Академический Документы
Профессиональный Документы
Культура Документы
MUESTREO ESTADÍSTICO
DISEÑO Y APLICACIONES A LA INVESTIGACIÓN
EN CIENCIAS EMPRESARIALES
Segunda edición
AUTOR
José Santos Loaiza Torres
El autor de la segunda edición del presente libro, José Santos Loaiza Torres, con varios
años de experiencia profesional y como docente distinguido en materias de pre y
postgrado, ha logrado plasmar en este libro la suficiente rigurosidad teórica-
cuantitativa requerida en esta materia junto a un enfoque pedagógico que permite a
docentes y estudiantes avanzar por sus distintos capítulos de forma didáctica y
práctica.
El libro llena desde su primera edición y ahora en su segunda edición actualizada llena
una sentida necesidad tanto de estudiantes, profesionales independientes como de
docentes porque explicita los lineamientos para realizar un buen diseño de muestreo,
tomando en cuenta los factores que se deben considerarse en las diferentes etapas
de toma de decisión en lo que hace a una determinada técnica de muestreo estadístico
en base a los objetivos planteados en una investigación.
Por último, no se trata solamente de un libro de lectura, sino de una base que orienta
el trabajo de investigación por muestreo dotando de ejemplos y aplicaciones en el
área de las Ciencias Empresariales.
Queda rigurosamente prohibida, sin la autorización del autor, bajo las leyes, la
reproducción total o parcial de esta obra por cualquier medio o procedimiento, incluido
el tratamiento informático y la distribución de ejemplares de ella mediante alquiler o
préstamo públicos.
AGRADECIMIENTOS
Sin lugar a dudas, lo primero que deseo agradecer es a nuestro Padre creador al Dios
de la vida y todo poderoso, por todas las cosas lindas que me da.
Agradecer al Lic. Bernandino Vásquez por sus contribuciones a la mejora del contenido
de la segunda edición, al Lic. Holbein Rivera por sus aportes y comentarios a la primera
edición y sus sugerencias para mejorar la segunda edición y al Dr. Roberto Volfovicz
por su valioso aporte y revisión técnica. Asimismo agradezco a…………………….. en la
revisión ortográfica y de redacción y al …………………………….por el diseño de la tapa y
contratapa
NOVEDADES RESPECTO A LA PRIMERA EDICIÓN
CAPÍTULO 1
FUNDAMENTOS DEL MUESTREO
CAPÍTULO 2
EL PLAN DE MUESTREO
CAPÍTULO 3
MUESTREO NO PROBABÍLISTICO
CAPÍTULO 4
MUESTREO ALEATORIO SIMPLE PARA VARIABLES CUANTITATIVAS Y
CUALITATIVAS
4.1.- Concepto.............................................................................................. 95
4.2.- Procedimiento para la selección de una muestra aleatoria simple .............. 96
4.3.- Ventajas y limitaciones del muestreo aleatorio simple .............................. 100
4.4.- Muestreo para variables: La distribución muestral de una media-
Definición y notación ............................................................................. 101
4.5. - Propiedades de las estimaciones (el teorema central del límite) ............... 103
4.6. – Estimaciones e intervalos de confianza .................................................. 111
4.6.1.- Para medias....................................................................................... 111
4.6.2.- Para totales ....................................................................................... 111
4.7.- Muestreo para proporciones ................................................................... 112
4.7.1.- Concepto – Características .................................................................. 112
4.7.2.- Notación............................................................................................ 113
4.7.3.- Estimadores de una proporción ........................................................... 114
4.7.4.- Intervalos de confianza ....................................................................... 115
4.8.- Otras consideraciones ........................................................................... 115
4.9.- Criterios para aplicar el muestreo aleatorio simple ................................... 120
4.10.- Preguntas y problemas ........................................................................ 121
CAPÍTULO 5
ESTIMACIÓN DEL TAMAÑO DE LA MUESTRA
CAPÍTULO 6
MUESTREO ALEATORIO ESTRATIFICADO
CAPÍTULO 7
MUESTREO POR CONGLOMERADOS O DE RACIMO
CAPÍTULO 8
MUESTREO SISTEMÁTICO
CAPÍTULO 9
TÉCNICAS DE MUESTREO COMBINADAS
CAPÍTULO 10
SISTEMAS DE SELECCIÓN DE UNIDADES MUESTRALES
BIBILIOGRAFIA
APENDICE
14 José Loaiza Torres CAPITULO 1: Fundamentos del muestreo
ÍNDICE DE CUADROS
Figura 1.1:
Población y muestra ..................................................................... 30
Figura 1.2:
Fuentes de datos ......................................................................... 36
Figura 1.3:
Instrumentos de recolección de datos ............................................ 38
Figura 1.4:
Métodos de encuesta ................................................................... 39
Figura 1.5:
Fuentes potenciales de error en la investigación ............................ 42
Figura 2.1:
Tipos y técnicas de muestreo ........................................................ 63
Figura 2.2:
Relación entre tipos de investigación y técnicas de muestreo ........... 64
Figura 2.3:
Mapa conceptual sobre los criterios para seleccionar una técnica de
muestreo ..................................................................................... 65
Figura 2.4: Técnica de muestreo y sus criterios determnantes .......................... 66
Figura 2.5: Condiciones para aplicar una técnica de muestreo .......................... 67
Figura 4.1: Síntesis del procedimiento con que se escoge una muestra aleatoria
simple empleando una tabla de números aleatorios ......................... 99
Figura 4.2: Distribución de medias muestrales............................................... 110
Figura 5.1: Proceso esquematizado de la estimación del tamaño de muestra ... 132
Figura 5.2: Representación gráfica del error muestral .................................... 136
Figura 5.3: representación gráfica del nivel de confianza ................................ 138
Figura 5.4: Métodos para mejorar los índices de respuesta ............................. 159
Figura 5.5: Árbol práctico para elegir la fórmula del tamaño de muestra .......... 163
Figura: 5.6: Relación entre las técnicas de muestreo probabilísticas ................ 164
Figura 5.7: Página principal del POSDEM ...................................................... 168
Figura 5.8: Ventana principal del SOFTME..................................................... 169
Figura 5.9: Ventana del Stats 2000 .............................................................. 170
Figura 5.10: Ventana del SourveyIM ............................................................. 171
Figura 5.11: Ventana de Tammuestralonline ................................................. 172
Figura 7.1: Tipos de Muestreo de grupo ....................................................... 217
Figura 8.1: Simulador del muestreo sistemático ............................................. 235
Figura: 8.2: Periodicidad oculta del muestreo sistemático ............................... 238
Figura 10.1: Método serpentina ................................................................... 234
Figura 10.2: Método zigzag ......................................................................... 265
Figura 10.3: Método de salto de caballo........................................................ 266
Figura 10.4: Método del trébol ..................................................................... 266
16 José Loaiza Torres CAPITULO 1: Fundamentos del muestreo
INTRODUCCIÓN
El libro llena una sentida necesidad de docentes y estudiantes universitarios de todos los
niveles que imparten o cursan muestreo estadístico; como así también, de profesionales del
área de las ciencias empresariales que aplican las técnicas de muestreo. No está dirigido a
expertos en muestreo estadístico ni a matemáticos del muestreo.
