DEFINICION DE MUESTREO DE TRABAJO

El muestreo de trabajo es una tcnica que se utiliza para investigar las proporciones del tiempo
total dedicada a las diversas actividades que componen una tarea, actividades o trabajo. Los
resultados del muestreo sirven para determinar tolerancias o mrgenes aplicables al trabajo, para
evaluar la utilizacin de las mquinas y para establecer estndares de produccin.

Ventajas del mtodo de muestreo de:

No requiere observacin continua por parte de un analista durante un perodo de tiempo largo.

El tiempo de trabajo de oficina disminuye

El total de horas-trabajo a desarrollar por el analista es generalmente mucho menor

El operario no esta expuesto a largos perodos de observaciones cronomtricas

Las operaciones de grupos de operarios pueden ser estudiadas fcilmente por un solo analista.

Teora de muestreo de trabajo.

La probabilidad de x ocurrencias de un evento en n observaciones:

(p + q)^n = 1

p = probabilidad de una ocurrencia

q = 1-p = probabilidad de que no haya ocurrencia

n = nmero de observaciones.

La poblacin o "poblacin objetivo" es ese grupo entero de elementos de los que queremos recoger
datos. Los acercamientos en definirlo se discuten en una pgina separada: Delimitar la poblacin de
estudio.

En un estudio emprico, este grupo puede consistir de gente, animales u otros objetos. En un
estudio de caso contiene apenas un objeto o acontecimiento, pero en una investigacin
tericamente orientada puede ser infinita, es decir usted desea saber algo que es verdad para cada
objeto o acontecimiento del tipo dado en el universo.

En algunos proyectos cada espcimen o acontecimiento de la poblacin ser medido o registrado

realmente. Tal un estudio total da una descripcin excelente de la poblacin, pero es posible
solamente si la poblacin no es demasiado grande y si todos los objetos estn disponibles para el
estudio.
El estudio total es un mtodo relativamente costoso, porque el trabajo emprico toma tiempo e
implica a menudo aparato, recorridos y otros costes. Los objetivos de un proyecto de investigacin
no requieren siempre una cuenta absolutamente exacta de la poblacin entera. Una aproximacin
confiable sera suficiente a menudo. Por lo tanto es comn que usted mide o registra solamente tan
muchas unidades de la poblacin a que usted puede permitirse y que sean necesarias para alcanzar
las metas del proyecto. A este fin, varias estrategias estn disponibles. Algunos se listan abajo.

A veces un solo caso puede representar todos los especmenes o acontecimientos en la

poblacin, si todos son idnticos. Los procesos fsicos y qumicos se asumen generalmente
para funcionar semejantemente por todas partes en el universo, as que usted puede
estudiar el proceso simplemente en su laboratorio y afirmar que los resultados son vlidos
tambin en la luna, si eso se necesitara.
Estudiar un caso para cada clase es posible si usted sabe ciertamente que la poblacin
consiste en algunas clases que contienen objetos idnticos. En el estudio de los telfonos
mviles, la poblacin de los cuales se cuenta en mil millones, usted as puede comenzar
averiguando que es los modelos de telfonos que se han hecho, y entonces usted estudia
apenas un espcimen de cada modelo.
El muestreo, es decir que usted limita
deliberadamente el nmero de casos en el estudio.
Hay un riesgo que los hallazgos del estudio no son
verdades para algunos de los casos fuera de la
muestra, pero este riesgo a menudo se puede calcular
y restringir en un nivel tolerable.

En la investigacin de muestreo estamos interesados por igual en todos los elementos de la

poblacin y querramos estudiarlos todos. Pero por razones prcticas, tendremos que escoger solo
una muestra. Tal vez tenemos una poblacin de millones de objetos y es imposible abarcar incluso
una mayora de entre ellos. Tambin en aquellos casos (con poblaciones, digamos, de 10.000) en
que podramos escoger estudiar cada objeto, el estudio de muestreo puede ser una eleccin
prudente, porque ahorra tiempo y podemos usar el tiempo ahorrado para estudiar los elementos
ms cuidadosamente. Todos estos son buenos casos para un estudio de muestreo. Los distintos
mtodos de seleccin de la muestra se tratan ms abajo.

Ms arriba vimos que en la investigacin de muestreo en lo que estamos siempre interesados no es

en la muestra sino en la poblacin; ms exactamente, en las propiedades de los elementos de la
poblacin. Cuando estamos estudiando los elementos del ejemplo querramos escoger elementos
que tengan los mismos atributos que la media de la poblacin. Si ese es el caso, nuestra muestra es
representativa.

Hay dos principios alternativos que pueden seguirse cuando se elige una muestra:

muestra aleatoria, en que el azar determina que elementos se seleccionan (figura de la

izquierda),
muestra no aleatoria, { en que un criterio particular o un procedimiento no aleatorico
selecciona los objetos para ser estudiados. Es tambin posible que el investigador elige
deliberadamente los casos que han de ser estudiados } (a la derecha).
El acto del muestreo s mismo genera dos tipos de desacuerdo entre la poblacin y la muestra:

Divergencia al azar: Usted obtiene algunos casos con las caractersticas inusuales
accidentalmente en la muestra. Esto en cambio infectar los datos resumidos (e.g.
promedios) de la muestra. Si una muestra aleatoria es bastante grande, las divergencias a
las direcciones opuestas se cancelan en su mayor parte.
Sesgo sistemtico, la tendencia, error sistemtico, o una diferencia sistemtica entre
poblacin y muestra, ocurre a menudo en la muestra no aleatoria. Es causado por el
mtodo de seleccin, que favorece a menudo inadvertidamente algunos tipos de artculos
antes de otros. Este fastidio puede causar muchas veces mayor una declinacin en la
representatividad de una muestra que la divergencia al azar podra crear.

