Vous êtes sur la page 1sur 61

To err is human, to forgive divine, but to include errors in your design is statistical.

Leslie Kish (1910-2000)

DISEO Y PROCEDIMIENTOS

MUESTREO

Dr. Angel Ugarte Concha

CONCEPTOS DE CENSO

EL CENSO, es una relacin completa de los elementos de la poblacin. Por tanto el estudio de un censo es la mejor garanta para acercarse al conocimiento completo de algn fenmeno en la poblacin. Es posible cuando la poblacin es pequea en determinados sectores empresariales, o bien por la actuacin de la Administracin Pblica para la obtencin de censos electorales, industriales, agrcolas, etc. Es necesario demasiado tiempo para llegar a conclusiones y tomar decisiones. El costo de entrevistar a toda la poblacin puede ser prohibitivo.

Angel R. Ugarte Concha

CONCEPTOS DE MUESTREO
LA POBLACION Es el conjunto formado por la totalidad de elementos (personas, familias, establecimientos, productos, empresas, etc.) con arreglo a caractersticas concretas.

Angel R. Ugarte Concha

CONCEPTOS DE MUESTREO
LA MUESTRA Es un subconjunto de elementos de la poblacin elegidos para estudiar y as tratar de inferir caractersticas de la poblacin.

Angel R. Ugarte Concha

CONCEPTOS DE MUESTREO

EL MUESTREO Es un conjunto de operaciones encaminadas a determinar una muestra, su tamao y dems caractersticas necesarios para identificar los elementos que la forman.

Necesidades de rapidez y la limitacin de los recursos


Angel R. Ugarte Concha

Garanta de calidad y de precisin de datos


5

TERMINOS TECNICOS DEL MUESTREO

Generalizacin de Resultados Poblacin


(grupo del cual se desea saber algo)

Media. Moda.

Mediana
Etc

Muestra
(grupo en que se realiza el estudio)

Fumadores: 2.500.000 personas Amas de Casa: 5.200.000 hogares Usuarios Telefona Celular : 10.000.000 personas

Angel R. Ugarte Concha

PROCESO DEL DISEO DE MUESTRA


DETERMINAR LA POBLACION OBJETIVO

ESCOGER EL MARCO DE MUESTREO


SELECCIONAR TECNICA DE MUESTREO

ELEGIR EL TAMAO NECESARIO DE LA MUESTRA EJECUTAR EL PROCESO DE MUESTREO

Angel R. Ugarte Concha

DETERMINAR LA POBLACION OBJETIVO


Es

la recoleccin de elementos u objetos que poseen informacin buscada por el investigador y acerca de la cual se deben realizar las deducciones. Se debe definir en forma precisa. Se debe definir en trminos de: Elemento Unidades de muestreo extensin y tiempo.

Angel R. Ugarte Concha

Ejemplo:
Evaluar las respuesta del consumidor, en la nueva lnea de labiales y muestrear a mujeres mayores de 18 aos.

Unidad de muestreo: Hogares


Elemento: Mujeres mayores de 18 aos. Extensin: Arequipa. Fecha: 2013
Angel R. Ugarte Concha 9

Proyecto de IM que evalu la respuesta del consumidor de una marca nueva de colonia
Quien debe incluirse en la poblacin objetivo? Todos los hombres? Hombres que han utilizado colonia durante el ltimo mes? Hombres mayores de 17 aos? Debe incluirse mujeres?, alguna comprar para regalo. Preguntas como estas deben resolverse antes de que la poblacin objetivo pueda definirse apropiadamente.

Dr. Angel Ugarte Concha


Angel R. Ugarte Concha 10

ESCOGER EL MARCO DE MUESTREO

Es la representacin de los elementos de la poblacin objetivo. Consiste en una lista o conjunto de instrucciones para identificar a la poblacin objetivo.

Angel R. Ugarte Concha

11

Ejemplo:

Directorio telefnico. De una asociacin de empresas de una industria (Parque Industrial de Arequipa) Lista de correo comprada a una organizacin comercial. Directorio de una ciudad. Un Mapa.

