Vous êtes sur la page 1sur 61

Mdulo: II

Unidad: I

Semana: 01

ESTADSTICA PARA NEGOCIOS II

Segundo Agustn Garca Flores

TTULO DEL TEMA

Muestreo

ORIENTACIONES
Lea las previamente las orientaciones generales
del curso.
Revise los temas afines a este en la Biblioteca
Virtual de la UAP.
Participe de los foros.

CONTENIDOS TEMTICOS

Muestreo
Mtodos de muestreo
Tipos de muestreo
Muestreo no probabilstico
Tamao de la muestra

DESARROLLO DE CONTENIDOS - SUBTTULOS


DEL TEMA

MUESTREO
El muestreo estadstico es la herramienta que la Matemtica
utiliza para el estudio de las caractersticas de una poblacin a
travs de una determinada parte representativa de la misma.
La aplicacin de este modelo resulta de bajo costo y la
informacin estadstica final se obtiene a corto plazo, an en
aquellas poblaciones de enorme tamao.

Conceptos bsicos
POBLACIN: Conjunto o coleccin de elementos sobre
los cuales se quiere estudiar alguna caracterstica.
MUESTRA: Solo se realiza el estudio de dicha caracterstica
en una parte de la poblacin. A ese subconjunto se le denomina
muestra.

ESTIMADOR: Valor muestral utilizado para inferir un valor


poblacional.
ERROR DE MUESTREO: Error cometido al no tratar toda
la poblacin. Es un error admitido y controlado al generalizar los
resultados de una muestra obtenida aleatoriamente a la poblacin
total.

Conceptos bsicos
ERROR NO MUESTRAL: Error ajeno al proceso de
muestreo difcil de acotar y motivado principalmente por una
elevada tasa de no respuesta, errores de diseo de cuestionario,
sesgos del entrevistador, etc. Un control riguroso de todo el
proceso de realizacin del estudio reduce este tipo de errores
que pueden restar gran parte de la validez de los resultados.

PROCESO DE MUESTREO
1

IDENTIFICAR
POBLACIN
OBJETIVO

SELECCIONAR
MTODO DE
MUESTREO

DETERMINAR
TAMAO
MUESTRAL

En este tema, intentaremos responder a las siguientes


cuestiones:

POR QU TOMAMOS MUESTRAS?


Poblaciones infinitas
Costos de la toma de muestras
Destruccin de las unidades estudiadas

CMO SE TOMAN MUESTRAS?


Tipos de muestreo

MTODOS DE MUESTREO
PROBABILSTICOS NO PROBABILSTICOS

Aleatorio Simple

Por cuotas

Aleatorio Sistemtico

Intencional

Aleatorio Estratificado

Casual
Bola de nieve

Aleatorio por conglomerados

Aleatorio Polietapico

11

Muestreo probabilstico
Para que la inferencia estadstica sea vlida el
muestreo debe ser aleatorio o probabilstico.
ALEATORIEDAD DE LA SELECCIN: esta condicin
se refiere a que cada elemento del universo debe
tener la misma probabilidad de ser elegido en la
muestra y que dicha probabilidad puede ser medida.
Slo estos mtodos de muestreo probabilsticos nos
aseguran la representatividad de la muestra extrada
y son, por tanto, los ms recomendables.

Tipos de Muestreo probabilstico


1. Muestreo aleatorio simple

2. Muestreo aleatorio Sistemtico


3. Muestreo aleatorio Estratificado
4. Muestreo aleatorio por Conglomerados

5. Muestreo aleatorio Polietpico

1. Muestreo aleatorio simple


Escoge al azar los miembros del universo hasta
completar el tamao muestral previsto.
En teora se enumeran previamente todos los
elementos y de acuerdo con una tabla de nmeros
aleatorios se van escogiendo.
El procedimiento puede darse con o sin reemplazos y
esta condicin afectar posteriormente el anlisis.

Muestreo aleatorio simple con reposicin


Se TOMA un elemento al azar, se ESTUDIA y se
DEVUELVE antes de extraer el siguiente.
Todos los elementos tienen la misma probabilidad
de ser extrados.