Usted puede preguntar por qu utilizar el muestreo no-aleatorio en todos, porque implica el riesgo
del sesgo, una fuente aparentemente innecesaria del desacuerdo con la poblacin? Hay varias
motivaciones posibles:

La poblacin es infinita (o muy cerca) o es imposible hacer una lista de l para la base de la
seleccin al azar.
A veces usted no puede encontrar algunos artculos en la poblacin. Una seleccin al azar
no sera razonable, porque sera posible ejecutar apenas una parte de l.
Los objetivos del estudio no requieren resultados exactos. El muestreo no-al azar es
generalmente ms barato y ms aprisa.
El proyecto incluye un procedimiento eficiente del control ulterior. Por ejemplo, podra ser
difcil de persuadir a clientes escogidos al azar participar en el procedimiento de crear
conceptos del producto nuevo y probar las propuestas, cul toma normalmente varios das.
En lugar, puede ser ms fcil utilizar una muestra no-al azar de los voluntarios para los
grupos de trabajo iniciales del desarrollo de producto. Ms adelante las propuestas finales
entonces se probarn con las muestras apropiadas escogidas al azar de la poblacin de los
clientes de blanco.

Muestras aleatorias

Si una muestra aleatoria se hace correctamente, contiene no tendencia sistematica y es por lo tanto
relativamente representante de la poblacin. Por supuesto, en un estudio de muestreo, nunca
podemos estar seguros al 100% de que los resultados medidos a partir de la muestra sean tambin
ciertos en la poblacin. No obstante, a efectos prcticos suele ser suficiente si podemos afirmar que
el riesgo de una desviacin de la poblacin es, digamos, un 1%. Seremos capaces de hacer tales
afirmaciones que estn basadas en clculo de probabilidades si hemos usado una muestra aleatoria.

El principio de la seleccin de los elementos en una muestra aleatoria es el mismo que cuando se
reparten la baraja. Todos los objetos de la poblacin tienen iguales probabilidades de ser
seleccionados en la muestra. Esta probabilidad es llamada razn de muestreo (sampling ratio en
ingls), y es igual al nmero de elementos de la muestra dividido por el nmero de la poblacin.

Hay mtodos alternativos para crear una muestra aleatoria (en otras palabras, una "muestra de
probabilidad"). En los diagramas siguientes, los casos de la poblacin original se presentan como
puntos u otros smbolos pequeos, y los casos seleccionados en la muestra se demuestran como
smbolos en negrita.
1. Muestra aleatoria simple. La muestra se extrae a suertes, por ejemplo cogiendo papeletas
numeradas de un sombrero. Si tenemos un fichero de ordenador sobre la poblacin, la
computadora har la seleccin al azar. Cuando la poblacin es muy grande y ya consiste en grupos
naturales, los miembros de los cuales se enumeran en un archivo, puede ser prctico hacer el
muestreo en etapas (cluster sampling), seleccionando primero algunos grupos y entonces
seleccionando la muestra final slo desde los miembros de estos grupos seleccionados. Por ejemplo,
si la poblacin consiste en toda la gente en un pas, usted puede primero seleccionar al azar algunas
subdivisiones del pas y despus seleccionar la muestra final entre la gente en estas subdivisiones.
Si usted se prepone entrevistarse con esta gente en sus hogares, usted ahorrar as mucha hora de
viajar.

2. Muestra sistemtica. Si la razn que se pretende es 1/n, empezamos escogiendo el primer

elemento al azar entre los primeros n objetos de la poblacin, y tras ello extraemos cada n-avo
objeto. Si tenemos una lista de objetos de la poblacin el procedimiento ser muy fcil incluso sin
una computadora, y el resultado ser as representativo, excepto en la situacin inusual que una
caracterstica importante de los casos sucede a la repeticin en cada n casos.

3. Muestra aleatoria ponderada. Cuando la poblacin incluye un grupo muy pequeo pero
esencial, hay el riesgo de que ningn miembro de ese grupo quede dentro de una muestra aleatoria.
Tales grupos claves de usuarios de productos son, entre otros, gente corto de vista, duro de odo o
con la capacidad reducida del movimiento, vase una lista de tal gente. Otras minoras a menudo
significativas originan de religiones, de nacionalidades y de lenguas.

Para asegurar por lo menos algunos de una minora clave (marcada con x en el diagrama a la
derecha) en la muestra, podemos incrementar deliberadamente la razn de la muestra sobre este
grupo de especial importancia. Por supuesto que esto generar un desequilibrio en las mediciones
que se obtengan a partir de la muestra ponderada, pero ser fcil restaurar el equilibro original.
Esto se hace as cuando se combinan los resultados; por ejemplo, al calcular la media de todas las
mediciones daremos a las mediciones de cada grupo su peso apropiado correspondiente a los
porcentajes genuinos en la poblacin.

Muestras no aleatorias

Las muestras no aleatorias (o "no probabilsticas") { son seleccionadas por cualquier procedimiento
que no da todos casos en la poblacin las oportunidades iguales de caer en la muestra. A veces el
contexto del estudio permite o facilita un cierto mtodo de muestreo, a veces el investigador tiene
la posibilidad de escoger el mtodo. Varios tales procedimientos sern discutidos abajo.

Cualquier es el procedimiento, es siempre posible que favorecer ciertos tipos de casos en la

poblacin ms que los otros, es decir producir una muestra sesgada.

En estudios descriptivos la presencia de sesgo es una desventaja grave que usted encontrar ms
adelante en su proyecto, en cundo valorar el muestreo y en cundo escribir el captulo final de su
informe. Por lo tanto puede ser prudente pensar de l por adelantado, cundo escoger el mtodo de
muestreo.

Al valorar una muestra no-aleatorio que usted debe preguntar usted mismo: Sern los resultados
de la muestra el mismo que usted conseguira de la poblacin? Es cierto que el criterio que usted
ha utilizado en seleccionar la muestra (e.g. la buena voluntad de la gente de participar) no tiene
ninguna correlacin con esas variables que usted desee registrar de la muestra? Si hay correlacin,
su muestra est sesgada y usted debe considerar el construir de una muestra nueva con menos
correlacin.
Como contraste, muestras no aleatorias se pueden utilizar en proyectos de investigacin y del
desarrollo, a condicin de que el sesgo sistemtico posible sea compensado ms adelante. Por
ejemplo, es comn usar al muestreo de conveniencia cundo escoger clientes potenciales a un
grupo de trabajo para desarrollar un concepto del producto preliminar. La seleccin de personas
ser probablemente sesgada, tan bien como las propuestas del grupo de trabajo, pero las
propuestas sern rectificadas ulteriormente cuando son evaluadas de nuevo por un otro grupo de
gente ms grande.