Angel R. Ugarte Concha

12

SELECCIONAR LA TECNICA DE MUESTREO

Esta etapa incluye diversas decisiones de naturaleza mas amplia.

Angel R. Ugarte Concha

13

TECNICAS DE MUESTREO
MUESTREO

MUESTRAS NO PROBABILISTICAS

MUESTRAS PROBABILISTICAS

POR CONVENIENCIA
POR CUOTA

POR JUICIO

ALEATORIO SIMPLE
ESTRATIFICADO

SISTEMATICO

DE BOLA DE NIEVE

DE GRUPO

Angel R. Ugarte Concha

14

DETERMINACIN DEL TAMAO DE LA MUESTRA

Se refiere al numero de elementos para incluir en un trabajo de IM. Factores a considerar:


-

Cualitativos. Cuantitativos.

Dr. Angel Ugarte Concha

Angel R. Ugarte Concha

15

Factores Cualitativos:
1.

2.
3. 4.

5.

6.

7.
8.

Importancia de la decisin. Naturaleza de la investigacin. Numero de variables. Naturaleza del anlisis. Tamao de muestras utilizados en estudios anteriores. Tasas de incidencia. Tasas de cumplimientos Restricciones de recursos.
Angel R. Ugarte Concha 16

Factores Cuantitativos:
1.
1.
2. 3.

Informacin numrica estadstica.


MAS MAE Etc.

Angel R. Ugarte Concha

17

EJECUCIN DEL PROCESO DE MUESTREO


Este paso requiere de una especificacin detallada de cmo se llevara a cabo las decisiones de diseo de muestreo con relacin a: -La poblacin -Marco de muestreo. -Unidad de muestreo. -Tcnica de muestreo -Tamao de la muestra Caso: Si los hogares son la unidad de muestreo, se necesita una definicin operacional del hogar: Procedimientos de unidades habitacionales vacas, y para la repeticin de unidades cuando no hay nadie en casa. Se debe proporcionar informacin detallada para todas las decisiones de diseo de muestreo.
Angel R. Ugarte Concha 18

Ejemplo de un plan operativo de muestreo:

En las instrucciones que se dan a continuacin se hace referencia a seguir en la ruta en torno a una manzana. En las ciudades se trata de una manzana de ciudad y en las reas rurales, la manzana es un segmento de tierra rodeado de carreteras. Si llega a un camino cerrado de ruta, proceda por el lado opuesto de la calle, carretera o callejn, viajando en sentido contrario. Continu dando vuelta a la derecha siempre que sea posible y llame a cada tercera vivienda ocupada. Si da toda la vuelta ala manzana y regresa a la direccin inicial sin haber completado cuatro entrevistas de hogares con telfono publico, intente efectuar una entrevista en la direccin inicial. Si ha trabajado en toda la manzana y no completa las entrevistas necesarias, toque la vivienda de enfrente que este mas cerca de la ruta inicial. Siempre siga la regla de dar vuelta a la derecha. Etc, etc, etc

Angel R. Ugarte Concha

19

Clasificacin de las tcnicas de Muestreo

Dr. Angel Ugarte Concha

Clasificacin de las tcnicas de Muestreo


MUESTREO

MUESTRAS NO PROBABILISTICAS

MUESTRAS PROBABILISTICAS

POR CONVENIENCIA POR CUOTA

POR JUICIO

ALEATORIO SIMPLE ESTRATIFICADO

SISTEMATICO

DE BOLA DE NIEVE

DE GRUPO

Angel R. Ugarte Concha

21

No Probabilstico

No se puede evaluar la confiabilidad de los resultados (no se puede establecer a priori la probabilidad de que un elemento sea incluido en la muestra)

Probabilstico

Cada elemento de la poblacin tiene una probabilidad conocida y positiva de ser incluido en la muestra. En un esquema probabilstico se pueden evaluar la confiabilidad de los resultados

Angel R. Ugarte Concha

22

Muestreo No Probabilstico
Dr. Angel Ugarte Concha

Caractersticas Muestreo No Probabilstico

No es posible establecer a priori la probabilidad que tienen los miembros del universo, de ser seleccionados como parte de la muestra. El proceso de seleccin de los miembros de la muestra es subjetivo, a criterio y voluntad del investigador. Su mayor inconveniente es la desconocida relacin entre estimadores y parmetros, dificultando la estimacin de estos ltimos.