Las extracciones son independientes.

Ejemplo de Muestreo aleatorio con reposicin


Entre los 8 alumnos de un aula unitaria situada en rea rural de
Lima pretendemos pasar 5 pruebas de velocidad lectora
eligiendo cada vez al azar a uno de ellos. No tenemos ningn
inconveniente en que un alumno pueda ser elegido ms de una
vez para realizar la prueba, por lo que vamos a realizar un
muestreo aleatorio simple con reposicin. Cuntas muestras
ordenadas posibles existen? Qu probabilidad se asocia a cada
una de ellas? Qu probabilidad tenemos de que la muestra est
constituida por alumnos que se encuentran entre los 5 de mejor
nivel en el rea de lenguaje?

Solucin:
16

Utilizando el clculo probabilstico, en la primera eleccin,


cualquier elemento tienen una probabilidad 1/8 de ser elegido.
Puesto que el elemento elegido es reintegrado a la poblacin, la
probabilidad en las sucesivas elecciones sigue siendo 1/8 para
cualquier elemento.
La probabilidad conjunta de que uno cualquiera de los 8 sea
elegido en primer lugar, uno cualquiera en segundo lugar, uno
cualquiera en tercer lugar ... es,
P = (1/8)(1/8)(1/8)(1/8)(1/8) = 0,0000305.

17

Para resolver el tercer interrogante, calculamos el total de


muestras ordenadas formadas por alumnos que se encuentran
entre los 5 de mejor nivel en lenguaje. Se trata de las
variaciones con repeticin de orden 5 en un conjunto de
5 elementos:
55 = (5)(5)(5)(5)(5) = 3125.
Recurriendo al clculo de probabilidades, tenemos que la
probabilidad de elegir a uno de los 5 mejores alumnos en la
primera eleccin es 5/8. Tras sta, la posibilidad de elegirlo en
una segunda, tercera, cuarta o quinta eleccin sigue siendo
5/8. Por tanto, la probabilidad conjunta ser:
(5/8)(5/8)(5/8)(5/8)(5/8) = 3125 / 32768 = 0,09532.
18

Muestreo aleatorio simple sin reposicin


Se TOMA un elemento al azar, se ESTUDIA y NO
se DEVUELVE para futuras extracciones.
NO todos los elementos
probabilidad de ser extrados.

Las
extracciones
independientes.

tienen

NO

la

misma

son

Ejemplo de Muestreo aleatorio sin reposicin


Entre los 8 alumnos de un aula unitaria situada en zona rural de
Lima pretendemos elegir a 5 alumnos con el fin de medir su
velocidad lectora. Para evitar que el profesor del aula trate de que
sus alumnos obtengan un buen resultado y, para ello, nos proponga
a los 5 alumnos que mejores calificaciones suelen obtener en el rea
de lenguaje, vamos a realizar un muestreo aleatorio simple sin
reposicin, Cuntas muestras ordenadas posibles existen? Qu
probabilidad se asocia a cada una de ellas? Qu probabilidad
tenemos de que la muestra, en contra de lo que pretendamos, est
constituida por los 5 alumnos de mejor nivel en el rea de lenguaje?

Solucin:
20

La probabilidad de elegir un elemento cualquiera es al


principio 1/8. Tras la primera eleccin quedan 7 elementos
entre los que elegimos uno; la probabilidad de elegir uno
cualquiera ser 1/7. Pata las restantes elecciones, tendremos
probabilidades de 1/6, 1/5 y 1/4 respectivamente.
Por tanto, la probabilidad conjunta de que cualquiera de los 8
aparezca en primer lugar, cualquiera de los 7 restantes en
segundo lugar, cualquiera de los 6 restantes en tercer lugar,...
ser el producto de las probabilidades:
P = (1/8)(1/7)(1/6)(1/5)(1/4) = 1/6720.

