MUESTREO

CONCEPTOS BÁSICOS
• Población: conjunto o colección de elementos sobre los cuales se quiere estudiar alguna
característica.
• Población infinita: es aquella en la que es teóricamente imposible observar todos los
elementos. Aunque muchas poblaciones parecen ser excesivamente grandes, no existe una
población realmente infinita de objetos físicos.
• Muestra: solo se realiza el estudio de dicha característica en una parte de la población. A ese
subconjunto se le denomina muestra.
• Muestreo: herramienta de la investigación científica cuya función básica es determinar qué
parte de una población en estudio debe examinarse con el fin de hacer inferencias sobre dicha
población.
Algunas veces es posible y práctico examinar a cada persona o elemento de la población que
deseamos describir. Esta acción se conoce como enumeración completa o censo. Se recurre al
muestreo cuando no es posible contar o medir todos los elementos de la población.
EJEMPLOS
1. Suponga que una firma contable quiere determinar si el estado de cuenta de un cliente representa de
manera precisa el monto real de las cuentas por cobrar. La gran cantidad de cuentas por cobrar
individuales hace que la revisión y la validación de cada cuenta consuman demasiado tiempo y
dinero. como práctica común en este tipo de situaciones, el personal de auditoría selecciona un
subconjunto de las cuentas llamado muestra. Después de revisar la precisión de la selección
muestreada, los auditores llegan a una conclusión con respecto a si el monto de las cuentas por
cobrar que aparece en el estado de cuenta del cliente es aceptable.
2. Los miembros de un partido político en Texas consideraban postular a un determinado candidato
para el senado, y los dirigentes del partido querían estimar la proporción de votantes registrados en el
estado que podían apoyarlo. Por tanto, se seleccionó una muestra de 400 votantes registrados en
Texas, y 160 de este total indicaron estar a favor del candidato. Así, una estimación de la proporción
de la población de votantes registrados a favor del candidato es 160/400 = 0.40.
 ESTADÍSTICAS Y PARÁMETROS
Una estadística es una característica de una muestra y un parámetro es una
característica de una población.
Población: parámetros Muestra: estadísticos
 NÚMERO DE MUESTRAS

En el muestreo de una población finita de tamaño n, la regla de conteo para

combinaciones ayuda a determinar el número de muestras diferentes de tamaño n
que pueden seleccionarse.
No probabilísticas Probabilísticas
TIPOS
DE
La elección de los elementos no Todos los elementos de la población
depende de la probabilidad, sino de tienen la misma posibilidad de ser
causas relacionadas con las del MUESTRA escogidos.
investigador

Esto se obtiene definiendo las

El procedimiento no es mecánico, ni en
base a fórmulas de probabilidad, sino
que depende del proceso de toma de
decisiones de una persona o un grupo
de personas o investigadores.
características de la población, el
tamaño de la muestra y a través de una
selección aleatoria y/o mecánica de
las unidades de análisis.
 MUESTRAS PROBABILÍSTICAS

En una muestra aleatoria o probabilística conocemos las posibilidades de que un elemento de la

población se incluya o no en la muestra. como resultado de lo anterior, es posible determinar
objetivamente las estimaciones de las características de la población que resultan de una muestra dada; es
decir, se puede describir matemáticamente qué tan objetivas son las estimaciones correspondientes. Se
presentan cuatro tipos:
1. muestreo aleatorio simple.
2. muestreo sistemático.
3. muestreo estratificado.
4. muestreo de racimo.
 MUESTREO ALEATORIO SIMPLE
El muestreo aleatorio simple selecciona muestras mediante métodos que permiten que cada posible
muestra tenga una igual probabilidad de ser seleccionada y que cada elemento de la población total
tenga una oportunidad igual de ser incluido en la muestra.

Esto es necesario porque los principios del

muestreo aleatorio simple son la base de la
inferencia estadística, es decir, del proceso de
hacer inferencias acerca de poblaciones a partir
de información contenida en muestras.
 VENTAJAS Y DESVENTAJAS
 Sencillo y de fácil  Requiere que se posea de
comprensión. antemano un listado
completo de toda la
 Cálculo rápido de medias y población.
varianzas.
 Si trabajamos con muestras
 Existen paquetes pequeñas, es posible que no
informáticos para analizar representen a la población
los datos adecuadamente.
 MÉTODOS DE SELECCIÓN

Existen diversos procedimientos para extraer un muestra aleatoria:

• Realizar un sorteo con papeles o bolas enumeradas y sacar uno a uno tantos como
lo indique el tamaño de la muestra.

• Utilizar la tabla de números aleatorios pero solamente para poblaciones finitas, la

utilización de estas tablas puede realizarse de diferentes modos.
EJEMPLO
1. asuma que se tiene una población de 100 individuos y se desea obtener una muestra aleatoria de
20. emplee los dígitos aleatorios de la tabla 6-3 para seleccionar a 20 individuos de los 100.
proporcione una lista de los elementos seleccionados con base a la tabla de dígitos aleatorios.

92 9 19 14 45 2 57 38 85 27 70
13 8 83 1 90 67
78 3 84
• Recorra de arriba a abajo las columnas, comenzando con la columna de la izquierda, y
lea sólo los primeros tres dígitos en cada fila. Observe que el primer número al usar este
método sería 158, el segundo 092, el tercero 411, etcétera.