Entre los tipos comunes de muestras no aleatorias se incluyen:

1. Muestra de conveniencia. Un grupo existente, por ejemplo la gente en una reunin, podra ser
designado como muestra. Este es un mtodo fcil y barato, pero el sesgo suele ser imposible de
estimar. El mtodo es popular en las demostraciones de cursos sobre mtodos, donde los datos
obtenidos de la muestra no se usarn. Asimismo, esto es un mtodo posible cuando usted necesita a
algunos clientes potenciales asistir al desarrollo de producto, a condicin de que los resultados
obtenidos sean probados ms adelante con una muestra mejor escogida de la clientela-objetivo.

2. Muestra de voluntarios es creada cuando todos los miembros de la poblacin tienen la

oportunidad de participar en la muestra. Si usted inserta una forma de cuestionario en un peridico
o en una pgina del Internet y pide que la gente d sus opiniones sobre un asunto, usted conseguir
una muestra de voluntarios. Un otro ejemplo es la respuesta de los clientes que llega a una empresa.

Una muestra de voluntarios puede ser una alternativa prctica cuando no hay lista de los miembros
de la poblacin de quien una muestra aleatoria se podra escoger, o cuando es difcil de contactar a
la gente en una muestra porque sus direcciones no se saben. La desventaja es que es difcil
determinar la presencia del sesgo, es decir si las opiniones u otras caractersticas interesantes de
los voluntarios se desvan de sos de la poblacin. Cuando en vista de esta pregunta, hay dos
cuestiones que plantearse:

Qu es la poblacin que usted apunta? Es cierto que todos los miembros de la poblacin
concernida tenan las mismas oportunidades de ser incluidos en la muestra?
Hay cualquier razn por qu puedan diferir los voluntarios del resto de la poblacin? Por
ejemplo, tienen ellos, o por lo menos algunos de ellos, una razn especial para ofrecerse?

Si usted, por ejemplo, quiere obtener una muestra de gente que ha comprado su ltimo producto,
usted puede incluir en el paquete del producto un formulario franqueo-pagada donde la gente
puede dar sus nombres y direcciones. Qu sucedera si usted pidi adems que los respondedores
dieran sus opiniones del producto? Usted conseguira probablemente respuestas sobre todo de la
gente que tiene una opinin fuerte de su producto, positiva o negativa. La gente sin opinin definida
de su producto quizs no incomodara contestar. La muestra sera as sesgada, y usted tendra que
considerar si tal tendencia podra ser aceptable para sus fines.

3. Muestra - bola de nieve. Cuando se entrevista a miembros de un grupo, podemos pedir a las
personas que nos indiquen otros individuos en ese grupo que podran dar informacin sobre ese
tema; podramos tambin pedirles que nos indicasen personas que compartan sus puntos de vista y
tambin otras que sean de opinin opuesta. Entonces entrevistaremos a nuevos individuos y
continuaremos del mismo modo hasta que no obtengamos nuevos puntos de vista de nuevos
entrevistados. Este es un buen mtodo por ejemplo para recoger los distintos puntos de vista
existentes en un grupo, pero su inconveniente es que no obtenemos una idea exacta de la
distribucin de las opiniones.
4. Una muestra que consiste en todos los casos disponibles. A veces el investigador es
interesado en una poblacin de que slo unos pocos casos o especmenes estn disponibles para el
estudio, y estos entonces deben servir como una muestra de la poblacin. Tales muestras tpicas
son:

4a. Casos restantes

4b. Casos permitidos.

Los casos restantes entre el material histrico o arqueolgico, cuando ha desaparecido una parte
grande de material relevante antes de que reciben los investigadores, se pueden mirar como una
clase de muestra de conveniencia incluso cuando es la realidad histrica y no la conveniencia que
selecciona la muestra. Si la destruccin del material, durante el tiempo hasta el estudio, no ha sido
al azar ni proporcional pero en lugar de alguna manera parcial o selectivo, el material sobreviviente
ser sesgado y el investigador debe valorar el sesgo probable. Usted debe preguntarse si cualquiera
de los factores siguientes ha afectado diferentemente en la preservacin de tipos diferentes de la
materia:

El material a veces se ha seleccionado para cualquier propsito, por ejemplo para ser
mantenido en archivos, bibliotecas o museos?
Algunos objetos en el material a veces se han substituido por nuevos?
Qu clases de cosas fueron mirados generalmente como basura, o al contrario, como digno
y apropiado ser preservado?
Hay factores fsicos que pueden haber afectado diferentemente en la preservacin de
varios grupos de material?

Los casos permitidos. Al estudiar las empresas privadas sucede a menudo que la gerencia no
permitir colectar informacin desde ciertas unidades en la organizacin. La decisin de la
administracin es motivada quizs por su juicio sobre los objetivos del estudio, pero del punto de
vista cientfico tal muestra a menudo parecer gravemente sesgada.

Mtodos de muestreo inadecuados

Sobrepasar los lmites de la poblacin. No tenemos que incluir elementos que no sean miembros
de la poblacin en nuestra muestra. Por ejemplo, en muestreo bola-de-nieve sucede a menudo que
alguna gente entrevistada nomina a candidatos que no pertenecen a la misma poblacin. Por
supuesto, usted tiene a menudo la opcin de alterar sus delimitaciones originales.

Muestra de casos tpicos. La meta de estudiar un grupo heterogneo es a

menudo encontrar cul es comn y tpico de la mayora de los casos en el
grupo. A este efecto loable, el muestreo se ha utilizado a veces para
seleccionar los casos ms tpicos en la muestra, y todos los casos
extraordinarios son dejados fuera. En la figura en el derecho, los casos tpicos
se marcan con puntos, y los casos excepcionales estn marcados con los
smbolos + y x.