El libro está organizado en forma didáctica de manera tal, que el lector podrá comprender
fácilmente todo su contenido. Sin embargo, con el fin de lograr una mejor comprensión se
recomienda al lector revisar conceptos previos de: estadística descriptiva, probabilidad y
estimación estadística. El texto comienza, presentando conceptos fundamentales de la teoría
del muestreo, luego se aborda el plan de muestreo; continúa el libro, con el muestreo no
probabilístico que es muy útil especialmente en la investigación de mercados a un nivel
exploratorio. Posteriormente, se aborda una de las técnicas de muestreo más utilizadas como
es la teoría del muestreo aleatorio simple, se prosigue con el capítulo de estimación del tamaño
de muestra, enfatizando en el diseño y la estimación de los valores que componen el tamaño
de la muestra, luego se aborda el muestreo estratificado, el muestreo por conglomerados, el
muestreo sistemático, y la técnicas de muestreo combinadas. También es importante exponer,
qué métodos o técnicas de selección de unidades muestrales alternativos a la aleatoriedad
existen para que pueda aplicar el investigador en las ciencias empresariales. En esta segunda
edición se aborda en un capítulo separado el muestreo en internet.
18 José Loaiza Torres CAPITULO 1: Fundamentos del muestreo
CAPÍTULO 1
FUNDAMENTOS DEL
MUESTREO
1.1.- Introducción
1.2.- Muestra o Censo
1.3.- El muestreo
1.4.- Población y muestra
1.4.1.- Definición de población
1.4.2.- Definición de muestra
1.4.3.- Condiciones que debe cumplir la muestra
1.4.4.- Características deseables de una investigación por muestreo
1.5.- El diseño muestral
1.5.1.- Importancia
1.5.2.- Tipos de diseños muestrales
1.6.- El proceso de diseño y ejecución de muestreo
1.7.- Fuentes de datos
1.8.- Instrumentos básicos que utiliza el muestreo para la recopilación de datos
1.9.- Evaluación comparativa de los métodos de encuesta
1.10.- Fuentes potenciales de error en una investigación
1.11.- Preguntas y problemas
20 José Loaiza Torres CAPITULO 1: Fundamentos del muestreo
MAPA CONCEPTUAL
INFERENCIA ESTADÍSTICA
Deducir
2.- Factores que 3.- Clasificación de 4.- Proceso de 5.- Fuentes de 6.-
1.- Conceptos y favorecen al diseño y ejecución
definiciones de la diseños muestrales datos Instrumentos
muestreo del muestreo
teoría del muestreo que utiliza el
(Muestra o Censo)
Diseño transversal y muestreo
Criterios para elegir para recopilar
longitudinal Pasos que
una fuente de datos datos
involucra
Relacionar
1-2-3-4-5-6
Comprende e identifica
ASPECTOS FUNDAMENTALES
DE LA TEORÍA DEL MUESTREO
CAPÍTULO 1
FUNDAMENTOS DEL MUESTREO
1.1.- Introducción
Por otra parte, la inferencia estadística es una rama de la estadística y que emplea
métodos para determinar algo acerca de una población, con base en una muestra.
¿Cómo seleccionar esa muestra? es lo que precisamente estudia la teoría del
muestreo.
1
Conjunto de unidades seleccionadas para estudiar y examinar de acuerdo a un objetivo. Que
para fines del presente libro, universo y población se utilizaran como términos sinónimos.
24 José Loaiza Torres CAPITULO 1: Fundamentos del muestreo
A continuación en el cuadro 1.1 se menciona los factores que favorecen el uso de una
muestra en comparación con un censo.
A continuación se describe con más de detalle las principales ventajas que favorecen
al uso del muestreo:
Ahora bien, lo ideal para cualquier investigación es, estudiar a la población total, es
decir, a todas las unidades de la población, lo que se denomina censo; sin embargo,
por las limitaciones y condiciones de una determinada población, no siempre es
posible, lo que genera ciertas ventajas para hacer un muestreo.
1.3.- El Muestreo
Por otra parte, Cesar Pérez (2005) menciona: Podemos definir los métodos de
muestreo como el conjunto de técnicas estadísticas que estudian la forma de
seleccionar una muestra lo suficientemente representativa de una población
cuya información permita inferir las propiedades o características de toda la población
cometiendo un error medible acotable.
Por tanto, el muestreo es uno de los métodos de investigación más importantes dentro
de la inferencia estadística, ya que permite obtener resultados confiables para
poderlos generalizar hacia la población de donde se extrae la muestra.
