Nota Tcnica de Estadstica Inferencial.

En este curso vamos a dar inicio al estudio de la otra rama de la Estadstica

denominada Estadstica Inferencial o Inferencia Estadstica. El principal
inters que despierta esta disciplina se relaciona con encontrar algo
relacionado con una poblacin a partir de una muestra de la misma.
La Estadstica Inferencial corresponde a los mtodos que se emplean para
determinar una propiedad de una poblacin con base en la informacin de
una muestra de la misma.
Por lo tanto reviste una importancia crucial el diseo y obtencin de la
muestra, la cual deber de tener un tamao determinado y ser
representativa de la poblacin de la cual se obtuvo.
Para que los resultados obtenidos con base en una muestra puedan ser
inferidos a la poblacin, es indispensable que sta sea Representativa, lo
cual quiere decir que la muestra debe reflejar las caractersticas de la
poblacin lo ms fielmente posible.
Considerando lo anterior, es necesario estudiar las razones por las cuales se
utilizan muestras en el trabajo estadstico y tambin estudiar los mtodos
de obtener las mismas, denominados mtodos de muestreo, los cuales se
abordan de una manera introductoria como corresponde a un curso de
naturaleza general como el presente curso.
1-LAS RAZONES
ESTADSTICAS

POR

LAS

CUALES

SE

UTILIZAN

MUESTRAS

Mucho del trabajo en Estadstica se realiza con base en una Muestra del
conjunto, grupo o poblacin de personas, objetos o cosas sobre el cual se
est realizando algn tipo de investigacin correspondiente a una o varias
de sus caractersticas.
Recordemos de la Estadstica Descriptiva, que de un grupo o conjunto se
pueden estudiar varias caractersticas y cada conjunto de estas
caractersticas da origen a lo que se denomina en Estadstica Poblacin.
De esta manera de un conjunto de personas, objetos o cosas podemos
generar muchas poblaciones, de acuerdo al nmero de caractersticas que
estudiemos en dicho grupo.
Podemos hablar entonces de la poblacin del color de ojos, de la poblacin
de los pesos corporales, de la poblacin de tipos sanguneos, de la poblacin
de las estaturas, de la poblacin del nmero de hijos, para citar algunos
ejemplos correspondientes a un conjunto de personas sobre el cual se est
realizando el estudio de varias de sus caractersticas.
Previo a la seleccin de la muestra, es necesario contar con el marco
muestral, en el que se encuentran identificados con un nmero todos y cada
uno de los elementos de la poblacin, para poder llevar a cabo la seleccin
de la muestra.
Vamos a entender por marco muestral a cualquier lista, mapa o gua que le
permita al investigador identificar todas y cada una de las unidades de
estudio que integran la poblacin.
Si se va a realizar una investigacin sobre un grupo de la poblacin
universitaria como el alumnado, para obtener la muestra ser necesario
disear un marco muestral que identifique a cada uno de los estudiantes,
asignndoles por ejemplo un nmero que los identifique, de manera que
sean fcilmente localizables a la hora de seleccionar la muestra. Estaramos
hablando por ejemplo del padrn de alumnos originado en la Oficina de
1

