Вы находитесь на странице: 1из 44

UNIVERSIDAD RURAL DE GUATEMALA

MAESTRIA EN INVESTIGACIN Y PROYECTOS


CURSO: TCNICAS Y MTODOS DE INVESTIGACIN.
CATEDRTICO: INGENIERO LUIS M. REYES

TEXTO PARALELO
MUESTREO SIMPLE ALEATORIO

EDGAR LEONEL GOMEZ NARCISO


CARN: 04-00-126
NOVIEMBRE 2,004

1
Introduccin

La estadstica trabaja sobre poblaciones, extrae conclusiones sobre la


base de un anlisis de un muestrario de datos de una poblacin.

Hay muchas maneras de tomar una muestra de una poblacin.

Adems las conclusiones que se extraen acerca de la poblacin


dependen de como se selecciona la muestra, as mismo deseamos
que la muestra sea representativa de la poblacin.

Partiendo de la importancia que tiene para cualquier profesional e


investigador conocer varios conceptos importantes de la estadstica
para poder desarrollar exitosamente una investigacin de cualquier
ndole, en el presente trabajo de muestreo del texto paralelo de la
maestra en investigacin y proyectos nos proponemos dar tratamiento
a algunos elementos de la estadstica matemtica de la forma mas
elemental posible para que pueda ser asimilada por cualquier
profesional sin tener en cuenta su especialidad ya sea de las ciencias
Sociales como de las ciencias exactas.

Nuestro propsito es encaminar al profesional para que conozca el


aparato conceptual necesario desde el punto de vista estadstico para
emprender de forma slida y cientfica una investigacin.

2
Teora bsica del muestreo

Introduccin al muestreo.

Concepto e importancia

Es la actividad por la cual se toman ciertas muestras de una poblacin de


elementos de los cuales vamos a tomar ciertos criterios de decisin, el muestreo
es importante porque a travs de l podemos hacer anlisis de situaciones de una
empresa o de algn campo de la sociedad.

Una parte fundamental para realizar un estudio estadstico de cualquier tipo es


obtener unos resultados confiables y que puedan ser aplicables. Como ya se
coment anteriormente, resulta casi imposible o imprctico llevar a cabo algunos
estudios sobre toda una poblacin, por lo que la solucin es llevar a cabo el
estudio basndose en un subconjunto de sta denominada muestra.

Sin embargo, para que los estudios tengan la validez y confiabilidad buscada es
necesario que tal subconjunto de datos, o muestra, posea algunas caractersticas
especficas que permitan, al final, generalizar los resultados hacia la poblacin en
total. Esas caractersticas tienen que ver principalmente con el tamao de la
muestra y con la manera de obtenerla.

El muestreo es una herramienta de la investigacin cientfica. Su funcin bsica es


determinar que parte de una realidad en estudio (poblacin o universo) debe
examinarse con la finalidad de hacer inferencias sobre dicha poblacin. El error
que se comete debido a hecho de que se obtienen conclusiones sobre cierta
realidad a partir de la observacin de slo una parte de ella, se denomina error de
muestreo. Obtener una muestra adecuada significa lograr una versin simplificada
de la poblacin, que reproduzca de algn modo sus rasgos bsicos.

Muestra: En todas las ocasiones en que no es posible o conveniente realizar un


censo, lo que hacemos es trabajar con una muestra, entendiendo por tal una parte
representativa de la poblacin. Para que una muestra sea representativa, y por lo
tanto til, debe de reflejar las similitudes y diferencias encontradas en la poblacin,
ejemplificar las caractersticas de la misma.

Cuando decimos que una muestra es representativa indicamos que rene


aproximadamente las caractersticas de la poblacin que son importantes para la
investigacin.

Los estadsticos emplean la palabra muestra para describir una porcin escogida
de la poblacin. Matemticamente, podemos describir muestras y poblaciones al
emplear mediciones como la Media, Mediana, la moda, la desviacin estndar.
Cuando stos trminos describen una muestra se denominan estadsticas.

3
Una estadstica es una caracterstica de una muestra, los estadsticos emplean
letras latinas minsculas para denotar estadsticas y muestras.

Tipos de muestreo Los autores proponen diferentes criterios de clasificacin de los


diferentes tipos de muestreo, aunque en general pueden dividirse en dos grandes
grupos: mtodos de muestreo probabilsticos y mtodos de muestreo no
probabilsticos.

Muestreo probabilstico

Los mtodos de muestreo probabilsticos son aquellos que se basan en el


principio de equiprobabilidad. Es decir, aquellos en los que todos los individuos
tienen la misma probabilidad de ser elegidos para formar parte de una muestra y,
consiguientemente, todas las posibles muestras de tamao n tienen la misma
probabilidad de ser elegidas. Slo estos mtodos de muestreo probabilsticos nos
aseguran la representatividad de la muestra extrada y son, por tanto, los ms
recomendables. Dentro de los mtodos de muestreo probabilsticos encontramos
los siguientes tipos:
El mtodo otorga una probabilidad conocida de integrar la muestra a cada
elemento de la poblacin, y dicha probabilidad no es nula para ningn elemento.

Los mtodos de muestreo no probabilisticos no garantizan la representatividad de


la muestra y por lo tanto no permiten realizar estimaciones inferenciales sobre la
poblacin.
(En algunas circunstancias los mtodos estadsticos y epidemiolgicos permiten
resolver los problemas de representatividad aun en situaciones de muestreo no
probabilistico, por ejemplo los estudios de caso-control, donde los casos no son
seleccionados aleatoriamente de la poblacin.)

Entre los mtodos de muestreo probabilsticos ms utilizados en investigacin


encontramos:

Muestreo aleatorio simple


Muestreo estratificado

Muestreo sistemtico

Muestreo polietpico o por conglomerados

Ventajas e inconvenientes de los distintos tipos de muestreo probabilstico

Tamao de las muestras

Para calcular el tamao de una muestra hay que tomar en cuenta tres factores:
1. El porcentaje de confianza con el cual se quiere generalizar los datos desde la
muestra hacia la poblacin total.

4
2. El porcentaje de error que se pretende aceptar al momento de hacer la
generalizacin.
3. El nivel de variabilidad que se calcula para comprobar la hiptesis.

La confianza o el porcentaje de confianza es el porcentaje de seguridad que


existe para generalizar los resultados obtenidos. Esto quiere decir que un
porcentaje del 100% equivale a decir que no existe ninguna duda para generalizar
tales resultados, pero tambin implica estudiar a la totalidad de los casos de la
poblacin.

Para evitar un costo muy alto para el estudio o debido a que en ocasiones llega a
ser prcticamente imposible el estudio de todos los casos, entonces se busca un
porcentaje de confianza menor. Comnmente en las investigaciones sociales se
busca un 95%.

El error o porcentaje de error equivale a elegir una probabilidad de aceptar una


hiptesis que sea falsa como si fuera verdadera, o la inversa: rechazar a hiptesis
verdadera por considerarla falsa. Al igual que en el caso de la confianza, si se
quiere eliminar el riesgo del error y considerarlo como 0%, entonces la muestra es
del mismo tamao que la poblacin, por lo que conviene correr un cierto riesgo de
equivocarse.

Comnmente se aceptan entre el 4% y el 6% como error, tomando en cuenta de


que no son complementarios la confianza y el error.

La variabilidad es la probabilidad (o porcentaje) con el que se acept y se


rechaz la hiptesis que se quiere investigar en alguna investigacin anterior o en
un ensayo previo a la investigacin actual.
El porcentaje con que se acept tal hiptesis se denomina variabilidad positiva y
se denota por p, y el porcentaje con el que se rechaz se la hiptesis es la
variabilidad negativa, denotada por q.

Hay que considerar que p y q son complementarios, es decir, que su suma es


igual a la unidad: p+q=1. Adems, cuando se habla de la mxima variabilidad, en
el caso de no existir antecedentes sobre la investigacin (no hay otras o no se
pudo aplicar una prueba previa), entonces los valores de variabilidad es p=q=0.5.
Una vez que se han determinado estos tres factores, entonces se puede calcular
el tamao de la muestra como a continuacin se expone.

Hablando de una poblacin de alrededor de 10,000 casos, o mnimamente esa


cantidad, podemos pensar en la manera de calcular el tamao de la muestra a
travs de las siguientes frmulas. Hay que mencionar que estas frmulas se
pueden aplicar de manera aceptable pensando en instrumentos que no incluyan
preguntas abiertas y que sean un total de alrededor de 30.

5
Vamos a presentar dos frmulas, siendo la primera la que se aplica en el caso de
que no se conozca con precisin el tamao de la poblacin, y es:

donde:

n es el tamao de la muestra;
Z es el nivel de confianza;
p es la variabilidad positiva;
q es la variabilidad negativa;
E es la precisin o error.

Hay que tomar nota de que debido a que la variabilidad y el error se pueden
expresar por medio de porcentajes, hay que convertir todos esos valores a
proporciones en el caso necesario.
Tambin hay que tomar en cuenta que el nivel de confianza no es ni un porcentaje,
ni la proporcin que le correspondera, a pesar de que se expresa en trminos de
porcentajes. El nivel de confianza se obtiene a partir de la distribucin normal
estndar, pues la proporcin correspondiente al porcentaje de confianza es el rea
simtrica bajo la curva normal que se toma como la confianza, y la intencin es
buscar el valor Z de la variable aleatoria que corresponda a tal rea.

Por ejemplo: Si se quiere un porcentaje de confianza del 95%, entonces hay que
considerar la proporcin correspondiente, que es 0.95. Lo que se buscara en
seguida es el valor Z para la variable aleatoria z tal que el rea simtrica bajo la
curva normal desde -Z hasta Z sea igual a 0.95, es decir, P(-Z<z<Z)=0.95.