Consecuentemente, el muestreo es una herramienta de la investigación, cuya
función es determinar que parte de una población debe examinarse, con el
objetivo de hacer inferencias sobre dicha población.
CAPITULO 1: Fundamentos del muestreo José Loaiza Torres 27
Una población es el conjunto de todos los elementos que concuerdan con una serie
de especificaciones, es decir, todos los objetos, fenómenos o situaciones que pueden
ser agrupados sobre la base de una o más características comunes (Rodríguez y
colaboradores, 1994).
Por tanto, se puede decir que, una población es un conjunto de unidades que pueden
ser: Personas, clientes, familias, viviendas, animales, árboles, objetos, empresas, etc.
Dichas unidades han sido definidas cuidadosamente para un determinado estudio y
que además comparten una o más características comunes. Debe definirse entonces
con claridad, de manera que una unidad sea fácilmente identificada de si pertenece o
no a la población.
P = {u}
Donde:
P = Población meta o universo
u = Unidades de observación, que pueden ser: personas, familias, objetos, animales,
viviendas, organizaciones, plantas, etc.
La pregunta es: ¿Cómo definir la población meta?
28 José Loaiza Torres CAPITULO 1: Fundamentos del muestreo
Ejemplo 1:
Considere que está interesado en determinar el consumo promedio por semana de las
gaseosas negras en los hogares de su ciudad, entonces ¿Cuál es la población?
Ejemplo 2:
Objetivo: Evaluar la percepción sobre la calidad del servicio educativo de un instituto
de formación superior, ¿Quiénes conforman la población?
La respuesta sería todas las personas que alguna vez han utilizado los servicios de
este instituto, no podría considerar a todas las personas que viven en el área donde
se encuentra el instituto, solo podrán evaluar la calidad aquellas personas que han
experimentado el servicio.
CAPITULO 1: Fundamentos del muestreo José Loaiza Torres 29
Ejemplo 3:
Objetivo: Calcular el porcentaje de personas que prefieren un determinado canal de
televisión en una Ciudad. ¿Quiénes conforman la población?
La respuesta es, todas las personas que viven en esa ciudad y que ven algún canal de
televisión, no podría considerar solo a aquellas que ven el canal de televisión específico
de cuya preferencia le interesa conocer, puesto que para obtener el porcentaje de
preferencia, se debe considerar a todas las personas que sí ven al menos un canal de
televisión, o sea televidentes de todos los canales.
Ejemplo 4:
Determinar la demanda potencial para lanzar un nuevo producto para desayuno.
¿Quiénes conforman la población?
La respuesta es, todas las familias de una determinada área geográfica, así no
consuman ningún producto relacionado o sustituto al que se pretende ofrecer, igual
se los debe considerar a efectos de identificar los motivos por los que no demandan
este tipo de productos y poder ofrecer con determinadas características.
Ejemplo 5:
Determinar el consumo per cápita de vino en un país. ¿Cuál es la población?
La respuesta es, que la población estaría conformada por todas las personas que SI
consumen vino, primero habría que determinar probablemente el porcentaje de
personas que no consumen para separar a estas de la población o universo de estudio.
Freund y Simon (1994) indican que por muestra se entiende al conjunto de elementos
que se toma de una población para, después de su estudio, llegar a conclusiones
válidas sobre toda la población. Si un conjunto de datos consiste sólo en una parte de
estas observaciones, se le conoce como una muestra.
Sierra bravo (citado por Aneiva, 1991) dice al respecto. “Se pueden definir las
muestras como una parte de un conjunto o población debidamente elegida, que se
somete a observación científica en representación del conjunto, con el propósito de
obtener resultados válidos, también para el universo total investigado.”
Tomando como referencia ambas definiciones, podemos decir que, la muestra es una
parte representativa de la población; esto quiere decir que en la muestra se deben
intentar encontrar todas las propiedades, condiciones, cualidades y peculiaridades de
la población y en las mismas proporciones que ésta, tomando en cuenta la variable
principal que se estudia. En otras palabras, la muestra debe reproducir los más
fielmente las características de la población
Si la población toma la forma de un pastel, la muestra será una porción de éste, esta
relación la podemos representar en la siguiente figura.
Muestra
Poblacion
Según Pérez (2005) las características óptimas que debe cumplir una investigación
por muestreo son:
- Acuricidad.- Proximidad al valor verdadero de las características poblacionales
estimadas.
- Pertinencia.- Capacidad de un resultado estadístico obtenido con la investigación
por muestreo para completar ciertas lagunas en el resultado de un fenómeno.
- Oportunidad.- Utilidad de un resultado estadístico en función de su disponibilidad
en el tiempo (puntualidad, rapidez y actualidad).
- Accesibilidad.- La información obtenida por muestreo ha de ser totalmente
accesible, así como tener presente desde el diseño la legalidad vigente.
- Detalle y cobertura.- La producción de datos externos y profundos puede llevar a
complementar una investigación exhaustiva con una muestra.
- Economía.- La investigación por muestreo debe ser lo más barata posible.
- Integración.- Hay que obtener buena concepción global de la información y buena
comparabilidad.
32 José Loaiza Torres CAPITULO 1: Fundamentos del muestreo
Se puede deducir que, si una muestra tiene las características anteriores será
representativa de la población, lo que significa que se trata de una muestra
probabilística.
El diseño muestral se refiere a “la aplicación de los métodos del muestreo para conocer
si las diferencias que se pueden obtener entre dos muestras son o no representativas
o, precisar si una muestra es representativa a una determinada población (Bardales,
1992)”
1.5.1.- Importancia
Por ello, es necesario realizar un diseño muestral antes de iniciar la recogida de datos
en una investigación, este diseño ha de permitir contar con un plano o estructura de
lo que se va a realizar en términos muestrales.
Una de las clasificaciones más conocidas sobre los diseños de muestras, es dividir en
transversal y longitudinal (Malhotra, 2008).