21

La probabilidad de elegir un alumno cualquiera de los 5


mejores es al principio 5/8; en la segunda eleccin,
suponiendo que ha sido elegido en primer lugar uno de esos
alumnos y slo quedan 4 entre los 7 restantes, la
probabilidad ser 4/7. Para las restantes elecciones
tendremos 3/6, 2/5 y 1/4. La probabilidad conjunta ser el
producto:
P = (5/8)(4/7)(3/6)(2/5)(1/4) = 120 / 6720 = 0,01786.

22

Nmeros aleatorios
Definicin intuitiva: Una sucesin de nmeros
aleatorios puros, se caracteriza por que no existe
ninguna regla o plan que nos permita conocer sus
valores.
Los nmeros aleatorios obtenidos a travs de
algoritmos recursivos se llaman pseudoaleatorios.

23

Tabla de Nmeros Aleatorios

Uso de una Tabla de nmeros aleatorios


Ejemplo:
Seleccionar una muestra de tamao n de N = 350, de tal
manera que n sea el 10% de N. Se tiene n = 0,1x350 = 35.

Mediante una tabla de nmeros al azar:


1 paso: localizar el punto de comienzo en una tabla de
nmeros al azar: (N fila, N columna), por ejemplo (6,5).
2 paso: Utilizando el punto de comienzo obtenido en el 1
paso, seleccionar n nmeros de tres dgitos, donde n es el
nmero total de UE (n = 35). Se prefiere nmeros de tres
dgitos porque es ms difcil encontrar valores iguales.
25

3 paso: Se ordenan los 35 nmeros seleccionados del menor al mayor.


N aleatorio 350
Columna 5

Columna 6

Columna 7

criterio

Fila 6

Se considera

Fila 7

Se considera

Fila 8

Se considera

Fila 9

No se considera

Fila 10

Se considera

Fila 11

No se considera

Fila 12

No se considera

Fila 13

Se considera

Fila 14

No se considera

Fila 15

No se considera

4 paso: Esta muestra se podra considerar como muestra piloto, a partir de


la cual se calculara una muestra de tamao ptimo, para un error de
muestreo y un nivel de confianza.
26

2. Muestreo aleatorio sistemtico


Para tomar una muestra de tamao n, se
enumeran las unidades de la poblacin de 1 hasta N.
Se divide la poblacin en n bloques de k elementos
cada uno k = N / n y se toma un elemento al azar
del primer bloque (elemento h: 1 h k).
Se repite de forma sistemtica.
La muestra queda formada por los elementos:

h, h+k, h+2k, h+3k, , h + ik; i = 0,..., n-1

MUESTREO SISTEMTICO
Fundamental es aleatorio, pero se incorpora un
criterio de ORDEN. Se gana en representatividad.
Procedimiento:
1
2
3
4
5
6
.
.
.
.
1000

Arranque por sorteo

Intervalo = N/n K = 1000/100 = 10


3,3+10,13+10,23+10,33+10,43+10,
MUESTRA
3, 13, 23, 33, 43, 53,
28

NOTA:
Solo pueden tomarse k muestras distintas.
Los elementos de la muestra son dependientes.
NO es vlido si los elementos mantienen una cierta
periodicidad cclica.

Como ejemplo se puede sealar: Controles de alcoholemia.

Ejemplo 01: Muestreo sistemtico


Obtener una muestra de suscriptores telefnicos de
una ciudad, puede obtenerse primero una muestra
aleatoria de los nmeros de las pginas del directorio
telefnico y elegir el vigsimo nombre de cada pgina o
podemos escoger un nombre de la primera pgina del
directorio y despus seleccionar cada nombre del lugar
nmero cien a partir del ya seleccionado.

Ejemplo 01: Muestreo sistemtico


Por ejemplo, podramos seleccionar un nmero al azar
entre los primeros 100; supongamos que el elegido es el
40, entonces seleccionamos los nombres del directorio
que corresponden a los nmeros:
40, 140, 240, 340, 440, 540, 640
y as sucesivamente.