Registro de la Universidad, en donde a cada estudiante se le asignar un

nmero que lo identifique especficamente que podra ser su cdula de
identidad o su carn
Definido el marco muestral estamos en condiciones de seleccionar la Unidad
de Muestreo, que se define como el elemento base que se va a utilizar,
para realizar la seleccin de las unidades de estudio pertenecientes a la
muestra.
Muy comnmente la unidad de muestreo es la misma unidad de estudio, en
el ejemplo de la seleccin de una muestra de estudiantes antes
mencionado, la unidad de muestreo y la unidad de estudio son la misma: el
estudiante.
Ahora vamos a abordar una serie de razones prcticas fundamentales por
las cuales se trabaja con muestras en Estadstica.
Pasaremos enseguida a exponer algunas de las razones principales para
basar nuestro trabajo estadstico en una Muestra.
No 1.1-Establecer contacto con toda la poblacin requerira mucho
tiempo
Dado que el periodo definido para la campaa poltica en nuestro pas es
muy corto, de aproximadamente tres meses, no se podra investigar varias
veces dentro de dicho periodo la intensin de voto del costarricense, con el
objeto de que tanto los partidos polticos como los candidatos, realicen
ajustes a los objetivos de su campaa con el objeto de atraer la mayor
cantidad de votantes hacia sus filas. Si se pregunta a todas las personas
que conforman el padrn electoral se requerira mucho tiempo, no solo para
contactar a todos los electores, sino tambin en el procesamiento de los
datos. De esta forma no se podran hacer varias mediciones de la intensin
de voto en el periodo sealado.
Por tal razn se utiliza una muestra de aproximadamente 1250 electores y
con base en los datos arrojados por la muestra se infieren los resultados a
toda la poblacin de electores, de esta manera los partidos polticos pueden
tomar decisiones para redisear su campaa y pueden hacer tal medicin
varias veces dentro del periodo de campaa, ya que una muestra tan
pequea se los permite. Recordemos que el fin ltimo del trabajo estadstico
es ayudar a las personas en la toma inteligente de decisiones con base en
informacin idnea.
No 1.2-El costo de estudiar todos los elementos de la poblacin
resultara prohibitivo
De acuerdo al ltimo informe de Estado de la Nacin en el 2011 existan en
el pas 1.297.522 viviendas. Si se quisiera hacer una investigacin tomando
la vivienda como unidad de estudio, sera sumamente costoso visitarlas
todas. Por tal razn para evitar costos excesivos la investigacin se puede
realizar utilizando una muestra representativa de las viviendas del todo el
pas. Recordemos que este tipo de investigacin conlleva el pago de
viticos, el sueldo de los entrevistadores y gastos de desplazamientos para
citar los principales, de manera que los costos seran enormes al realizar la
entrevista a todas las viviendas del pas. Evidentemente una muestra
representativa acorde con la investigacin, representara una nfima parte
del costo de investigar las viviendas, comparado con el costo de incluir en el
estudio la totalidad de la poblacin de viviendas del pas.
2

No 1.3-Es imposible verificar de manera fsica los elementos de la

poblacin
Algunas poblaciones son infinitas como por ejemplo las poblaciones de
peces, aves o mosquitos, que se desplazan, nacen y mueren
continuamente.
Si se le pidiera por ejemplo hacer una investigacin sobre los hbitos de
alimentacin de la Lapa Verde en el Pacfico Central y Sur del pas, sera
imposible el poder reunir a toda la poblacin de Lapas, ya que es un animal
silvestre y migratorio. Bajo estas condiciones un estudio solo se podra
realizar utilizando muestras de la poblacin original, ya que es fsicamente
imposible tener reunida a toda la poblacin. En este ejemplo la naturaleza
de la unidad de estudio obliga a realizar la investigacin con base en
muestras.
Otro ejemplo en donde se debe utilizar este tipo de muestreo, es cuando
una compaa farmacutica quiere tener datos sobre la eficacia de un
medicamento el cual se vende en 84 pases. En este caso no podr reunir a
todos los usuarios del medicamento, razn por la cual tendr de utilizar
muestras tomadas de cada uno de los pases en donde se venda el
producto.
No 1.4-Algunas pruebas son de naturaleza destructiva
En los temas de garanta de la calidad, es comn tener que realizar pruebas
para verificar la calidad de algunos productos. Por ejemplo cuando
compramos un bombillo de 100 watts, en su envoltura dice duracin
aproximada 1000 horas
En este caso esta norma de calidad llevada a la prctica establece que ese
bombillo debe durarnos entre 900 y 1100 horas aproximadamente.
Imaginemos que un bombillo se funda a las 50, 100 o 600 horas, en este
caso la empresa estara defraudando a sus clientes con un producto que no
cumple con la calidad establecida, por la cual se pag una cierta cantidad
de dinero. Para que esto no suceda, el fabricante de cada lote de produccin
de bombillos toma una muestra, la cual se lleva al laboratorio para hacerle
las pruebas respectivas y verificar que su vida promedio es la que establece
como norma de calidad la empresa. En este caso el bombillo se destruye
con las pruebas, razn por la cual la verificacin se hace necesariamente
con base en muestras, ya que no es posible hacerlo con toda la produccin,
pues implicara la destruccin de la produccin misma.
Por la misma razn Kodak selecciona una muestra de sus pelculas
fotogrficas y la somete a pruebas para determinar la calidad y no todos los
rollos de pelcula que se producen.
No 1.5-Los resultados derivados de la muestra son adecuados
Aunque se contara con recursos y tiempo suficiente, no es esencial hacer
una investigacin con toda la poblacin (o sea una muestra del 100%).
Si la muestra se garantiza que es representativa de la poblacin de donde
se extrajo, lo cual significa que tiene un tamao determinado y que ha sido
generada de manera aleatoria, los resultados derivados de la muestra son
adecuados y se pueden inferir a la poblacin entera de la cual se extrajo
dicha muestra.