Muestra transversal.- Es una muestra que se extrae de una población por única vez
para un determinado tema u objetivo de estudio y no se vuelve a repetir en la misma.
Es como una fotografía en un momento determinado. Tiene muchas aplicaciones en
el área empresarial, por lo cual, este tipo de diseño es muy utilizado en los estudios
de mercado; por ejemplo, estudios sobre aceptación de un determinado producto en
la población actual con todas sus características demográficas, determinación de la
posición actual de la marca, determinación del grado de satisfacción o insatisfacción
con el producto/servicio, selección de documentos en una auditoria operativa y
financiera, conocer la intención de compra de un nuevo producto. En todos estos
ejemplos, bastaría en inicio con una muestra transversal.
Muestra longitudinal.- También se denomina muestra de la diagonal, se refiere a
que se extrae la muestra de una población para estudiarla, y considerarla a lo largo
de un periodo de tiempo. Se utiliza fundamentalmente en estudios de cambio de
comportamientos, actitudes y percepciones que ocurren con el transcurso del tiempo.
Por ejemplo, se puede estudiar cómo cambia las preferencias por un determinado
candidato durante un periodo electoral, cómo se modifica el grado de lealtad del
consumidor en un periodo de tiempo hacia un determinado producto, otro ejemplo es
el estudio sobre grado de aprendizajes competenciales en una universidad conforme
los estudiantes avanzan de nivel en su carrera universitaria.
Diseño longitudinal:
Diseño transversal:
cada grupo de edad
Muestras múltiples
10 años después,
en diagonal
Antes de elegir una fuente de datos y para una correcta interpretación y aplicación de
los datos debe definirse algunos aspectos o criterios:
Las fuentes se clasifican en primarias y secundarias, las que a su vez pueden ser
internas o externas; esquemáticamente se muestra en la figura 1.2
Internas
Primarias
Externas
Fuentes de
datos
Internas
Secundarias
Externas
Según de donde provengan los datos, se puede decir que hay datos internos, externos,
primarios o secundarios:
Los datos internos son aquellos que la empresa puede obtener y explotar por
sus propios medios, sin necesidad de recurrir a terceros.
Los datos externos son los que no proceden de la empresa, sino de terceros.
Los datos primarios son los que se obtiene expresamente para un estudio
concreto, son aquellos que desarrolla el investigador con el propósito específico
de dirigirlos al problema de investigación que confronta, por ejemplo, ante unas
elecciones se realizan sondeos mediante encuestas sobre intención de voto y se
pronostican resultados, estos datos son primarios. En general, los datos pueden
ser cualitativos o cuantitativos.
Los datos secundarios son aquellos que se encuentran disponibles antes de
que se haga necesaria su obtención, es decir, todo aquello de lo que se puede
disponer pero no los origina el investigador, o dicho de otro modo, son aquellos
datos recopilados con propósitos distintos al del problema que se resuelve, por
CAPITULO 1: Fundamentos del muestreo José Loaiza Torres 37
tanto, ya están disponibles antes de que hayamos iniciado una investigación. Por
ejemplo, si un fabricante quiere conocer el tamaño de los segmentos de población
por edad y sexo, para estimar el mercado potencial de sus productos, puede
consultar las estadísticas reportadas por el Instituto Nacional de Estadística, en
este caso dichos datos fueron recogidos mediante un censo de población y
vivienda y que están disponibles para su uso y para diferentes propósitos.
Por tanto, los datos secundarios son hechos, cifras e información que alguien ha
compilado para otros fines, y el investigador puede hacer uso de ellos evitando
de esta manera gastos de dinero y tiempo. Consecuentemente, las ventajas más
importantes de los datos secundarios son el costo y el tiempo. Como regla general
puede decirse: que el análisis de datos secundarios disponibles es un prerrequisito
para la recopilación de datos primarios, lo que quiere decir a su vez que, debe
iniciarse la búsqueda de los datos secundarios, luego continuar con los datos
primarios sólo cuando las fuentes de datos secundarios se hayan agotado o si
producen resultados marginales.
Antes de escoger los datos secundarios que se van a utilizar, se debe valorar de
acuerdo a determinados criterios (Hair y otros, 2010) y realizarse algunas preguntas:
Finalidad u objetivo: ¿En qué grado están íntimamente relacionados los datos
con el problema o con el objetivo de la investigación? ¿Cuál fue el propósito por el
cual se recopilaron?
Actualidad: ¿Cuándo fue recolectada la información y cuán representativa es
hoy? ¿Se están utilizando los datos?
Confiabilidad y credibilidad: ¿Por quién o quiénes fue recopilada esta
información?
Especificaciones y metodología: ¿Al reunirlos, qué métodos o técnicas se
emplearon?
Exactitud y congruencia: ¿Con qué cuidado se preparó el trabajo?
38 José Loaiza Torres CAPITULO 1: Fundamentos del muestreo
Las formas de recolección generales tanto para datos secundarios como para datos
primarios se muestra en la siguiente figura.
Métodos de encuesta
Encuesta telefónica:
Entrevista tradicional: Ocurre cuando por medio del teléfono se realiza la entrevista.
Entrevista asistida por computadora: Se realiza por intermedio del computador
conectado a internet y se da con transmisión de voz, de manera sincrónica.
Personal:
En el hogar: Es cuando un entrevistador y un entrevistado interactúan directamente
cara a cara.
40 José Loaiza Torres CAPITULO 1: Fundamentos del muestreo
Correo/E-mail:
Correo postal: Es la encuesta tradicional utilizando una casilla de correo, la encuesta
deberá imprimirse y acompañarse con instrucciones precisas para que sea completada
por parte del encuestado.
E-mail: Este tipo de encuesta está siendo muy utilizado, exige que el entrevistado
tenga una cuenta de correo por internet.
Panel de correo E-mail: A diferencia del anterior, se trata de un grupo de encuestados
y se mantienen en el tiempo para diversos temas.