Sin embargo, seleccionar una muestra de casos tpicos no es muy

recomendable porque cundo escoger los casos "tpicos" los prejuicios del
investigador (que pueden ser errneos) influencian demasiado los resultados de la investigacin. El
investigador puede, sin notarlo, seleccionar sobre todo tales casos que corroboren sus
preconcepciones o hiptesis. Para resumir, si usted desea precisar los especmenes medios o los
casos ms comunes de la poblacin, un mtodo mejor es clasificar todos los artculos de la
poblacin, o una muestra escogida al azar, y encuentra el tipo ms frecuente. Cuando es necesario,
usted puede entonces continuar el estudio de esta clase, que en adelante se convierte en la
poblacin nueva del estudio.
Muestra de especialistas. Puede ser que parezca una idea sensible de preguntar directamente
sos, a menudo pocos, personas que saben mucho sobre el asunto, en vez de preguntar una muestra
grande de legos escogidos al azar cuyo conocimiento puede ser espordico y cuyos opiniones
pueden divergir. As, podramos por ejemplo:

Investigar las preferencias de consumidores sobre los aparatos domsticos, entrevistando

a vendedores.
Estudiar estilos de vida de arrendatarios mediante un cuestionario a propietarios o a
administradores de casas o caseros.
Desarrollar un nuevo modelo del coche de familia de modo que unos conductores de
carreras lo proban y evalen.
Valorar la atmsfera de trabajo en una compaa entrevistando a los directores.

La ventaja a entrevistar a especialistas es que usted necesita entrevistar apenas unas pocas
personas y en la discusin usted consigue rpidamente al punto. Sin embargo, usted no debe pensar
que los "especialistas" puedan ser tomados como muestra de "no especialistas". Son dos
poblaciones diferentes. No debiramos generalizar los resultados de "especialistas" a ninguna otra
poblacin.

Si usted entonces desea adems recolectar las opiniones de los consumidores medios, usted debe
definir stos como una poblacin segunda y seleccionar una muestra adecuada de ella, tambin.
Una alternativa deber hacer dos proyectos distintos de estos dos exmenes. Una posibilidad es
hacer estos dos exmenes en sucesin. Podramos tal vez continuar transformando los resultados a
partir de los especialistas en hiptesis que ms tarde verificaramos con una muestra apropiada de
la poblacin "real" o de no especialistas, que seran en los ejemplos citados, respectivamente, los
consumidores y los arrendatarios. En otras palabras, podramos usar la entrevista de los
especialistas como un estudio preliminar slo.

Muestreo normativo. El aspecto normativo es aceptable en los proyectos del desarrollo que
apuntan a mejorar objetos similares en el futuro, pero es mejor guardarlo fuera del muestreo
porque no es compatible con los principios de la representatividad y de la generalizacin.

El estudio normativo de una "muestra de los mejores obras" es algo bastante

tradicional en historia del arte. La idea es que stos representan lo ms
autntico de su poca. Tal seleccin deliberada por parte del investigador
tiene no obstante riesgos serios. Es evidente que no son tpicos de la era y no
representan las obras de arte medias. Esto no sugiere que usted no los debe
estudiar, pero si usted lo hace, no le llama una "muestra" si usted quiere decir
que los grandes amos o sus obras son la poblacin de su estudio. Cf. Delimitar
la poblacin de estudio.

Ms tarde en la fase de anlisis de sus datos que usted puede mantener

fcilmente el aspecto normativo, usando los mtodos de estudio de caso normativo , comparacin
normativa , clasificacin normativa , y estudio pedaggico del desarrollo, de modo que no es
necesidad de mezclar el procedimiento de muestreo con consideraciones normativas.
Tamao de la muestra

El propsito principal del muestreo es reducir la necesidad de las operaciones empricas que exigen
el trabajo y el coste. Cmo pequea puede una muestra entonces estar sin perder su utilidad? Es
decir cul es el nmero ms pequeo de los casos que todava nos dan bastante confiables datos
sobre la poblacin?

Ventajas del mtodo de muestreo

No requiere observacin continua por parte de un analista durante un periodo de tiempo largo.

El tiempo de trabajo de oficina disminuye

El total de horas-trabajo a desarrollar por el analista es generalmente mucho menor

El operario no esta expuesto a largos periodos de observaciones cronomtricas

Las operaciones de grupos de operarios pueden ser estudia

VENTAJAS DEL MUESTREO:

a) Costos reducidos.

b) Mayor rapidez para obtener resultados.

c) Mayor exactitud o mejor calidad de la informacion:

debido a los siguientes factores

c.1 Volumen de trabajo reducido.

c.2 Puede existir mayor supervision en el trabajo.

c.3 Se puede dar ms entrenamiento al personal.

c.4 Menor probabilidad de cometer errores durante el procesamiento de la informacion.

d) Factibilidad de hacer el estudio cuando la toma de datos implica tecnicas destructivas, por
ejemplo:

- Pruebas de germinacion.

- Anlisis de sangre.

- Control de calidad.

das facilmente por un solo analista

Desventajas del muestreo

Siempre esta presente el error de muestreo producto de la variabilidad intrinseca de los elementos
del universo, existen diferencias entre las medidas muestrales y los parametros poblacionales
llamada Error de Muestreo la Inferencia Estadastica permite medir el error de muestreo Ventajas
usado para empleos de ciclo largos o porcentajes de producciones en vez de tiempos Desventajas o
no da estimaciones de tiempo exactos o precision reducida o requiere el trabajo que funciona o
requiere a trabajadores calificados.

Teoria Del Muestreo De Trabajo

La teora del muestreo de trabajo se vas en las leyes fundamentales de la probabilidad. Los
estadsticos han deducido la siguiente expresin que determina la probabilidad de x ocurrencias
de un evento en n observaciones.

(p+q)n=1

p= probabilidad de ocurrencia de un evento o suceso.

q=(1-p) probabilidad de que no haya ocurrencia.

n=numero de observaciones.

(p+q)n=1 se desarrolla por el binomio de newton el primer termino dar la probabilidad de x=0, el
segundo termino, la de x=1y as sucesivamente. La distribucin de esta probabilidad se conoce
como DISTRIBUCION BINOMIAL. La media es np la varianza es npq y la desviacion estandar es:
Raz cuadrada de npq.