Utilizando las tablas, o la funcin DISTR.NORM.ESTAND.INV() del Excel, se


puede calcular el valor de Z, que sera 1.96 (con una aproximacin a dos
decimales).

Esto quiere decir que P (-1.96<z<1.96)=0.95.

En el caso de que s se conozca el tamao de la poblacin entonces se aplica


la siguiente frmula:

donde

n es el tamao de la muestra;
Z es el nivel de confianza;
p es la variabilidad positiva;
q es la variabilidad negativa;
N es el tamao de la poblacin;
E es la precisin o el error.

6
La ventaja sobre la primera frmula es que al conocer exactamente el tamao de
la poblacin, el tamao de la muestra resulta con mayor precisin y se pueden
incluso ahorrarse recursos y tiempo para la aplicacin y desarrollo de una
investigacin.

Por ejemplo: En el Colegio de Bachilleres, una institucin de nivel medio superior,


se desea realizar una investigacin sobre los alumnos inscritos en primer y
segundo aos, para lo cual se aplicar un cuestionario de manera aleatoria a una
muestra, pues los recursos econmicos y el tiempo para procesar la informacin
resultara insuficiente en el caso de aplicrsele a la poblacin estudiantil completa.

En primera instancia, suponiendo que no se conoce el tamao exacto de la


poblacin, pero con la seguridad de que sta se encuentra cerca a los diez
millares, se aplicar la primera frmula.

Se considerar una confianza del 95%, un porcentaje de error del 5% y la mxima


variabilidad por no existir antecedentes en la institucin sobre la investigacin y
porque no se puede aplicar una prueba previa.

Primero habr que obtener el valor de Z de tal forma que la confianza sea del
95%, es decir, buscar un valor de Z tal que P(-Z<z<Z)=0.95. Utilizando las tablas o
las funciones de Excel se pueden obtener, o viendo (en este caso) el ejemplo
anterior, resulta que Z=1.96.

De esta manera se realiza la sustitucin y se obtiene:

Esto quiere decir que el tamao de la muestra es de 385 alumnos.

Supongamos ahora que s se conoce el tamao de la poblacin estudiantil y es de


9,408, entonces se aplicar la segunda frmula. Utilizando los mismos parmetros
la sustitucin queda como:

Con lo que se tiene una cota mnima de 370 alumnos para la muestra y as poder
realizar la investigacin sin ms costo del necesario, pero con la seguridad de que
las condiciones aceptadas para la generalizacin (confiabilidad, variabilidad y
error) se mantienen.

7
Importancia del muestreo

A lo largo del curso se hacen uso de dos tipos de razonamiento: el deductivo y el


inductivo. El primero est relacionado directamente con la teora de
probabilidad, que a partir de las caractersticas de la poblacin se obtienen las
posibles caractersticas de una muestra.

El segundo tipo de razonamiento se relaciona con la denominada inferencia


estadstica: encaminado a utilizar las caractersticas de un subconjunto de la
poblacin (la muestra) para hacer afirmaciones (inferir) sobre la poblacin en
general. ste ser el caso de esta unidad.

El muestro, como ya se mencion, implica algo de incertidumbre que debe ser


aceptada para poder realizar el trabajo, pues aparte de estudiar una poblacin
resulta ser un trabajo en ocasiones demasiado grande, Wonnacott y Wonnacott
ofrecen las siguientes razones extras:

Recursos limitados: Es decir, no existen los recursos humanos, materiales o


econmicos para realizar el estudio sobre el total de la poblacin. Es como cuando
se compra un aparato, un automvil usado (por ejemplo), que se prueba unos
minutos (el encendido, una carrerita, etc.) para ver si funciona correctamente y
luego se adquiere, pero no se espera a probarlo toda la vida (encendindolo y
apagndolo o, simplemente, dejndolo encendida) antes de realizar la adquisicin.

Escasez: Es el caso en que se dispone de una sola muestra. Por ejemplo, para
el estudio paleontolgico de los dinosaurios (el Tiranosaurio Rex por ejemplo)
sera muy bueno contar con, al menos, muchos restos fsiles y as realizar tales
investigaciones; sin embargo, se cuenta slo con una docena de esqueletos
fosilizados (casi todos incompletos) de esas criaturas en todo el mundo.

Pruebas destructivas: Es el caso en el que realizar el estudio sobre toda la


poblacin llevara a la destruccin misma de la poblacin. Por ejemplo, si se
quisiese saber el conteo exacto de hemoglobina de una persona habra que
extraerle toda la sangre.

El muestreo puede ser ms exacto: Esto es en el caso en el que el estudio


sobre la poblacin total puede causar errores por su tamao o, en el caso de los
censos, que sea necesario utilizar personal no lo suficientemente capacitado;
mientras que, por otro lado, el estudio sobre una muestra podra ser realizada con
menos personal pero ms capacitado.

Ya que hemos mencionado la necesidad de realizar muestras, continuaremos con


algunas caractersticas que deben tener stas para que, realmente, se puedan
realizar inferencias (inducciones) sobre ellas hacia la poblacin total.

8
Muestra y Censo

Aparentemente puede parecer ms conveniente inspeccionar de manera completa


todos los elementos de una poblacin que estudiar una muestra.

En la prctica es lo contrario es ms conveniente el muestreo que un censo por


las siguientes razones:
1. La poblacin puede ser infinita en cuyo caso sera imposible efectuar un
censo.
2. Una muestra puede ser ms oportuna que un censo. Esto dado en funcin
del tiempo de obtener los resultados.
3. Pueden incluir ensayos destructivos.
4. El costo de efectuar un censo puede ser alto.
5. La exactitud de los resultados puede afectarse al realizar un censo.
6. El tipo de informacin puede depender de si se utiliza una muestra o censo.

Hay algunas situaciones en las que resulta ms ventajoso realizar un censo:


1. Que la poblacin sea pequea y el costo no sea alto.
2. Si el tamao de la muestra es grande en relacin al tamao de la poblacin,
el esfuerzo al realizar un censo es pequeo.
3. Si se requiere exactitud completa, solo con el censo se logra.
4. Ocasionalmente se dispone de la informacin completa, por lo que no es
necesario muestrear.

Muestras y Poblaciones

Un censo comprende el examen de todos los elementos de un determinado grupo,


mientras que el muestreo comprende el anlisis de una pequea parte de ellos.

El objetivo del muestreo es establecer generalizaciones con respecto a un grupo


total de elementos sin tener que examinarlos uno por uno.

La parte del grupo de elementos que se examinan recibe el nombre de muestra, y


el grupo total de la cual se obtuvo la muestra es la poblacin.

Los elementos de una poblacin pueden ser personas, ciudades o cualquier cosa
que se pueda medir, contar o jerarquizar.

El fin del muestreo es generalizar con respecto a la poblacin fundamental, es


axiomtico que la poblacin objetivo se deba establecer de manera que se puedan
hacer generalizaciones significativas.

Las poblaciones de tamao limitado se conocen como poblaciones finitas, sin


embargo las de tamao ilimitado se conocen como poblaciones infinitas.

9
Las poblaciones infinitas generalmente son de cierto tipo de proceso que produce
elementos o resultados como la tirada de monedas, en el cual el nmero de
resultados (caras o cruces) que se obtienen es ilimitado.

Muestreo a partir de una poblacin finita:

Si el tamao de la muestra es pequea en relacin con el de la poblacin, el no


regresar los objetos muestreados tendr un efecto insignificante sobre las
probabilidades de los objetos restantes y muestrear sin reposicin no causar
serias dificultades.

Muestras relativamente grandes tiende a distorsionar las probabilidades de los


elementos restantes, de esa cuenta una regla aceptada es que si la muestra
excede del 5% se debe sustituir unidades.
Razones del muestreo sin reposicin:
1. Los efectos son insignificantes.
2. Si se realizan ensayos destructivos, ser posible regresar los elementos
muestreados a la poblacin.
3. Al regresar un objeto muestreado hay la posibilidad de incluirlo en estudios
posteriores.
El muestreo sin reposicin es necesario cuando el tamao de la muestra es
relativamente grande en comparacin con el tamao de la poblacin.

METODOS DE MUESTREO

Es el proceso por el cual se seleccionan los individuos que formarn una muestra.

Para que se puedan obtener conclusiones fiables para la poblacin a partir de la


muestra, es importante tanto su tamao como el modo en que han sido
seleccionados los individuos que la componen.

El tamao de la muestra depende de la precisin que se quiera conseguir en la


estimacin que se realice a partir de ella. Para su determinacin se requieren
tcnicas estadsticas superiores, pero resulta sorprendente cmo, con muestras
notablemente pequeas, se pueden conseguir resultados suficientemente
precisos. Por ejemplo, con muestras de unos pocos miles de personas se pueden
estimar con muchsima precisin los resultados de unas votaciones en las que
participarn decenas de millones de votantes.

Para seleccionar los individuos de la muestra es fundamental proceder


aleatoriamente, es decir, decidir al azar qu individuos de entre toda la poblacin
forman parte de la muestra.

10
Si se procede como si de un sorteo se tratara, eligiendo directamente de la
poblacin sin ningn otro condicionante, el muestreo se llama aleatorio simple o
irrestrictamente aleatorio.

Cuando la poblacin se puede subdividir en clases (estratos) con caractersticas


especiales, se puede muestrear de modo que el nmero de individuos de cada
estrato en la muestra mantenga la proporcin que exista en la poblacin. Una vez
fijado el nmero que corresponde a cada estrato, los individuos se designan
aleatoriamente. Este tipo de muestreo se denomina aleatorio estratificado con
asignacin proporcional.

