TEORIA DEL MUESTREO

Dr. Ricardo Terukina Terukina

Profesor Principal
1.

CONCEPTO .
Estudio de las relaciones existentes entre una poblacin y las muestras extradas de la misma.

2.

UTILIDAD :
La teora del muestreo nos permite:
a. Estimar parmetros poblacionales
b. Determinar si las diferencias entre dos o mas muestras son debidas al azar

3.

UNIVERSO, POBLACION O COLECTIVO :

3.1.

CONCEPTO:

Es la totalidad de individuos o elementos que poseen algunas caractersticas comunes, susceptibles de

observacin.
3.2

CLASES:

Poblacin infinita: cuando el nmero de casos es ilimitado o muy grande.

Poblacin finita: cuando el nmero de casos es limitado.
4.

MUESTRA .
4.1

CONCEPTO:

Parte del universo o subconjunto de un conjunto de unidades obtenidas con el fin de conocer las
propiedades del universo o conjunto de procedencia.
4.2

APLICACIONES :
a. Cuando el universo es infinito o muy grande
b. Cuando la poblacin es suficientemente uniforme
c. Cuando el proceso de investigacin destruye al individuo que se estudia.

4.3

VENTAJAS DEL USO DE MUESTRAS :

a. Economa: ahorra tiempo, dinero y trabajo.
b. Calidad: permite mayor exactitud en el estudio

4.4

DESVENTAJAS DEL EMPLEO DE MUESTRAS :

Las nicas desventaja son los errores muestrales, que pueden ser de dos tipos:
a. Errores sistemticos o de sesgo :

Son aquellos que se originan en general por causas ajenas a las tcnicas de muestreo.
b. Errores de muestreo :
Son aquellos que se deben a las tcnicas de muestreo; es la diferencia entre el valor dado por la
muestra y el verdadero valor del universo.
c. Fuentes de error de muestreo (Lindquist) :
*0 Errores S provenientes de los sujetos
*1 Errores G derivados de los grupos
*2 Errores R derivado de las repeticiones
4.5

CONDICIONES DE UNA BUENA MUESTRA :

Para que una muestra sea buena, debe ser adecuada en :

a. Cantidad: o sea que debe incluir un nmero ptimo y mnimo de individuos .
b. Calidad: debe tener caractersticas semejantes a la poblacin del cual fue extrada.
4.6

CLASES DE MUESTRAS:

a. No probabilsticas: Cuando no se conoce cul es la probabilidad de que cada individuo sea incluida
en la muestra.
b. Muestras probabilsticas : Cuando cada individuo tiene una probabilidad conocida de formar parte
de la muestra
Existen los siguientes tipos de muestras probabilsticas:

Muestras al azar simple

Muestreo en que todas las unidades muestrales tienen la misma probabilidad de ser incluidas en
la muestra. Las unidades muestrales son los elementos que sirven de base para la eleccin de la
muestra; pueden estar formados por un solo individuo o por un conjunto de individuos (familia,
colegios, manzanas, etc).
Se siguen los siguientes pasos:
- Elaborar el marco muestral: o sea un listado de todas las unidades muestrales.
- .Elegir las unidades muestral al azar (lotera, tabla de nmeros aleatorios, etc)
Muestras sistemticas
Al igual que en el caso anterior, todas las unidades muestrales tienen la misma probabilidad de
formar parte de la muestra.
Se siguen los siguientes pasos:
- Elaboracin del marco muestral.
- Determinar el tamao del intervalo muestral: para ello se divide el tamao de la poblacin
entre el tamao de la muestra.(N/n). Ejemplo: si la poblacin tiene 1,000 unidades muestrales
y el tamao de la muestra es de 100; el tamao del intervalo muestral es de 1,000/100 = 10.
- Eleccin de las unidades muestrales: se elige un nmero al azar entre 1 y el tamao del
intervalo muestral. Este nmero corresponde a la primera uidad muestral. Las siguientes
unidades muestrales se eligen sumndole a este nmero el tamao del intervalo muestral.
Ejemplo: si se elige al azar un nmero entre 1 y 10, y ste resulta ser el nmero 8, las
siguientes unidades muestrales seran 18, 28, 38, .... etc.