A medida que n aumenta, la distribucin binomial tiende a la distribucin normal. Los estudios de
muestreo de trabajo implica muestras de gran tamao, por lo que la distribucin normal es muy
buena aproximacin de la distribucin binomial.

Planeacion de un Muestreo de Trabajo

Planeacin de un muestreo del trabajo Una vez que el analista haya explicado el mtodo y obtenido
la aprobacin del supervisor respectivo, estar en condiciones de realizar la planeacin detallada,
que es esencial antes de iniciar las observaciones reales. A continuacin sern explicados, paso a
paso, la planificacin, ejecucin y evaluacin de un muestreo de actividades segn el programa
estndar RE F A para el muestreo de actividades. Un muestreo de actividades se realiza, por lo
general, durante un lapso de varias semanas. Es necesaria, por lo tanto, una planificacin cuidadosa,
a fin de lograr que sus resultados puedan ser aprovechados realmente. Paso 1 Fijar objetivos
Primeramente debe formularse el objetivo del muestreo de actividades; adems de ello, debern
seleccionarse los sistemas laborales a observar y describirse stos. El muestreo de actividades
puede utilizarse con xito para: a) La determinacin de valores de relacin del establecimiento,
como p. ej. Grado de mecanizacin, grado de ocupacin, demanda de mano de obra b) Para la
investigacin sobre procesos de trabajo en relacin con la planificacin y conduccin operativa de
la produccin p. ej. Carga de trabajo, cuellos de botella c) Para la determinacin de recargos de
tiempos distributivos en el marco de la determinacin de tiempos concedidos Unida con el objetivo
propuesto, se encuentra la seleccin del sistema laboral y la determinacin de las personas o medio
de elaboracin a observar. Durante la planificacin de muestreos de actividades se tratar en lo
posible de involucrar varios sistemas laborales en la investigacin, a fin de poder repartir las
erogaciones del trabajo sobre la mayor cantidad posible de sistemas laborales. Por tal razn,
debiera comprobarse siempre la existencia de otros objetivos, a cuya solucin pueda aportar el
muestreo de actividades, y si stas pueden ser involucradas al formular el motivo de la tarea.
Ejemplo. En una imprenta debe racionalizarse el corte de etiquetas. Para obtener una visin
respecto a la utilizacin de las cuatro mquinas de cortar papel, deber realizarse el muestreo de
actividades. Para distribuir las erogaciones de esta realizacin sobre una mayor base se efectuarn,
en forma paralela, varios muestreos de actividades con distintos objetivos. En las proximidades de
la seccin corte de papel se encuentran tambin las secciones pintura y construccin de
estampas de forma, que comprenden tambin cada una cuatro puestos de trabajo. Ambas
secciones son cuellos de botella y resulta por lo tanto importante investigar si deber
incorporarse a cada una de ellas un nuevo puesto de trabajo o si es posible incrementar la
productividad a travs de medidas de racionalizacin. La planificacin del muestreo de actividades
segn el primer paso, lleva por lo tanto a la seleccin de los siguientes sistemas laborales

Paso 2 Determinar y describir los tipos de procesos Luego de reunir los sistemas laborales y los
elementos correspondientes a observar debe fijarse qu tipos de procesos deben ser diferenciados
en los elementos del sistema observados, a fin de poder llegar a las deducciones requeridas sobre
su comportamiento. Por regla general se subdividen los tipos de proceso ms an de lo que sera
necesario para la tarea, para obtener de esta manera una buena visin del conjunto observado. Al
fijar los tipos del proceso debe tenerse en cuenta la necesidad de reconocerlos sin dar lugar a
confusiones, durante una observacin breve. Es, p. ej., muy difcil diferenciar si una persona vigila o
interrumpe en forma condicionada un proceso. Por lo tanto, uno no debiera limitarse simplemente
a nombrar los tipos de proceso a diferenciar, sino que debe otorgar en forma adicional algunas
caractersticas particulares simples, claras e inconfundibles para reconocer los mismos.

Ejemplo. En el ejemplo de las mquinas de cortar papel se ha elegido una subdivisin de los tipos de
proceso orientada en una divisin de los tiempos de trabajo utilizada generalmente en el clculo de
costos: 1) Tiempo de elaboracin (a) utilizacin directa (b) utilizacin indirecta (e) espera
condicionada 2) Tiempos auxiliares (a) utilizacin adicionar (b) Interrupcin de la actividad por
trastornos interrupcin de la actividad por descanso (d) interrupcin de la actividad, personal 3)
Tiempos muertos (a) fuera de accin Cada uno de los tipos de proceso aqu nombrados, como p. ej.
utilizacin indirecta, interrupcin de la actividad por descanso, etc., puede ser an subdividido al
realizar las observaciones, explicada ms adelante. Condicin para esto es que los tipos de proceso
subdivididos durante la observacin puedan ser an diferenciados sin lugar a dudas.

Paso 3 Fijar el plan de recorrido En los primeros pasos fue fijado qu tipos de procesos han de ser
observados en sistemas laborales. En el tercer paso se realiza un plan de recorrido, esto es una
representacin esquemtica de los puntos de observacin y su secuencia. La ubicacin de
observacin es un punto determinado estereomtricamente, desde la cual tendr lugar la
observacin de un sistema laboral en el momento de transponerse el mismo La secuencia de
observaciones determina el orden de precedencia para realizar las observaciones. A fin de
mantener el principio aleatorio, se fijarn diferentes secuencias de observacin, de las cuales se
elegir una antes de comenzar el recorrido. El recorrido puede realizarse en el sentido horario o
anti horario, y ser comenzado desde los diversos puntos de observacin. El fijar el plan de recorrido
de modo tal que no haya lugar a dudas, es de gran importancia cuando se deriva la ejecucin del
muestreo de actividades a un ayudante.