La representatividad ptima de una muestra supone la capacidad

de sta para proporcionar estimaciones iguales a los valores que
los parmetros a estudiar toman en la poblacin.
Dado que lo anterior es prcticamente imposible, consideraremos una
muestra representativa cuando la muestra ha sido seleccionada por un
procedimiento aleatorio.
La aleatoriedad supone que todos los individuos de la poblacin tengan
unas posibilidades conocidas y no nulas, de salir elegidos como integrantes
de la muestra, para lo cual se utiliza un instrumento que nos garantice dicha
aleatoriedad como puede ser una Tabla de Nmeros Aleatorios.
2-METODOS O MODALIDADES DE MUESTREO
Una vez revisados las razones prcticas por las cuales se utilizan muestras
en el trabajo estadstico, conviene estudiar las distintas modalidades o
mtodos para seleccionar una muestra.
Indudablemente, este es un paso importante en cualquier estudio
Inferencial, pues como ya se ha visto, para que las estimaciones de los
parmetros poblaciones sean fiables, la muestra debe ser representativa.
Dicha representatividad supone la obtencin de una muestra aleatoria. Pero
en la prctica esto no siempre es posible, de modo que debe recurrirse a
otros mtodos que, sin ser tan adecuados para conseguir una
representatividad absoluta, garantizan un nivel suficiente para poder seguir
operando con muestras.
2.1-Muestro Aleatorio Simple
Este es el tipo de muestreo ms comn y en l la muestra es seleccionada
de manera que cada elemento o individuo de la poblacin tenga las mismas
posibilidades de que se le incluya en la muestra.
En este tipo de muestreo es requisito que los elementos de la poblacin
estn debidamente numerados, por ejemplo de 1 a k. Posteriormente se
debe utilizar una tabla de nmeros aleatorios para garantizar la igual
posibilidad de cada elemento de ser incluido en la muestra. De manera que
una vez que se determine el tamao de la muestra n se extraen de la
tabla de nmeros aleatorios tantos nmeros como el tamao de la muestra
lo determine, en este ejemplo seran n nmeros entre 1 y k.
Los n nmeros extrados de la tabla se asocian con los elementos
previamente numerados de la poblacin (de 1 a k), por esa razn, hay que
enumerar la poblacin de previo a la determinacin de la muestra. Aqu se
asocia cada nmero de la tabla de los n escogidos, con cada uno de los
k elementos de la poblacin.
Supongamos que la poblacin universitaria estudiantil es de N=2000
alumnos, de los cuales se va a seleccionar una muestra aleatoria de tamao
n=200.
Como primer paso se numera la poblacin estudiantil con la numeracin de
0001 a 2000, luego se seleccionan de la tabla de nmeros aleatorios 200
nmeros que estn entre 0001 y 2000 y por ltimo de los nmeros
seleccionados correspondientes a la muestra, se relacionan con los nmeros
del listado de la poblacin estudiantil, de manera que se puede identificar
con nombre y apellido a cada uno de los 200 estudiantes que estn
formando parte de la muestra. De esta manera se garantiza que cada uno
4

de los estudiantes tuvo la misma oportunidad de ser incluido en la muestra.

