Estadstica I

Muestreo

Profesor: Sotero Sols

Laura Cristina Campo Domnguez

Lunes, 1 de junio 2015

Muestreo

Qu es el Muestreo?

El muestreo es el proceso de seleccionar un conjunto de individuos de una

poblacin con el fin de estudiarlos y poder caracterizar el total de la poblacin.
Al elegir una muestra aleatoria se espera conseguir que sus propiedades sean
extrapolables a la poblacin. Este proceso permite ahorrar recursos, y a la vez
obtener resultados parecidos a los que se alcanzaran si se realizase un estudio
de toda la poblacin.
Cabe mencionar que para que el muestreo sea vlido y se pueda realizar un
estudio adecuado (que consienta no solo hacer estimaciones de la poblacin sino
estimar tambin los mrgenes de error correspondientes a dichas estimaciones),
debe cumplir ciertos requisitos. Nunca podremos estar enteramente seguros de
que el resultado sea una muestra representativa, pero s podemos actuar de
manera que esta condicin se alcance con una probabilidad alta.
En el muestreo, si el tamao de la muestra es ms pequeo que el tamao de la
poblacin, se puede extraer dos o ms muestras de la misma poblacin. Al
conjunto de muestras que se pueden obtener de la poblacin se
denomina espacio muestral. La variable que asocia a cada muestra su
probabilidad de extraccin, sigue la llamada distribucin muestral.
La idea es bastante simple. Imagina que queremos saber algo de un universo o
poblacin, por ejemplo, qu porcentaje de los habitantes de Mxico fuma
habitualmente. Una forma de obtener este dato sera contactar con todos los
habitantes de Mxico (122 millones de personas) y preguntarles si fuman. La otra
forma sera seleccionar un subconjunto de individuos (por ejemplo, 1.000
personas), preguntarles si fuman y usar esta informacin como una aproximacin
de la informacin que busco. Pues bien, este grupo de 1.000 personas que me
permiten conocer mejor cmo se comportan el total de mexicanos es una muestra,
y la forma en que los selecciono es el muestreo.

Para qu se usa el muestreo?

El muestreo es til gracias a que podemos acompaarlo de un proceso inverso,

que llamamos generalizacin. Es decir, para conocer un universo lo que hacemos
es (1) extraer una muestra del mismo, (2) medir un dato u opinin y (3) proyectar
en el universo el resultado observado en la muestra. Esta proyeccin o
extrapolacin recibe el nombre de generalizacin de resultados.
La generalizacin de resultados aade cierto error al mismo. Imagina que
tomamos una muestra al azar de 1.000 personas de Mxico y les preguntamos si
fuman. Obtengo que el 25% de la muestra fuma. La simple lgica nos dice que si
de 1.000 mexicanos elegidos al azar el 25% fuma, este dato debera ser indicativo
de lo que obtendramos si preguntsemos a los 122 millones de mexicanos. Ahora
bien, el azar podra haber hecho que haya escogido para mi muestra ms
fumadores de lo que correspondera a la proporcin exacta que hay en el universo
o, por el contrario, que en mi muestra los fumadores estn algo infrarepresentados. El azar podra hacer que el porcentaje de fumadores en la
poblacin fuese algo diferente del 25% que hemos observado en la muestra (tal
vez un 25,2%, por ejemplo). Por lo tanto, la generalizacin de resultados de un
muestra a un universo conlleva aceptar que cometemos cierto error, tal y como
ilustra el siguiente esquema.

Afortunadamente, el error que cometo al generalizar resultados puede acotarse

gracias a la estadstica. Para ello usamos dos parmetros: el margen de error, que
es la mxima diferencia que esperamos que haya entre el dato observado en mi
muestra y el dato real en el universo, y el nivel de confianza, que es el nivel de
certeza que tengo de que realmente el dato real est dentro del margen de error.
Por ejemplo, en nuestro caso de fumadores mexicanos, si selecciono una muestra
de 471 individuos y les pregunto si fuman, el resultado que obtenga tendr un
margen de error mximo de +-5% con un nivel de confianza del 97%. Esta forma
de expresar los resultados es la correcta cuando usamos muestreo.

Ventajas e inconvenientes del muestreo

Resumimos a continuacin las principales ventajas e inconvenientes de usar

muestreo frente a estudiar todo un universo.
Ventajas:

Necesitamos estudiar menos individuos, necesitamos menos recursos

(tiempo y dinero).
La manipulacin de datos es mucho ms simple. Si con una muestra de
1.000 personas tengo suficiente, para qu quiero analizar un fichero de
millones de registros?

Inconvenientes:

Introducimos error (controlado) en el resultado, debido a la propia

naturaleza del muestreo y a la necesidad de generalizar resultados.
Tenemos el riesgo de introducir sesgos debido a una mala seleccin de
la muestra. Por ejemplo, si la forma en que selecciono individuos para la
muestra no es aleatoria, mis resultados pueden verse seriamente
afectados.

Distinguimos dos tipos fundamentales de muestreo:

1. Muestreo probabilstico (aleatorio): En este tipo de muestreo, todos los
individuos de la poblacin pueden formar parte de la muestra, tienen
probabilidad positiva de formar parte de la muestra. Por lo tanto es el tipo
de muestreo que deberemos utilizar en nuestras investigaciones, por ser el
riguroso y cientfico.