Paso 4 Determinar la cantidad necesaria de observaciones Se plantea la pregunta de cuntos

recorridos u observaciones deben realizarse para lograr resultados aceptables. La comprensin de
este paso requiere algunos conocimientos bsicos de la estadstica, que no debern ser explicados
en detalle aqu. Resultar por lo tanto ms de mostrativo explicar este paso a travs de un ejemplo.
Por lo general se parte del tipo de proceso que ms interesa. Estos son, p. ej., para las mquinas de
cortar papel los tiempos auxiliares. La parte p correspondiente a los tiempos auxiliares dentro del
tiempo correspondiente al turno, debe ser estima En el ejemplo se cree que esta 30%. A
continuacin debe fijarse con qu margen de confianzapueda ser p absoluto f debe determinarse
esta parte correspondiente a los tiempos auxiliares. Cuanto ms pequeo sea f tanto mejor ser la
calidad de las datos determinados, esto es, tanto ms angosto el margen de confianza y por
consiguiente mayor la cantidad eje observaciones a realizar. Por tal razn no debiera exigirse un
margen de confianza que no se necesite en virtud-de la aplicacin. Para una parte de alrededor del
25% no debe superarse, en la mayora de los casos, un margen de confianza f = 25%. El margen de-
confianza relativo sera entonces de 10%, lo que resulta de-relacionar 2.5% con 25%. Sobre la base
de la estimacin de la parte p correspondiente a un tipo de proceso y del margen de confianza
necesario f puede determinarse la cantidad prevista de observaciones n. Para ello se utiliza el
nomograma, que ser utilizado ms adelante para la evaluacin del muestre o de actividades. El
procedimiento para ello es el siguiente: 1) buscar la parte estimada p = 30% correspondiente al
tipo de proceso sobre la escala izquierda; 2) buscar el margen de confianza f = 2,5% necesario
sobre la escala media; 3) unir ambos puntos por medio de una recta, que se continuar hasta la
escala derecha; 4) leer en el punto de corte la cantidad de observaciones presumiblemente 1300).
La cantidad necesaria de observaciones nnecesarias (en este caso, n 1300 debe realizarse en las
cuatro mquinas de cortar papel, con lo cual se garantiza que la parte correspondiente a los
tiempos auxiliares en dichas mquinas ha sido determinada con un margen de confianza de f =
2,5%. Este resultado tiene una probabilidad estadstica del 95%. En otras palabras: una vez
finalizado el muestreo de actividades es seguro (con una probabilidad del 95%) que la parte real,
empero desconocida, de la fase de proceso, se diferencia en menos de un 2,5% del resultado del
muestreo de actividades.

El nomograma para la evaluacin del muestreo de actividades se basa en la siguiente frmula de

clculo:

El nmero 1.96 es un factor de seguridad estadstico. utilizado para una probabilidad estadstica S =
95%. Aplicado al ejemplo resulta:

Regla para la determinacin de n Para la determinacin de la cantidad de observaciones

presumiblemente necesaria n, tiene validez la siguiente regla: Cuanto mayor sea la diferencia entre
la parte correspondiente al tipo de proceso que interesa y el valor 50%, tanto menos observaciones
sern necesarias para un valor constante del margen de confianza f. Magnitud del valor f El ancho
del margen de confianza requerido f y la cantidad de observaciones as resultante, depende de la
magnitud de las partes de los tiempos y de su importancia en el marco de la investigacin. Para un
estudio del grado de ocupacin se tendr en cuenta la parte de tiempo mayor y exigir para sta, p.
ej., f = 2,5%. Para los tiempos distributivos se tendr en cuenta la parte de tiempo distributivo
supuesta referida al tiempo laboral semanal y exigir, p. ej., f = 1.0%. Si los resultados del muestreo
de actividades son usados en algn aspecto salarial, ser entonces cuestin de las partes el llegar a
un acuerdo respecto al valor de f. Con f se denomina al margen de confianza absoluto requerido y
con n la cantidad requerida de observaciones. Con f se denomina el margen de confianza alcanzado
realmente y con n la cantidad real de las observaciones logradas en un muestreo de actividades. La
determinacin de f para un valor dado de n es explicada en el paso 7.

Pliego para el muestreo de actividades MM 1 En la Fig. 104 se encuentra el anverso del pliego para
el muestreo de actividades MM 1, en el que se encuentran todos los pasos anteriormente
mencionados del programa. Inmediatamente debajo del encabezamiento se encuentra un rengln
para la denominacin del muestre o de actividades. Aqu se mencionar el objetivo de la
investigacin en pocas palabras. El pliego contiene, adems, una serie de datos para caracterizar en
forma genrica al muestreo. A stos corresponden el principio y la finalizacin del muestreo, as
como la fecha prevista para la entrega de sus resultados. Adems corresponden a esto los datos
sobre la exactitud requerida, la probabilidad estadstica requerida, la probabilidad estadstica
garantizada y la cantidad de observaciones necesarias que se preven como resultado de esto y a
partir de una parte correspondiente estimada segn la. Tambin este pliego contiene en su mitad
superior un resumen de los resultados del muestreo, en donde los valores correspondientes a cada
una de las partes pueden ser representados en la mitad izquierda como barras
correspondientemente a su magnitud, de modo tal que resulte un perfil de los tipos de tiempos.
(Para los detalles en particular, ver los prximos pasos del programa estndar segn RE FA para el
muestreo de actividades.) El cuadro sinptico subsiguiente a este resumen de datos contiene la
denominacin exacta de los hombres o del medio de elaboracin a observar. Para su anotacin han
sido previstos dos encabezamientos. Segn si se observan personas o medio de elaboracin, se
tachar el encabezamiento que no corresponda, dibujndose, si fuera necesario, las lneas
perpendiculares faltantes para la separacin de columnas. Tambin en el caso de muestreos de
actividades es necesaria una caracterizacin de las restantes condiciones de trabajo, tales como
influencias recprocas del medio, tipo de remuneracin salarial y calidad alcanzada por el trabajo.
Para completar el formulario se han previsto finalmente, en su parte inferior, los datos respecto al
grupo encargado del muestreo, etc.

