INTRODUCCION

La forma en la que se lleva a cabo el muestreo es determinante para los resultados que
posteriormente se van a obtener de la investigación. El hecho de que existan muchos esquemas
de muestreo se debe a que se desea reducir el error que se comete al dar estimaciones sobre
los parámetros, es decir el error inherente del muestreo. Pero esta abundancia en el campo de
la teoría no viene acompañada por un abanico equivalente de posibilidades de aplicación. Son
muy distintas la visión teórica de un diseño muestral y su posterior realización práctica .Así en
general podemos decir que todos los diseños muestrales tienen dificultades de
implementación. De hecho, la realización en la práctica de un esquema muestral u otro, cuando
se está condicionado por el coste económico y el tiempo, va a depender de las buenas
propiedades que presente uno sobre el otro y, sobre todo, de las posibilidades que tengamos
de llevar uno de ellos a cabo según el marco disponible de la población. En el presente trabajo
se da a conocer cada punto correspondiente al tema de muestreo sistemático.
 MARCO TEORICO

El muestreo sistemático era muy popular en el pasado, antes de que la incorporación

de la informática hiciese trivial un problema que siempre había dado muchos
quebraderos de cabeza a los investigadores: elegir individuos de forma aleatoria dentro
de una muestra. En la medida en que los ordenadores nos han facilitado la tarea de
generar números aleatorios, este problema ha desaparecido.

También se sigue utilizando para seleccionar individuos a lo largo del tiempo. Por
ejemplo, para estudiar la satisfacción de un servicio, podemos elegir sistemáticamente
encuestar a 1 de cada n clientes que nos visitan. En estas circunstancias, en las que
puede existir diferente varianza entre individuos en diferentes periodos de tiempo, el
muestreo sistemático puede ser incluso más preciso que el muestreo aleatorio puro.
 MUESTREO SISTEMÁTICO

Es una técnica dentro de la categoría de muestreos probabilísticos – y que por lo tanto

requiere tener un control preciso del marco muestral de individuos seleccionables junto
con la probabilidad de que sean seleccionados – consistente en escoger un individuo
inicial de forma aleatoria entre la población y, a continuación, seleccionar para la
muestra a cada enésimo individuo disponible en el marco muestral.

El muestreo sistemático es un proceso muy simple y que sólo requiere la elección de un

individuo al azar. El resto del proceso es trivial y rápido. Los resultados que obtenemos
son representativos de la población, de forma similar al muestreo aleatorio simple,
siempre y cuando no haya algún factor intrínseco en la forma en que los individuos están
listados que haga que se reproduzcan ciertas características poblacionales cada cierto
número de individuos. Este suceso es realmente poco frecuente.

EL PROCESO

De forma concreta, el proceso que seguiríamos en un muestreo sistemático sería el

siguiente:

1. Elaboramos una lista ordenada de los N individuos de la población, lo que sería el

marco muestral.

2. Dividimos el marco muestral en n fragmentos, donde n es el tamaño de muestra

que deseamos. El tamaño de estos fragmentos será

K=N/n
Donde K recibe el nombre de intervalo o coeficiente de elevación.

3. Número de inicio: obtenemos un número aleatorio entero A, menor o igual al

intervalo. Este número corresponderá al primer sujeto que seleccionaremos para la
muestra dentro del primer fragmento en que hemos dividido la población.

4. Selección de los n-1 individuos restantes: Seleccionamos los siguientes individuos

a partir del individuo seleccionado aleatoriamente, mediante una sucesión aritmética,
seleccionando a los individuos del resto de fragmentos en que hemos dividido la muestra
que ocupan la misma posición que el sujeto inicial. Esto equivale a decir que
seleccionaremos los individuos.