Las inferencias realizadas mediante muestras seleccionadas aleatoriamente estn


sujetas a errores, llamados errores de muestreo, que estn controlados. Si la
muestra est mal elegida no es significativa se producen errores sistemticos
no controlados.

Muestreo

El diseo de muestra o diseo de encuesta especifica el mtodo de obtencin de


la muestra.

El diseo no especifica la forma de recolectar o medir los datos reales. Especifica


nicamente el mtodo de recoleccin de los objetos que contienen la informacin
requerida. Estos objetos se llaman elementos.

Un elemento es un objeto del cual se toma una medicin.

Los elementos pueden ocurrir individualmente o en grupos en la poblacin. Un


grupo de elementos, como una familia o una caja de cerillos se llama unidad de
muestreo.

Las unidades de muestreo son colecciones disjuntas de elementos de la


poblacin. En algunos casos una unidad muestral esta constituida por un solo
elemento.

Para seleccionar una muestra aleatoria de unidades de elementos muestrales, es


necesaria una lista de todas las unidades muestrales contenidas en la poblacin.
Esta lista se le denomina marco muestral.

Un marco muestral es una lista de unidades mustrales.

Terminologa bsica para el muestreo

Los nuevos trminos, los cuales son frecuentemente usados en inferencia


estadstica son:

11
Estadstico:

Un estadstico es una medida usada para describir alguna caracterstica de una


muestra , tal como una media aritmtica, una mediana o una desviacin estndar
de una muestra. Es decir los datos o medidas que se obtienen sobre una
muestra y por lo tanto una estimacin de los parmetros.

Parmetro:

Son las medidas o datos que se obtienen sobre la distribucin de probabilidades


de la poblacin, tales como la media, la varianza, la proporcin, etc.
Un parmetro es una medida usada para describir alguna caracterstica de una
poblacin, tal como una media aritmtica, una mediana o una desviacin estndar
de una poblacin.

Cuando los dos nuevos trminos de arriba son usados, por ejemplo, el proceso de
estimacin en inferencia estadstica puede ser descrito como le proceso de
estimar un parmetro a partir del estadstico correspondiente, tal como usar una
media muestral (un estadstico para estimar la media de la poblacin (un
parmetro).Los smbolos usados para representar los estadsticos y los
parmetros, en ste y los siguientes captulos, son resumidos en la tabla siguiente:

Tabla 1
Smbolos para estadsticos y parmetros correspondientes
Medida Smbolo para el estadstico Smbolo para el parmetro
(muestra) (Poblacin)
Media X
Desviacin estndar s
Nmero de elementos n N
Proporcin p P

Nivel de Confianza.

Probabilidad de que la estimacin efectuada se ajuste a la realidad. Cualquier


informacin que queremos recoger est distribuida segn una ley de probabilidad
(Gauss o Student), as llamamos nivel de confianza a la probabilidad de que el
intervalo construido en torno a un estadstico capte el verdadero valor del
parmetro.

Varianza Poblacional.

Cuando una poblacin es ms homognea la varianza es menor y el nmero de


entrevistas necesarias para construir un modelo reducido del universo, o de la
poblacin, ser ms pequeo. Generalmente es un valor desconocido y hay que
estimarlo a partir de datos de estudios previos.

12
Inferencia estadstica.

Trata el problema de la extraccin de la informacin sobre la poblacin contenida


en las muestras.

Para que los resultados obtenidos de los datos muestrales se puedan extender a
la poblacin, la muestra debe ser representativa de la poblacin en lo que se
refiere a la caracterstica en estudio, o sea, la distribucin de la caracterstica en la
muestra debe ser aproximadamente igual a la distribucin de la caracterstica en la
poblacin.

La representatividad en estadstica se logra con el tipo de muestreo adecuado que


siempre incluye la aleatoriedad en la seleccin de los elementos de la poblacin
que formaran la muestra. No obstante, tales mtodos solo nos garantizan una
representatividad muy probable pero no completamente segura.

Despus de estos preliminares imprescindibles es posible pasar a tratar algunas


de las formas que desde el punto de vista cientfico se puede extraer una muestra.

Al realizar un muestreo en una poblacin podemos hablar de muestreos


probabilsticos y no probabilsticos, en nuestro caso nos referiremos a los
muestreos probabilsticos y dentro del mismo estudiaremos el muestreo aleatorio
simple (MAS), como mtodo bsico en la estadstica, dejando afuera el muestreo
estratificado y el muestreo por racimos ya que no es parte de sta investigacin.

Distribucin en el muestreo:

Cuando el tamao de la muestra (n) es ms pequeo que el tamao de la


poblacin (N), dos o ms muestras pueden ser extradas de la misma poblacin.
Un cierto estadstico puede ser calculado para cada una de las muestras posibles
extradas de la poblacin. Una distribucin del estadstico obtenida de las
muestras es llamada la distribucin en el muestreo del estadstico.
Por ejemplo, si la muestra es de tamao 2 y la poblacin de tamao 3 (elementos
A, B, C), es posible extraer 3 muestras (AB, BC Y AC) de la poblacin. Podemos
calcular la media para cada muestra. Por lo tanto, tenemos 3 medias mustrales
para las 3 muestras. Las 3 medias mustrales forman una distribucin. La
distribucin de las medias es llamada la distribucin de las medias mustrales, o la
distribucin en el muestreo de la media. De la misma manera, la distribucin de las
proporciones (o porcentajes) obtenida de todas las muestras posibles del mismo
tamao, extradas de una poblacin, es llamada la distribucin en el muestreo de
la proporcin.

13
Error Estndar:

La desviacin estndar de una distribucin, en el muestreo de un estadstico, es


frecuentemente llamada el error estndar del estadstico. Por ejemplo, la
desviacin estndar de las medias de todas la muestras posibles del mismo
tamao, extradas de una poblacin, es llamada el error estndar de la media. De
la misma manera, la desviacin estndar de las proporciones de todas las
muestras posibles del mismo tamao, extradas de una poblacin, es llamada el
error estndar de la proporcin. La diferencia entre los trminos "desviacin
estndar" y "error de estndar" es que la primera se refiere a los valores
originales, mientras que la ltima est relacionada con valores calculados. Un
estadstico es un valor calculado, obtenido con los elementos incluidos en una
muestra.

Error Muestral, de estimacin o Standard.

Es la diferencia entre un estadstico y su parmetro correspondiente. Es una


medida de la variabilidad de las estimaciones de muestras repetidas en torno al
valor de la poblacin, nos da una nocin clara de hasta dnde y con qu
probabilidad una estimacin basada en una muestra se aleja del valor que se
hubiera obtenido por medio de un censo completo. Siempre se comete un error,
pero la naturaleza de la investigacin nos indicar hasta qu medida podemos
cometerlo (los resultados se someten a error muestral e intervalos de confianza
que varan muestra a muestra). Vara segn se calcule al principio o al final. Un
estadstico ser ms preciso en cuanto y tanto su error es ms pequeo.
Podramos decir que es la desviacin de la distribucin muestral de un estadstico
y su fiabilidad.

La diferencia entre el resultado obtenido de una muestra (un estadstico) y el


resultado el cual deberamos haber obtenido de la poblacin (el parmetro
correspondiente) se llama el error muestral o error de muestreo. Un error de
muestreo usualmente ocurre cuando no se lleva a cabo la encuesta completa de la
poblacin, sino que se toma una muestra para estimar las caractersticas de la
poblacin. El error muestral es medido por el error estadstico, en trminos de
probabilidad, bajo la curva normal. El resultado de la media indica la precisin de
la estimacin de la poblacin basada en el estudio de la muestra. Mientras ms
pequeo es el error de muestras, mayor es la precisin de la estimacin. Deber
hacerse notar que los errores cometidos en una encuesta por muestreo, tales
como respuestas inconsistentes, incompletas o no determinadas, no son
considerados como errores mustrales. Los errores no mustrales pueden
tambin ocurrir en una encuesta completa de la poblacin.

14
Mtodos de seleccin de muestras.

Una muestra debe ser representativa si va a ser usada para estimar las
caractersticas de la poblacin. Los mtodos para seleccionar una muestra
representativa son numerosos, dependiendo del tiempo, dinero y habilidad
disponibles para tomar una muestra y la naturaleza de los elementos individuales
de la poblacin.

Por lo tanto, se requiere un gran volumen para incluir todos los tipos de mtodos
de muestreo.
Los mtodos de seleccin de muestras pueden ser clasificados de acuerdo a:

1. El nmero de muestras tomadas de una poblacin dada para un estudio.


2. La manera usada en seleccionar los elementos incluidos en la muestra.

Mtodos de muestreo clasificados de acuerdo con el nmero de muestras


tomadas de una poblacin.

Bajo esta clasificacin, hay tres tipos comunes de mtodos de muestreo, estos
son, muestreo simple, doble y mltiple.

Muestreo simple

Este tipo de muestreo toma solamente una muestra de una poblacin dada
para el propsito de inferencia estadstica. Puesto que solamente una muestra es
tomada, el tamao de muestra debe ser lo suficientemente grande para extraer
una conclusin. Una muestra grande muchas veces cuesta demasiado dinero y
tiempo.

Muestreo doble

Bajo este tipo de muestreo, cuando el resultado del estudio de la primera


muestra no es decisivo, una segunda muestra es extrada de la misma poblacin.
Las dos muestras son combinadas para analizar los resultados. Este mtodo
permite a una persona principiar con una muestra relativamente pequea para
ahorrar costos y tiempo. Si la primera muestra arroja una resultado definitivo, la
segunda muestra puede no necesitarse.