Al final tendremos 200 alumnos de los 2000 que constituyen el universo de
estudiantes universitarios escogidos en forma aleatoria.
2.2-Muestreo Aleatorio Sistemtico
En este muestreo se selecciona un punto de inicio y posteriormente se elige
cada k-simo miembro de la poblacin. Este tipo de muestreo se utiliza
cuando la informacin es voluminosa y la misma cuenta con algn orden
fsico tales como archivos, anaqueles, cajones, estantes. En este caso NO es
necesario que la poblacin est numerada, pero S contar con un orden
fsico.
Como primer paso se determina el valor de k que lo vamos a denominar
espaciamiento, el cual se calcula dividiendo el tamao de la poblacin
N entre el tamao de la muestra n, es decir:
k = N/n. Una vez
determinado el valor de k como segundo paso se seleccionar en la tabla
de nmeros aleatorios un nmero entre 1 y k que ser el punto de inicio de
donde se iniciar la toma de la muestra y una vez establecido el punto de
inicio, de dicho punto se cuentan k elementos y se saca el segundo
elemento de la muestra, se cuentan nuevamente k elementos y se saca
el tercer elemento de la muestra y as sucesivamente.
Supongamos que tenemos un archivo que tiene N = 1.000.000 de
expedientes ubicados en anaqueles de madera. Se le pide que saque una
muestra de tamao n=2000. Como primer paso se debe determinar el valor
del espaciamiento k que sera: K = 1.000.000/2.000 que dara como
resultado que k = 500. Como segundo paso se debe establecer un nmero
de forma aleatoria entre 001 y 500 que sera el punto de inicio para la toma
de la muestra.
Supongamos que nos ubicamos en la tabla de nmeros aleatorios y que el
nmero seleccionado fue el 368, entonces nos vamos al archivo donde se
inicia el mismo y contamos los primeros 368 expedientes, este expediente
es el primer elemento de la muestra, despus del primer expediente
contamos 500 (el espaciamiento) y sacamos el segundo elemento de la
muestra, nuevamente contamos 500 expedientes (el espaciamiento) y
sacamos el tercer expediente de la muestra y as sucesivamente. En
resumen se determina el k espaciamiento, se busca un nmero en forma
aleatoria entre 1 y K que es el punto de inicio de la muestra y luego de ese
punto de inicio en adelante se aplica el k y se toma un expediente cada
k expedientes.
2.3-Muestreo Aleatorio Estratificado.
Cuando la poblacin es susceptible de dividirse en grupos o estratos a partir
de cierta caracterstica, se aplica el Muestreo Aleatorio Estratificado, con el
fin de garantizar el hecho de que cada grupo se encuentre representado en
la muestra. A los grupos tambin se les denomina Estratos. Una vez
definidos los estratos se selecciona al azar una muestra de cada estrato.
Supongamos que la Universidad est planeando cambiar de sede y quiere
saber lo que piensan las personas que participan dentro de la institucin,
que en este caso seran los estudiantes, los profesores y los empleados
universitarios. Supongamos que hay 3000 estudiantes, 300 profesores y 100
empleados universitarios, o sea en total 3400 personas.
Se requiere una muestra de tamao n=200 para determinar la opinin de
los participantes en la universidad con respecto a la nueva sede propuesta.
5