Angel R. Ugarte Concha

24

Caractersticas Muestreo No Probabilstico

Estimador: Valor numrico que describe una caracterstica de una muestra. No es posible establecer a priori la numrico probabilidad Un estimador no es un valor constante que tienen (como lo es unde parmetro), sino que es una los miembros del universo, ser seleccionados como parte de la muestra. variable: su valor concreto depende de la muestra en la que es calculado.

El proceso de seleccin de los miembros de la muestra es subjetivo, a criterio y voluntad del investigador. Su mayor inconveniente es la desconocida relacin entre estimadores y parmetros, dificultando la estimacin de estos ltimos.

Angel R. Ugarte Concha

25

Caractersticas Muestreo No Probabilstico

Parmetro: es un valor numrico que describe una caracterstica de una poblacin. No es posible establecer ason priori la probabilidad Los parmetros valores numricos constantesque tienen (es decir, no son variables) , definida una los miembros del universo, de ser seleccionados como parte de la muestra. poblacin cualquiera y un parmetro en ella, ese parmetro slo puede tomar un valor numrico concreto.

El proceso de seleccin de los miembros de la muestra es subjetivo, a criterio y voluntad del investigador. Su mayor inconveniente es la desconocida relacin entre estimadores y parmetros, dificultando la estimacin de estos ltimos.

Angel R. Ugarte Concha

26

Cundo aplicar muestreo NO probabilstico

Cuando se pretende estudiar una POBLACIN RARA o MARGINAL (Drogadictos, Delincuentes, Indigentes, Sectas, Homosexuales, etc) Cuando no hay un marco disponible para propsitos de muestreo. Cuando se considera que no se requieren cifras exactas sobre la representatividad estadstica de los resultados.

Angel R. Ugarte Concha

27

MUESTREO NO PROBABILSTICO:

Por conveniencia

La muestra se selecciona, como el nombre lo indica, por conveniencia de la persona que realiza la investigacin. Ejemplos de este tipo de muestreo son:

Pedir estudiantes para testear un producto y/o realizar pruebas de publicidad con estudiantes. Entrevistar gente en un shopping para obtener su opinin sobre algn tema en particular. Entrevistas en la calle para un canal de TV.

Angel R. Ugarte Concha

28

MUESTREO NO PROBABILSTICO: Por Juicio

La muestra se selecciona de acuerdo a lo que algn experto piensa que son los mejores elementos para responder el objetivo particular de la investigacin.

Angel R. Ugarte Concha

29

Ejemplos de este tipo de muestreo son:


MUESTREO POR JUICIO

Encargados de las compras de algunas empresas

Mercados de prueba seleccionados para determinar el potencial de un nuevo producto Tiendas con mezcla de productos donde se ofertan los nuevos productos

Personas expertas

Angel R. Ugarte Concha

30

MUESTREO NO PROBABILSTICO: Por Cuotas

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 Cayma.

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.

Angel R. Ugarte Concha

31

MUESTREO NO PROBABILSTICO: Por Cuotas


El muestreo por cuota puede considerarse como un muestreo por juicio restringido de dos etapas.

La primera etapa consiste en desarrollar categoras de control, o cuotas, de los elementos de la poblacin. En la segunda etapa, se seleccionan los elementos de la muestra con base en la conveniencia o el juicio. Composicin de la poblacin Caracterstica de contol Sexo Masculino Femenino Porcentaje 48 52 ____ 100 Composicin de la muestra Nmero 480 520 ____ 1000

Porcentaje 48 52 ____ 100

Angel R. Ugarte Concha

32

MUESTREO NO PROBABILISTICO: Por Bola de Nieve

Se elige una pequea submuestra por algunos de los procedimientos antes especificados, para a continuacin pedir a cada uno de los componentes de la submuestra que sugieran otros posibles componentes de la muestra. Consiste en pedirle referencias sobre otras personas que integran su entorno, haciendo de esta manera que se ample el tamao de muestra. Como es obvio cada componente de la submuestra dar referencias de personas que son de su grupo.
Angel R. Ugarte Concha 33