Por ejemplo, al probar la calidad de un lote de productos manufacturados, si la


primera muestra arroja una calidad muy alta, el lote es aceptado; si arroja una
calidad muy pobre, el lote es rechazado. Solamente si la primera muestra arroja
una calidad intermedia, ser requerir la segunda muestra. Un plan tpico de
muestreo doble puede ser obtenido de la Military Standard Sampling Procedures
and Tables for Inspection by Attributes, publicada por el Departamento de Defensa
y tambin usado por muchas industrias privadas. Al probar la calidad de un lote

15
consistente de 3,000 unidades manufacturadas, cuando el nmero de defectos
encontrados en la primera muestra de 80 unidades es de 5 o menos, el lote es
considerado bueno y es aceptado; si el nmero de defectos es 9 o ms, el lote es
considerado pobre y es rechazado; si el nmero est entre 5 y 9, no puede
llegarse a una decisin y una segunda muestra de 80 unidades es extrada del
lote. Si el nmero de defectos en las dos muestras combinadas (incluyendo 80 +
80 = 160 unidades) es 12 o menos, el lote es aceptado si el nmero combinado es
13 o ms, el lote es rechazado.

Muestreo mltiple

El procedimiento bajo este mtodo es similar al expuesto en el muestreo doble,


excepto que el nmero de muestras sucesivas requerido para llegar a una
decisin es ms de dos muestras.
Mtodos de muestreo clasificados de acuerdo con las maneras usadas en
seleccionar los elementos de una muestra.
Los elementos de una muestra pueden ser seleccionados de dos maneras
diferentes:
a. Basados en el juicio de una persona.
b. Seleccin aleatoria (al azar)

Muestreo de juicio

Una muestra es llamada muestra de juicio cuando sus elementos son


seleccionados mediante juicio personal. La persona que selecciona los elementos
de la muestra, usualmente es un experto en la medida dada. Una muestra de
juicio es llamada una muestra probabilstica, puesto que este mtodo est basado
en los puntos de vista subjetivos de una persona y la teora de la probabilidad no
puede ser empleada para medir el error de muestreo, Las principales ventajas de
una muestra de juicio son la facilidad de obtenerla y que el costo usualmente es
bajo.

Muestreo aleatorio

Consideremos una poblacin finita, de la que deseamos extraer una muestra.


Cuando el proceso de extraccin es tal que garantiza a cada uno de los elementos
de la poblacin la misma oportunidad de ser incluidos en dicha muestra,
denominamos al proceso de seleccin muestreo aleatorio.
El muestreo aleatorio se puede plantear bajo dos puntos de vista:
Sin reposicin de los elementos;
Con reposicin.

16
Muestreo aleatorio sin reposicin

Consideremos una poblacin E formada por N elementos. Si observamos un

elemento particular, , en un muestreo aleatorio sin reposicin se da la


siguiente circunstancia:

La probabilidad de que e sea elegido en primer lugar es ;


Si no ha sido elegido en primer lugar (lo que ocurre con una probabilidad de

), la probabilidad de que sea elegido en el segundo intento es de .


en el (i+1)-simo intento, la poblacin consta de N-i elementos, con lo cual
si e no ha sido seleccionado previamente, la probabilidad de que lo sea en

este momento es de .

Si consideramos una muestra de elementos, donde el orden en la eleccin


de los mismos tiene importancia, la probabilidad de eleccin de una muestra

cualquiera es

lo que corresponde en el sentido de la definicin de probabilidad de Laplace a un


caso posible entre las VN,n posibles n-uplas de N elementos de la poblacin.
Si el orden no interviene, la probabilidad de que una muestra

sea elegida es la suma de las probabilidades de elegir una cualquiera de sus n-


uplas, tantas veces como permutaciones en el orden de sus elementos sea
posible, es decir

17
Muestreo aleatorio con reposicin
Sobre una poblacin E de tamao N podemos realizar extracciones de n
elementos, pero de modo que cada vez el elemento extrado es repuesto al total
de la poblacin. De esta forma un elemento puede ser extrado varias veces. Si el
orden en la extraccin de la muestra interviene, la probabilidad de una cualquiera
de ellas, formada por n elementos es:

Si el orden no interviene, la probabilidad de una muestra cualquiera, ser la suma


de la anterior, repitindola tantas veces como manera de combinar sus elementos
sea posible. Es decir,

Sea n1 el nmero de veces que se repite cierto elemento e1 en la muestra;

Sea n2 el nmero de veces que se repite cierto elemento e2;

Sea nk el nmero de veces que se repite cierto elemento ek,


de modo que . Entonces la probabilidad de obtener la muestra

es

es decir,

18
El muestreo aleatorio con reposicin es tambin denominado muestreo aleatorio
simple, que como hemos mencionado se caracteriza por que
cada elemento de la poblacin tiene la misma probabilidad de ser elegido, y
las observaciones se realizan con reemplazamiento. De este modo, cada
observacin es realizada sobre la misma poblacin (no disminuye con las
extracciones sucesivas).

Sea X una v.a. definida sobre la poblacin E, y f(x) su ley de probabilidad.

En una muestra aleatoria simple, cada observacin tiene la distribucin de


probabilidad de la poblacin:
Adems todos las observaciones de la v.a. son independientes, es decir

Las relaciones(7.1)-(7.2) caracterizan a las muestras aleatorias simples.


La seleccin de una muestra aleatoria puede realizarse con la ayuda de #.#>

Tablas de nmeros aleatorios: Lotera Nacional

Un ejemplo de una tabla de nmeros aleatorios consiste en la lista de los nmeros


de Lotera Nacional premiados a lo largo de su historia, pues se caracterizan por
que cada dgito tiene la misma probabilidad de ser elegido, y su eleccin es
independiente de las dems extracciones.
Un modo de hacerlo es el siguiente. Supongamos que tenemos una lista de
nmeros aleatorios de k=5 cifras (00000-99.999), una poblacin de N=600
individuos, y deseamos extraer una muestra de n=6 de ellos. En este caso
ordenamos a toda la poblacin (usando cualquier criterio) de modo que a cada
uno de sus elementos le corresponda un nmero del 1 al 600. En segundo lugar
nos dirigimos a la tabla de nmeros aleatorios, y comenzando en cualquier punto
extraemos un nmero t, y tomamos como primer elemento de la muestra al
elemento de la poblacin:

19
El proceso se repite tomando los siguientes nmeros de la tabla de nmeros
aleatorios, hasta obtener la muestra de 10 individuos.
Las cantidades

pueden ser consideradas como observaciones de una v.a. U, que sigue una
distribucin uniforme en el intervalo [0,1]

Muestreo Aleatorio

Una muestra se dice que es extrada al azar cuando la manera de seleccin es tal,
que cada elemento de la poblacin tiene igual oportunidad de ser seleccionado.

En el caso de poblaciones discretas, una muestra aleatoria es aquella en la que


cada elemento de la poblacin tiene la misma oportunidad de ser incluido en la
muestra.

En lo referente a poblaciones continuas, una muestra aleatoria es aquella en que


la probabilidad de incluir intervalo de valores en la muestra es igual al porcentaje
de la poblacin que est comprendida en dicho intervalo.

Una muestra aleatoria es llamada tambin muestra probabilstica, puesto que cada
elemento tiene una probabilidad conocida. Las muestras probabilsticas son
preferidas por los estadsticos porque la seleccin de las muestras es objetiva y el
error muestral puede ser medido en trminos de probabilidad bajo la curva normal.
Los tipos de muestreo aleatorio son:

1. Muestreo Aleatorio Simple


2. Muestreo Sistemtico
3. Muestreo Estratifico
4. Muestreo de Conglomerados

Como Seleccionar Una Muestra Aleatoria

Al seleccionar una muestra aleatoria de n mediciones de una poblacin infinita de


N mediciones, si el muestreo se lleva a cabo de forma que todas las muestras
posibles de tamao n tenga la misma probabilidad de ser seleccionadas, el
muestreo se llama aleatorio y el resultado es una muestra aleatoria simple.

20
MUESTREO ALEATORIO SIMPLE (M.A.S.)

La inferencia estadstica establece ciertos juicios despus de examinar solamente


una parte o muestra de ello. As se prueba un pedazo de pastel para saber si ya
est fro, el cocinero prueba la sopa para saber si necesita ms sazn. El
muestreo estadstico es semejante a cada uno de los anteriores, aunque sus
mtodos son ms formales y precisos y generalmente incluyen una proporcin de
la probabilidad. El muestreo y la probabilidad estn unidos estrechamente
constituyendo la Teora de la Inferencia.

Es aquel en que cada elemento de la poblacin tiene la misma probabilidad de


ser seleccionado para integrar la muestra.

Una muestra simple aleatoria es aquella en que sus elementos son seleccionados
mediante el muestreo aleatorio simple.

En la prctica no nos interesa el individuo o elemento de la poblacin seleccionado


en general, sino solo una caracterstica que mediremos u observaremos en l y
cuyo valor ser el valor de una variable aleatoria que en cada individuo o elemento
de la poblacin puede tomar un valor que ser un elemento de cierto conjunto de
valores. De modo que una muestra simple aleatoria se puede
interpretar como un conjunto de valores de variables aleatorias
independientes, cada una de las cuales tiene la misma distribucin que es llamada
distribucin poblacional.

Existen dos formas de extraer una muestra de una poblacin: con reposicin y sin
reposicin.

