de aleatoriedad
de aquél.
En este tipo de muestreo se fijan unas "cuotas" que consisten en un número de individuos
que reúnen unas determinadas condiciones, por ejemplo: 20 individuos de 25 a 40 años, de
sexo femenino y residentes en Gijón. Una vez determinada la cuota se eligen los primeros
que se encuentren que cumplan esas características. Este método se utiliza mucho en las
encuestas de opinión.
Muestreo opinático o intencional:
Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener muestras
"representativas" mediante la inclusión en la muestra de grupos supuestamente típicos. Es
muy frecuente su utilización en sondeos preelectorales de zonas que en anteriores
votaciones han marcado tendencias de voto.
Muestreo casual o incidental:
Se trata de un proceso en el que el investigador selecciona directa e intencionadamente los
individuos de la población. El caso más frecuente de este procedimiento el utilizar como
muestra los individuos a los que se tiene fácil acceso (los profesores de universidad
emplean con mucha frecuencia a sus propios alumnos).
Bola de nieve:
Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y así 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.

-5-

Muestreo Discrecional · A criterio del investigador los elementos son elegidos sobre lo que
él cree que pueden aportar al estudio. · Ej. : muestreo por juicios; cajeros de un banco o un
supermercado; etc.
Ventajas e inconvenientes de los distintos tipos de muestreo probabilístico
CARACTERISTICAS VENTAJAS INCONVENIENTES
 Sencillo y de
fácil
comprensión.
Requiere que se
 Cálculo rápido
posea de antemano
de medias y
Se selecciona una muestra un listado completo
varianzas.
de tamaño n de una de toda la población.
Aleatorio población de N unidades, Cuando se trabaja
simple cada elemento tiene una  Se basa en la con muestras
probabilidad de inclusión teoría pequeñas es posible
igual y conocida de n/N. estadística, y por que no represente a la
tanto existen población
paquetes adecuadamente.
informáticos
para analizar los
datos

Sistemático Conseguir un listado de  Fácil de aplicar. Si la constante de

los N elementos de la muestreo está
población  No siempre es asociada con el
Determinar tamaño necesario tener fenómeno de interés,
muestral n. un listado de las estimaciones
Definir un intervalo k= toda la obtenidas a partir de
N/n. población. la muestra pueden
Elegir un número contener sesgo de
aleatorio, r, entre 1 y k (r=  Cuando la selección
arranque aleatorio). población está
Seleccionar los elementos ordenada
de la lista. siguiendo una
tendencia
conocida,
asegura una
cobertura de
unidades de
 todos los tipos.

 Tiende a
asegurar que la
muestra
represente
En ciertas ocasiones adecuadamente
resultará conveniente a la población en
estratificar la muestra función de unas
según ciertas variables de variables  Se ha de
interés. Para ello debemos seleccionadas. conocer la
conocer la composición distribución
estratificada de la  Se obtienen en la
población objetivo a estimaciones población de
Estratificado hacer un muestreo. Una más precisa las variables
vez calculado el tamaño utilizadas para
muestral apropiado, este  Su objetivo es la
se reparte de manera conseguir una estratificación
proporcional entre los muestra lo más .
distintos estratos semejante
definidos en la población posible a la
usando una simple regla población en lo
de tres. que a la o las
variables
estratificadoras
se refiere.

 Es muy eficiente
cuando la  El error
población es estándar es
Se realizan varias fases de
muy grande y mayor que en
muestreo sucesivas
dispersa. el muestreo
(polietápico)
aleatorio
La necesidad de listados
 No es preciso simple o
Conglomerados de las unidades de una
tener un listado estratificado.
etapa se limita a aquellas
de toda la
unidades de muestreo
población, sólo  El cálculo del
seleccionadas en la etapa
de las unidades error estándar
anterior.
primarias de es complejo.
muestreo.

-7-
encuesta:
Método de obtener datos de una población o muestra, sin ejercer control alguno sobre los
factores que pueden afectar las características de interés o resultados de la encuesta.
encuesta por muestreo
Es una encuesta en la que participa sólo una porción de la población

Muestreo en estadística
En estadística se conoce como muestreo a la técnica para la selección de una
muestra a partir de una población.