Tipos de Muestreo probabilstico y ejemplos:

Muestreo aleatorio simple

El muestreo aleatorio simple es la forma ms fcil de muestreo probabilstico. Lo
nico que el investigador tiene que hacer es asegurarse de que todos los
miembros de la poblacin sean incluidos en la lista y luego seleccionar al azar el
nmero deseado de sujetos.
Existen muchos mtodos para hacer esto. Puede ser tan mecnico como sacar
tiras de papel de un sombrero con nombres escritos mientras el investigador tiene
los ojos vendados o puede ser tan fcil como usar un software de computadora
para hacer la seleccin aleatoria.
Por Ejemplo: Se requiere conocer el comportamiento de una poblacin
conformada por 44 estudiantes de la U.C Estadstica; para extraer la muestra
aleatoria de 10 estudiantes el docente se vale de un listado la cual a cada
elemento de la poblacin se le asigna un nmero.
Muestreo aleatorio estratificado
El muestreo aleatorio estratificado tambin es conocido como muestreo aleatorio
proporcional. sta es una tcnica de muestreo probabilstico en donde los sujetos
son inicialmente agrupados en diferentes categoras, tales como la edad, el nivel
socioeconmico o el gnero.
Luego, el investigador selecciona aleatoriamente la lista final de sujetos de los
distintos estratos. Es importante tener en cuenta que los estratos no se
superpongan.
Generalmente, los investigadores utilizan un muestreo aleatorio estratificado si
quieren estudiar un determinado subgrupo dentro de la poblacin. Tambin es
preferible el muestreo aleatorio simple porque garantiza resultados estadsticos
ms precisos.
Por Ejemplo: Suponga que se desea llevar a cabo una encuesta a tres
importantes universidades del estado falcn con la finalidad de determinar el perfil

del egresado en el rea de educacin. Por lo tanto la poblacin est conformada

por 310 docentes de la cual se tom una muestra de 401.

Muestreo aleatorio sistemtico

El muestreo aleatorio sistemtico se puede comparar con una progresin
aritmtica en donde la diferencia entre dos nmeros consecutivos es la misma.

Por ejemplo: Supongamos que ests en una clnica y tienes 100 pacientes.
1.

Lo primero que tienes que hacer es elegir un nmero entero que sea menor
que el nmero total de la poblacin. ste ser tu primer sujeto, por ejemplo (3).

2.

Selecciona otro nmero entero que ser el nmero de individuos entre los
sujetos, por ejemplo, (5).

3.

Tus sujetos sern los pacientes 3, 8, 13, 18, 23 y as sucesivamente.

No existe una ventaja clara en la utilizacin de esta tcnica.

Muestreo aleatorio por conglomerados
El muestreo aleatorio por conglomerados se realiza cuando es imposible el
muestreo aleatorio simple debido al tamao de la poblacin. Imagnate hacer un
muestreo aleatorio simple cuando la poblacin en cuestin es toda la poblacin de
Asia.
1.

En el muestreo por conglomerados, la investigacin identifica primero las

fronteras, en el caso de nuestro ejemplo. Pueden ser los pases de Asia.

2.

El investigador selecciona aleatoriamente un nmero de reas identificadas.

Es importante que todas las reas (pases) dentro de la poblacin tengan las
mismas posibilidades de ser seleccionadas.

3.

El investigador puede incluir todos los individuos dentro de las reas

seleccionadas o seleccionar aleatoriamente a los sujetos de las reas
identificadas.

Muestreo aleatorio mixto/por etapas mltiples

Esta tcnica de muestreo probabilstico implica una combinacin de dos o ms
tcnicas de muestreo enumeradas anteriormente. En la mayora de las
investigaciones complejas realizadas en el campo o en el laboratorio, no es
adecuado utilizar un solo tipo de muestreo probabilstico.
La mayora de las investigaciones se realizan en diferentes etapas y en cada
etapa se aplica una tcnica de muestreo aleatorio diferente.

2. Muestreo no probabilstico (no aleatorio): En este tipo de muestreo,

puede haber clara influencia de la persona o personas que seleccionan la
muestra o simplemente se realiza atendiendo a razones de comodidad.
Salvo en situaciones muy concretas en la que los errores cometidos no son
grandes, debido a la homogeneidad de la poblacin, en general no es un
tipo de muestreo riguroso y cientfico, dado que no todos los elementos de
la poblacin pueden formar parte de la muestra. Por ejemplo, si hacemos
una encuesta telefnica por la maana, las personas que no tienen telfono
o que estn trabajando, no podrn formar parte de la muestra.

Tipos de Muestreo no probabilstico y ejemplos:

Muestreo de conveniencia: en los lmites perifricos del muestreo metodolgico.

Uno de los ejemplos ms comunes de muestreo de conveniencia se realiza
utilizando estudiantes voluntarios como sujetos de la investigacin. Otro ejemplo
es el uso de sujetos que se han seleccionado de una clnica, una clase o una
institucin ya que para el investigador es de fcil el acceso a estas instituciones.
Un ejemplo ms concreto es la seleccin de cinco personas de una clase o incluso

la seleccin de los cinco primeros nombres de la lista de pacientes de una lista en

una institucin mdica.

Muestreo por cuotas: estructura de muestreo probabilstico

Por Ejemplo: 30 hombres y 50 mujeres, 45 hombres mayores de 25 aos; 40
mujeres divorciadas desde hace mas de 5 aos, etc.

Muestreo intencional:
probabilstico.

desarrolla

la

potencialidad

de

un

muestreo

no

Por Ejemplo: Para un estudio sobre calidad de la educacin, previamente, se

establecen como criterios de seleccin de la muestra los siguientes:
Mnimo de 20 aos de experiencia en el campo educativo.
Poseer titulo de posgrado.
Haber ocupado un cargo directivo