A, A + K, A + 2K, A + 3K,…., A + (n-1) K

Ejemplo 1

Supongamos que tenemos un marco muestral de 5.000 individuos y deseamos obtener

una muestra de 100 de ellos. Dividimos en primer lugar el marco muestral en 100
fragmentos de 50 individuos. A continuación seleccionamos un número aleatorio entre
1 y 50, para extraer el primer individuo al azar del primer fragmento: por ejemplo el 24.
A partir de este individuo, queda definida la muestra extrayendo los individuos de la lista
con intervalos de 50 unidades, tal y como sigue

24, 74, 124, 174,…, 4.974

PROPIEDADES DEL MUESTREO SISTEMÁTICO

Las principales ventajas son:

o Obtiene buenas propiedades de representatividad, similares a la de un

muestreo aleatorio simple o incluso superiores, pero de forma más rápida y
simple, al evitar la necesidad de generar tantos números aleatorios como
individuos en la muestra.
o Respecto al muestreo aleatorio, el muestreo sistemático puede garantizarnos
una selección perfectamente equitativa de la población. Esto puede ser de
utilidad si se distinguen grupos dentro de universo, lo que nos podría evitar la
necesidad de usar estratos. Si existe diferente varianza entre los individuos
de los fragmentos, este muestreo puede ser mejor que el aleatorio. Lo
veremos luego.
Como desventajas, sólo existe la ya mencionada posibilidad de que el orden en que se
han listado los candidatos a la muestra tenga algún tipo de periodicidad oculta que
coincida con el intervalo escogido para generar la muestra sistemática. En este caso,
podríamos generar una muestra sesgada.

EFICIENCIA DEL MUESTREO SISTEMÁTICO

El muestreo sistemático se ideó para mejorar las propiedades del muestreo aleatorio
simple, pero el grado de mejora es variable dependiendo de las propiedades del
universo estudiado.

Para entender las propiedades de este muestreo, hay que tener en cuenta una cosa: si
fijamos el intervalo o coeficiente de elevación según el tamaño de la muestra que
necesitamos, sólo hay un elemento aleatorio dentro del proceso de muestreo: la unidad
inicial que seleccionamos del primer bloque de individuos. El resto queda fijado de
antemano. Esto equivale a decir que sólo tenemos k posibles muestras diferentes a
obtener y que el muestreo es simplemente escoger una de las k muestras disponibles.

Es posible demostrar que cuanto más supera la varianza dentro de las k posibles
muestras que podemos generar a la varianza poblacional, más precisión ganamos
usando el muestreo sistemático respecto al aleatorio simple. Lo anterior puede
interpretarse diciendo que el muestreo sistemático es más preciso que el aleatorio
simple cuando la variabilidad dentro de las posibles muestras es superior a
la variabilidad dentro de las unidades de la población. La precisión del muestreo
sistemático coincide con la del aleatorio simple cuando ambas variabilidades coinciden,
y esto se da cuando la disposición de los elementos en la población es totalmente
aleatoria.

CARACTERÍSTICAS

- En ocasiones es necesario un listado de los N elementos de la Población.

- Determinar tamaño muestral ’’ n’’.

VENTAJAS

- Extiende la muestra a toda la población.

- Recoge el posible efecto de estratificación debido al orden en que figuran las
unidades de la población.
- No presenta problemas de cálculo algebraico.
 - El error de muestreo suele ser inferior que en muestreo aleatorio simple o
incluso que en estratificado.
- La sencillez de la técnica y que puede ser utilizado con bastante grado de
confiabilidad en la práctica, aunque implica también el conocimiento de la
totalidad de los elementos del universo.
- Es posible utilizar el computador.
- El método de muestreo sistemático es más potente que el muestreo
simple cuando el orden de los datos influye en que los sujetos próximos son
semejantes.