Al elegir una muestra se espera conseguir que sus propiedades sean extrapolables a
la población. Este proceso permite ahorrar recursos, y a la vez obtener resultados
parecidos a los que se alcanzarían si se realizase un estudio de toda la población.

Cabe mencionar que para que el muestreo sea válido y se pueda realizar un estudio
adecuado (que consienta no solo hacer estimaciones de la población sino estimar
también los márgenes de error correspondientes a dichas estimaciones), debe
cumplir ciertos requisitos. Nunca podremos estar enteramente seguros de que el
resultado sea una muestra representativa, pero sí podemos actuar de manera que
esta condición se alcance con una probabilidad alta.

En el muestreo, si el tamaño de la muestra es más pequeño que el tamaño de la

población, se puede extraer dos o más muestras de la misma población. Al conjunto
de muestras que se pueden obtener de la población se denomina espacio muestral.
La variable que asocia a cada muestra su probabilidad de extracción, sigue la
llamada distribución muestral.

Técnicas de muestreo Existen dos métodos para seleccionar muestras de

poblaciones: el muestreo no aleatorio o de juicio y el muestreo aleatorio (que
incorpora el azar como recurso en el proceso de selección). Cuando este último
cumple con la condición de que todos los elementos de la población tienen alguna
oportunidad de ser escogidos en la muestra, si la probabilidad correspondiente a
cada sujeto de la población es conocida de antemano, recibe el nombre de muestreo
probabilístico. Una muestra seleccionada por muestreo de juicio puede basarse en la
experiencia de alguien con la población. Algunas veces una muestra de juicio se usa
como guía o muestra tentativa para decidir cómo tomar una muestra aleatoria más
adelante.

 Muestreo probabilístico

Forman parte de este tipo de muestreo todos aquellos métodos para los que puede
calcularse la probabilidad de extracción de cualquiera de las muestras posibles. Este
conjunto de técnicas de muestreo es el más aconsejable, aunque en ocasiones no es
posible optar por él. En este caso se habla de muestras probabilísticas, pues no es en
rigor correcto hablar de muestras representativas dado que, al no conocer las
características de la población, no es posible tener certeza de que tal característica se
haya conseguido.

Sin reposición de los elementos: Cada elemento extraído se descarta para la

subsiguiente extracción. Por ejemplo, si se extrae una muestra de una "población" de
bombillas para estimar la vida media de las bombillas que la integran, no será
posible medir más que una vez la bombilla seleccionada.
Con reposición de los elementos: Las observaciones se realizan con reemplazamiento
de los individuos, de forma que la población es idéntica en todas las extracciones. En
poblaciones muy grandes, la probabilidad de repetir una extracción es tan pequeña
que el muestreo puede considerarse sin reposición aunque, realmente, no lo sea.
Con reposición múltiple: En poblaciones muy grandes, la probabilidad de repetir una
extracción es tan pequeña que el muestreo puede considerarse sin reposición. Cada
elemento extraído se descarta para la subsiguiente extracción.
Para realizar este tipo de muestreo, y en determinadas situaciones, es muy útil la
extracción de números aleatorios mediante ordenadores, calculadoras o tablas
construidas al efecto.

 Muestreo estratificado

Consiste en la división previa de la población de estudio en grupos o clases que se

suponen homogéneos con respecto a alguna característica de las que se van a
estudiar. A cada uno de estos estratos se le asignaría una cuota que determinaría el
número de miembros del mismo que compondrán la muestra. Dentro de cada estrato
se suele usar la técnica de muestreo sistemático, una de las técnicas de selección
más usadas en la práctica.
Según la cantidad de elementos de la muestra que se han de elegir de cada uno de
los estratos, existen dos técnicas de muestreo estratificado:

 Asignación proporcional: el tamaño de la muestra dentro de cada estrato es

proporcional al tamaño del estrato dentro de la población.

 Asignación óptima: la muestra recogerá más individuos de aquellos estratos

que tengan más variabilidad. Para ello es necesario un conocimiento previo de
la población.