El reverso del pliego para muestreo de actividades segn RE FA, contiene un formulario para los
tipos de proceso, tal como han sido ya mencionados en forma genrica en el paso 2; ellos sern
ahora an ms subdivididos. En el marco de la evaluacin final resultan ahora muchos
conocimientos a partir de la combinacin de algunos de los tipos de proceso finalmente
subdivididos. Estos tipos de proceso son descritos en detalle con ayuda de algunas caractersticas
particulares. Las denominaciones y abreviaturas para los tipos de proceso ya subdivididos que se
encuentran en el reverso, son utilizados ms adelante tambin en el pliego para muestreo de
actividades MM2.

Paso 5 Determinar los momentos para los recorridos Luego de haber fijado en el tercer paso de la
secuencia de observaciones dentro del recorrido y para cada ubicacin de observacin y en el
cuarto paso la cantidad de observaciones necesarias, se determinan ahora los momentos para cada
recorrido. Es importante que stos se realicen en forma casual. De esta manera se cumplen
condiciones de carcter estadstico a la par que se evita una posible influencia subconsciente del
observador sobre los resultados. La determinacin de los momentos para los recorridos se realiza
con ayuda de las llamadas tablas aleatorias de horas y minutos. Para ello se procede como sigue:
Numero de recorridos diarios A partir de la cantidad de observaciones a realizar n y del tiempo
disponible T para la ejecucin del muestreo de actividades, se determina la cantidad nT de las
observaciones diarias:

Si a sta se la divide luego por la cantidad nR de sistemas laborales iguales a observar por cada
recorrido, se obtiene de esta manera la cantidad RT de recorridos a realizar diariamente:

Determinacin de los momentos para los recorridos Una vez determinada la cantidad de recorridos
diarios, se fija cronolgicamente cada uno de ellos con ayuda de la tabla aleatoria de horas y
minutos. Este procedimiento ser nuevamente explicado con un ejemplo: Como es sabido son
necesarias presumiblemente 1300 observaciones. El lapso de tiempo previsto para la investigacin
es de 3 semanas, de 5 das laborales cada una. Por cada recorrido son registradas 4 mquinas de
cortar papel como muestreo de actividades 1, mientras que los 4 puestos de trabajo del sector
pintura as como los 4 puestos de trabajo de la construccin de estampas de formas son observados
en el marco de los muestreos de actividades II y III, ejecutados en forma paralela (ver Fig. 102 en la
pgina 240). Siendo:

Resulta:

Partiendo de la tabla aleatoria de horas y minutos puede elaborarse ahora un plan cronolgico de
recorridos para cada uno de los 15 das. A este fin se elige, a ojos cerrados, en la Fig. 107 un bloque
de nmeros de la tabla aleatoria de las horas (p. ej. del bloque 32). Los 25 valores horarios as
escogidos son ledos dentro del bloque por columnas y anotados en un cuadro sinptico (Fig. 108)
uno debajo del otro y sin seleccionarlos (Columna 1a). A continuacin se pasa al bloque numrico
lateral o inferior y se continuar anotando sus valores de la misma manera en la columna 1a.

Del mismo modo se obtienen los valores para los minutos de la correspondiente tabla aleatoria
(comenzando, p. ej., con el bloque 32), anotando estos valores en la columna 1b y
correlacionndolos con los valores horarios. De esta forma se han obtenido las columnas 1a y 1b de
datos horarios no seleccionados, los llamados tiempos aleatorios. Siendo que dentro de estos
valores horarios se encuentran con seguridad algunos en los cuales no podrn efectuarse
recorridos, por encontrarse stos fuera del horario de trabajo o dentro de las pausas, debern por
lo tanto ser tachados en la columna 1.

En la Fig. 108 se ha partido para ello de los siguientes datos: Comienzo del turno: 8.00 horas Fin del
turno: 16.45 horas Pausa laboral: 12.00 - 12.40 horas Duracin del recorrido: 10 minutos Siendo
que en el ejemplo de ms arriba deben realizarse 22 recorridos diarios, se toman primeramente 22
de los valores restantes de la columna 1 transponindolos a la columna 2 y seleccionndolos en
forma cronolgica. Todo valor que se encuentre demasiado prximo al anterior, ser tachado y
reemplazado por otro de la columna (1), anotndolo en la columna (3). En la Fig. 108 se parte para
esto de una duracin de recorrido de 10 min. Si se aaden estos tiempos complementarios en los
anteriormente clasificados, se obtienen los momentos para los recorridos (columna 4). Finalmente
se determinan del mismo modo los 22 momentos para los recorridos del segundo da, clasificando
de las columnas 1a y 1b los siguientes 22 tiempos aleatorios, transponindolos en la columna 2, etc.
De este modo se elaboran los momentos para los recorridos de los 15 das.

Paso 6 Realizacin y evaluacin del muestreo de actividades 500 observaciones La realizacin de

los recorridos es ejecutadaRealizar n cronolgicamente segn el plan de momentos de los
recorridos y estereomtricamente en base al plan de recorrido. Durante stos, es anotado por el
observador el tipo de proceso constatado en el momento de pasar junto al elemento del sistema
observado. Si son observados varios elementos de sistemas desde una misma ubicacin de
observacin, se anotar el tipo de proceso verificado en la primera mirada. El reconocer un tipo de
proceso de un golpe de vista resulta tanto ms difcil cuanto ms tipos de proceso deban ser
diferenciados. Por tal razn se recomienda, al realizar un muestreo de actividades por primera vez,
no planificar ms de 6 a 8 diferentes tipos de procesos. Si se constata en una observacin el cambio
entre un tipo de proceso y otro, se anotar bsicamente el tipo de proceso anterior.
Cuestionamiento Es recomendable plantear durante el muestre o de actividades, cada dos a tres
das estas siguientes preguntas a los observadores 1) Estn definidos sin que haya lugar a dudas
los tipos de proceso a observar? 2) Se ha mantenido el plan de recorridos previsto? 3) Fueron las
condiciones de trabajo siempre las mismas durante las observaciones realizadas hasta ahora? 4)
Han podido determinarse trastornos del proceso general, fuera de los normales, que puedan
influir sobre los resultados de la investigacin? 5) Existieron cambios importantes a lo largo de la
investigacin en las cantidades asignadas a las OT de los puestos de trabajo observados? Si se
observan aqu fallas importantes, puede interrumpirse el muestreo de actividades en cualquier
momento y continuarse nuevamente una vez subsanadas las fallas.