Una muestra aleatoria simple es seleccionada de tal manera que cada muestra
posible del mismo tamao tiene igual probabilidad de ser seleccionada de la
poblacin.

Un mtodo simple para obtener una muestra aleatoria simple es primero escribir el
nombre o un nmero codificado de cada elemento en la poblacin sobre una
tarjeta. Las tarjetas son colocadas en una caja. Una muestra entonces extrada
de la caja despus de que las tarjetas han sido perfectamente mezcladas. Por
conveniencia este mtodo puede ser reemplazado por una tabla de nmeros
aleatorios, tales como los que se muestran adelante.

La tabla se construye extrayendo cada uno de los dgitos del 0 al 9 sobre una
base de igualmente probables; es decir, cada uno de los 10 dgitos tienen la
misma probabilidad (1/10) de ser seleccionados.

21
Los 10 dgitos son escritos en tarjetas separadas y son mezclados en una caja.
Una tarjeta es extrada y se registra el dgito que aparece en la tarjeta. Una
segunda tarjeta es extrada despus de que la primera tarjeta ha sido regresada a
la caja los10 dgitos en la caja son de nuevo mezclados perfectamente. Cuando se
han registrado 5 dgitos, el siguiente dgito se registra en un grupo separado hasta
que se obtiene un gran nmero de grupos.
Obtener una muestra aleatoria simple no es una tarea fcil o prctica bajo muchas
circunstancias. Puede ser una tarea tardada o costosa y algunas veces es
tericamente imposible.
Cuando la poblacin es infinita, es obvio que la tarea de numerar cada elemento
de la poblacin es imposible.

Llamamos muestreo aleatorio simple al que se utiliza con reemplazamiento,


consistente en seleccionar n elementos de entre N que componen la poblacin, de
tal forma que todas las muestras de tamao n que se puedan formar tengan la
misma probabilidad de salir elegidas y las mismas sean independientes, en el
caso de que N sea grande no es preocupante que se haga sin reemplazamiento,
ya que por ejemplo 1/N no difiere mucho de 1/N-1. Esta probabilidad es: p = n/N

En la prctica equivale a numerar la poblacin objeto de estudio, sacando al azar


cada uno de los nmeros que van a formar la muestra y aunque en la prctica, a
pesar de ser el muestro con reemplazamiento, si el elemento (caso de que sea un
individuo para hacer un test u otro caso similar) pueda volver a ser elegido este se
desprecia ya que no tiene sentido entrevistar al mismo en ms de una ocasin y
es por este consenso que se tiende a confundir y expresar que el muestreo
aleatorio simple tiene como condicin que se hace sin reemplazamiento.

Para llevar a cabo esta labor varios procedimientos como el del bombo,
consistente en introducir tantas bolas como elementos tenga la poblacin en un
bombo y elegir tantas bolas como elementos tenga la muestra.

Este procedimiento adems de ser muy laborioso puede inducir a error debido a
defectos de las bolas, al bombo o a cualquier otro factor, por lo que es preciso
sustituirlo por otro mucho ms aleatorio.

El procedimiento ms utilizado es el de las tablas de nmeros aleatorios que


consiste en seleccionar en una tabla de nmeros en grupos de cuatro dgitos
formando filas y columnas; estas se encuentran en muchos libros de Estadstica
sobre todo, los que tienen como captulo La Teora del Muestreo.

Obtencin de una muestra aleatoria

Si una poblacin es infinita, anotando los elementos en el orden en que ocurren,


es posible obtener una muestra que sea representativa del proceso (muestra
aleatoria). En tanto que el proceso en consideracin se mantienen estable durante

22
el perodo en el que se hacen las observaciones (de manera que la probabilidad
de cada resultado posible permanece constante), es posible considerar el proceso
y la muestra resultante como aleatorias. As es exactamente como se considerar
las tiradas sucesivas de una moneda normal y las de dados no cargados.
Si la poblacin objetiva es finita, esencialmente hay dos formas de seleccionar una
muestra aleatoria simple. Un mtodo consiste en elaborar una lista, o marco de
referencia de cada uno de los elementos de la poblacin, y aplicar despus un
mtodo aleatorio a la lista, para seleccionar los elementos que se habrn de
muestrear. El segundo mtodo se utiliza cuando los objetos que forman la
poblacin no se identifican claramente, lo que imposibilita un listado.

Mtodo de seleccin en el Muestreo Aleatorio Simple.

Un procedimiento de extraer una muestra aleatoria de una poblacin finita es el de


enumerar todos los elementos que conforman la poblacin, escribir esos nmeros
en bolas o papelitos echarlos en un bombo o bolsa mezclarlos bien removindolos
y sacar uno a uno tantos como lo indique el tamao de la muestra. En este caso
los elementos de la muestra lo constituirn los elementos de la poblacin cuyos
nmeros coincidan con los extrados de la bolsa o bombo.

Otro procedimiento para obtener una muestra de una poblacin ya sea el


muestreo con replazo o sin reemplazo es mediante la utilizacin de la tabla de
nmeros aleatorios pero solamente para poblaciones finitas, la utilizacin de estas
tablas puede realizarse de diferentes modos pero en el presente trabajo solo
expondremos el que consideramos mas eficiente ya que no se necesita de la
bsqueda de una gran cantidad innecesaria de nmeros aleatorios en la tabla, el
cual ser ejemplificado.

Existen diferentes tablas de nmeros aleatorios nosotros en nuestro trabajo


utilizaremos como referencia la tabla de M. G. Kendall y B. Babington Smith que
se encuentra en el texto de tablas estadsticas, la misma est constituida por 4
bloques de 1000 nmeros aleatorios dispuestos en 25 filas y 40 columnas.

Veamos como se procede para la utilizacin de la tabla. Consideremos que se


desea extraer de una poblacin de tamao N una muestra de tamao n se
selecciona el bloque, la fila y la columna de la tabla que se va a comenzar, a partir
de esta seleccin (que la hace el muestrista) se toman tantas columnas como
dgitos tiene N. Comenzando por el primer nmero de las columnas seleccionadas
se irn incluyendo en la muestra aquellos individuos que en la lista de la poblacin
( ya sea de forma horizontal o vertical) ocupa la posicin de los n nmeros de las
columnas seleccionadas que resultan menores que N, en los caso que al
seleccionar un nmero en la tabla de nmeros aleatorios sea mayor que N se
divide este por N y el resto de la divisin que ser un nmero entre 0 y N-1 ser la
posicin del individuo a seleccionar tomando el convenio de que el resto 0
corresponde a la posicin N. Para la aplicacin de este procedimiento requiere
que se fije previamente el mayor mltiplo de N que se considerar, para as

23
garantizar que todos los restos desde 0 a N -1 tengan la misma probabilidad de
ser seleccionados, por ejemplo si N = 150 y tomando 3 columnas se consideraran
slo aquellos nmeros menores o iguales que 900, los nmeros mayores que 900
no sern analizados en la seleccin de la muestra.

Ejemplo 1.1: Dada la siguiente poblacin formada por la edad del hijo mayor de
200 ncleos familiares de una cierta regin.

Seleccione una muestra aleatoria de tamao 10 (use la tabla de nmeros


aleatorios, escoja la tercera fila, tercera columna del segundo bloque de a 1000)
numere la poblacin horizontalmente.

48 49 50 51 50 46 47 56 47 38
53 50 47 46 48 47 48 46 46 50
42 51 51 49 47 51 48 47 42 49
46 48 50 47 48 47 51 56 45 49
45 54 61 46 48 46 46 47 50 34
46 46 51 39 53 55 52 49 47 46
33 40 52 46 44 52 44 54 41 33
48 49 52 42 42 49 47 47 38 48
44 43 44 40 44 45 49 44 43 42
49 49 48 41 51 51 52 42 40 47
37 48 45 46 50 45 47 53 43 47
44 40 46 46 45 48 47 42 47 46
52 53 47 49 46 47 49 42 43 42
43 38 52 50 44 52 44 53 43 45
41 57 47 48 52 53 40 49 40 50
45 42 44 53 57 46 62 47 50 47
45 51 43 45 39 39 41 44 35 41
54 48 51 53 54 42 48 51 37 38
42 37 52 50 45 55 51 46 38 43
53 43 42 39 46 52 53 39 51 40

24
Para extraer la muestra lo primero que hacemos es disponer tres columnas en las
cuales la primera se ubicaran los nmeros aleatorios, es decir los nmeros
extrados de la tabla de nmeros aleatorios; en la segunda columna pondremos

Los nmeros aleatorios rectificados que sern aquellos nmeros aleatorios


menores que N =200 y los restos de las divisiones de los nmeros aleatorios
mayores que N =200 y menores que el mayor mltiplo de N es decir 800 y en la
tercera columna de encontrara los valores de la muestra.

En la tabla de nmeros aleatorios la tercera fila, tercera columna del segundo


bloque de a 1000 le corresponde al nmero 3 pero como tenemos que coger el
nmero aleatorio de tres dgitos el primer nmero aleatorio sera el 017, los dems
serian, 984, 955, 130, 850, 374, 665, 910, 288, 753, 765, 691, 496, 001, hemos
escogido 14 nmeros de la tabla de nmeros aleatorios debido a que hay 4 que
son mayores que 800. Veamos a continuacin como extraemos la muestra de la
poblacin:

Para el primer nmero aleatorio 017 se busca en la poblacin el valor que ocupa la
posicin 017 leda la poblacin horizontalmente que seria la edad de 48 aos, el
nmero aleatorio 984 no se contempla dentro del anlisis ya que es mayor que
800, al igual que el nmero 955, el nmero 130, le corresponde la edad de 52
aos, al nmero 850 no se contempla dentro del anlisis, el 374 como es mayor
que 200 se divide por 200 y se obtiene reto 174 y este es el nmero aleatorio
rectificado correspondindole la edad de 53 aos, al nmero 665 se divide por 200
y se obtiene resto 65 que es el nmero aleatorio rectificado correspondindole la
edad de 44 aos en la poblacin, a continuacin presentaremos la tabla de las tres
columnas a la cual nos referimos anteriormente como una va fcil y prctica para
obtener la muestra deseada.