Por ejemplo, para un estudio de opinión, puede resultar interesante estudiar por
separado las opiniones de hombres y mujeres pues se estima que, dentro de cada
uno de estos grupos, puede haber cierta homogeneidad. Así, si la población está
compuesta de un 55% de mujeres y un 45% de hombres, se tomaría una muestra
que contenga también esos mismos porcentajes de hombres y mujeres.
Para una descripción general del muestreo estratificado y los métodos de inferencia
asociados con este procedimiento, suponemos que la población está dividida en h
subpoblaciones o estratos de tamaños conocidos N1, N2,..., Nh tal que las unidades en
cada estrato sean homogéneas respecto a la característica en cuestión. La media y la
varianza desconocidas para el i-ésimo estrato son denotadas por mi y si2,
respectivamente.

 Muestreo sistemático

Se utiliza cuando el universo o población es de gran tamaño, o ha de extenderse en el

tiempo. Primero hay que identificar las unidades y relacionarlas con el calendario
(cuando proceda). Luego hay que calcular una constante, que se denomina
coeficiente de elevación K= N/n; donde N es el tamaño del universo y n el tamaño de
la muestra. Determinar en qué fecha se producirá la primera extracción, para ello hay
que elegir al azar un número entre 1 y K; de ahí en adelante tomar uno de cada K a
intervalos regulares. Ocasionalmente, es conveniente tener en cuenta la periodicidad
del fenómeno.
Esto quiere decir que si tenemos un determinado número de personas que es la
población (N) y queremos escoger de esa población un número más pequeño el cual
es la muestra (n), dividimos el número de la población por el número de la muestra
que queremos tomar y el resultado de esta operación será el intervalo, entonces
escogemos un número al azar desde uno hasta el número del intervalo, y a partir de
este número escogemos los demás siguiendo el orden del intervalo.

 Muestreo por estadios múltiples

Esta técnica es la única opción cuando no se dispone de lista completa de la

población de referencia o bien cuando por medio de la técnica de muestreo simple o
estratificado se obtiene una muestra con unidades distribuidas de tal forma que
resultan de difícil acceso. En el muestreo a estadios múltiples se subdivide la
población en varios niveles ordenados que se extraen sucesivamente por medio de un
procedimiento de embudo. El muestreo se desarrolla en varias fases o extracciones
sucesivas para cada nivel.
Por ejemplo, si tenemos que construir una muestra de profesores de primaria en un
país determinado, éstos pueden subdividirse en unidades primarias representadas
por circunscripciones didácticas y unidades secundarias que serían los propios
profesores. En primer lugar extraemos una muestra de las unidades primarias (para
lo cual debemos tener la lista completa de estas unidades) y en segundo lugar
extraemos aleatoriamente una muestra de unidades secundarias de cada una de las
primarias seleccionadas en la primera extracción.

 Muestreo por conglomerados

Técnica similar al muestreo por estadios múltiples, se utiliza cuando la población se

encuentra dividida, de manera natural, en grupos que se supone que contienen toda
la variabilidad de la población, es decir, la representan fielmente respecto a la
característica a elegir, pueden seleccionarse sólo algunos de estos grupos o
conglomerados para la realización del estudio.
Dentro de los grupos seleccionados se ubicarán las unidades elementales, por
ejemplo, las personas a encuestar, y podría aplicársele el instrumento de medición a
todas las unidades, es decir, los miembros del grupo, o sólo se le podría aplicar a
algunos de ellos, seleccionados al azar. Este método tiene la ventaja de simplificar la
recogida de información muestral.
Cuando, dentro de cada conglomerado seleccionado, se extraen algunos individuos
para integrar la muestra, el diseño se llama muestreo bietápico.
Las ideas de estratos y conglomerados son, en cierto sentido, opuestas. El primer
método funciona mejor cuanto más homogénea es la población respecto del estrato,
aunque más diferentes son éstos entre sí. En el segundo, ocurre lo contrario. Los
conglomerados deben presentar toda la variabilidad, aunque deben ser muy
parecidos entre sí.