Es importante, señalar las ventajas y limitaciones que tienen cada uno de los métodos
de encuesta más utilizados, con el fin de que el investigador sea capaz de seleccionar
el método apropiado a su tema de investigación, a sus recursos disponibles, a las
características de la población, etc. El cuadro 1.3 resume lo anteriormente señalado.
CAPITULO 1: Fundamentos del muestreo José Loaiza Torres 41
Hay básicamente dos tipos de errores que suman el error total, el error muestra y el
error no muestral, a continuación se expone los errores que se pueden cometer en
una investigación.
Error total
a. Puede medirse.
b. Disminuye a medida que se aumenta el tamaño de la muestra.
Error no muestral.- Error que puede atribuirse a fuentes distintas a la del muestreo;
puede ser por causas que incluyen errores en la definición del problema, el
planteamiento, el diseño de la investigación, las escalas, el diseño del cuestionario,
los métodos de entrevistas, el análisis de datos. Se debe analizar lo siguiente:
Los errores no muestrales no son fáciles de medir y aumentan a medida que el tamaño
de la muestra aumenta. Lo que hacen los errores no muestrales, es sesgar los
resultados en una dirección y magnitud desconocidas. El error no muestral puede
inutilizar los resultados de un estudio. La pregunta es: ¿Qué se puede hacer para
reducir o minimizar el error no muestral?, la respuesta, se debe seguir rigurosamente
la metodología objetiva y científica de la investigación a fin de reducir el error no
muestral.
Error por falta de repuesta.- Ocurre cuando uno de los entrevistados no contesta
o se rehúsan a ser parte de la muestra o no están en su lugar donde deberían estar
para el contacto durante el período de muestreo.
44 José Loaiza Torres CAPITULO 2: El plan de muestreo
Error en la respuesta.- Tipo de error por falta de muestreo que surge cuando los
entrevistados dan respuestas imprecisas o cuando éstas se registran o analizan en
forma equivocada.
Error del entrevistado.- Puede tener dos fuentes: error por incapacidad y error por
falta de voluntad. El error por incapacidad se da cuando el entrevistado responde
sobre un tema que no es de su conocimiento, pero que asume que lo sabe, es decir
es una total falta de honestidad. Mientras que el error por falta de voluntad ocurre
cuando el entrevistado responde por responder por diferentes motivos, ya sea por
sacarse de encima al entrevistador o porque está muy ocupado o tiene su mente en
otro lado.
ET = EM + ENM (1)
Donde:
ET = Error total
EM = Error muestral
ENM = Error no muestral
EM Zσ X (2)
Donde:
EM = Error muestral.
Z = Unidades estandarizadas de la variable cuantitativa
X = Error estándar de la media
Donde:
ENM = Error no muestral
ER = Error en la respuesta
EPR = Error por falta de respuesta
Donde:
ER = error por falta de respuesta
EI = Error del investigador
EEC = error del entrevistador
EENT = error del entrevistado
De manera general:
8. Suponga que está tratando de medir el efecto sobre la actitud que tienen los spots
publicitarios en un año. ¿Qué diseño de muestra transversal o longitudinal
utilizaría? ¿Por qué?
10. ¿Qué tipos de errores se podrían asociar con las siguientes situaciones?
a) Hacer una encuesta acerca de las actitudes hacia el gobierno municipal de la
Ciudad, utilizando el directorio telefónico como marco de la muestra.
b) Entrevistar a los participantes únicamente entre las 8:00 a.m. y las 5:00 p.m.
sobre las características que les gustaría ver en un nuevo desarrollo de
condominios.
MAPA CONCEPTUAL
PLAN DE MUESTREO
Analizar
1.- Definición de la población meta 2.- Determinación del 3.- Selección de una 4.- Determinación
marco de la muestra del tamaño de la
y los parámetros pertinentes técnica de muestreo
muestra
Relacionar
Seleccionar 1-2-3-4
La mejor muestra y reunir la Analizar los datos Con técnicas adecuadas, y presentar los
información (Mejor método de resultados (Ejecución)
selección)
Relacionar Seleccionar
Diseñar
PLAN DE MUESTREO
CAPÍTULO 2
EL PLAN DE MUESTREO
2.1.- Introducción
Elementos.- Objeto sobre el cual o del cual se desea información y que es parte
de la unidad muestral. Es decir, es la unidad más fundamental de la cual se obtiene
información.
2
Dicho de otra manera, significa elegir un parámetro o valor poblacional a estimar con el
muestreo, generalmente se relaciona con variables cuantitativas de lo que se obtiene la
media aritmética y/o con variables cualitativas de lo que se calcula una proporción
(porcentaje). Una forma de saber cuál de los dos debemos elegir es reflexionar sobre el
objetivo esencial o básico de la investigación, por ejemplo, si estamos interesados en conocer
las posibilidades de aceptación de un nuevo producto, probablemente el porcentaje de
personas que tendrían la intención de compra es lo básico, mientras que si el objetivo es
determinar las rutas de recorrido de distribución y ventas, lo más probable que nos interese
como algo básico y esencial el promedio de consumo o demanda diaria que tienen los
detallistas de las zonas. Finalmente, el elegir un parámetro no significa que en la investigación
se excluirán otros parámetros, se elige con fines de determinar la técnica y tamaño de
muestra apropiada.
CAPITULO 2: El plan de muestreo José Loaiza Torres 55
Ejemplo hipotético:
Tema de estudio: Imagen y posicionamiento de una empresa de servicios de
telecomunicaciones3.
Objetivo: determinar la imagen y el posicionamiento actual que tiene la empresa ante
la sociedad y sus clientes/usuarios.
3
Se asume que ésta empresa ofrece los siguientes servicios fundamentales: Telefonía Fija,
Internet y televisión (tv) por cable.
