You are on page 1of 9

UNIVERSIDAD MILITAR NUEVA GRANADA

PROBABILIDAD Y ESTADISTICA

MUESTREO PROBABILSTICO Y NO PROBABILSTICO


Camilo Roncancio Camargo
Juliana Katerine Lagos Merchn

1802363
1802327

INTRODUCCION
En ocasiones para conocer las caractersticas especficas de una poblacin no es
posible o conveniente realizar un censo que arroje los datos de cada uno de los
individuos de esta, por lo cual se selecciona una muestra que se espera pueda ser
representativa de la poblacin. Por lo cual el muestreo es una herramienta de la
investigacin que busca escoger el tipo adecuado de muestra sobre la cual se
puede hacer algn tipo de inferencia sobre la poblacin.
Para escoger el tipo de muestra que se requiere existe 2 tipos de muestreo,
probabilstico y NO probabilsticos; diferenciados en gran parte por las
comodidades y representacin que ofrecen tanto para el investigador como para la
poblacin,

MUESTREO PROBABILISTICO
Los mtodos de muestreo probabilstico son los que se basan en el principio de
equiprobabilidad, es decir, todos los elementos de la poblacin tienen la misma
probabilidad de formar parte de la muestra; es el nico camino para obtener una
muestra representativa que nos permite conocer los parmetros de una poblacin;
es el tipo de muestreo ms usado en las investigaciones debido a que es el que
asegura ms la representatividad de la muestra seleccionada.es comnmente
usado en investigaciones cuantitativas ya que el objetivo es poder generalizar los
aplicados a la muestra extrada de la poblacin.
Dentro de este mtodo de muestro se encuentran los siguientes tipos:
1. Muestreo aleatorio simple
Es el prototipo de muestreo probabilstico en el cual se llevan a cabo las formulas
bsicas del error muestral y el tamao muestral. A cada unidad del marco muestral
se le asigna un nmero y se les elige de forma aleatoria hasta completar la
muestra. El desarrollo de este tipo de muestro sigue los pasos:

Asignar un nmero a cada elemento de la poblacin

UNIVERSIDAD MILITAR NUEVA GRANADA

PROBABILIDAD Y ESTADISTICA

Haciendo uso de algn medio mecnico (tablas de nmeros aleatorios o un


programa que genera nmeros aleatorios, entre otros) se escogen los
sujetos necesarios para completar el tamao de muestra requerido.

Este proceso no es prctico cuando se trabaja con poblaciones grandes debido a


que necesita un marco muestral o el listado de las unidades de la muestra.

2. Muestreo aleatorio sistemtico


Es una derivacin del muestreo aleatorio simple donde los elementos se eligen
segn un patrn que inicia con una eleccin aleatoria. Se calcula el coeficiente de
elevacin (k), que se obtiene de la divisin del tamao del universo (N) por el
tamao de la muestra (n): k=N/n. En el universo (N) se elige el primer elemento al
azar, con la condicin de que el nmero escogido sea inferior al coeficiente de
elevacin. Luego los dems se escogen cada cierto intervalo (k), hasta completar
el tamao muestral (n). Un elemento poblacional no podr aparecer ms de una
vez en la muestra.
3. Muestreo aleatorio estratificado
Frecuentemente usado cuando se quiere estudiar una serie de subpoblaciones
(estratos) en la poblacin. La idea es producir grupos heterogneos entre estratos
respecto de la variable de estudio, pero homogneos dentro de cada grupo, a esto
se le denomina estratificacin. Se puede estratificar, por ejemplo, segn la
profesin, el municipio de residencia, el sexo, edad, estado civil, etc.
Lo que se pretende con este tipo de muestreo es asegurar que todos los estratos
estn representados adecuadamente en la muestra.
La distribucin de la muestra en funcin de los diferentes estratos o
subpoblaciones se denomina Afijacin, los cuales pueden ser:

Afijacin simple: a cada estrato le corresponde igual nmero de elementos


muestrales. Favorece a los estratos pequeos y perjudica a los grandes.
Afijacin proporcional: la distribucin se hace en proporcin al tamao de la
poblacin de cada estrato.
Afijacin ptima: se tiene en cuenta la previsible de los resultados, de modo
que se considera la proporcin y la desviacin tpica. Tiene poca aplicacin
ya que no se suele conocer la desviacin.

UNIVERSIDAD MILITAR NUEVA GRANADA

PROBABILIDAD Y ESTADISTICA

Afijacin Neyman: cuando el reparto del tamao de la muestra se hace


proporcional al valor de la dispersin en los estratos. Es tambin llamado de
mnima varianza.
4. Muestreo aleatorio por conglomerados
La unidad muestral ya no son los individuos, sino un conjunto de individuos que
bajo determinados aspectos, se considera que forman una unidad. Al contrario del
estratificado, este busca heterogeneidad dentro de los estratos y homogeneidad
entre estratos. Se considera que cada conglomerado es una representacin del
universo.