 Homogeneidad de las poblaciones o sus subgrupos

Homogéneo siginifica, en el contexto de la estratificación, que no hay mucha

variabilidad. Los estratos funcionan mejor cuanto más homogéneos son cada uno de
ellos respecto a la característica a medir. Por ejemplo, si se estudia la estatura de
una población, es bueno distinguir entre los estratos mujeres y hombres porque se
espera que, dentro de ellos, haya menos variabilidad, es decir, sean menos
heterogéneos. Dicho de otro modo, no hay tantas diferencias entre unas estaturas y
otras dentro del estrato que en la población total.
Por el contrario, la heterogeneidad hace inútil la división en estratos. Si se dan las
mismas diferencias dentro del estrato que en toda la población, no hay por qué usar
este método de muestreo. En los casos en los que existan grupos que contengan toda
la variabilidad de la población, lo que se construyen son conglomerados, que ahorran
algo del trabajo que supondría analizar toda la población. En resumen, los estratos y
los conglomerados funcionan bajo principios opuestos: los primeros son mejores
cuanto más homogéneo es el grupo respecto a la característica a estudiar y los
conglomerados, si representan fielmente a la población, esto es, contienen toda su
viariabilidad, o sea, son homogéneos.

 Muestreo de juicio

Aquél para el que no puede calcularse la probabilidad de extracción de una

determinada muestra. Se busca seleccionar a individuos que se juzga de antemano
tienen un conocimiento profundo del tema bajo estudio, por lo tanto, se considera
que la información aportada por esas personas es vital para la toma de decisiones.

 Muestreo por cuotas

Es la técnica más difundida sobre todo en estudios de mercado y sondeos de opinión.

En primer lugar es necesario dividir la población de referencia en varios estratos
definidos por algunas variables de distribución conocida (como el género o la edad).
Posteriormente se calcula el peso proporcional de cada estrato, es decir, la parte
proporcional de población que representan. Finalmente se multiplica cada peso por el
tamaño de n de la muestra para determinar la cuota precisa en cada estrato. Se
diferencia del muestreo estratificado en que una vez determinada la cuota, el
investigador es libre de elegir a los sujetos de la muestra dentro de cada estrato.

 Muestreo de bola de nieve

Indicado para estudios de poblaciones clandestinas, minoritarias o muy dispersas

pero en contacto entre sí. Consiste en identificar sujetos que se incluirán en la
muestra a partir de los propios entrevistados. Partiendo de una pequeña cantidad de
individuos que cumplen los requisitos necesarios estos sirven como localizadores de
otros con características análogas.

 Muestreo subjetivo por decisión razonada

En este caso las unidades de la muestra se eligen en función de algunas de sus

características de manera racional y no casual. Una variante de esta técnica es el
muestreo compensado o equilibrado, en el que se seleccionan las unidades de tal
forma que la media de la muestra para determinadas variables se acerque a la
media de la población.

Estudia cómo sacar conclusiones generales para toda la población a partir del estudio de una
muestra, y el grado de fiabilidad o significación de los resultados obtenidos.

Muestreo probabilístico
Consiste en elegir una muestra de una población al azar. Podemos distinguir varios tipos:

Muestreo aleatorio simple:

    Para obtener una muestra, se numeran los elementos de la población y se seleccionan al

azar los n elementos que contiene la muestra.

Muestreo aleatorio sistemático:

    Se elige un individuo al azar y a partir de él, a intervalos constantes, se eligen los demás
hasta completar la muestra.

Muestreo aleatorio estratificado:

    Se divide la población en clases o estratos y se escoge, aleatoriamente, un número de

individuos de cada estrato proporcional al número de componentes de cada estrato.
Intervalos característicos

El nivel de confianza (p) se designa mediante 1 - α.

El nivel de significación se designa mediante α.

El valor crítico (k) como z α/2 .

P(Z>z α/2) = α/2      P[-z α/2 < z < z α/2] = 1- α

En una distribución N(μ, σ ) el intervalo característico correspondiente a una probabilidad p

= 1 - α es:

(μ - z α/2 · σ , μ + z α/2 · σ )

1-α α/2 z α/2 Intervalos característicos

0.90 0.05 1.645 (μ - 1.645 · σ , μ + 1.645 · σ)

0.95 0.025 1.96 (μ - 1.96 · σ , μ + 1.96 · σ )

0.99 0.005 2.575 (μ - 2.575 · σ , μ + 2.575 · σ )

Distribución de las medias muestrales

Teorema central del límite
Si una población tiene media μ y desviación típica σ , y tomamos muestras de tamaño n (n>30, ó
cualquier tamaño si la población es "normal"), las medias de estas muestras siguen
aproximadamente la distribución:

Consecuencias:

1.Permite averiguar la probabilidad de que la media de una muestra concreta esté en un

cierto intervalo.

