Professional Documents
Culture Documents
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.
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
Unidades de análisis: objeto o individuo del que hay que obtener la información.
Marco muestral: lista de unidades o elementos de muestreo.
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 estratificado
Muestreo sistemático
-2-
-3-
de Conveniencia
de Juicios
por Cuotas
de Bola de Nieve
Discrecional
-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
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.
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.
Muestreo estratificado
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
Muestreo de juicio
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:
Se elige un individuo al azar y a partir de él, a intervalos constantes, se eligen los demás
hasta completar la muestra.
(μ - z α/2 · σ , μ + z α/2 · σ )
Consecuencias:
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.
Tamaño de la muestra
Hipótesis estadísticas
Contrastes de hipótesis
Bilateral H0=k H1 ≠ k
H0≥ k H1 < k
Unilateral
H0 ≤k H1> k
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).
o bien:
Contraste unilateral
Caso 1
La hipótesis alternativa, por tanto, es del tipo H1: μ < k (o bien H1: p < k).
Valores críticos
1-α α zα
Caso 2
La hipótesis alternativa, por tanto, es del tipo H1: μ > k (o bien H1: p > k).
o bien:
Errores
H0 Verdadera Falsa