Ejemplo:
Se est investigando sobre el porcentaje proyectos de los estudiantes de
ingeniera Mecatronica que han utilizado la tarjeta arduino como programador en
lugar del PIC.
1
2
3
4
5
6
7
8
9
10
11
12

NOMBRE
Andrs
Camila
Michael
Sebastin
Juliana
Mauricio
Tatiana
Ricardo
Laura
Cristian
Camilo
Sergio

PROYECTO
Mufla
Panel de leds
Brazo robtico
Control servomotor
Tornillo de Arqumedes
Mquina de ensayos
Impresora
Acelermetro
UPS
Embobinadora
Bola y viga
Banda transportadora

PROGRAMADOR
Arduino
PIC
PIC
PIC
Arduino
PIC
Arduino
PIC
Arduino
Arduino
Arduino
PIC

1. Elegir una muestra aleatoria de n=5 de la poblacin, usando la tabla de


nmeros aleatorios empezando en la fila 1 y columna 1

UNIVERSIDAD MILITAR NUEVA GRANADA

PROBABILIDAD Y ESTADISTICA

Debido a que ya tiene asignado un nmero los elementos, con ayuda de la tabla
se escogen 5 nmero del 1 al 12 sin repetir.
Los nmeros seleccionados son: 10, 4, 8, 11,1
Por lo tanto la muestra est conformada por:

Cristian que realizo como proyecto la embobinadora con arduino


Sebastin que realizo como proyecto el control del servomotor con PIC
Ricardo que realizo como proyecto el acelermetro con PIC
Camilo que realizo como proyecto bola y viga con arduino
Andrs que realizo como proyecto la mufla con arduino

2. Elegir una muestra estratificada de n=6 de la poblacin, usando la tabla


de nmeros aleatorios empezando en la fila 1 y columna 1
Para elegir la muestra estratificada se dividen los hombres de las
mujeres con su respectivo proyecto y se asignan nmeros de
identificacin a cada estrato. Luego usando la tabla de nmeros
aleatorios se selecciona una muestra n=3 en cada uno de los estratos.

UNIVERSIDAD MILITAR NUEVA GRANADA

PROBABILIDAD Y ESTADISTICA

1
2
3
4

PROYECTO
Panel de leds
Tornillo de Arqumedes
Impresora
UPS

PROGRAMADOR
PIC
Arduino
Arduino
Arduino

Los nmeros seleccionados fueron 1, 4 y 3


Camila que realizo como proyecto el panel de leds con PIC
Tatiana que realizo como proyecto la impresora con arduino
Laura que realizo como proyecto la UPS con arduino

1
2
3
4
5
6
7
8

NOMBRE
Camila
Juliana
Tatiana
Laura

NOMBRE
Andrs
Michael
Sebastin
Mauricio
Ricardo
Cristian
Camilo
Sergio

PROYECTO
Mufla
Brazo robtico
Control servomotor
Mquina de ensayos
Acelermetro
Embobinadora
Bola y viga
Banda transportadora

PROGRAMADOR
Arduino
PIC
PIC
PIC
PIC
Arduino
Arduino
PIC

Los nmeros seleccionados fueron 8, 5, 1


Sergio que realizo como proyecto la banda transportadora con PIC
Ricardo que realizo como proyecto el acelermetro con PIC
Andrs que realizo como proyecto la mufla con arduino

MUESTREO NO PROBABILISTICO
Los mtodos de muestreo no probabilstico son aquellos que se utilizan de forma
emprica pues no se estn definidos por ninguna norma definida o validada, de
manera que depende de las opiniones y criterios de los investigadores. No se
conoce la probabilidad con la que se puede seleccionar a cada elemento.
Es utilizado en casos donde es muy difcil obtener una muestra por medio de un
muestreo probabilstico. Estas muestras buscan que la mayora tenga cierta
caracterstica representativa, pero eso no indica que representatividad. Al no estar
basa en la teora de la probabilidad no es posible calcular su exactitud, debido a
esto, si se quieren obtener bueno resultados el investigador debe tener un

UNIVERSIDAD MILITAR NUEVA GRANADA

PROBABILIDAD Y ESTADISTICA

conocimiento claro y preciso de la poblacin que quiere observar y que quiere


observar en ella.

Tipos de muestreo no probabilstico:


1. Muestreo por conveniencia
Consiste en seleccionar a los individuos que convienen al investigador para la
muestra, ya sea por que cumplen con los requisitos de la poblacin que son objeto
de estudio o por la facilidad de examinarlos.

Ventajas: Es menos costoso, al investigador no le toma mucho tiempo


recoger los datos, es fcil de administrar y asegura una alta tasa de
participacin.
Desventajas; Difcil de generalizar a otros sujetos esto implica que no es
representativa de una poblacin especfica, los resultados dependen de las
caractersticas nicas de la muestra y existe mayor probabilidad de error
debido al investigar o sesgos.