56 José Loaiza Torres CAPITULO 2: El plan de muestreo
Lo ideal en un marco muestral es contar con una lista completa de todas las unidades
de la población, pues de allí se seleccionará la muestra.
Malhotra (1997) se refiere a aquellas decisiones que se deben tomar al elegir una
técnica o tipo de muestreo, es decir:
Consideraciones estadísticas
Consideraciones operativas
Al respecto Tull y Hawkins (1996) citado en Web (2002) ofrecen un listado de factores
y preguntas a considerar al adoptar una decisión de muestreo probabilístico o no
probabilístico:
Para estos autores “La necesidad de totales proyectables, niveles bajos de error
tolerado, una alta heterogeneidad de la población, bajos errores no muestrales y altos
costes esperados de error favorecen el uso de un muestreo probabilístico”. Lo que se
aproxima literalmente al cuadro expuesto por Malhotra.
Gorjup, María y otros (2012) se refieren a los métodos mixtos como un estudio en
donde se aplican diferentes abordajes en una o varias fases del proceso de
investigación, combinando métodos cualitativos y cuantitativos en diversas formas y
secuencias.
CAPITULO 2: El plan de muestreo José Loaiza Torres 61
A pesar de que los estudios de métodos mixtos han crecido en popularidad, el tema
de muestreo en estos diseños ha sido escasamente abordado. Habitualmente se ha
tomado una postura dicotómica en las cuestiones relacionadas al diseño de muestras.
De esta forma, se tiende a asociar el muestreo probabilístico a la metodología
cuantitativa y el no probabilístico a la investigación cualitativa. Sin embargo, tanto el
muestreo aleatorio y no aleatorio puede ser utilizado en estudios cuantitativos y
cualitativos (Onwuegbuzie & Leech, 2004). Del mismo modo, en lo referente a las
cuestiones relacionadas al tamaño de la muestra, se ha asociado pequeñas muestras
a la investigación cualitativa y grandes muestras a estudios cuantitativos. Ahora bien,
hay circunstancias en las que es conveniente utilizar pequeñas muestras en
investigación cuantitativa (por ejemplo, estudios de empresas con datos contables y
económicos), mientras que hay ocasiones en que está justificado el uso de muestras
grandes en la investigación cualitativa (por ejemplo, estudios de poblaciones
altamente heterogéneas, sistemas complejos o estudios longitudinales y multinivel)
(Collins, Onwuegbuzie & Jiao, 2006).
En primer lugar, hablamos de los tipos de muestreo que pueden clasificarse en dos:
Muestreo probabilístico y Muestreo No probabilístico; luego dentro de cada tipo de
muestreo se señala a las técnicas específicas de muestreo.
Tipos y Técnicas de
muestreo
Por cuotas
De bola de nieve
Aleatorio simple
Sistemático
Concluyente
Estratificado
Por conglomerados
En primer lugar, se muestra en forma esquemática los criterios utilizados para elegir
entre un muestreo aleatorio simple, sistemático, estratificado, o por conglomerados.
Figura 2.3: Mapa conceptual sobre los criterios para seleccionar una
técnica de muestreo
MUESTREO PROBABILÍSTICO
Deducir
Técnicas de muestreo
Analizar
¿Ordenada o no?
¿Homogénea o
¿General o ¿Ideal(listado) o
heterogénea?
específico? estimado?
Relacionar
1-2-3-4
Seleccionar
Mejor técnica de
muestreo
Aplicar
PROBLEMAS ESPECÍFICOS DE
INVESTIGACIÓN POR MUESTREO
Objetivos Generales
Listado
Muestreo aleatorio Marco muestral
simple
La población Desordenada
Características de
las unidades Heterogénea
Objetivos Específicos
Listado
Muestreo aleatorio Marco muestral
estratificado
La población Indiferente
Técnicas
de Características de Homogénea dentro
muestreo las unidades de cada grupo
Objetivos Específicos
Muestreo Por
conglomerados Marco muestral Estimado
La población Desordenada
Características de
las unidades Indiferente
Objetivos Generales
Características de
Indiferente
las unidades
Desordenada de
General Ideal (listado) acuerdo a su heterogénea Muestreo
magnitud Aleatorio simple
Muestreo
General Ideal (listado) Ordenada de heterogénea sistemático
acuerdo a su
magnitud
Antes de ejecutar el trabajo de campo, la recolección de datos debe ser muy bien
pensada muy bien planificada. Pues podemos tener un excelente plan, sino realizamos
correctamente la recolección de los datos, la muestra no será representativa. De
manera que, debemos programar las actividades y el tiempo que consumirán cada
una de ellas que podría hacerse a través de un diagrama de gantt, también debemos
planificar la gestión de la fuerza de campo y estimar el presupuesto respectivo.
70 José Loaiza Torres CAPITULO 2: El plan de muestreo
Para el trabajo de campo se pueden emplear distintos medios que sirven para obtener
datos como lo son:
- Entrevistas personales
- Cuestionarios por correo
- Encuestas telefónicas
- La observación directa
- La revisión documental
- Experimentos
- Grupo focal
Se realiza con la finalidad de saber si la muestra que hemos escogido es una selección
transversal representativa de la población, quizá queramos comparar las
características de ella con las que existen en la población de donde se extrajo.
Para el análisis de datos se deben aplicar todas las técnicas estadísticas apropiadas e
función a los objetivos de la investigación, entre las que se pueden aplicar tenemos:
- Medidas de tendencia central.
- Medidas de dispersión.
- Pruebas de hipótesis de una y dos muestras.
- Modelos de distribución de probabilidad.
- Métodos de tendencias.
- Técnicas bivariantes como: Prueba Chi-cuadrada, regresión y correlación, Anova,
etc.
- Técnicas Multivariantes como: Análisis factorial, conglomerados, análisis de
correspondencia, etc.
El estudio de cada una de las técnicas, está fuera del alcance del presente libro.
