Poblacin finita

171

El TCL y las varianzas muestrales de medias y proporciones

se basan en la premisa de muestras seleccionadas con

reemplazo o de una poblacin infinita.

Sin embargo, en muchos estudios el muestreo se conduce sin

reemplazo sobre poblaciones de tamao finito N.

En estos casos, un factor de correccin por poblaciones

finitas (fpc) se introduce, ste se expresa como:

Poblacin finita(2)
172

Esto es particularmente relevante cuando la muestra n NO es

pequea en comparacin con la poblacin (i.e., ms del 5%

de la poblacin es muestra, n/N > 0.05 ).

La nueva desviacin estndar muestral queda entonces:

El efecto del FPC es que el error se va a cero cuando la

muestra de tamao n es igual a la poblacin N.

Determinacin tamao de muestra

173

El error del muestreo se asocia al intervalo de confianza:

Asumiendo un error de muestreo mximo permitido e,

podemos despejar n en funcin de este error:

Determinacin tamao de muestra(2)

174

Ej: un centro de esqu desea invertir en una mquina para

hacer nieve. Se desea estimar las pulgadas promedio de nieve

que cae en el rea con un 99% de confianza y el error no debe
exceder de 1 pulgada.

Sol: se comienza con una muestra piloto grande (n>=30) con

s=3.5:

Conclusin: es necesario recolectar datos de las ltimas 82

nevadas.

Determinacin tamao de muestra(3)

175

Para poblaciones finitas el error muestral es:

Se puede determinar el tamao muestral en funcin de N y

de n0 (tamao de muestra para poblacin infinita):

Determinacin tamao de muestra(4)

176

Un agricultor que cosecha 300 sandas desea saber el peso

medio de su produccin. Para ello toma una muestra de 30

sandas, que llegan a un peso medio de 1723.4 grs y una
desviacin estndar muestral de 89.55 grs. Con un 95% de
confianza estime el IC del peso medio.

Solucin:

t(29,0.05)=2.0452

Determinacin tamao de muestra(5)

177

Como el 10% de la poblacin es muestreada, el efecto de la

correccin es pequeo.

Asumiendo ahora un error mnimo permitido de 20grs. en el

IC, cuntas sandas debe pesar el agricultor?

Determinacin tamao de muestra(6)

178

= (1.96)2(89.55)2 /(20)2 =77,01

Utilizando la correccin:

= 61,44

Conclusin: el agricultor debera pesar 62 sandas.

Tcnicas de Muestreo - Etapas

179

1. Definir la informacin que se necesita

fundamental versus accesorio

2. Determinar correctamente la poblacin objeto del estudio

3. Mtodo de muestreo a seguir y tamao de la muestra:

El mtodo depende del problema y de los recursos disponibles

El tamao depende de la confiabilidad requerida y del costo

4. Diseo adecuado de la forma de obtener la informacin.

Evitar falta de respuesta

forma encuesta, n preguntas

Respuestas honestas y precisas

cuestionario y entrevista

5. Uso de la muestra para hacer inferencia

6. Obtener conclusiones acerca de la poblacin

Tcnicas de Muestreo Tipos errores

180

Debidos al muestreo

incertidumbre (nivel significacin,

etc.)

Ajenos al muestreo:

1. Definicin incorrecta de la poblacin

2. Respuestas falsas o imprecisas
3. Falta de respuesta

posible sesgo

4. Sesgo en la seleccin elementos muestrales

5. Errores de manipulacin, tabulacin y clculo
No hay un criterio general para evitarlos y/o analizarlos
minimizarlos

Tcnicas de Muestreo Mtodos

181

Muestreo aleatorio:

a) unidad muestral elemental:

a.1) muestreo aleatorio simple
a.2) muestreo (seudo)aleatorio sistemtico
a.3) muestreo aleatorio estratificado
b) unidad muestral grupo:
b.1) muestreo por reas y conglomerados
b.2) muestreo por etapas

Muestreo no aleatorio y semialeatorio (en general, no cientfico;

no estudia precisin):
- por cuotas
- opintico o de intencin

Muestreo Aleatorio Simple

182

Sirve de base a los dems mtodos

Es el ms sencillo desde el punto de vista terico

Todos los elementos muestrales se tratan como iguales y se

identifican mediante un nmero (tarjeta, bola, nmeros

aleatorios, etc...)

La seleccin es sin reposicin

Todas las muestras posibles son igualmente probables

Cuando N es muy grande su costo es muy alto

Muestreo Aleatorio Sistemtico

183

Se necesita un listado ordenado de los elementos de la

poblacin

El orden no debe ser un factor distorsionante de la

aleatoriedad:

- No distorsionante: listas de clase para notas (no sesgo)

- S puede generar sesgo: produccin mensual empresa

Se selecciona al azar el primer elemento muestral (k) menor

que p=N/n

Elegido ste, los dems se obtienen sumndole p al

anterior: k+p, k+2p,...

Muestreo Aleatorio Estratificado

184

En ocasiones es indispensable agrupar los elementos de la

poblacin en clases o estratos (homogeneidad de sus

elementos; heterogeneidad entre estratos)

Esto se traduce en mejor informacin, reduciendo errores y

costos.

Dentro de cada estrato se aplicar un muestreo aleatorio

simple o sistemtico

Muestreo Aleatorio por Conglomerados

185

Conglomerado: es un grupo de elementos de la poblacin

(familias, hogares, casas, edificios, municipios, provincias,

empresas, etc.)

Se seleccionan aleatoriamente cierto nmero de

conglomerados y se investigan, a continuacin, todos los

elementos pertenecientes a ellos

Caractersticas: homogeneidad entre conglomerados;

heterogeneidad dentro de cada conglomerado

las clases de la poblacin

representar

Se reduce problema de listado, no es necesario saber

tamao poblacin, entrevistas dentro del grupo

(conglomerado) menos costoso

Muestreo Aleatorio por Etapas

186

Generalizacin del muestreo por conglomerados

Suele hacerse descendiendo de conglomerados ms grandes

a ms pequeos:

En cada etapa se aplica el muestreo aleatorio, sistemtico o

estratificado

Objetivo: Reducir al mnimo el costo