2. Muestreo por cuotas


Consiste en dividir la poblacin que es objeto de estudio en grupos de manera
exhaustiva y mutuamente exclusiva, de formar que la divisin se puede ver como
estratos. Una vez definido cada estrato (cuota), se procede a definir su tamao en
proporcin a algn dato conocido, es decir se conoce una proporcin en dicha
poblacin se espera que en la muestra esta proporcin se vea igualmente
reflejada. Finalmente se busca que laca cuota sea llenada con el nmero de
participante que se tienen como objetivo y es en ese punto donde este mtodo se
aleja de lo probabilstico pues la seleccin no es aleatoria.
Este mtodo es muy utilizado en encuestas de opinin pues ofrece resultados
tiles con bajo costo siempre y cuando las variables escogidas para segmentar
sean correctas. Los inconvenientes con este tipo de muestreo se dan porque
resulta imposible acotar el error que se comete al usarlo y el riesgo de omitir una
cuota relevante en el estudio.

UNIVERSIDAD MILITAR NUEVA GRANADA

PROBABILIDAD Y ESTADISTICA

3. Muestreo por bola de nieve


Esta tcnica de muestreo consiste en usar pocos miembros de una poblacin a la
cual es difcil acceder y que estos mismos recluten nuevos participantes en el
estudio hasta tener una muestra suficientemente grande, generando as una bola
de nieve en el proceso.
Este tipo de muestreo se usa con poblaciones que por lo general son marginales y
el objetivo es generar participaciones dentro de una red social compleja y de
escaso acceso tomando solo unos pocos individuos que tenga la facilidad de traer
datos colectivos. Dentro del proceso se debe elegir con cuidado a los participantes
iniciales para garantizar el xito del estudio y la diversificacin de los dems
participantes.
Dentro de este muestreo se pueden encontrar dos clases:
1. Muestreo lineal: Cada individuo participante debe recomendar a otro
individuo, de forma que la muestra crece a un ritmo lineal.
2. Muestreo exponencial: Cada individuo debe invitar a participar a dos o
ms individuos. De esta forma, cuanta ms gente participa en el estudio,
ms gente se aade al mismo.
Ejemplo:
Se quiere conocer cul es el lenguaje de programacin preferido entre C, C++ y
Assembler por los estudiantes de Ingeniera Mecatrnica.
1. Para este caso el muestreo por conveniencia puede ser usado ya sea por
comodidad del investigador o por cercana con los participantes de la
muestra. Debido a esto se le pregunto a 10 compaeros de clase que
lenguaje usan.
1
2
3
4
5
6
7
8
9
10

NOMBRE
Andrs
Camila
Michael
Sebastin
Juliana
Mauricio
Tatiana
Ricardo
Laura
Cristian

LENGUAJE USADO
C
C
C++
C
C
C++
C++
Assembler
C
C++

UNIVERSIDAD MILITAR NUEVA GRANADA

PROBABILIDAD Y ESTADISTICA

Este muestreo no es representativo para todos los estudiantes de ingeniera


Mecatrnica, pero se puede extraer informacin fiable para hacer algn tipo de
observacin tal como que muy pocos prefieren usar Assembler para programar.
2. Para hacer del este caso un muestreo por cuotas se debe poner como
objetivo una proporcin de ms o menos cuantos usaran un lenguaje de
programacin para luego cubrir las cuotas.
3. Si se pretende tener un mayor alcance y garantizar un estudio ms
representativo, luego de encuestar a los 10 compaeros de clase se les
pide que estos pregunten a sus otros amigos en otros semestres y/o dems
clases para cubrir un porcentaje ms grande en toda la universidad.
CONCLUSIONES
los mtodos probabilsticos generan ms representacin en las poblaciones y se
puede calcular los errores a diferencia de los no probabilsticos adems de que
cada elemento de la muestra tiene la misma probabilidad de participar y es
independiente de las dems.
A diferencia de los mtodos probabilsticos, las muestras no probabilsticas no son
procesos de seleccin aleatorios. Los participantes en el estudio generalmente
son seleccionados en funcin de las comodidades del investigador ya sea por
accesibilidad o criterio personal.
La ser datos en los cuales las proporciones muchas veces no son definidas, no se
puede garantizar que la informacin obtenida sea representativa de toda la
poblacin por lo cual un investigador debe tener conocimientos claros de que se
busca en cada individuo.

BIBLIOGRAFIA

http://personal.ua.es/es/franciscofrances/materiales/tema3/tipos_de_muestreo_probabilstico.html
http://metodologia02.blogspot.com.co/p/tipos-de-muestreo.html

www.estadistica.mat.uson.mx/Material/elmuestreo.pdf
http://seminariosdeinvestigacion.com/muestreo-probabilistico/

UNIVERSIDAD MILITAR NUEVA GRANADA

PROBABILIDAD Y ESTADISTICA

http://todoestadistica.blogspot.com.co/2009/05/muestre-estratificadoafijacion.html
http://www.netquest.com/blog/es/muestreo-por-cuotas/
http://www.netquest.com/blog/es/muestreo-bola-nieve/
http://www.netquest.com/blog/es/muestreo-por-conveniencia/
http://www.academia.edu/6997845/MUESTREO_NO_PROBABILISTICO
http://www.universoformulas.com/estadistica/inferencia/muestreo-noprobabilistico/
https://explorable.com/es/muestreo-no-probabilistico