INCONVENIENTES

- La posibilidad de aumento de la varianza si existe periodicidad en la

Población.
- El problema teórico que se presenta en la estimación de las varianzas
- No hay independencia en la selección de unidades en las distintas
Zonas, ya que las unidades extraídas en cada zona dependen de la
seleccionada en la primera zona.
- En general solo hay selección aleatoria para la primera unidad de la muestra.
- La periodicidad que tienen algunas muestras

JUSTIFICACIÓN DEL MUESTREO SISTEMÁTICO

- Se recomienda cuando la población es numerosa.
- Cuando se puede disponer de un listado de los elementos de la población.
- Cuando los elementos de la población no guardan ninguna periodicidad con una
característica importante para la investigación.
-
Se muestrean latas de atún de una línea de producción cada 50 unidades. A la salida
de un supermercado se encuesta una persona después de de que han salido 10. En
una línea de empaque se muestrean bolsas de carne de pollo tomando uno de cada 35
que pasan. En una oficina se muestrean los registro contables, tomando uno de cada
40 que se ingresan al archivero.
Procedimiento
- Si se conoce N, el tamaño de la población, y si por experiencias anteriores, se
puede estimar n, entonces: k = N/n
- El muestreo se realizará cada que pasen k elementos, es decir 1 en k.
 - Antes de iniciar el muestreo, se selecciona aleatoriamente un número entre 1 y
k, que ese será la primera muestra, después se sigue la regla de 1 en k.
- En caso de desconocer N, se escoge n como un valor exploratorio y luego se
determina el valor de la muestra

INTERVALO DE CONFIANZA DE LA MEDIA

Para encontrar el intervalo de confianza para la media primero se encuentra la varianza
de la muestra

Luego se obtiene la varianza de la media, que es menor que la varianza muestral, así
que se obtiene el estimador de la varianza de la media. Donde N es el tamaño de la
población y n es el tamaño de la muestra. Cuando N es muy grande, el factor del
paréntesis se puede eliminar.

La varianza de la media se le obtiene la raíz cuadrada (se convierte a desviación

estándar) y se multiplica por 2, se le resta y se le suma a a la media y se conforma el
intervalo con el 95% de seguridad.
 Ejemplo 2:

TAMAÑO DE LA MUESTRA PARA ESTIMAR LA MEDIA

Entre más grande sea la muestra, el intervalo de confianza para la media será más
pequeño, entonces, para definir el tamaña de la muestra primero se define el tamaño
del intervalo esperado.
Se define B como la distancia que se desea entre la media y el límite superior de la
media, según las unidades utilizadas. Desafortunadamente, para encontrar el tamaño
de la muestra, se requiere conocer de antemano la varianza poblacional, la cual se
puede hacer de la siguiente manera:
a) Investigar pruebas anteriores donde se haya calculado la varianza.
b) Si se conoce el valor mínimo y el máximo, el rango dividido entre cuatro puede ser
un estimador.
c) Obtener una pequeña muestra, luego calcular el tamaño de la muestra correcta
utilizando los datos ya recopilados.
Se calcula el valor de D:
Se calcula n:

Donde σ² es la varianza poblacional o S², que es su estimador:

Ejemplo 3

En algunas condiciones es difícil conocer el valor de N, por ejemplo, el número

de plantas pequeñas en una parcela, el número de árboles de cierta región o el
número de fauna silvestre de un área. En tal caso el tamaño de la muestra se
calcula con la siguiente ecuación

Donde s es la desviación estándar muestral y B es el error máximo permitido.

Esta ecuación es con el 95% de seguridad.
ESTIMACIÓN DEL TOTAL DE UNA VARIABLE
El estimador del total es ˆ  Ny

Intervalo de confianza del total Para encontrar

el intervalo de confianza del total primero se
encuentra la varianza de la muestra:
𝛴(𝑦𝑖 − 𝑦)²
𝑆2 =
𝑛−1
Luego se obtiene la varianza del estimador del total,
se le agrega el término N porque se multiplica
por el total de elementos t está al cuadrado porque
está dentro de la varianza

La varianza de la media se le obtiene la

raíz cuadrada (se convierte a desviación estándar)
y se multiplica por 2, se le resta y se le suma
a la media y se conforma el intervalo
con el 95% de seguridad.
Ejemplo 4

TAMAÑO DE LA MUESTRA PARA ESTIMAR EL TOTAL

Se define B como la distancia que se desea entre el total y el límite superior,

según las unidades utilizadas.

Donde σ² es la varianza poblacional o su estimador s²

Ejemplo 5

Para calcular el total se debe conocer N, es por eso que no existe ecuación
simplificada para el tamaño de la muestra.