El conocimiento es poder

Muestreo Probabilstico

MUESTREO ALEATORIO SIMPLE (MAS)

Se eligen individuos de la poblacin de estudio, de manera que todos tienen la misma probabilidad de aparecer, hasta alcanzar el tamao muestral deseado.
Se puede realizar partiendo de listas de individuos de la poblacin, y eligiendo individuos aleatoriamente con un ordenador. Normalmente tiene un coste bastante alto su aplicacin. En general, las tcnicas de inferencia estadstica suponen que la muestra ha sido elegida usando M.A.S., aunque en realidad se use alguna de las otras tcnicas.

Angel R. Ugarte Concha

36

MUESTREO ALEATORIO SIMPLE (MAS)

Puede ser : con reposicin, y sin reposicin

CARACTERISTICAS: Asigna probabilidades iguales de seleccin Necesita listado de unidades (Marco de muestreo) Utiliza tabla de nmeros aleatorios, urnas con bolas, generacin de nmeros aleatorios por computadora, etc. Eficiente slo en poblaciones homogneas Aplicable en encuestas de pequea escala Forma parte de diseos de muestra ms complejos

Dr. Angel Ugarte Concha

Angel R. Ugarte Concha

37

Requisitos:

Listado de las unidades de observacin Estimado de la variabilidad de la caracterstica a medir en la poblacin objetivo.

Mtodo de Implementacin:

Enumere el listado de todas las unidades de observacin Calcule el tamao de la muestra n Seleccione n unidades de la lista con algn algoritmo aleatorio

Angel R. Ugarte Concha

38

Ventajas:
Sencillez

de las estimaciones Replica la poblacin objetivo

Angel R. Ugarte Concha

39

Desventajas:
Requiere un listado de todas la unidades de muestreo La dispersin geogrfica de la muestra puede ser alta debido a que todos los elementos muestrales tienen el mismo chance de pertenecer a la muestra. Esto aumenta los costos de muestreo

N O S

Angel R. Ugarte Concha

40

La forma de muestreo implica que cada subgrupo debera estar representado en la muestra en aproximadamente la misma proporcin con la que aparecen en la poblacin.

Esto no es conveniente cuando el inters de la investigacin se enfoca en algunos subgrupos, especialmente cuando el tamao de los subgrupos es pequeo, pues sera necesario una muestra muy grande para conseguir representatividad de los subgrupos.

Angel R. Ugarte Concha

41

MUESTREO ALEATORIO SISTEMATICO

Se tiene una lista de los individuos de la poblacin de estudio. Si queremos una muestra de un tamao dado, elegimos individuos igualmente espaciados de la lista, donde el primero ha sido elegido al azar. CUIDADO: Si en la lista existen periodicidades, obtendremos una muestra sesgada.

Un caso real: Se eligi una de cada cinco casas para un estudio de salud pblica en una ciudad donde las casas se distribuyen en manzanas de cinco casas. Salieron con mucha frecuencia las de las esquinas, que reciben ms sol, estn mejor ventiladas,

Angel R. Ugarte Concha

42

Caractersticas

Asigna probabilidades iguales de seleccin No siempre necesita listado de unidades No requiere tabla de nmeros aleatorios, ni urnas con bolas, ni generacin de nmeros aleatorios por computadora, etc. Eficiente slo en poblaciones homogneas La muestra se distribuye uniformemente en toda la poblacin, siempre que exista una buena ordenacin en el marco de muestreo Aplicable en encuestas de pequea escala y en la seleccin en campo Forma parte de diseos de muestra ms complejos.