Muestras estratificadas
Tambin todas Las unidades muestrales tienen la misma probabilidad de formar parte de la
muestra.
Se siguen los siguientes pasos:
- Se elabora el marco muestral.
- Se forman estratos de acuerdo a las variables relevantes.

4.7

Dentro de cada estrato se toman muestras al azar. La suma de estas muestras

constituyen la muestra final.

Muestras por conglomerados o racimos

Las unidades muestrales estn constituidos por un conjunto de elementos llamados racimos o
conglomerados.
Se siguen los siguientes pasos:
- Se elabora el marco muestral.
- Se eligen al azar los racimos o conglomerados: la suma de todos los elementos de los
conglomerados constituyen la muestra final.
Muestras por sistemas combinados
Cuando se combinan las tcnicas anteriormente mencionadas.

METODOS PARA LA OBTENCION DE MUESTRAS:

Se llama muestreo al conjunto de procedimientos para obtener muestras.

El proceso de muestreo tiene las siguientes etapas:
a. Definicin de la poblacin o universo
b. Elaboracin del marco muestral
c. Eleccin de los miembros de la muestra
5.

ANALISIS DE LOS RESULTADOS DE LA MUESTRA .

Una vez obtenida la muestra y los hallazgos se hallan convenientemente resumidos, el paso siguiente es
la generalizacin de los resultados a la poblacin del cual procede. Ello exige :
a. Estimar los valores del universo
b. Juzgar sobre la precisin y certeza de tales valores.

6.

EL ERROR ESTANDAR.
Hemos mencionado que la nica desventaja de trabajar con muestras, es el error de muestreo. El error de
muestreo no se puede evitar, pero si se puede medir. Para medir este error se utiliza el error estndar.
El error estndar mide la variacin de un conjunto de muestras. Vamos a tratar de explicar este
concepto con el siguiente ejemplo: (Ver figura No. 1)
Se tiene una poblacin de 10,000 recin nacidos, cuyo peso promedio es de 3,400 gramos con una
desviacin estndar de 200 gramos. De esta poblacin se toman cinco muestras compuesta de 1,000
recin nacidos. Se obtiene el promedio del peso de cada una de estas muestras: 3,500 g , 3,350 g ,
3,100 g, 3,300 g y 3,550 g. Luego se determina el peso promedio de estos cinco promedios, as como
su desviacin estndar, obtenindose un promedio global de 3,360 g y una desviacin estndar de
178.18 g. Observamos que este promedio es muy cercano al verdadero promedio de la poblacin que fue
de 3,400 g. (Apenas hay una diferencia de 40 garmos). Asimismo, observamos que existen dos
desviaciones estndar: una desviacin estndar del peso de los 10,000 recin nacidos de la poblacin, y
una desviacin estndar del peso del promedio de las cinco muestras. La primera desviacin estndar
mide la variacin individual
del peso de los 10,000 recin nacidos, mientras que la segunda desviacin estndar mide la variacin del
peso de las cinco muestras. Operativamente, ambas son desviaciones estndar, pero conceptualmente
son dos hechos distintos: el primero mide la variacin individual, mientras que la segunda mide la
variacin de un conjunto de muestras, o sea la variacin muestral. Como son dos conceptos distintos, a
la primera desviacin estndar la seguiremos llamando desviacin estndar, mientras que a la segunda,
para diferenciarla de la primera, la llamaremos error estndar.

O sea que para obtener el error estndar es necesario determinar la desviacin estndar de un conjunto
de muestras. Sin embargo, en la prctica no trabajamos con muchas muestras, sino con slamente una
muestra, y con esta muestra debemos estimar el error estndar. Para ello se utiliza la siguiente frmula:
s

X Error estndar de la media

Donde :

Desviacin estndar de la muestra

Tamao de la muestra

s
n

7.

APLICACIONES DEL ERROR ESTANDAR.

a. Para estimar parmetros poblacionales.
b. Para estimar el tamao de la muestra.
c. Para determinar si dos o mas muestras pertenecen a una misma poblacin.