2.Permite calcular la probabilidad de que la suma de los elementos de una muestra esté, a
priori, en un cierto intervalo.
3.Inferir la media de la población a partir de una muestra.

Estimación

 Intervalo de confianza
Se llama así a un intervalo en el que sabemos que está un parámetro, con un
nivel de confianza específico.
 Nivel de confianza
Probabilidad de que el parámetro a estimar se encuentre en el intervalo de
confianza.
 Error de estimación admisible
Que estará relacionado con el radio del intervalo de confianza.

Estimación de la media de una población

Intervalo de confianza para la media
El intervalo de confianza, para la media de una población, con un nivel de confianza de 1-
α , siendo x la media de una muestra de tamaño n y σ la desviación típica de la población,
es:

El error máximo de estimación es:

Tamaño de la muestra

Estimación de una proporción

  Si en una población, una determinada característica se presenta en una proporción p, la
proporción p' , de individuos con dicha característica en las muestras de tamaño n, se
distribuirán según:
Intervalo de confianza para una proporción

El error máximo de estimación es:

Hipótesis estadísticas

Un test estadístico es un procedimiento para, a partir de una muestra aleatoria y

significativa, extraer conclusiones que permitan aceptar o rechazar una hipótesis
previamente emitida sobre el valor de un parámetro desconocido de una población.

La hipótesis emitida se designa por H0 y se llama hipótesis nula.

La hipótesis contraria se designa por H1 y se llama hipótesis alternativa.

Contrastes de hipótesis

1. Enunciar la hipótesis nula H0 y la alternativa H1.

Bilateral H0=k H1 ≠ k

H0≥ k H1 < k
Unilateral
H0 ≤k H1> k

2. A partir de un nivel de confianza 1 - α o el de significación α. Determinar:

El valor zα/2 (bilaterales), o bien zα (unilaterales)

La zona de aceptación del parámetro muestral (x o p').

3. Calcular: x o p', a partir de la muestra.

4. Si el valor del parámetro muestral está dentro de la zona de la aceptación, se
acepta la hipótesis con un nivel de significación α. Si no, se rechaza.

Contraste Bilateral
Se presenta cuando la hipótesis nula es del tipo H0: μ = k (o bien H0: p = k) y la hipótesis
alternativa, por tanto, es del tipo H1: μ≠ k (o bien H1: p≠ k).

El nivel de significación α se concentra en dos partes (o colas) simétricas respecto

de la media.

La región de aceptación en este caso no es más que el correspondiente intervalo de

probabilidad para x o p', es decir:

o bien:

Contraste unilateral

Caso 1

La hipótesis nula es del tipo H0: μ ≥ k (o bien H0: p ≥ k).

La hipótesis alternativa, por tanto, es del tipo H1: μ < k (o bien H1: p < k).

Valores críticos

1-α α zα

0.90 0.10 1.28

0.95 0.05 1.645

0.99 0.01 2.33

La región de aceptación en este caso será:

o bien:

Caso 2

La hipótesis nula es del tipo H0: μ ≤ k (o bien H0: p ≤ k).

La hipótesis alternativa, por tanto, es del tipo H1: μ > k (o bien H1: p > k).

La región de aceptación en este caso será:

o bien:

Errores

Error de tipo I. Se comete cuando la hipótesis nula es verdadera y, como

consecuencia del contraste, se rechaza.

Error de tipo II. Se comete cuando la hipótesis nula es falsa y, como

consecuencia del contraste se acepta.

H0 Verdadera Falsa

Decisón correcta Decisión incorrecta:

Aceptar
Probabilidad = 1 - α ERROR DE TIPO II

Rechazar ERROR DE TIPO I Decisión correcta

 Probabilidad = α

La probabilidad de cometer Error de tipo I es el nivel de significación α.

La probabilidad de cometer Error de tipo II depende del verdadero valor del

parámetro. Se hace tanto menor cuanto mayor sea n.