Angel R. Ugarte Concha

43

MUESTREO ALEATORIO SISTEMATICO

De una lista de 270 clientes, se desea seleccionar una muestra sistemtica de 30. Entonces el intervalo de seleccin es: k = 270/30 = 9, es exactamente entero. Luego, se elige un nmero aleatorio entre 1 y 9 (arranque aleatorio) es a=5. Los clientes elegidos para la muestra son los que ocupan la posicin: 005, 014, 023, 032, 041, 050, 059, 068, 077, 086, 095, 104, 113, 122, 131, 140, 149, 158, 167, 176, 185, 194, 203, 212, 221, 230, 239, 248, 257, 266

No 5 Aleatorio 14 23 32 41 50 59 68 77 86 95 104 113 122 131 140 149 158 167 176 185 194 203 212 221 230 239 248 257 266

Telfono 241-6733 328-0446 476-8125 495-1957 526-0930 485-9040 295-1590 521-2173 474-1853 425-1596 488-5125 568-7235 470-9334 574-4628 445-2746 392-6221 451-2431 458-6117 471-8682 283-4416 381-7542 224-6670 293-4892 465-4290 459-3981 451-4178 348-7368 446-8466 547-4043 444-9092

Nombre Retegui Diaz Olga (Mes anterior: S/.) M. Talavera Cruz Clara Alba Caballero Guillermo Tafur Documet Orlando J. Ramrez Valera Luis J. Tapia Torres Amador Raymundo Palomino Jurez Alvarez Camilo Martnez Estelita Romero Damin Burga Araujo Marcela Real Leiva Eugenio N. Jarra Lazo Vernica Chucle Chumbe Juan E. Morales Garcia Olimpia Manrrique Angeles Livia Yactayo Samn Juan de Salcedo Escobar Angel la Rosa Fernndez Aliaga Carlos Cueto Arias Cirilo E. Lzaro Villa Mario P. Zamudio Buenda Ulises Kegel Garcia Hene G. Quiroga Guillermo Temoche Romero Fanny Segundo Rabanal Zelada B. Arstides M. Espejo Morales Victor Chirinos Alarcn Gloria J. Demichelli Zevallos Ortiz Espritu Rojas Pedro Teresa Mindreau Raquel E.

Consult 1 as 1 2 2 2 3 3 3 4 4 4 4 4 5 5 5 5 6 6 6 6 7 7 7 8 9 9 9 10 10

Angel R. Ugarte Concha

44

MUESTREO PROBABILISTICO: ALEATORIO SISTEMATICO CIRCULAR


De la misma lista anterior de 270 clientes, se desea seleccionar una muestra de 32. Entonces el intervalo de seleccin es: k = 270/32= 8.44 8 (parte entera) Luego, se elige un nmero aleatorio entre 1 y 270, es a=103. Los clientes elegidos para la muestra son los que ocupan la posicin: 103, 111, 119, 127, 135, 143, 151, 159, 167, 175, 183, 191, 199, 207, 215, 223, 231, 239, 247, 255, 263, 001, 009, 017, 025, 033, 041, 049, 057, 065, 073, 081

N o Aleatorio 103 111 119 127 135 143 151 159 167 175 183 191 199 207 215 223 231 239 247 255 263 001 009 017 025 033 041 049 057 065 073 081 Telfono 442-4245 550-0712 446-3500 420-7454 254-0592 441-7002 264-5137 354-4145 471-8682 421-1548 485-9040 474-5992 461-0482 368-2112 442-4043 536-1199 464-6458 348-7368 553-3669 429-8214 421-6940 365-1774 425-4039 536-2160 479-8230 472-8700 526-0930 441-4692 464-7182 526-5318 336-8720 295-1914 N ombre Zanetti H elena G ereda de Julin M arquina M aril Alv a Arce Eduardo P. C huna Alaa R icardo Layseca C arm en L. Aguilar de Pereira Pereira O rlando D eza Bringas Luis Laredo O sorio C laudio C ueto Arias C irilo E. C ampos N ieves Walther E. Tapia Torres Am ador H . G iraldo Cano C arlos R evolledo Luisa Q uinto de Ferrari M acher Jorge La T orre C abrejos N orm a E. Escobar C cora Z cimo G alagarza Aponte Mara S. C hirinos Alarcn G loria J. Zeta C orrea Venancio Arce C orrea Federico M . Bianchi Burga M ariela G arcia R odriguez Juan D . H urtado Flores Jorge R emuzgo T ruJillo H elm er U ribe M ontes G ustavo Vadillo Q uijandra Antonio R am rez Valera Luis J. Q uevedo M ejia M anuel A. D vila Briceo Juan M . G irao Sara C amacho de Farro Sonco Mara E. U rbano U ra Jessica V. M iem bros 4 4 5 5 5 5 5 6 6 6 6 6 7 7 8 8 9 9 9 10 10 1 1 1 2 2 2 3 3 3 4 4