8.

ESTIMACION DE PARAMETROS
A.

ESTIMACION PUNTUAL.
Valor nico calculado a partir de las observaciones muestrales que se utiliza como estimacin del
valor poblacional o parmetro.

B.

ESTIMACION DE INTERVALO.
Intervalo de valores numricos dentro del cual se encuentra el valor poblacional que se esta
estimando con un determinado nivel de confianza (95% o 99%)

9.

ESTIMACION DE UN PROMEDIO
La estimacin de un promedio lo haremos a travs de un ejemplo.
Se desea conocer la edad promedio de 20,000 estudiantes. Para ello se toma una muestra de 400
alumnos, hallndose un promedio de 23 aos y una desviacin estndar de 0.40 aos.
Estime Ud. el promedio de la edad con una certeza o confianza del 95%.
PASOS:
a. Se determina el error estndar de la media:

E.E.

0.40

0.40
0.02 AOS.
20

400

b. Estimar la edad promedio de los estudiantes con una certeza o confianza del 95%
X 1.96 E.E. X
X

1.96 E.E.

CERTEZA O

CONFIANZA

DEL 95%

23 1.96 ( 0.02 ) 23 0.0392

23 0.04 22.96 AOS.

23 0.04

23 0.04 23.04 AOS.

Rp. La edad promedio de los estudiantes se halla entre 22.96 y 23.04 aos, con una certeza del 95%.
c. Estimar la edad promedio con una certeza del 99%
X 2.58 E.E. X
X 2.58 E.E. X
23 0.05

CERTEZA O CONFIANZA DEL 99%

23

22.05 AOS

2.58

0.02

23 0.0516 23 0.05
23 0.05

23.05 AOS

Rp. La edad promedio se halla entre 22.05 y 23.05 aos con una certeza o confianza del 99%.
10.

ESTIMACION DE UN PORCENTAJE.
Se desea conocer el porcentaje de personas vacunadas contra la tuberculosis en una poblacin de 20,000
habitantes. Se estudio una muestra de 400 personas, de las cuales 300 estaban vacunadas, es decir, un
75%.
PASOS:
a. Se determina el error estndar del porcentaje:
E.E.

pq
n

DONDE : p PORCENTAJE DE PERSONAS VACUNADAS (75%)

q PORCENTAJE DE PERSONAS NO VACUNADAS 100 p 100 75 25%

E.E. p

75 x 25
400

1875
400

4.6875

2.1650 2.17

b. Estimar el verdadero porcentaje de vacunados con una certeza o confianza del 95%.
p 1.96 E.E. p 75 1.96 ( 2.17 ) 75 4.2532 75 4.25
75 4.25

70.75%

75 4.25 79.25%

Rp. El verdadero porcentaje de vacunados con una certeza del 95% se halla entre 70.75% y 79.25%
c. Estimar el verdadero porcentaje de vacunados con una certeza o confianza del 99%.
p

Rp.
11.

2.58 E.E. p

75 2.58 ( 2.17 ) 75 5.5986 75 5.60

75 5.60 69.40%
75 5.60 80.60%
El verdadero porcentaje de vacunados con una certeza del 99% se halla entre 69.40% y 80.60%.

ESTIMACION DEL TAMAO DE LA MUESTRA EN UN ESTUDIO DESCRIPTIVO

El tamao de la muestra en un estudio descriptivo depende de:
a. La variacin del fenmeno o variable a estudiar
A mayor variacin del fenmeno o de la variable de estudio, mayor es el tamao de la muestra.
b. La frecuencia del fenmeno o variable
A mayor frecuencia del fenmeno o de la variable de estudio, menor es el tamao de la muestra.
c. La precisin de los resultados
La precisin del resultado es la mxima diferencia que se va a aceptar entre el valor estimado y el
verdadero valor del universo o poblacin.
d. Margen de certeza que se desee obtener ( 95% o 99% )
Es el margen de error que se va a aceptar de que el valor estimado no se halle dentro del intervalo de
confianza. Si se tiene una certeza del 95%, quiere decir que hay una probabilidad del 5% de que el
valor estimado se halle por encima o por debajo del intervalo estimado, o sea que est fuera del
intervalo estimado.