Ejemplo 02: Muestreo sistemtico


A partir del listado alfabtico de los 500 alumnos de 5 Ciclo de
Administracin de Negocios Internacionales matriculados en la
UAP, queremos construir una muestra de 30 alumnos utilizando
el procedimiento de muestreo aleatorio sistemtico. Qu
alumnos debo incluir en la muestra?

Solucin:

32

Ejemplo 02: Muestreo sistemtico


Enumeramos todos los alumnos desde el 1 al 500,
comenzamos calculando el coeficiente k:
k = 500 / 30 = 16,67
Elegimos al azar un nmero del 1 al 16 y luego sumar el
coeficiente k. En este caso, supongamos que por azar
hemos elegido el nmero 1.
La muestra (como k es decimal redondeamos cada elemento
al final), quedar constituida por siguientes alumnos:
1, 18, 34, 51, 68, 84, 101, 118, 134, 151, 168, 184, 201,
218, 234, 251, 268, 301, 318, 334, 351, 368, 384, 401,
418, 434, 451, 468, 484.
33

Comentario
Un problema que suele presentarse es que el valor de
k no resulta ser un nmero entero. Si se desprecian los
decimales ocurrir que una parte de los sujetos que se
encuentran al final pierden toda posibilidad de ser
elegidos.
Una solucin podra consistir en mantener los
decimales del coeficiente k y redondear el resultado
de las sumas al nmero entero ms prximo, una vez
que se han realizado todas ellas.

34

3. Muestreo estratificado
Un muestreo aleatorio estratificado es aquel en el
que se divide la poblacin de N individuos,
en k subpoblaciones o estratos, tal que:
Elementos homogneos dentro del estrato
Estratos heterogneos entre s,
de tamaos respectivos N1, ..., Nk,
N = N1+N2+ N3++ Nk
y realizando en cada una de estas subpoblaciones
muestreos aleatorios simples de tamao ni .

35

Elementos homogneos dentro del estrato


Estratos heterogneos entre s

Ventajas:
Permite aplicar tcnicas de seleccin diferentes dentro de
cada estrato
Permite obtener estimaciones separadas en cada estrato
Consigue mayor precisin
Disminuye el tamao de la muestra

ESTRATOS

Homogneos en su interior; diferentes entre s en


propiedades y tamao
Seccin B

Seccin A

Seccin C
Seccin D

Los estratos ms grandes


Tienen mayor probabilidad de ser representados

Cmo garantizar la aleatoriedad en universos


estratificados... ?
Puede usarse alguna de las siguientes tcnicas:

a. Muestreo Estratificado Proporcional


b. Muestreo Estratificado No Proporcional

c. Alocacin ptima de los estratos.

a. Muestreo estratificado proporcional


Establece la distribucin proporcional del universo y
aplica esta distribucin a su tamao muestral para
conformar estratos en la muestra.
Luego elige aleatoriamente los elementos al interior
de cada estrato muestral hasta ajustar su tamao.
Es mejor que el Muestreo Aleatorio Simple pues
disminuye el error estndar de la medicin muestral.
Es el mas usado.

b. Muestreo estratificado No proporcional


Ajusta convencionalmente los tamaos de los
estratos muestrales para aumentar la eficiencia de la
seleccin de los grupos ms pequeos.
Esta condicin se deber tener en cuenta al hacer
inferencias (corregir las inferencias).

c. Muestreo por Alocacin ptima de los estratos

Selecciona el tamao de los estratos en funcin de la


desviacin estndar de cada uno de ellos, de tal manera
que los estratos ms heterogneos (mayores varianzas)

aporten ms casos a la muestra total.