ESTIMACIÓN DE UNA PROPORCIÓN

Los objetos a observar se dividen entre los que tienen una cualidad y los que no.
A los objetos que tienen la cualidad se les asigna el número 1, y a los demás el
número 0.

Si p es la proporción de elementos que cumplen cierta cualidad, entonces se

puede estimar mediante una muestra. El estimador es:

Una vez obtenida la muestra se puede obtener el valor q (q=1-p) y la varianza

muestral como:
La varianza del estimador es:

El intervalo de confianza para la proporción es:

Ejemplo 6

Tamaño de la muestra para estimar la proporción

Se calcula el valor de D:
 Se calcula n:

Ejemplo 7

En algunas condiciones es difícil conocer el valor de N, por ejemplo, el número

de plantas pequeñas en una parcela, el número de árboles de cierta región o el
número de fauna silvestre de un área. En tal caso el tamaño de la muestra se
calcula con la siguiente ecuación.

Donde pq es la varianza muestral y B es el error máximo permitido. Esta

ecuación es con el 95% de seguridad

Ejemplo 8

Suponemos que queremos saber la opinión sobre un profesor de una clase de 60

personas. Dichas personas están ordenadas por orden alfabético en la lista de
alumnos de clase. Para realizar la encuesta, seleccionamos a 12 personas. Por lo
tanto, N=60 y n=12. El intervalo fijo entre sujetos es:
 Ahora elegimos al azar un número entre 1 y k=5. Suponemos que nos sale i=2. La
muestra resultado mediante el muestreo sistemático será:

Ejemplo 9

Alumnos del 3 “B “De Estadística de la Escuela Superior Politécnica De Chimborazo en

el periodo Marzo 2012- Agosto 2012 se desea determinar.

El tamaño de la muestra.

Mediante un muestreo sistemático o en serie.

PRIMER PASO:

Se enumera los estudiantes del 1 al 15.

POBLACION

1) Wilmer Ninabanda

2) Jorge Mazón

3) Andrés Morales

4) Martha Guano

5) Stefany Sánchez

6) Yesenia Asitimbay
7) Bruno Borja

8) Juan Barragan

9) Alex Tingo

10) Marco Chávez

11) Cristian Zhanay

12) Gabriel Orozco

13) José Luis Yauripoma

14) Paul Carrillo

15) Byron Maggi

SEGUNDO PASO:

Se aplica una de la las formulas cuando se conoce la población:

En este caso elegimos la siguiente:

m
𝑛=
𝑒 2 (𝑚 −1) + 1

Donde:

n = Tamaño de la muestra

m=Tamaño de la población

e=Error admisible

TERCER PASO:

Buscamos el tamaño de la muestra.

DONDE YA CONOCEMOS:

m=15

e =50%

𝒎
𝒏=
𝒆𝟐 (𝒎 − 𝟏) + 𝟏

𝟏𝟓
𝒏=
(𝟎. 𝟓𝟎)𝟐 (𝟏𝟓 − 𝟏) + 𝟏
 𝟏𝟓
𝒏=
𝟎. 𝟐𝟓(𝟏𝟒) + 𝟏

𝒏 = 𝟑. 𝟑𝟑

𝒏=𝟑

CUARTO PASO:

Se calcula el intervalo constante entre cada individuo:

𝑁
La fórmula es la siguiente F= 𝑛

15
F=
3

F=5

Sorteamos un número del 1 al 5ya que fue el número de intervalo resultante.

Supongamos que del sorteo salió el numero 1

Entonces el primer número seleccionado para la muestra seria el número 1.

Lo siguientes alumnos se obtienen sumando 5, hasta llegar a tener los 3 alumnos de la

muestra.

QUINTO PASO:

Los alumnos seleccionados para la muestra serian los que correspondieran a los
números.

1= Numero del sorteo más 5 = Intervalo

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Los tres números de la muestra serian el 1 el 6 y el 11.