25
Nmero aleatorio Nmero aleatorio
rectificado muestra
017 017 48
984 --
955 --
130 130 42

850 --
374 174 53
665 065 53
910 --
288 088 44
753 153 44
765 165 39
691 091 49
496 096 51
001 001 48

Nota: obsrvese que en la muestra existen edades que se repiten esto puede
pasar si el muestreo es con reemplazo si el muestreo es sin reemplazo debemos
seguir buscando de la misma manera en la tabla de nmeros aleatorios seguido
del nmero 001, hasta lograr tener la muestra con 10 valores de la poblacin no
repetidos.

Este muestreo se puede realizar utilizando Microsoft Excel siguiendo


los pasos siguiente:

a. Se instala la opcin de anlisis de datos para ello se va a herramienta luego


a complemento y se activa en la ventana complemento la opcin
herramienta para anlisis.
b. Se abre una hoja Excel y se introducen los datos de la poblacin en
columna.
c. Se va a herramienta y se elige anlisis de datos y en esta ventana se
selecciona la opcin muestra.

26
d. En la ventana muestra se introduce el rango de entrada que sera
seleccionar todos los valores de la poblacin, si al suministrar en la hoja
Excel los datos de la poblacin al inicio se le designan a estos alguna
variable o comentario debe activarse la opcin rtulo de lo contrario no
debe ser activada, se activa la casilla de muestreo aleatorio y se introduce
el tamao de muestra deseado.
e. Se selecciona el rango de salida que consiste en seleccionar una celda en
la hoja Excel que no est afectada por ninguna informacin ni hacia abajo ni
a la derecha de la misma.

Se selecciona aceptar en esta ventana y saldr el resultado deseado que sera las
muestras elegidas por el programa en la poblacin.

Muestreo con reemplazo: Es aquel en que un elemento puede ser


seleccionado ms de una vez en la muestra para ello se extrae un elemento de la
poblacin se observa y se devuelve a la poblacin, por lo que de esta forma se
pueden hacer infinitas extracciones de la poblacin aun siendo esta finita.

Muestreo sin reemplazo: No se devuelve los elementos extrados a la


poblacin hasta que no se hallan extrados todos los elementos de la poblacin
que conforman la muestra.

Muestreo equiprobabilstico: Si se selecciona una muestra de tamao n de una


poblacin N unidades, cada elemento tiene una probabilidad de inclusin legal y
conocida n/N.

Mecanismo ideal en el muestreo aleatorio simple:

- Cada elemento de la poblacin tiene la misma probabilidad de ser escogido


- Todas las posibles muestras del tamao muestral escogido (n) tienen la misma
probabilidad de ser seleccionadas

Ventajas

- Sencillo y de fcil comprensin


- Clculo rpido de medias y varianza.
- Se basa en la teora estadstica, y por tanto existen paquetes informticos para
. analizar los datos.

Desventajas

- Requiere que se posea de antemano un listado completo de toda la poblacin.


- Cuando se trabaja con muestras pequeas es posible que no represente a la
poblacin adecuadamente.

27
Estimacin basada en una Muestra Aleatoria Simple

Al usar muestreo aleatorio simple para estimar la medida poblacional, se obtiene


el siguiente estimador:

Estimacin de la medida poblacional para un muestreo aleatorio simple

Estimador
Varianza estimada del estimador: con Cotas para el error estimacin:

Estimacin del Total Poblacional para una muestra aleatoria simple

Estimador
Varianza Estimada del Estimador:
Cota para el Error de Estimacin:

Estimacin de la proporcin poblacional para una muestra aleatoria simple

Estimador
Varianza estimado del estimador: con Cotas para el error de estimacin:
En este caso y es l numero total de los elementos de la muestra que tienen
determinada caracterstica.

Determinacin del Tamao de Muestra

Tamao de muestra para estimar en el muestreo aleatorio simple

donde es la varianza poblacional, N es l numero de elementos de la poblacin, y


B en la cota para el error de estimacin.
Si N es grande, la formula del tamao de muestra se reduce.

Tamao de muestra para estimar en un muestreo aleatorio simple cuando N


es muy grande

Cuando el objetivo es estimar el total poblacional, con una cota B para el error de
estimacin, se debe sustituir en la formula del tamao.

28
EL MUESTREO ALEATORIO SIMPLE: (MAS)

Es el plan de muestreo ms simple y ms importante porque es la base


sobre la cual se desarrolla la teora estadstica de muestreo, si bien no es el ms
comn.

Sea una poblacin de N elementos de la cual se desea tomar una muestra al azar
de n de esos elementos. El n de posibles muestras de n elementos de esa
poblacin de posibles muestras de n elementos de esa poblacin de N es:

Cada una de las posibles muestras tiene la misma probabilidad de ser


seleccionada:

Como se extrae una muestra aleatoria segn Muestreo Aleatorio Simple

1- asignar nmeros de 1 a N a cada elemento de la poblacin listados en el


marco de muestreo, de forma que se establezca una correspondencia
biunvoca entre los N primeros nmeros naturales y las u. m.

29
2- generar una lista de n nmeros aleatorios comprendidos entre 1 y N sin
reposicin, utilizando un proceso aleatorio tal como una tabla de nmeros
aleatorios o un generador de nmeros aleatorios con la computadora o la
calculadora.

3- Los n nmeros aleatorios obtenidos indican las u.m. de la poblacin que


integrarn la muestra.

Propiedades que tiene una muestra aleatoria

Propiedades de la muestra aleatoria:

1. La probabilidad de que cada u.m. sea elegida es igual para todas las u.m. en
cada etapa de seleccin

2. A probabilidad de que una u. m. particular (Xo) sea seleccionada en


cualquier extraccin es igual a la probabilidad de que lo sea en la primera
(1/N)

3. La probabilidad que una u.m. particular (Xo) sea incluida) sea incluida en la
muestra es n/N

4. La probabilidad que un conjunto particular de individuos sea seleccionado


como muestra es:

30
Una muestra aleatoria simple es seleccionada de tal manera que cada
muestra posible del mismo tamao tiene igual probabilidad de ser seleccionada de
la poblacin. Para obtener una muestra aleatoria simple, cada elemento en la
poblacin tenga la misma probabilidad de ser seleccionado, el plan de muestreo
puede no conducir a una muestra aleatoria simple. Por conveniencia, este mtodo
pude ser reemplazado por una tabla de nmeros aleatorios. Cuando una poblacin
es infinita, es obvio que la tarea de numerar cada elemento de la poblacin es
infinita, es obvio que la tarea de numerar cada elemento de la poblacin es
imposible. Por lo tanto, ciertas modificaciones del muestreo aleatorio simple son
necesarias. Los tipos ms comunes de muestreo aleatorio modificado son
sistemticos, estratificados y de conglomerados.

El procedimiento empleado en el muestreo aleatorio simple es el siguiente:

1) se asigna un nmero a cada individuo de la poblacin

2) a travs de algn medio mecnico (bolas dentro de una bolsa, tablas de


nmeros aleatorios, nmeros aleatorios generados con una calculadora u
ordenador, etc.) se eligen tantos sujetos como sea necesario para completar
el tamao de muestra requerido.

Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad prctica
cuando la poblacin que estamos manejando es muy grande.

Muestreo sistemtico.

Una muestra sistemtica es obtenida cuando los elementos son


seleccionados en una manera ordenada. La manera de la seleccin depende del
nmero de elementos incluidos en la poblacin y el tamao de la muestra.

El nmero de elementos en la poblacin es, primero, dividido por el nmero


deseado en la muestra. El cociente indicar si cada dcimo, cada onceavo, o
cada centsimo elemento en la poblacin va a ser seleccionado.

El primer elemento de la muestra es seleccionado al azar. Por lo tanto, una


muestra sistemtica puede dar la misma precisin de estimacin acerca de la
poblacin, que una muestra aleatoria simple cuando los elementos en la poblacin
estn ordenados al azar.

Este procedimiento exige, como el anterior, numerar todos los elementos de


la poblacin, pero en lugar de extraer n nmeros aleatorios slo se extrae uno. Se
parte de ese nmero aleatorio i, que es un nmero elegido al azar, y los elementos
que integran la muestra son los que ocupa los lugares i, i+k, i+2k, i+3k,...,i+(n-1)k,
es decir se toman los individuos de k en k, siendo k el resultado de dividir el

31
tamao de la poblacin entre el tamao de la muestra: k= N/n. El nmero i que
empleamos como punto de partida ser un nmero al azar entre 1 y k.

El riesgo este tipo de muestreo est en los casos en que se dan


periodicidades en la poblacin ya que al elegir a los miembros de la muestra con
una periodicidad constante (k) podemos introducir una homogeneidad que no se
da en la poblacin. Imaginemos que estamos seleccionando una muestra sobre
listas de 10 individuos en los que los 5 primeros son varones y los 5 ltimos
mujeres, si empleamos un muestreo aleatorio sistemtico con k=10 siempre
seleccionaramos o slo hombres o slo mujeres, no podra haber una
representacin de los dos sexos.