Angel R. Ugarte Concha

45

Ejemplo

Supongamos que queremos realizar una investigacin en un saln de clases de 40 estudiantes, de la edad promedio de los estudiantes de ese saln. Se decide que el tamao de la muestra es de 4 estudiantes. Para aplicar muestreo sistemtico se consigue el listado de estudiantes y se le pide que cada alumno anote la edad junto a su nombre y se procede de la sihuiente manera:

Angel R. Ugarte Concha

46

Poblacin: N= 40 estudiantes Muestra: n= 4 estudiantes Tamao del salto: N/n = 10 Numero aleatorio entre: 1 y 10 da 3 Muestra: Alumno 3: 28 aos Alumno 13: 30 aos Alumno 23: 24 aos Alumno 33: 22 aos Media: 26 aos

Listado de alumnos con sus respectivas edades


Alumno 1 Alumno 2 Alumno 3 Alumno 4 Alumno 5 Alumno 6 Alumno 7 Alumno 8 Alumno 9 Alumno 10 Alumno 11 Alumno 12 Alumno 13 Alumno 14 Alumno 15 Alumno 16 Alumno 17 Alumno 18 Alumno 19 Alumno 20 24 22 28 28 22 20 23 24 25 30 30 28 30 28 22 22 24 28 25 24 Alumno 21 Alumno 22 Alumno 23 Alumno 24 Alumno 25 Alumno 26 Alumno 27 Alumno 28 Alumno 29 Alumno 30 Alumno 31 Alumno 32 Alumno 33 Alumno 34 Alumno 35 Alumno 36 Alumno 37 Alumno 38 Alumno 39 Alumno 40 24 22 24 22 30 28 25 28 26 23 24 22 22 29 23 27 26 21 29 22

Angel R. Ugarte Concha

47

MUESTREO ESTRATIFICADO
Se da cuando el marco muestral es dividido en grupos o estratos y se muestrea independientemente en cada estrato.

Dentro de un estrato, los elementos deben ser tan homogneos como sea posible, mientras que los elementos de diferentes estratos tienen que ser tan heterogneos como sea posible.

Angel R. Ugarte Concha

48

Caractersticas

Puede ser: Directo de elementos en cada estrato; Por conglomerados (con o sin submuestreo) en cada estrato. Requiere informacin auxiliar de una o ms variables para estratificar la poblacin. Es eficiente en poblaciones heterogneas. Reduce el costo del muestreo al reducir los tamaos de muestra sin perder precisin. Forma parte de los diseos de muestras complejas.

Angel R. Ugarte Concha

49

Cuando usarlo

Si queremos protegernos de una mala muestra: Puede no haber representacin de algn estrato en la muestra y causar un sesgo en la estimacin Se necesitan datos con cierta precisin en algn estrato especfico Si los estratos tienen un comportamiento muy distinto

Angel R. Ugarte Concha

50

Criterios para estratificar

HOMOGENEIDAD: Entre elementos de un mismo estrato HETEROGENEIDAD: Entre estratos INDEPENDENCIA: Entre estratos al seleccionar la muestra

Angel R. Ugarte Concha

51

MUESTREO ESTRATIFICADO
Poblacin

.......

n1

n2

n3

nL

n = n1 + n2 + n3 +.........+ nL
Angel R. Ugarte Concha 52

Ejemplo
Asignacin Proporcional
Tamao

de la Poblacin N = 1000 empresas Tres Estratos (tamao) Grandes Empresas = 50 Medianas Empresas = 250 Pequeas Empresas = 700 Tamao Muestral n = 100

n nh N h N

Estratificacin

n1 = 100 / 1000 x 50 =

n2 = 100 / 1000 x 250 = 25 n3 = 100 / 1000 x 700 = 70

Angel R. Ugarte Concha

53

Ventajas

Se obtienen estimaciones ms precisas por estratos Cada estrato est representado en la muestra Se puede utilizar un tipo de muestreo distinto en cada estrato. Se puede conseguir exactitud por estrato o en la poblacin Es ms eficiente mientras ms variabilidad exista entre los estratos Los estimados poblacionales son ms precisos