9.1

TAMAO DE LA MUESTRA EN LA ESTIMACION DE UN PROMEDIO.

Ejemplo: Para conocer el promedio del peso de un grupo de escolares, se desea una muestra de tal
manera que el promedio estimado no difiera en mas de 0.5 kg. del verdadero valor del universo, y que
se pueda afirmar con una certeza del 95% que dicho resultado es correcto.

z 22
P2

DONDE:
n =

Tamao de la muestra

z2 =

Valor de z para intervalo de confianza o certeza

Para una certeza o confianza del 95% , z = 1.96

Para una certeza o confianza del 99% , z = 2.58
=

Varianza poblacional

P =

Precisin deseada

En esta frmula no se conoce el valor de la desviacin estndar

determinar este valor:

( ) . Existen tres formas de

a. Buscando antecedentes de trabajos similares o relacionados en las que se tenga esta informacin.
b. Consultando con expertos en el tema que nos puedan proporcionar esta informacin.
c. Realizando una encuesta pilote en la comunidad donde se va a realizar el estudio y obtener esta
informacin.
En este caso hemos consultado con un experto y ste nos informa que el peso de los escolares vara entre
30 y 48 kilos. Sabemos que el promedio ms o menos tres desviaciones estndar incluye
aproximadamente al 100% de todas las observaciones; esto quiere decir que entre el valor mnimo y el
valor mximo existen 6 desviaciones estndar. O sea que para tener una idea aproximada del valor de
la desviacin estndar basta dividir la diferencia entre el valor mximo y el mnimo (Rango) entre 6.
Aplicando este razonamiento tendramos:

Rango

Re emplazando :

48 30
6
n

18
6

( 1.96 2 ) ( 3 2 )
0.5

3 Kg

( 3.8416 ) ( 9)
123.48 124
0.25

El tamao mnimo de la muestra es de 124

AJUSTE PARA POBLACION FINITA:
La frmula que hemos empleado es cuando se trata de una poblacin infinita, ya que
desconocemos cul es el tamao de la poblacin. Cuando se conoce cul es el tamao de la poblacin,
es decir estamos frente a una poblacin finita , se debe realizar un reajuste aplicando la siguiente
frmula:

n
N

DONDE:
n = Tamao de la muestra para poblacin finita.
n = Tamao de la muestra para poblacin infinita
N = Tamao de la poblacin.
Supongamos que estamos frente a una poblacin finita compuesta por 600 escolares. Haciendo el ajuste
correspondiente, tendramos:

n'

n
N

124
124
124

102.76 103
124
1 0.2066
1.2066
1
600

Rp. Con el ajuste efectuado, el tamao mnimo de la muestra sera de 103 escolares.
9.2

TAMAO DE LA MUESTRA EN LA ESTIMACION DE UN PORCENTAJE.

Ejemplo: Se desea conocer con una certeza del 95% y sin cometer un error mayor de 3%, el porcentaje
de mujeres en una universidad.

z 2 pq
P2

DONDE:
n =

Tamao de la muestra

z2 =

Valor de z para intervalo de confianza o certeza

Para una certeza o confianza del 95% , z = 1.96

Para una certeza o confianza del 99% , z = 2.58
p =
q

Proporcin bajo estudio (referido a la unidad)

= Proporcin de la caracterstica complementaria (1-p)

TAMAO DE CADA UNA DE LAS MUESTRAS

VALOR DE z PARA UN RIESGO

z 2

VALOR DE z PARA UN RIESGO 2

VALOR DE LA VARIANZA DE LA POBLACION

PROMEDIO ARITMETICO DE LA PRIMERA POBLACION

PROMEDIO ARITMETICO DE LA SEGUNDA POBLACION

Precisin deseada

P =
Si
Si
Si
Si
Si

p
p
p
p
p

=
=
=
=
=

0.30
0.40
0.50
0.60
0.70

q
q
q
q
q

=
=
=
=
=

0.70
0.60
0.50
0.40
0.30

y
y
y
y
y

pq
pq
pq
pq
pq

=
=
=
=
=

0.30 x 0.70
0.40 x 0.60
0.50 x 0.50
0.60 x 0.40
0.70 x 0.30

=
=
=
=
=

0.2100
0.2400
0.2500
0.2400
0.2100

Supongamos que p = 0.30 30%, entonces q = 0.70 70%.