En el muestreo aleatorio simple, estudiado anteriormente, todos los elementos de


la poblacin tienen la misma probabilidad de ser elegidos en la muestra, pero
cuando la poblacin es muy grande conlleva grandes dificultades sobre todo
cuando se desconoce el procedimiento prctico del muestreo.

A veces nos interesar dividir la poblacin de N elementos en L subpoblaciones o


estratos; de N1, N2, ..., NL elementos con la particularidad de que no habr ninguno
comn a dos estratos distintos y el total de los elementos de todos ellos ser el
total de elementos de la poblacin.

N1 N2 ... NL N
n1 n2 ... nl n

Una vez determinados los estratos, se toman muestras n1, n2, ..., nl,
respectivamente, siendo: n1 + n2 + ... + nl = n, obtenidas independientemente unas
de otras.

Mtodo Montecarlo para una muestra aleatoria simple:

El mtodo de Montecarlo es una tcnica para obtener muestras aleatorias


simples de una v.a. X, de la que conocemos su ley de probabilidad (a partir de su
funcin de distribucin F). Con este mtodo, el modo de elegir aleatoriamente un
valor de X siguiendo usando su ley de probabilidad es:

1.
Usando una tabla de nmeros aleatorios7.1 se toma un valor u de una v.a.

32
2.
Si X es continua tomar como observacin de X, la cantidad x=F-1(u). En el
caso en que X sea discreta se toma x como el percentil de X, es

decir el valor ms pequeo que verifica que .


Este proceso se debe repetir n veces para obtener una muestra de tamao n.

Ejemplo

Si queremos extraer n=10 muestras de una distribucin podemos recurrir a


una tabla de nmeros aleatorios de k=5cifras, en las que observamos las
cantidades (por ejemplo)

A partir de ellas podemos obtener una muestra de usando una tabla


de la distribucin normal:

Nmeros aleatorios
Muestra Muestra

ti xi = F-1(ui)

76.293 0'76 0'71


31.776 0'32(=1-0'68) -0'47
50.803 0'51 0'03
71.153 0'71 0'55
20.271 0'20(=1-0'80) -0'84
33.717 0'34(=1-0'66) -0'41
17.979 0'18(=1-0'82) -0'92
52.125 0'52 0'05
41.330 0'41(=1-0'59) -0'23
95.141 0'95 1'65

33
Obsrvese que como era de esperar, las observaciones xi tienden a agruparse

alrededor de la esperanza matemtica de . Por otra parte,


esto no implica que el valor medio de la muestra sea necesariamente . Sin
embargo como sabemos por el teorema de Fisher que

su dispersin con respecto al valor central es pequea, lo que implica que


probablemente el valor medio estar muy prximo a 0, como se puede calcular:

Obsrvese que si el problema fuese el inverso, donde nicamente conocisemos


las observaciones xi y que el mecanismo que gener esos datos hubiese sido una
distribucin normal de parmetros desconocidos, con obtenida hubisemos
tenido una buena aproximacin del ``parmetro desconocido'' . Sobre esta
cuestin volveremos ms adelante al abordar el problema de la estimacin puntual
de parmetros.

Muestreo aleatorio simple

Podemos aqu mencionar que para el caso de que se estuviese estudiando una
proporcin dentro de la poblacin (una eleccin de candidato, la aceptacin o
rechazo de una propuesta en una comunidad, la presencia o ausencia de una
caracterstica hereditaria), y el en caso de un muestreo aleatorio simple, la
estimacin que se puede hacer de la proporcin buscada a partir de la proporcin
hallada en la muestra se obtiene mediante la construccin de un intervalo de
confianza:
= P tolerancia de la muestra
Donde es la proporcin buscada en la poblacin y P es la proporcin presente
en la muestra.

34
Por otro lado, la tolerancia de la muestra est relacionada directamente con el
nivel de confianza y se obtiene a partir de la distribucin normal al igual que como
se obtuvo para el clculo del tamao de las muestras. La representaremos con Z
para obtener la frmula:

Existen muchas razones para preferir muestrear (obtener una muestra) que censar
(enumeracin completa de la poblacin).
Es obvio que es ms econmico obtener una muestra que estudiar a toda un
poblacin.
Pero utilizar muestras implica ciertos riesgos que debemos conocer y estudiar.

Razones para muestrear

1. Econmicas
2. De tiempo
3. Tamao de la poblacin
4. Inaccesibilidad de la poblacin
5. Naturaleza destructiva de la observacin
6. Exactitud

Econmicas
Compare el costo de aplicar una encuesta entre una poblacin de 1000 personas
contra una muestra de 100 personas, considerando los siguientes aspectos: papel,
timbres, horas hombre, registros, etc.
Quizs la mayor dificultad la tendramos al tratar de obtener un 100% de
respuestas. Es ms fcil pensar en obtener una respuesta del 100% en la muestra
de 100 personas, que en la poblacin de 1000.
Ilustremos un ejemplo.

Tiempo
Una muestra puede proporcionar al investigador la informacin necesaria en forma
rpida.
Usualmente, el tiempo es el factor ms importante en la elaboracin de encuestas
sobre preferencias de candidatos, donde las opiniones del ciudadano influyen
sensiblemente en el desarrollo de las campaas polticas.
Si en estos casos, quisiera censarse para tener mayor seguridad en la
informacin, posiblemente al momento de obtenerse los resultados, stos seran
ya obsoletos por la tardanza en el tiempo de elaboracin.

Tamao de la Poblacin
Muchas poblaciones son tan grandes que es prcticamente imposible censarlas.

35
Consideremos por ejemplo el nmero de personas que fuman cigarros de la marca
Raleigh. El nmero de personas que fuman este tipo de cigarros es tan grande
que cualquier investigacin que implicara censar esta poblacin sera incosteable.
Mencin aparte lo constituyen las poblaciones infinitas, no en el sentido
matemtico del trmino, sino en el aspecto prctico de la expresin.
Las poblaciones infinitas slo se pueden estudiar a travs de muestras.

Poblaciones Prcticamente Inaccesibles


Algunas poblaciones contienen elementos que son tan difciles de observar que
son prcticamente inaccesibles.
Un ejemplo de esto sera la poblacin de consumidores segn sus actitudes.
No todos los consumidores pueden ser localizados. Unos pueden estar en prisin,
o en manicomios; otros por la naturaleza de su trabajo no pueden ser contactados.

Naturaleza Destructiva de la Observacin


En algunas ocasiones el hecho de observar la caracterstica deseada de la unidad
es suficiente para destruirla.
En control de calidad es comn encontrar ejemplos de este tipo.

Exactitud
Una muestra puede ser ms precisa que un censo.
Un censo, por la tremenda cantidad de trabajo

El tamao de la muestra:

Al realizar un muestreo probabilstico nos debemos preguntar Cul es el nmero


mnimo de unidades de anlisis ( personas, organizaciones, capitulo de
telenovelas, etc), que se necesitan para conformar una muestra ( que me
asegure un error estndar menor que 0.01 ( fijado por el muestrista o
investigador), dado que la poblacin es aproximadamente de tantos elementos.

En el tamao de una muestra de una poblacin tenemos que tener presente


adems si es conocida o no la varianza poblacional.

Para determinar el tamao de muestra necesario para estimar con un error


mximo permisible prefijado y conocida la varianza poblacional ( ) podemos
utilizar la formula:

36
que se obtiene de reconocer que es el error estndar o error mximo prefijado y

est dado por la expresin para el nivel de confianza y


constituye una medida de la precisin de la estimacin, por lo que podemos inferir
adems que .

Ejemplo 1.2

Se desea estimar el peso promedio de los sacos que son llenados por un nuevo
instrumento en una industria. Se conoce que el peso de un saco que se llena con
este instrumento es una variable aleatoria con distribucin normal. Si se supone
que la desviacin tpica del peso es de 0,5 Kg. Determine el tamao de muestra
aleatoria necesaria para determinar una probabilidad igual a 0,95 de que el
estimado y el parmetro se diferencien modularmente en menos de 0,1 Kg.

Solucin:

Evidentemente un tamao de muestra no puede ser fraccionario por lo que se


debe aproximar por exceso. El tamao de muestra sera de 97.

Si la varianza de la poblacin es desconocida, que es lo que mas frecuente se ve


en la prctica el tratamiento ser diferente, no es posible encontrar una frmula
cuando la varianza poblacional es desconocida por lo que para ello aconsejamos
utilizar el siguiente procedimiento-

Primeramente, se toma una pequea muestra, que se le llama muestra piloto, con
ella se estima la varianza poblacional ( ) y con este valor se evala en la
formula (1), sustituyendo ( ) por su estimacin ( ). El valor de obtenido ser
aproximadamente el valor necesario, nuevamente con ese valor de se extrae
una muestra de este tamao de la poblacin se le determina la varianza a esa
muestra, como una segunda estimacin de ( ) y se aplica de nuevo la formula
(1), tomando la muestra con el obtenido como muestra piloto para la siguiente
iteracin, se llegar a cumplir con las restricciones prefijadas. Se puede plantear

37
esta afirmacin ya que la de tiende a estabilizarse a medida que aumenta
alrededor de la por lo que llegar el momento en que se encuentre el tamao
de muestra conveniente, sin embargo, en la prctica es mucho ms sencillo pues,
a lo sumo con tres iteraciones se obtiene el tamao de muestra deseado, este
procedimiento para obtener el tamao de muestra deseado se puede realizar
utilizando en Microsoft Excel en la opcin anlisis de datos las opciones
estadstica descriptiva para ir hallando la varianza de cada una de las muestras y
la opcin muestra para ir determinado las muestras pilotos. Para obtener el
tamao de la muestra utilizando este mtodo recomendamos la utilizacin de un
paquete de cmputo como por ejemplo el Microsoft Excel, aplicando las opciones
muestra y estadstica descriptiva.

