MUESTREO PROBABILSTICO:

MUESTREO ALEATORIO SIMPLE

Escrito
Director

por Carlos
de

Marketing

Innovacin

Ochoa
en

Netquest. +

info

8 de abril 2015

Siguiendo con nuestra serie de posts dedicados al muestreo, hoy

revisaremos la primera de las tcnicas de muestreo
probabilstico: el muestreo aleatorio simple. Esta tcnica es una
de las ms populares y sirve de referencia a todas las dems
aunque, como ya comentamos, en la prctica difcilmente puede
utilizarse.
Definicin
El muestreo aleatorio simple (M.A.S.) es la tcnica de
muestreo en la que todos los elementos que forman el universo
y que, por lo tanto, estn descritos en el marco muestral, tienen
idntica probabilidad de ser seleccionados para la muestra.
Sera algo as como hacer un sorteo justo entre los individuos del
universo: asignamos a cada persona un boleto con un nmero
correlativo, introducimos los nmeros en una urna y empezamos
a extraer al azar boletos. Todos los individuos que tengan un
nmero extrado de la urna formaran la muestra. Obviamente,
en la prctica estos mtodos pueden automatizarse mediante el
uso de ordenadores.

Dependiendo de si los individuos del universo pueden ser

seleccionados ms de una vez en la muestra, hablaremos de
M.A.S. con reposicin o sin reposicin. Si usamos reposicin,
el hecho de que seleccione un individuo al azar para mi muestra
no impedira que este mismo individuo pudiese volver a ser
seleccionado en una siguiente seleccin. Sera equivalente a
decir que cada vez que extraigo un nmero al azar de mi urna,
vuelvo a colocar el nmero antes de la siguiente extraccin. Si
por el contrario no usamos reposicin, un individuo seleccionado
para la muestra una vez ya no entrara nuevamente en el
sorteo.
La pregunta obvia es, qu es mejor, usar reposicin o no usar
reposicin? Es un simple problema matemtico.Csar Prez
Lpez, en su libro Muestreo Estadstico (Pearson, 2005)
desarrolla de forma muy clara una comparacin entre ambas
tcnicas. Tanto si lo miramos desde el punto de vista de qu

tcnica genera estimaciones ms precisas como desde el punto

de vista de qu tcnica me permite tener la misma precisin con
menor tamao de muestra, se puede concluir que el muestreo
aleatorio simple sin reposicin siempre es ms eficiente.
Para poder observar este resultado, partimos de la siguiente
expresin para el tamao de muestra en un M.A.S. sin
reposicin. La frmula relaciona el tamao de muestra necesario
cuando el universo es finito con el tamao necesario cuando el
universo es infinito:

donde n0 es el tamao de muestra necesario para un universo

infinito y N es el tamao del universo finito. Es posible
demostrar que el tamao de muestra cuando usamos reemplazo
(nr) es siempre igual al tamao necesario para universo infinito
(nr=n0). Si eso sucede, podemos afirmar que

Por lo tanto, el tamao de muestra cuando no usamos reposicin

siempre es menor al necesario si usamos reposicin. Este
resultado coincide con la intuicin: si estamos empleando

reposicin y por azar incluimos un individuo ms de una vez en

la misma muestra, el efecto es similar a reducir el tamao de la
muestra ya que observo menor diversidad de individuos. Del
mismo modo, si el universo es infinito, ambos mtodos
coinciden, dado que la probabilidad de seleccionar al mismo
individuo dos veces en la misma muestra tiende a ser
infinitamente pequea.

Beneficios del muestreo aleatorio simple

El desarrollo de la informtica ha permitido que disear una
muestra aleatoria simple sea extremadamente rpido y fiable.
La generacin de nmeros aleatorios mediante software
estrictamente son nmeros pseudo-aleatorios es cada vez ms
fiable.
De esta forma, al usar M.A.S. nos aseguramos la obtencin
de muestras representativas, de manera que la nica fuente
de error que va a afectar a mis resultados va a ser el azar. Y lo
que es ms importante, este error debido al azar puede
calcularse de forma precisa (o al menos acotarse). Puedes
consultar el siguiente post para obtener ms informacin.

Inconvenientes del muestreo aleatorio simple

El nico inconveniente del M.A.S. es la dificultad de llevarlo a la
prctica en investigaciones reales. Recordemos: al ser una
tcnica probabilstica, necesito un marco muestral con todos los
individuos y que todos ellos sean seleccionables para mi
muestra. Un requisito que difcilmente puede cumplirse en la
mayora de estudios de mercado y opinin reales, lo que nos
obligar a emplear otras tcnicas.
En un prximo post veremos otra tcnica de muestreo
probabilstico muy popular: el muestreo estratificado. Os
esperamos!