Como primer paso hay que determinar la proporcin de personas de cada

grupo que conformarn las 200 personas de la muestra, lo cual se
determina de la siguiente forma:
(3000/3400) x 200 = 176 estudiantes
(300/3400) x 200 = 18 profesores
(100/3400) x 200 = 6 empleados universitarios
Total
= 200 personas
Como segundo paso se confecciona un listado con todos los estudiantes
numerado de 0001 a 3000, uno con todos los profesores numerado de 001 a
300 y otro con los empleados universitarios debidamente numerado de 001
a 100.
Como tercer paso utilizando la tabla de nmeros aleatorios se determinar
176 nmeros aleatorios entre 0001 y 3000 y los nmeros seleccionados se
relacionan con los nmeros de la lista de los estudiantes, para determinar
especficamente los estudiantes que formarn parte de la muestra.
Se determinan 18 nmeros de la tabla de nmeros aleatorios entre 001 y
300 y se relacionan con los nmeros de la lista de los profesores, para
determinar especficamente los 18 profesores que formarn parte de la
muestra.
Y por ltimo se seleccionan 6 nmeros de la tabla de nmeros aleatorios
entre 001 y 100 y se relacionan con los nmeros de las lista de los
empleados universitarios, para determinar los empleados universitarios que
formarn parte de la muestra.
De esta forma hemos escogido en forma aleatoria 176 estudiantes, 18
profesores y 6 empleados universitarios, que constituyen las 200 personas
de la muestra. As cada uno de los grupos o estratos de inters han quedado
debidamente representados proporcionalmente en la muestra sealada, y
en cada estrato las personas han tenido igual probabilidad de ser escogidas
para la muestra.
2.4-Muestreo por Conglomerados
Otro tipo de muestreo es el Muestreo por Conglomerados que se utiliza a
menudo para reducir el costo de muestrear una poblacin dispersa en una
zona geogrfica extensa.
La poblacin se divide en conglomerados a partir de los lmites naturales
geogrficos o de otra clase de lmites. A continuacin se seleccionan los
conglomerados al azar y se toma una muestra de forma aleatoria con
elementos de los conglomerados elegidos.
Por ejemplo supongamos que deseamos hacer un muestreo de los caseros
de los distritos de la zona sur del pas. Sabemos que esos cantones son
extensos y las poblaciones dispersas, razn por la cual utilizaremos los
lmites distritales como conglomerados. As sacaremos al azar una serie de
distritos de los cantones de la zona sur y de los distritos seleccionados
tomaremos muestras aleatorias de sus caseros para el anlisis planteado.
Todos los tipos de muestreo anteriormente expuestos, tienen la
particularidad que corresponden a lo que se denomina muestreos aleatorios
o al azar, en donde en su ltima etapa todos desembocan en la utilizacin
de una seleccin aleatoria de los elementos de la muestra basados en
instrumentos como la tabla de nmeros aleatorios.
2.5-Muestreo en Etapas o en Etapas Mltiples

Otro tipo de muestreo aleatorio es el muestreo en etapas, el cual requiere la

posibilidad de dividir la poblacin en un nmero de unidades denominadas
primarias, las que a su vez han de estar subdivididas en unidades
secundarias, stas en unidades de tercer orden y as sucesivamente
dependiendo del nmero de etapas que se va a usar en el proceso de
muestreo, hasta llegar a las unidades ltimas, que son aquellas cuyas
caractersticas constituyen el objeto de la investigacin. Supongamos que
se desea hacer un estudio sobre los estudiantes a nivel escolar para lo cual
se requiere de una muestra de tamao n=3000. En este caso se puede
utilizar el muestreo por etapas en el sentido que primero se selecciona del
total de las escuelas del pas un nmero determinado de escuelas. De las
escuelas escogidas se determina al azar un determinado nmero de aulas y
de las aulas seleccionadas se escoge a los 3000 estudiantes que sern
objeto del estudio sealado. En este caso tenemos un muestreo de tres
etapas.
2.6-Muestreo No Probabilstico.
En la prctica se pueden usar dos tipos de muestreo no aleatorio: la
seleccin por conveniencia
de los elementos de la muestra y la seleccin intencional o de juicio.
En la seleccin por conveniencia, se escogen los elementos que estn ms a
mano o que son ms fciles de conseguir. A este tipo de muestreo se le
seala como limitacin su falta de representatividad, por lo que toda
informacin obtenida as debe desecharse o utilizarla con mucha cautela.
Las muestras de juicio u opinin las selecciona una persona con experiencia
y conocimiento amplio de la poblacin en estudio, con el propsito de lograr
una muestra lo ms representativa posible de la poblacin.
En los diferentes tipos de muestreo aleatorio que se han sealado
anteriormente, se producen discrepancias o diferencias entre el valor
observado de la caracterstica que interesa en la muestra y el
correspondiente valor de dicha caracterstica en la poblacin, estas
discrepancias pueden ser por exceso o por defecto, y se originan por
trabajar con muestras, por lo que se han denominado
Errores de
Muestreo.
De acuerdo con el enfoque estadstico, la existencia del error de muestreo
se reconoce y acepta desde el momento en que se toma de decisin de
estudiar una muestra y, adems, se medir su magnitud mediante la teora
de probabilidades, ya que, el error de muestreo se rige por el azar, por ese
motivo se habla de muestreo aleatorio, como el nico que permite la
medicin del error de muestreo.
3-ERROR DE MUESTREO
Con los mtodos de muestreo aleatorios sealados anteriormente, se
pretende seleccionar una muestra que constituya una representacin
imparcial o sin sesgos de la poblacin de la cual se extrajo.
Es importante sealar que en cada mtodo, la seleccin de cualquier
muestra de determinado tamao de una poblacin tiene una posibilidad o
probabilidad conocidas.
No obstante, como una muestra forma parte o es una porcin representativa
de la poblacin, es poco probable que el promedio o media de la muestra
sea exactamente igual a la media o promedio de la poblacin. Por lo tanto
7