Ejemplo 10

Se acercan las Navidades y cierta empresa de turrones cree que no va a poder entregar
todos los pedidos a tiempo, a no ser que aumente la plantilla. La empresa dispone de
un listado ordenado alfabéticamente de 20 personas con las mismas características
para el puesto y que actualmente están en paro. Puesto que el tiempo apremia y no es
posible hacer una entrevista para seleccionar al personal, se decide elegir cinco
trabajadores de forma aleatoria usando el muestreo sistemático.

Tenemos que elegir 5 elementos sistemáticamente de un total de 20, por tanto se debe
elegir uno de cada k=20/5=4.

Se elige el punto de partida eligiendo un número al azar entre 1 y 4. Si obtenemos, por

ejemplo h=2, los elementos de la muestra serán 2, 2+4, 2+2·4, 2+3·4, es decir:

2, 6, 10, 14, 8.

Supongamos que en el ejemplo anterior se desea extraer una muestra de 6

trabajadores.

Como en ese caso, k=20/6=3.33, el valor se redondea por abajo (se trunca) es decir se
toma k=3. Esto se hace así, porque si redondeáramos hacia arriba, no habría elementos
suficientes en la población para extraer la muestra.

Por ejemplo, suponiendo que hemos obtenido h=2, los elementos de la muestra serían
2, 5, 8, 11, 14 y 17. Pero, si hubiéramos tomado k=4, los cinco primeros elementos de
la muestra hubieran sido 2, 6, 10, 14 y 18 pero no podríamos obtener el sexto ya que
daría 22 y sólo teníamos una lista de 20 trabajadores.
EJERCICIOS PROPUESTOS

1. De un listado de 1259 personas se desea obtener una muestra de 5 personas

mediante muestreo aleatorio sistemático. Describe el proceso y simula dicha
muestra sistemática.
2. Un centro comercial acaba de recibir un pedido de sintonizadores TDT para
ponerlos a la venta entre sus clientes. Dichos sintonizadores vienen numerados
con códigos desde el 39456 al 48795. El gerente de dicho centro está
preocupado por la calidad de dichos sintonizadores y decide obtener una
muestra sistemática de 7 aparatos y someterlos a varias pruebas. Ayúdale a
obtener la muestra.
3. Una gran empresa ha solicitado a su departamento de informática que realice
una aplicación que permita gestionar on-line las ventas en todas sus tiendas.
Para hacer las primeras comprobaciones deciden elegir 4 tiendas. Para ello
disponen de un fichero con 1728 filas en el que en las 6 primeras filas aparece
una cabecera y en la séptima los campos que definen cada uno de los datos
tomados de cada tienda (Dirección postal, Nombre del gerente, etc.). A
continuación están el resto de filas con los datos concretos de cada una de las
tiendas. Simula de forma razonada un muestreo sistemático e indica en qué filas
aparecerán los datos de las tiendas que van a formar parte de la muestra.
 BIBLIOGRAFIA

- http://es.slideshare.net/rubencho1979/muestreo-1817745
- http://www.uaaan.mx/~jmelbos/muestreo/muapu4.pdf
- https://es.wikipedia.org/wiki/Muestreo_(estad%C3%ADstica)
- http://www.dccia.ua.es/~violeta/aplicaciones/muestreosistematico.html
- http://es.slideshare.net/milenaria22/muestreo-diana
- http://www.universoformulas.com/estadistica/inferencia/muestreo-
sistematico/
- http://es.slideshare.net/anthonymaule/muestreo-probabilistico
- file:///C:/Users/Admin/Downloads/TiposMuestreo1%20(1).pdf
 CONCLUSION

El muestreo sistemático es un tipo de muestreo que es aplicable cuando los

elementos de la población sobre la que se realiza el muestreo están ordenados.
Este procedimiento de muestreo se basa en tomar muestras de una manera
directa y ordenada a partir de una regla determinística, también llamada
sistemática. Concretamente, a partir de una sola unidad que se selecciona en
primer lugar, el resto de unidades de la muestra vienen determinadas
automáticamente al aplicarle a dicha unidad una regla selección sistemática.