Desventajas

Costos de implementacin. Algunas veces la ganancia extra en precisin puede no valer la pena

Angel R. Ugarte Concha

54

Muestreo por Conglomerados

La poblacin meta primero se divide en subpoblaciones o conglomerados mutuamente excluyentes. Los elementos dentro de un conglomerado deben ser tan heterogneos como sea posible, aunque los conglomerados tienen que ser tan homogneos como sea posible. De manera ideal, cada conglomerado debe ser una representacin a pequea escala de la poblacin.

Luego se selecciona una muestra aleatoria de conglomerados con base en una tcnica de muestreo probabilstico, como el muestreo aleatorio simple.

Angel R. Ugarte Concha

55

Ejemplos de Conglomerados
Conglomerado Cuadras

Unidad Muestral
Viviendas

Unidad Elemental
Personas

Aplicacin Estimacin del total de personas en la ciudad fumadoras Estimacin de la proporcin de muertes en un estado Estimacin del promedio de estudiantes en un distrito escolar

Parroquias

Hospitales

Pacientes

Escuelas Archivo general de cuentas bancarias Paginas de Texto Semanas

Clases

Estudiantes

Archivo individual Lneas de texto Das

Cuenta

Estimacin de cuentas morosas Estimacin del nmero total de palabras en un libro Estimacin del total de das que tienen un nivel de ozono mayor al promedio

Palabras

Das

Angel R. Ugarte Concha

56

Caracteristicas

El marco de muestreo es una lista de conglomerados La medicin se realiza a todos los elementos del conglomerado seleccionado. Se utiliza en las investigaciones por muestreo a gran escala Reduce el costo del muestreo, al no utilizar una lista de elementos de la poblacin (marco) y slo una lista de conglomerados que es ms fcil y ms barato de obtener. Reduce el tiempo de la organizacin y ejecucin del trabajo de campo.

Angel R. Ugarte Concha

57

Conglomerados (esquema grfico)


Conglomerado seleccionado

Conglomerado no seleccionado

Angel R. Ugarte Concha

58

MUESTREO PROBABILISTICO: POR CONGLOMERADOS (criterios para la conglomeracin)

Homogeneidad: (Entre) Entre elementos de diferentes conglomerados Heterogeneidad: (Dentro) Entre elementos del mismo conglomerado

PROBLEMAS EN EL MUESTRO POR CONGLOMERADOS: En los conglomerados compactos se espera que los elementos de un mismo conglomerado tengan caractersticas similares Puede no ser necesario entrevistar a todos los elementos de un mismo conglomerado compacto. El exceso de informacin al entrevistar a todos los elementos del conglomerado, incrementa el costo del muestreo.

Angel R. Ugarte Concha

59

MUESTREO PROBABILISTICO: POR CONGLOMERADOS (ejemplo conteo rpido)

Seleccin de una muestra sistemtica de mesas de sufragio, inmediatamente despus del proceso de elecciones. Poblacin: Los electores que participaron en la votacin Conglomerado: mesa de sufragio Elemento: elector Unidad reportante: Acta electoral Marco de muestreo: Listado de mesas de sufragio ordenados por ubicacin geogrfica
Angel R. Ugarte Concha 60

CONGLOMERADO POLIETPICO
CARACTERISTICAS Selecciona primero una muestra de conglomerados. Luego, selecciona una submuestra de elementos en cada conglomerado seleccionado. Este tipo de muestreo se le denomina muestreo en dos etapas o bietpico. La generalizacin de este muestreo a ms etapas se llama muestreo Multietpico o Polietpico.

VENTAJAS Las mismas ventajas del muestreo de conglomerados, es decir, reduccin del costo y tiempo La muestra se distribuye mejor que en el muestreo de conglomerados.

Angel R. Ugarte Concha

61