Para determinar el tamao de la muestra cuando los datos son cualitativos


es decir para el anlisis de fenmenos sociales o cuando se utilizan escalas
nominales para verificar la ausencia o presencia del fenmeno a estudiar, se
recomienda la utilizacin de la siguiente formula:

Siendo sabiendo que:

es la varianza de la poblacin respecto a determinadas variables.

es la varianza de la muestra, la cual podr determinarse en trminos de

probabilidad como

es error estndar que est dado por la diferencia entre ( ) la media


poblacional y la media muestral.

es el error estndar al cuadrado, que nos servir para determinar , por lo

que = es la varianza poblacional.

Ejemplo 1.3

38
De una poblacin de 1 176 adolescentes de una ciudad X se desea conocer la
aceptacin por los programas humorsticos televisivos y para ello se desea tomar
una muestra por lo que se necesita saber la cantidad de adolescentes que deben
entrevistar para tener una informacin adecuada con error estndar menor de
0.015 al 90 % de confiabilidad.

Solucin:

= 1 176

= 0,015

por lo que

Es decir para realizar la investigacin se necesita una muestra de al menos 298


adolescentes.

Errores en el Muestreo.

Error de Muestreo
Sesgo de Muestreo
Error de No-Muestreo

Error de Muestreo.
Es la diferencia entre la muestra y la poblacin que es producto slo de las
unidades que son seleccionadas.
Este error, entonces, slo se debe a la mala suerte al seleccionar elementos que
tienen la caracterstica que se estudia.

39
Sesgo de Muestreo.
Es la tendencia a favorecer la seleccin de unidades elementales con
caractersticas particulares.
Este sesgo puede presentarse por una preferencia no intencional sobre ciertos
elementos de la muestra aunque regularmente es el resultado de un diseo de
muestreo deficiente.

Error de No- Muestreo.


Es el resultado o consecuencia de la forma en que se hacen las observaciones.
Este error puede ser cometido por los participantes o responsables del estudio
estadstico o puede ser producto de los procedimientos en el muestreo.

Esto hace que una muestra no sea representativa de la poblacin.

METODOLOGA DE MUESTREO

Ventajas e inconvenientes de los distintos tipos de muestreo probabilstico

CARACTERISTICAS VENTAJAS INCONVENIENTES

Aleatorio simple Se selecciona una muestra Sencillo y de fcil Requiere que se


de tamao n de una comprensin. posea de antemano
poblacin de N unidades, un listado completo
cada elemento tiene una Clculo rpido de de toda la poblacin.
probabilidad de inclusin medias y varianzas.
igual y conocida de n/N. Cuando se trabaja
Se basa en la con muestras
teora estadstica, y pequeas es posible
por tanto existen que no represente a
paquetes la poblacin
informticos para adecuadamente.
analizar los datos

40
Sistemtico Conseguir un listado de Fcil de aplicar. Si la constante de
los N elementos de la muestreo est
poblacin No siempre es asociada con el
necesario tener un fenmeno de inters,
Determinar tamao listado de toda la las estimaciones
muestral n. poblacin. obtenidas a partir de
la muestra pueden
Definir un intervalo Cuando la contener sesgo de
k=N/n. poblacin est seleccin
ordenada siguiendo
Elegir un nmero una tendencia
aleatorio, r, entre 1 y k conocida, asegura
(r=arranque aleatorio). una cobertura de
unidades de todos
Seleccionar los los tipos.
elementos de la lista.

Estratificado En ciertas ocasiones Tiende a asegurar Se ha de conocer la


resultar conveniente que la muestra distribucin en la
estratificar la muestra represente poblacin de las
segn ciertas variables de adecuadamente a variables utilizadas
inters. Para ello debemos la poblacin en para la estratificacin.
conocer la composicin funcin de unas
estratificada de la variables
poblacin objetivo a seleccionadas.
muestrear. Una vez
calculado el tamao Se obtienen
muestral apropiado, este estimaciones ms
se reparte de manera precisa
proporcional entre los
distintos estratos definidos Su objetivo es
en la poblacin usando una conseguir una
simple regla de tres. muestra lo mas
semejante posible a
la poblacin en lo
que a la o las varia-
bles estratificado-
ras se refiere.

41
Conglomerados Se realizan varias fases Es muy eficiente El error estndar es
de muestreo sucesivas cuando la poblacin mayor que en el
(polietpico) es muy grande y muestreo aleatorio
La necesidad de dispersa. simple o estratificado.
listados de las unidades No es preciso tener El clculo del error
de una etapa se limita a un listado de toda estndar es complejo.
aquellas unidades de la poblacin, slo
muestreo seleccionadas de las unidades
en la etapa anterior. primarias de
muestreo.

Clculo del tamao muestral


Cada estudio tiene un tamao muestral idneo, que permite comprobar lo que se
pretende con la seguridad y precisin fijadas por el investigador.

De que depende el tamao muestral?

Variabilidad del parmetro a estimar: Datos previos, estudios piloto o usar 50%
como peor estimacin

Precisin: Amplitud del intervalo de confianza. Si se estima prevalencia su


formato ser %

Nivel de confianza (1-): habitualmente 95% o 99%. Probabilidad


complementaria al error admitido

Si aumentamos el tamao muestral n , podremos mejorar la calidad de la


estimacin bien aumentando la precisin (disminuye amplitud del intervalo) o bien
aumentando la seguridad (disminuye el error admitido)

Clculo del tamao muestral en una auditoria de Historias Clnicas


Se trata de una situacin especial, en la que se va a determinar la presencia o
ausencia de un determinado documento, por ejemplo (variable dicotmica).
En este caso, hay que determinar la proporcin esperada de la variable de inters,
la precisin deseada, y el nivel de confianza. Podemos aplicar las siguientes
frmulas para el clculo del tamao muestral (si el muestreo es aleatorio).

Si conocemos el tamao de la poblacin usaremos el mtodo para poblaciones


finitas. Si por el contrario el tamao de la poblacin es desconocido o infinito
usaremos la otra alternativa. Hay que tener en cuenta que una poblacin infinita
puede corresponder a una finita (conocida) en la que se ha definido un muestreo
con reemplazamiento (el mismo individuo puede salir muestreado varias veces).

42
Tamao de la poblacin infinito o desconocido

Tamao de la poblacin finito

n Tamao muestral
N Tamao de la poblacin, nmero total de historias.
Z Valor =0,05 y 2,58 para correspondiente a la distribucin de Gauss 1,96 para =0,01.
p Prevalencia esperada del parmetro a evaluar. En caso de desconocerse, aplicar la opcin
ms desfavorable (p=0,5), que hace mayor el tamao muestral.
q 1-p (Si p=30%, q=70%)
i Error que se prev cometer. Por ejemplo, para un error del 10%, introduciremos en la
frmula el valor 0,1. As, con un error del 10%, si el parmetro estimado =0,05) de que
elresulta del 80%, tendramos una seguridad del 95% (para parmetro real se sita entre
el 70% y el 90%. Vemos, por tanto, que la amplitud total del intervalo es el doble del error
que introducimos en la frmula.

Estas frmulas estn introducidas en la hoja de clculo muestreo.xls (Excel97). En


ella basta con introducir los distintos parmetros sealados para obtener el
tamao muestral correspondiente. Recomendamos =0,05, y un error 0,1, o ms
precisas.

BIBLIOGRAFIA

1. http://www.hsa.es/id/investigacion/uai/uai_docs/muestreo/muestreo.htm

2. manual de la Universidad de Mlaga: Bioestadstica: Mtodos y Aplicaciones


U.D. Bioestadstica. Facultad de Medicina. Universidad de Mlaga.

3. http://academico.uno.mx/ravila/est_desc/muestra.htm

4. http://www.uaq.mx/matematicas/estadisticas/xu5.html

5. http://html.rincondelvago.com/conceptos-y-muestreo.html

6. Carrasco JL. El mtodo estadstico en la investigacin mdica. 5 ed.


Madrid. Editorial Ciencia.

7. Hulley SB, Cummings SR. Diseo de la investigacin clnica. Ed Doyma.


Barcelona 1993.

43
8. Kelsey IL, Thompson WD, Evans A. Methods in observational epidemiology.
New York. Oxford University Press 1986.

9. Mira JJ, Gmez J, Aranaz J, Prez E. Auditoria de historias clnicas: Cul


es el tamao adecuado de la muestra? Todo Hospital 1997; octubre: 58-64.

10. STEVENSON Willian J. Estadstica para Administracin y Economa.


Editorial Harla (Harper & Row Latinoamrica) Mxico, DF. 1981.

11. SHAO stephen p. Estadstica para Economistas y Administradores de


Empresas. Editorial Herrero Hermanos Sucs.Mxico, DF. 1980.

12. Calero Vinelo, Arstides. Tcnicas de Muestreo / Arstides Calero Vinelo.- La


Habana: Editorial. Pueblo y Educacin, 1978.- 514p.

13. Metodologa de la Investigacin / M. En C. Roberto Hernndez Sampiere...


et al. Mxico:/5.n/, 1997.---505p

14. Snchez lvarez, Rafael. Estadstica Elemental 7 Rafael Snchez lvarez y


Jos A. Torres Delgado.- La Habana: Ed. Pueblo y Educacin, 1989.- 326p.

15. Taro, Yamane. Elementary Sampling Theory / Yamane Taro.- La Habana:


Editorial Pueblo y Educacin, 1989.- 405p.

44