Pliegos para los muestreos de actividades MM2, MM3, y MM4 Para la realizacin de los muestreos
de actividades existe una serie de pliegos, los que pueden ser elegidos segn el tipo de anotaciones -
ya sean individuales o de grupo- y segn la cantidad de elementos del sistema a observar. En el
marco de esta introduccin al mtodo de muestreo de actividades se reproducirn los pliegos ms
usuales. Pliego MM2 para anotaciones colectivas Para el ejemplo se ha utilizado el pliego para
muestreo de actividades segn REFA MM2, el que contiene una estructuracin de aplicacin
universal. Si se utiliza una columna para cada recorrido, pueden anotarse en el encabezamiento da,
nmero y momento del recorrido. Si en el recorrido se realizan muchas observaciones (no
solamente 4 como en el ejemplo), se utilizarn dos o ms columnas para cada una de ellas. Siendo
que el pliego contiene 20 columnas, podrn anotarse sobre l las observaciones de los 20
recorridos del ejemplo. La anotacin de cada observacin se realiza siempre marcando una raya en
el rengln correspondiente al tipo de proceso observado. Evaluacin del MM2 Una vez finalizado el
200 recorrido se evaluar el primer pliego. A este fin se recuentan las observaciones
correspondientes a cada tipo de proceso, anotndose los resultados de la suma en la columna
cantidad x. Sobre la primera hoja de los pliegos MM2 deben anotarse estos valores numricos
tambin en la columna de resultados sumatoria x.

Relacionando cada uno de los valores de x de esta columna con la cantidad de observaciones
realizadas hasta el momento (esta es la suma de esta columna), se obtienen valores porcentuales
para cada tipo de proceso, los que son anotados en la columna parte p en %. Con esto se ha
completado la primera de las hojas. La columna sumatoria x de esta hoja se convierte en
transferencia xu de la siguiente. Si se ha completado sta tambin con anotaciones de otras
observaciones, resultar:

Cantidad xa + transferencia x = sumatoria x y

Sumatoria x . 100 = parte p en %
Cantidad de observaciones realizadas hasta el momento

Pliego MM3 para anotaciones individuales En lugar del pliego para muestreo de actividades segn
REFA MM2 para anotaciones colectivas puede utilizarse el pliego MM3, como se muestra en la Fig.
110. Este ha sido estructurado de tal manera que pueden observarse hasta 10 personas o medios de
elaboracin a la vez, en forma de anotaciones individuales para un total de 10 recorridos. Este
pliego contiene por lo tanto 10 x 10 columnas que permiten las anotaciones de hasta 100
observaciones. Estas 100 columnas pueden tambin ser usadas para las anotaciones de 100
observaciones efectuadas sobre una persona o medio de elaboracin.

Pliego MM3 para anotaciones individuales Junto a la posibilidad ya explicada de efectuar las
anotaciones de cada observacin marcando con una raya el lugar correspondiente al tipo de
proceso, existe tambin la posibilidad de anotar los mismos utilizando la correspondiente
abreviatura en el pliego MM4. Esta posibilidad brinda la ventaja de poder anotar muchas ms
observaciones sobre un pliego que de la manera anteriormente explicada. Este pliego es adems
apto como documentacin primaria para el perforado de tarjetas, en los casos en que la
planificacin y evaluacin del muestreo de actividades se ha hecho a travs de un programa para el
procesamiento electrnico de datos. La evaluacin manual de este pliego resulta, por el contrario,
mucho ms dificultosa.
Paso 7 Evaluacin parcial Por lo general se efecta una 500 observaciones, a fin deevaluacin
parcial luego de haber realizado n controlar si la cantidad de observaciones necesarias estimada en
el 4 paso es correcta o si, por el contrario, existe un error apreciable en la estimacin. Para ello se
proceder como sigue: 1) Determinar la cantidad total x de observaciones para cada tipo de
proceso que viene al caso. 2) Determinar la parte p correspondiente a las observaciones de cada
tipo de proceso. 3) Determinar en el nomograma (Fig. 103) el margen de confianza real de la fase de
proceso correspondiente y, en caso de que sea f > f, determinar la cantidad corregida de
observaciones necesarias n. Para la determinacin del margen de confianza alcanzado puede
utilizarse tambin la frmula

En el ejemplo resultan de la evaluacin del total del muestreo de actividades los siguientes
resultados, resumidos en la tabla. Estos muestran que, tal como era de esperarse, no se ha
alcanzado con las 500 observaciones el margen de confianza prescrito f = 2,5 %. Con p = 25% y f =
2,5%, resulta de la Fig. 103 que sern suficientes presumiblemente 1 200 observaciones.

Para el tiempo de elaboracin puede calcularse, como sigue:

Esta evaluacin parcial demuestra que la estimacin de la cantidad de observaciones necesarias n

efectuada en el transcurso del 4 paso ha sido correcta y que puede continuarse con el muestreo de
actividades hasta alcanzar n = 1200 observaciones. Cuando se haya alcanzado esta cifra, podr
efectuarse la evaluacin final.

Paso 8 Evaluacin final Siendo que la sumatoria de la frecuencia para cada tipo de proceso es
siempre transferida al comenzar un nuevo pliego y anotada en la columna transferencia, se
necesita tanto para la evaluacin parcial como para la final nicamente el ltimo pliego de
muestreo de actividades. La evaluacin final consiste en: 1) Determinar la cantidad total x ( =
sumatoria x) de las observaciones para cada tipo de proceso, 2) determinar la parte p
correspondiente a cada tipo de proceso, 3) determinar el valor absoluto del margen de confianza
alcanzado f segn la Fig. 103 para cada tipo de proceso, 4) resumir los resultados sobre el pliego
previsto para tal caso por medio de un perfil de tipos de proceso, 5) completar las tarjetas de
control como comprobante de la disminucin del valor del margen de confianza de las partes
correspondientes a cada tipo de proceso durante el muestreo de actividades, 6) decidir respecto a
la utilidad del muestreo de actividades.