Reemplazando se tiene:

( 1.96 2 ) ( 0.30 x 0.70 )

0.03

( 3.8416 ) ( 0.21 )
0.0009

0.806736
~ 897
896.37
0.0009

El tamao mnimo de la muestra es de 897

AJUSTE PARA POBLACION FINITA.
El ajuste para poblacin finita es similar para el caso anterio; es decir, se emplea la misma frmula para
el ajuste:
n

n
1

n
N

12.

TAMAO DE LA MUESTRA PARA ESTUDIOS COMPARATIVOS.

12.1

NUMERO DE INDIVIDUOS NECESARIOS POR GRUPO EN UNA PRUEBA BILATERAL DE

COMPARACION DE DOS MEDIAS OBSERVADAS EN GRUPOS CON DATOS
INDEPENDIENTES
Para estimar el tamao de la muestra se utiliza la siguiente frmula:

( z z 2 ) 2 2 2
( 1 2 ) 2

Ejemplo: Se desea conocer si el sexo tiene influencia en el nivel de atencin-percepcin. Para ello se
aplica un test de atencin percepcin a un grupo de hombres y de mujeres. Qu numero de
individuos deber tener cada grupo para descubrir una diferencia de 1 punto entre las medias de la
poblacin origen de los hombres y mujeres. se aceptan unos riesgos =
Para unos riesgos = .05, la tabla A da el valor
zz
Supongamos que la estimacin de la varianza de la poblacin es de 25 = 25).
Aplicando la formula tendramos:

12.996 x 2 x 25
649.8
12

Respuesta: El tamao mnimo de la cada una de las muestras es de 650 individuos.

Para pruebas unilaterales o de una sola cola, se utiliza la siguiente frmula:

B.

( z 2 z 2 ) 2 2 2
( 1 2 ) 2

NUMERO DE INDIVIDUOS NECESARIOS POR GRUPOS EN UNA PRUEBA BILATERAL DE

COMPARACION DE DOS PROPORCIONES OBSERVADAS EN GRUPOS CON DATOS
INDEPENDIENTES

2 p 1 ( 1 p ) z 2

p1 p 2

p 2 ( 1 p 2 ) p1 ( 1 p 2 )

DONDE :

n
z

TAMAO DE CADA UNA DE LAS MUESTRAS .

VALOR DE z PARA UN RIESGO

z 2

VALOR DE z PARA UN RIESGO 2

p1

PROPORCION DE LA PRIMERA MUESTRA .

p2

PROPORCION DE LA SEGUNDA MUESTRA .

Ejemplo: Se quiere estudiar la eficacia del antisuero 15 en la reduccin del shock en las infecciones a
gram negativos, partiendo del nivel del 10 % de acuerdo a experiencias previas a 5 % o menos.
Se acepta un error tipo 1 de 0.05 ( Nivel de significacin ) y deseamos una probabilidad de 0.90 de
detectar una diferencia verdadera.
z
z
p1
p

1.96

2 x 0.10 ( 0.90 ) ( 1.28 )

( 0.05 x 0.95 ) ( 0.10 x 0.90 )

0.05 0.10

1.306

0.05

26.12 2 682.2544

Respuesta: El tamao mnimo de cada una de las muestras es de 683.

Tabla A. Valor de los coeficientes ( z z22 y ( z2z22

Prueba bilateral
( z z22

12.996

Prueba unilateral
( z2z22

10.824

Tabla B. Nmero de individuos necesarios para la comparacin de varias medias.

Nmero de
medias a
comparar
h

= 0.05
= 0.05

= 0.01

2
3
4
5
6

26.0
30.7
34.2
37.0
38.9

36.7
42.9
46.8
52.3
53.8

35.6
41.4
45.0
49.6
51.3

48.1
55.4
59.8
64.0
66.8