Ejemplo 01: Muestreo estratificado


POBLACIN
Mdicos
230
Enfermeras
470
Psiclogos
10
Nutricionistas 15
Obstetrices
10
Tecnlogos
32
Farmacuticos
5
Total
772

p = Ni/N
230/772 =0,298
470/772 =0,609
10/772 =0,013
15/772 =0,019
10/772 =0,013
32/772 =0,041
5/772 =0,007
1,000

MUESTRA
0,298 x 77,2 =23
0,609 x 77,2 =47
0,013 x 77,2 =1
0,019 x 77,2 =1
0,013 x 77,2 =1
0,041 x 77,2 =3
0,007 x 77,2 =1
n = 77

Sea n= 10% 772 = 77,2 ni = p . n


42

Ejemplo 02: Muestreo estratificado


Supongamos que realizamos un estudio sobre la poblacin de
estudiantes de una Universidad, en el que a travs de una
muestra de 200 de ellos queremos obtener informacin
sobre el uso de cremas bronceadoras.

Ejemplo 02: Muestreo estratificado


En primera aproximacin lo que procede es hacer un
muestreo aleatorio simple, pero en su lugar podemos
reflexionar sobre el hecho de que el comportamiento de
la poblacin con respecto a este carcter no es
homogneo, y atendiendo a l, podemos dividir a la
poblacin en dos estratos: hombres y mujeres.
Podamos coger 100 hombres y 100 mujeres.
Esto se denomina asignacin uniforme.

Ejemplo 02: Muestreo estratificado


Supongamos que en la poblacin:
Los estudiantes masculinos son el 40% del total;
Los estudiantes femeninos son el 60% restante.
Podemos repartir proporcionalmente entre ambos grupos
el nmero total de la muestra, en funcin de sus
respectivos tamaos (80 varones y 120 mujeres).
Esto es lo que se denomina asignacin proporcional.
Si observamos con ms atencin, nos encontramos que
el comportamiento de los varones con respecto al
carcter que se estudia es bastante distinto al de las
mujeres.

Ejemplo 02: Muestreo estratificado


Por tanto, si nuestros medios slo nos permiten tomar
una muestra de 200 alumnos, ser ms conveniente dividir
la muestra en dos estratos, y tomar mediante muestreo
aleatorio simple cierto nmero de individuos de cada
estrato, de modo que se elegirn ms individuos en los
grupos de mayor consumo del producto.
As
probablemente
obtendramos
mejores
resultados
estudiando una muestra de
40 alumnos.
160 alumnas.
Esto es lo que se denomina asignacin ptima.

Ejemplo 03: Muestreo estratificado


Queremos extraer una muestra compuesta de 20 centros
de Enseanza Primaria (EBR) de la provincia del Callao
respetando la estructura que presenta la poblacin
respecto a la caracterstica pblico-privado. Sabemos que
de los 225 centros existentes en esta provincia, 201 son
pblicos y 24 de titularidad privada. Cuntas elegiremos
de cada tipo si realizamos un muestreo estratificado con
asignacin constante? Y con asignacin proporcional?

47

Solucin:
En el primer caso, habremos de elegir igual nmero de centros de cada
uno de los estratos. Si n1 y n2 son los tamaos de las submuestras que
hemos de elegir, tendremos:
n1 + n2 = 20
n1 = n2

De donde se deduce que n1= 10 y n2 = 10. Es decir, habr que


seleccionar 10 centros de cada tipo.
Si realizamos el muestreo estratificado con asignacin
proporcional, el nmero de centros de cada tipo se calcular en
relacin a la importancia de stos en la poblacin. Si N es el tamao de la
poblacin y N1, N2 los tamaos respectivos de las subpoblaciones de
centros pblicos y centros privados, tendremos:
n1 = n . N1/N = 20 (201)/225 = 17.87
n2 = n . N2/N = 20 (24)/225 = 2.13

La muestra quedar compuesta por 18 centros pblicos y 2 centros


privados, que suman el total de 20 centros.
48

Ejercicio de aplicacin

Se tiene N = 870, constituido por 150 adultos 40


ancianos y 680 nios.
Se desea un n que tenga 8% de error y 95 % de
confiabilidad, sabiendo que p es 10%.

Cuntos adultos, ancianos y nios conformarn la


muestra?