3. Suponga que usa el muestreo para estimar el número total de palabras del
presente libro que contiene figuras.
a) ¿Hay algún problema para la definición de la población?
b) ¿Cuáles son los pros y los contras de 1) una página, 2) el renglón, como unidad
de muestreo?
72 José Loaiza Torres CAPITULO 2: El plan de muestreo
El Muestreo
Deducir
Muestreo no probabilístico
1.- Características 3.- Por juicio 4.- Por cuota 5.- Bola de nieve
2.- Por
conceptuales
conveniencia
Relacionar
1-2-3-4-5
Seleccionar
TÉCNICAS APROPIADAS
APLICABLES A UNA
INVESTIGACIÓN
CAPÍTULO 3
MUESTREO NO PROBABILÍSTICO
Malhotra (2008) dice que son técnicas de muestreo que no utilizan procedimientos de
selección por casualidad, sino que más bien dependen del juicio personal del
investigador. En este tipo de muestreo no existe un método que permita determinar
la probabilidad de seleccionar un elemento que forme parte de la muestra. Por ello las
estimaciones son difícilmente extrapolables a la población de interés (Merino, 2010).
Es decir, que no todas las unidades muestrales tienen la misma probabilidad de formar
parte de la muestra, siendo mayormente el investigador el que decide cuáles forman
parte de la muestra y cuáles no. Por tanto, se desconoce la probabilidad de que
cualquier unidad o miembro de la población sea elegido.
5
En la etapa exploratoria son más importantes las ideas y conocimientos, más que la objetividad científica (Weiers,
1986).
78 José Loaiza Torres CAPITULO 3: Muestreo No probabilístico
Ventajas:
Limitaciones:
Ventajas:
Es económico
Es conveniente y rápido
Se utilizan con frecuencia en los proyectos de investigación de mercados, cuando
la población es pequeña y se tiene conocimiento, experiencia y juicio de quienes
se seleccionan las unidades son adecuadas.
Limitaciones:
Weiers (1986) esta técnica es un sistema de gran uso que trata, por lo menos, de
garantizar sistemáticamente que la muestra se parezca un poco a la población.
El muestreo por cuotas puede considerarse un muestreo por juicio limitado en dos
etapas: La primera etapa consiste en el desarrollo de categorías de control, fijándose
cuotas que aseguran una composición en la muestra igual a la de la población respecto
a las características de interés. La categorización usada puede ser Unidimensional
(edades), bidimensional (estado civil y edades) o tridimensional (estado civil, edades
y escolaridad). La segunda etapa, se seleccionan los elementos de la muestra con
base en la conveniencia o el juicio.
82 José Loaiza Torres CAPITULO 3: Muestreo No probabilístico
Una vez que se asignan las cuotas existe amplia libertad en la selección de los
elementos que deberán incluirse en la muestra, lo cual indica que la selección no es
aleatoria o probabilística. De lo que se trata de hacer en la etapa de recolección de
datos es cumplir con la cantidad de cada cuota de la variable seleccionada.
Un ejemplo más concreto, suponga que se está muestreando a 150 personas para
conocer su opinión respecto a la durabilidad de un electrodoméstico de música que es
usado tanto por hombres como por mujeres, se sabe que en la Ciudad que compone
la población meta existen, 50.000 hombres y 60.000 mujeres. Por tanto, para
seleccionar un muestreo por cuota se procedería de la siguiente manera:
Ventajas:
Limitaciones
Ventajas:
Limitaciones:
Para finalizar este capítulo, podemos precisar algunos aspectos que ayudarán a decidir
cuándo se debería utilizar el muestreo no probabilístico.
5. ¿Por qué cree que las muestras no probabilísticas son tan populares en la
investigación de mercados?
Consumo SI Consumo NO
Soltero 1.400 1200
Casado 1.300 1100
Divorciado 1.100 1000
Concubino 1.000 900
Viudo 600 400
TOTAL 5.400 4600
a) ¿Qué variables recomendaría como base de las cuotas y por qué? Enumere esas
variables.
b) Durante cinco años, el propietario ha llevado un registro completo de las
características demográficas de sus clientes y decide que sería pertinente para
identificar los elementos de muestra que se usarán.
CAPITULO 3: Muestreo No probabilístico José Loaiza Torres 89
Indique, con base en estas tres variables de cuota, las características de una
muestra de 200 sujetos.
CAPÍTULO 4
MUESTREO ALEATORIO
SIMPLE
PARA VARIABLES
CUANTITATIVAS Y
CUALITATIVAS
4.1.- Concepto
4.2.- Procedimiento para la selección de una muestra aleatoria simple
4.3.- Ventajas y limitaciones del muestreo aleatorio simple
4.4.- Muestreo para variables cuantitativas: La distribución muestral de una media-
Definición y notación
4.5.- Propiedades de las estimaciones (el teorema central del límite)
4.6.- Estimaciones e Intervalos de confianza
4.6.1.- Para medias
4.6.2.- Para totales
4.7.- Muestreo para variables cualitativas-proporciones
4.7.1.- Concepto – Características
4.7.2.- Notación
4.7.3.- Estimadores de una proporción
4.7.4.- Intervalos de confianza
4.8.- Otras consideraciones
4.9.- Criterios para aplicar el muestreo aleatorio simple
4.10.- Preguntas y problemas
92 José Loaiza Torres CAPITULO 4: Muestreo Aleatorio simple
CAPITULO 4: Muestreo Aleatorio simple José Loaiza Torres 93
MAPA CONCEPTUAL
MUESTREO PROBABILÍSTICO
Deducir
1.- Características
conceptuales del muestreo
aleatorio simple: Variables o 4.- Método de la tabla
2.- Método del 3.- Método del alfiler
atributos de números aleatorios
sorteo
Relacionar
1-2-3-4
Deducir
Aplicar
CAPÍTULO 4
4.1.- Concepto
Una variable cuantitativa, se refiere a una característica numérica que puede tomar
distintos valores cuando se observan distintos objetos, por ejemplo, cantidad de
gaseosas consumidas, edad, ingreso, etc.