es esperable una diferencia entre el estadstico de la muestra y el

parmetro de la poblacin correspondiente. Esta diferencia recibe el
nombre de error de muestreo y se denota as: ( xx - .)
El error de muestreo entonces se produce porque en la muestra no se
estudia toda la poblacin, sino una parte de ella; en la prctica (an sin
sesgos) y solo por efecto del azar la muestra no es idntica a la poblacin,
tiene errores de muestreo, el cual puede tener diferentes magnitudes,
segn la caracterstica estudiada y la muestra extrada.
No debemos olvidar que adems, existe el error no de muestreo en el tema
de obtencin de muestras, el cual se produce por descuido, ignorancia de
investigador, o porque en la prctica obtener los datos verdaderos acerca de
las caractersticas de un conjunto es difcil. El error no de muestreo estara
representado por la diferencia entre los datos verdaderos y los datos
obtenidos en la investigacin, aspecto que puede pasar desapercibido, pero
que puede ser desastroso desde el punto de su implicacin en los resultados
que arroje la investigacin y la toma de decisiones con base en dichos
datos.
Cuando en una muestra aleatoria se introduce un sesgo, se pierde la
posibilidad de medir el error de muestreo. En una muestra sesgada no se
puede hablar de error de muestreo.
El sesgo es un error persistente, constante y en un solo sentido, puede ser
negativo o positivo y afecta toda la investigacin
La nica forma de reducir el error no de muestreo es plantear y ejecutar
cuidadosamente la investigacin, slo as se evita la introduccin de sesgos
y errores de naturaleza diversa en un estudio por censo o por medio de
muestras.
4-TAMAO DE LA MUESTRA
Uno de los problemas fundamentales del muestreo es la determinacin del
tamao de la muestra, o sea cul es el nmero n del total de elementos
N elementos de la poblacin que constituirn la muestra que se va a
investigar
Dentro del concepto de muestra representativa, se indic que la misma
adquiere esa caracterstica si cumple con ser obtenida en forma aleatoria y
que la misma tenga un tamao adecuado. Cada mtodo de muestreo tiene
una frmula para calcular el Tamao de la Muestra, pero como este no es un
curso de muestreo se explicarn las frmulas ms simples.
Para cumplir con ese tamao adecuado se debe tomar en cuenta las
siguientes tres caractersticas:
1. El margen de error mximo que tolerar el investigador, es decir la
Precisin
2. El nivel de confianza deseado la estimacin
3. La variabilidad o dispersin de la poblacin que se estudia.
El Error Mximo Admisible se designa por E, y es la magnitud de error que
se tolerar al estimar un parmetro poblacional. Si se desea un nivel de
error E pequeo la muestra debe ser grande y viceversa. Este elemento
es escogido o fijado por el investigador.

El Nivel de Confianza es un valor que debe ser relativamente alto, como

95% o 99% que son los ms comunes. Entre mayor sea el nivel de
confianza, mayor debe ser el tamao de la muestra.
Tambin este elemento puede ser escogido o fijado por el investigador
La Variabilidad o Dispersin de la poblacin debe conocerse de alguna
manera aunque la poblacin sea infinita y viene representada por la
desviacin estndar de la poblacin. ()
La variabilidad de la poblacin es un factor externo que solo se puede
alterar mediante la redefinicin de la poblacin o ciertos mtodos de
muestreo, pero como es lgico suponer la aplicacin de uno o de ambos
medios depende de los objetivos de la investigacin y de la pericia del
investigador.
Si la desviacin es grande lo que demuestra una poblacin muy dispersa, el
tamao de la muestra deber ser mayor y viceversa.
Por lo tanto el tamao de la muestra viene representado por la siguiente
expresin:

n= (z/E)
En el caso de una proporcin la frmula para establecer el tamao de la
muestra es la siguiente:

n = (1-) (z /E)

n: tamao de la muestra
z: nivel de confianza deseado
: desviacin estndar de la poblacin
E: error mximo admisible
: Proporcin de la poblacin
De estos tres elementos el que por lo general no se conoce es la desviacin
estndar de la poblacin es decir . En este caso para el clculo del
tamao de la muestra, tomando para el clculo la frmula anterior, se
puede proceder de la siguiente manera.
1-Realizar un estudio piloto.
Dado que no se conoce la desviacin estndar de la poblacin, se puede
obtener una pequea muestra de la poblacin que se investiga y calcularle
a dicha muestra la desviacin estndar y utilizar este valor como la
desviacin estndar de la poblacin.
2-Utilizar un estudio comparativo.
En este caso se puede utilizar algn estimador de dispersin de otro estudio
similar al que se est planteando y que se haya realizado en un periodo
relativamente cercano.
Aqu hay que tener presente el grado de similitud entre el estudio que se
propone realizar y el existente, para determinar si podemos utilizar la
desviacin estndar anterior como un estimador de la desviacin estndar
del nuevo estudio.

3-Emplear un enfoque basado en el Intervalo.

Se puede esperar que casi todas las observaciones de cierto fenmeno se
encontrarn a ms o menos 3 desviaciones estndar de la media, si los
datos se distribuyen normalmente. Por consiguiente, la distancia entre los
valores mximo y mnimo es de 6 desviaciones estndar. Se puede
entonces calcular la desviacin estndar como la sexta parte del Rango de
los datos.
Por lo tanto = (Mx Min)/ 6 porque R = 6
4-Si se trata de la proporcin de un Atributo y no se tiene otra informacin,
se puede obtener una muestra mayor de la necesaria (suficiente para los
objetivos) si se supone mxima variabilidad, que es cuando P = Q = 0,50.
Ejemplo del clculo del tamao de la muestra.
Mediante una muestra simple al azar se desea conocer la talla promedio
actual de los recin nacidos de Costa Rica con un 95 por ciento de confianza
y un error de muestreo mximo de 0,5 cm. De qu tamao debe ser la
muestra?
Primer paso: Qu se sabe sobre la variabilidad de la tallas de los recin
nacidos costarricenses?
Se conoce de un estudio de 1989 realizado con 3600 recin nacidos, que la
desviacin estndar de la talla al nacer fue de 2,4 centmetros. Se encontr
que la variable tiene una distribucin normal y que en nio ms grande
midi 57 cm y el ms pequeo 43 cm.
Segundo paso: De acuerdo con estos datos podramos calcular el tamao de
la nueva muestra ya que tenemos todos los elementos necesarios para
hacerlo: Tenemos la variabilidad de la poblacin de las tallas de los recin
nacidos, representada por la desviacin estndar de un estudio similar
realizado anteriormente la cual fue de 2,4 cm. Tenemos el error mximo
aceptado de 0,5 cm y el nivel de confianza del 95 por ciento.
Tercer paso: Clculo del tamao de la muestra. Para tal efecto utilizamos la
frmula:

n = (Z/E) = {(1.962,4)/0,5}
n = 88,51 = 89 recin nacidos
Si no contramos con la informacin de la variabilidad de los recin nacidos
representada por la desviacin estndar anterior, podramos utilizar como
aproximacin a dicha medida lo sealado en el punto 3 anterior, el cual no
dice que se puede utilizar la sexta parte del rango de los datos como una
aproximacin a la desviacin estndar.
Recordemos que el Rango en la diferencia entre el valor mayor y el menos
de los datos que en este caso es R = 57 43 = 14 y 14/6 = 2,33.
Por lo tanto con esta informacin podemos calcular el tamao de la muestra
utilizando la misma frmula empleada anteriormente.

n = {(1,962,33)/0,5} = 83
10

Note que 0,07 centsimos (2.4 2,33) de diferencia en la estimacin de la

variabilidad de la talla, da una diferencia de 6 recin nacidos en la
determinacin del tamao de la muestra.
Por lo tanto para llevar a cabo la investigacin donde se desea
conocer la talla promedio actual de los recin nacidos en Costa
Rica, bastar con obtener una muestra aleatoria de 89 recin
nacidos.

11