49

4. Muestreo aleatorio por conglomerados


Se utiliza cuando las unidades de la poblacin presentan alguna
forma de agrupamiento, que permite elegir grupos en lugar de
individuos.
Los grupos deben ser homogneos entre s.
Cada grupo es heterogneo dentro de l.
Cada unidad es ahora un grupo: conglomerado.
El error de la medicin (error muestral) no se de al interior
del conglomerado sino entre los conglomerados.
Se seleccionan los conglomerados y dentro de ellos se realiza
el estudio de las unidades. La muestra es la unin de todos los
elementos contenidos en los conglomerados seleccionados.

Una vez elegidos los conglomerados:


Si son pequeos, el estudio se realiza con todas las
unidades que lo componen.
Si son grandes, hay que recurrir a la eleccin de una
muestra de ese conglomerado.

Son ejemplos de conglomerados, las aulas de


instituciones educativas, las unidades hospitalarias, los
departamentos de viviendas multifamiliares, una caja
de determinado producto, etc.

CONGLOMERADOS

Grupo 1A
Grupo 5C

Grupo 2A
Grupo 3B
Heterogneos en su interior; diferentes entre s
en propiedades y tamao

Ejemplo 01 de conglomerado
La sede Lima y la Sede Arequipa de la UAP, como
conglomerados son homogneos, en cambio, dentro de ellos,
hay heterogeneidad porque hay alumnos, profesores,
personal de administracin y servicios, etctera.
La diversidad se encuentra dentro del conglomerado.

Ejemplo 02 de conglomerado
Para conocer la opinin de los mdicos del sistema
nacional de salud, podemos elegir a varias regiones del
pas, dentro de ellas varias provincias, y dentro de ellas
varios centros de salud, y

54

Ejemplo 03 de conglomerado
Cuando el conglomerado se corresponde con una zona
territorial concreta, como por ejemplo los barrios (dentro de
ellos calles y edificios), el muestreo por conglomerados recibe
el nombre de muestreo por reas.

Ejemplo 04: Muestreo por conglomerado


En el caso de una encuesta realizada a los
dueos/encargados de bares de una ciudad, se censan
y numeran nicamente las calles de la ciudad y se van
seleccionando aleatoriamente hasta obtener el
nmero necesario de bares de la muestra.
Tamao de la muestra = 800 bares
o 1 calle seleccionada = 4 bares.
o 2 calle seleccionada = 8 bares.
o 3 calle seleccionada = 3 bares.
......................................................................................
Total = 800 bares
56

5. Muestreo aleatorio Poli Etpico

Selecciona los individuos por etapas, configurando


sucesivamente grupos (estratos o conglomerados)
y subgrupos denominados Unidades de Muestreo
primarias, secundarias, terciarias...etc.

Ejemplo 01: Muestreo Polietpico


Seleccionar una muestra de 225 alumnos de Educacin
Superior de la regin Callao de acuerdo con el siguiente
proceso:
a) Seleccionamos al azar 5 distritos;
b) En cada distrito, seleccionamos 3 Instituciones
educativas;
c) En cada Institucin educativa elegiremos
aleatoriamente uno de los grupos de Educacin
Superior,
d) Finalmente, en cada grupo seleccionaremos 15
sujetos al azar, con lo que habremos seleccionado
una muestra total de 225 alumnos.
58

Ejemplo 02: Muestreo Polietpico


Estudio realizado a establecimientos farmacuticos de
Lima:
a) Seleccionar aleatoriamente una zona de Lima.
b) Dentro de la zona seleccionar aleatoriamente dos
localidades con poblacin superior a los 20000
habitantes.
c) Dentro
de
las
localidades
seleccionar
aleatoriamente tres calles o avenidas.
d) Dentro de cada calle seleccionar aleatoriamente
una farmacia.
e) Repetir el proceso hasta completar el tamao
muestral.
59

CONCLUSIONES Y/O ACTIVIDADES DE


INVESTIGACIN SUGERIDAS

http://ocwus.us.es/metodos-de-investigacion-ydiagnostico-en-educacion/analisis-de-datos-en-lainvestigacioneducativa/Bloque_II/page_22.htm/skinless_view

60

GRACIAS

Vous aimerez peut-être aussi