• Si llega hasta el final de la última columna de la derecha y todavía no tiene completos

los 20 números de tres dígitos menores o iguales a 100 deseados, puede regresar al
principio (a la parte de arriba de la columna de la izquierda) y comenzar a leer el tercero,
cuarto y quinto dígitos de cada grupo o conjunto. Estos comenzarían con 192, 810, 207.
 MUESTREO SISTEMÁTICO
En el muestreo sistemático, los elementos son seleccionados de la población
dentro de un intervalo uniforme que se mide con respecto al tiempo, al orden o al
espacio. Se calcula el el intervalo de selección 𝐾 = 𝑁/𝑛
Donde N es el tamaño de la población y n el tamaño de la muestra.
Cuando el tamaño de la población se divide entre el tamaño de la muestra, este resultado indicará
cada cuantos elementos se hará la elección de los individuos de la muestra. El primer
seleccionado se conoce como arranque.
EJEMPLO
Un colegio tiene 120 alumnos de bachillerato. Se quiere extraer una muestra de 30 alumnos.
La muestra se obtuvo así:
Se enumeran los alumnos del 1 al 120
Se calcula el intervalo de selección entre cada individuo.
En este caso tenemos:
𝐾 = 𝑁/𝑛
𝐾 = 120/30
𝐹=4
Sorteamos un número del 1 al 4. Supongamos que sale el número 3, los siguientes alumnos se obtendrían sumando
4, hasta llegar a tener 30 alumnos. Los alumnos seleccionados para la muestra serían los que correspondieran a los
números:
3, 7, 11, 15 … … … . 𝑒𝑡𝑐.
 MUESTREO ESTRATIFICADO
Para utilizar el muestreo estratificado, dividimos la población en grupos relativamente
homogéneos, llamados estratos. Después utilizamos uno de los dos planteamientos: o bien
seleccionamos aleatoriamente, en cada estrato, un número específico de elementos
correspondiente a la proporción del mismo en relación con la población completa, o
extraemos el mismo número de elementos de cada estrato y después ponderamos los
resultados considerando la proporción que el estrato representa con respecto a la población
total.
ventaja:
la ventaja de las muestras estratificadas es que, cuando se diseñan adecuadamente, reflejan
de manera más precisa las características de la población de la cual fueron elegidas, en
comparación con otro tipo de muestras.
 Homogéneos en su interior; diferentes entre sí en
ESTRATOS propiedades y tamaño
Comuna B

Comuna A

Comuna C

Comuna D
Los estratos más grandes
Tienen mayor probabilidad de ser representados
 EJEMPLO
En una fábrica que consta de 600 trabajadores queremos tomar una muestra de 20.
Sabemos que hay 200 trabajadores en la sección A, 150 en la B, 150 en la C y 100 en la
D.

20 𝑥1 20 𝑥3
= = 𝑥1 = 7 𝑡𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟𝑒𝑠 𝑑𝑒 𝐴 = = 𝑥3 = 5 𝑡𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟𝑒𝑠 𝑑𝑒 𝐶
600 200 600 150

20 𝑥2 20 𝑥4
= = 𝑥2 = 5 𝑡𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟𝑒𝑠 𝑑𝑒 𝐵 = = 𝑥4 = 3 𝑡𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟𝑒𝑠 𝑑𝑒 𝐷
600 150 600 100
 MUESTREO DE RACIMO O POR CONGLOMERADO

En el muestreo por conglomerados dividimos la población en grupos, o

conglomerados, y luego seleccionamos una muestra aleatoria de estos racimos o
conglomerados, asumiendo que cada uno de ellos es representativo de la población.
ventaja:
El procedimiento de muestreo de racimo bien diseñado puede producir una muestra
más precisa a un costo considerablemente menor que el de un muestreo aleatorio
simple.
 CONGLOMERADOS

Grupo 1A
Grupo 5C

Heterogéneos en su interior; diferentes

entre sí en propiedades y tamaño

Grupo 2A
Grupo 3B
 MUESTRAS NO PROBABILÍSTICAS
Existen estudios exploratorios, en los que el muestreo probabilístico resulta
excesivamente costoso y se acude a métodos no probabilísticos, aun siendo
conscientes de que no sirven para realizar generalizaciones, pues no se tiene certeza
de que la muestra extraída sea representativa, ya que no todos los sujetos de la
población tienen la misma probabilidad de se elegidos. En general se seleccionan a
los sujetos siguiendo determinados criterios procurando que la muestra sea
representativa. existen tres tipos:
• Muestreo por conveniencia
• Muestreo por cuotas
• Accidental o bola de nieve
 MUESTRO NO PROBABILÍSTICO
Muestreo por conveniencia: es la muestra que esta disponible en el tiempo o periodo de
investigación. ejemplo: todos los pacientes que asistan a una clínica en particular cierto día,
semana, pueden ser requeridos para participar. desventaja: la muestra puede ser poco
representativa de la población que se desea estudiar.
Muestreo por cuotas: todos los elementos conocidos de la población tienen que aparecer en la
muestra. se debe asegurar que estos aparezcan en la misma proporción que en la población. El
investigador entrevista a todos las personas de cada categoría que pueda encontrar hasta que haya
llenado la cuota.
Accidental o bola de nieve: se aprovecha o utiliza personas disponibles en un momento dado
que se corresponda con el propósito del estudio. de los tres tipos de muestreo no probabilístico
resulta el más deficiente.
REFERENCIAS
• Levin, R. Rubin, D. (2004). Estadística Para Administración Y Economía. Séptima Edición.
México, México. Pearson Educación.

• Martínez, C. Levin, R. (2012), Estadística Aplicada. Bogotá, Colombia, Primera Edición,

Pearson.

• Díaz, A (2013). Estadística Aplicada A La Administración Y La Economía. Ciudad De México,

México. Macgrawhill