1.- Seleccionar el marco muestral adecuado. Lo cual significa tener un marco muestral
ideal, es decir un listado completo de las unidades de la población meta.
3.- Seleccionar las unidades hasta completar la muestra. Para esto existen métodos
desde el más rudimentario hasta el más sofisticado.
En cuanto a los métodos de selección, estudiaremos los más utilizados que son dos,
el método del sorteo y el método de la tabla de los números aleatorios, que a
continuación se explican:
CAPITULO 4: Muestreo Aleatorio simple José Loaiza Torres 97
Este método consiste en escribir primero el número que identifica a cada unidad de la
población en una papeleta y depositar en una caja todos los papeles. Después que se
han mezclado bien se realiza la primera selección. Este proceso se repite hasta
completar el tamaño de la muestra. Es decir, es como jugar a la suerte sin blanca en
los juegos de azar.
Para comprender mejor los dos métodos presentados, hemos extractado un ejemplo
de Masón y Lind (1995) que se describe a continuación.
Utilizando la tabla de números aleatorios, en este caso para definir una muestra
aleatoria sería emplear el número de identificación de cada empleado y luego aplicar
la tabla de números aleatorios. Como su nombre lo indica, estos números han sido
generados por un proceso aleatorio (en este caso, con una computadora). Para cada
98 José Loaiza Torres CAPITULO 4: Muestreo Aleatorio simple
Figura 4.1: Síntesis del procedimiento con que se escoge una muestra
aleatoria simple empleando una tabla de números aleatorios.
SI Fin
También es posible utilizar una calculadora científica o una hoja de Excel y generar
los números aleatorios con el número de dígitos N y directamente seleccionar los que
se generan hasta completar la muestra.
100 José Loaiza Torres CAPITULO 4: Muestreo Aleatorio simple
Ventajas:
- Se comprende con facilidad.
- Los resultados de la muestra, pueden proyectarse o generalizarse a la población
meta.
- La mayor parte de los planteamientos para la inferencia estadística suponen que
los datos se recopilaron mediante el muestreo aleatorio simple (Malhotra, 2008).
- Cuando se cuenta con marco muestral ideal, es posible obtener una muestra
representativa.
Limitaciones:
- Es difícil con frecuencia construir un marco muestral ideal, o sea un listado
completo de las unidades de la población meta, que permita seleccionar una
muestra aleatoria simple.
- El muestreo aleatorio simple puede dar como resultado muestras muy extensas o
que están diseminadas en áreas geográficas, incrementando así el costo y el
tiempo de la recopilación de datos (Malhotra, 2004).
- El muestreo aleatorio simple puede dar como resultado menor representatividad
en la muestra de la población; por lo tanto menos precisión, si es que las unidades
de la población están ordenadas de acuerdo a su magnitud. Por ejemplo, si
estamos estimando el monto de facturación promedio mensual de empresas y se
tiene una población ordenada de empresas según su tamaño, en grandes,
medianas y pequeñas, con el muestreo aleatorio, es posible que salgan más
empresas grandes y por tanto los resultados no serán representativos de la
población. En tales casos, se puede optar por el muestreo sistemático, tema que
se abordará más adelante.
CAPITULO 4: Muestreo Aleatorio simple José Loaiza Torres 101
Una variable cuantitativa discreta, es aquella variable que puede tomar valores
específicos y enteros. Generalmente en la práctica estas variables son resultado de un
conteo. Por ejemplo el número de alumnos por semestre en una universidad, número
de artículos defectuosos producidos en un periodo en una fábrica.
Una variable cuantitativa continua, es aquella variable que toma valores en una escala
continua, que pueden ser números enteros pero que son susceptibles de ser
fraccionados. Generalmente representa datos medidos es decir, es el resultado de una
medición. Ejemplo de esto tenemos, la temperatura en una región, las estaturas, el
gasto en un producto.
Es importante definir la notación que servirá como base para realizar la interpretación
de datos y para el cálculo del tamaño de la muestra aleatoria, tal como se muestra en
el siguiente cuadro:
102 José Loaiza Torres CAPITULO 4: Muestreo Aleatorio simple
POBLACIÓN MUESTRA
TOTAL: TOTAL:
N n
(X) = X
i 0
i X1 X 2 ........ X N . (x)= x
i 0
i x 1 x 2 ........ x n
Media(µ): Media(X):
N ( x )=
Xi X X 2 X 3 ........... X N
N
µ= i 0
1 Xi X1 X 2 X 3 ........... X N
N N i 0
µ= media aritmética de la población n n
R=
Y
Y Fracción muestral (f)
X X n
f
R= razón de dos variables N
La distribución muestral de una media, tiene como base al muestreo aleatorio simple.
Si tomamos varias muestras de una población, las estadísticas que calcularíamos para
cada muestra no necesariamente serían iguales, y lo más probable es que variarán de
una muestra a otra.
Podemos considerar todas las muestras posibles de tamaño n que pueden extraerse
de la población, y para cada muestra computar el estadístico. De esta manera
obtenemos la distribución del estadístico, que es su distribución muestral (Murray y
Spiegel, 1998)
Para Levin y Rubin (1996) “una distribución de muestreo de medias es una distribución
de probabilidad de todas las medias posibles de las muestras”
CAPITULO 4: Muestreo Aleatorio simple José Loaiza Torres 103
Cochran (1995) dice que la precisión de cualquier estimación basada en una muestra,
depende del método por el cual se calcula la estimación a partir de los datos de la
muestra y del plan de muestreo.
Al estudiar cualquier fórmula que se presenta, el lector debe asegurarse que conoce
el método específico de muestreo y el método de estimación para el cual se ha
establecido la fórmula.
Teorema:
Por definición:
Ex =
x
(X 1 X 2 ..... Xn) (1)
Cn n[N!/n! (N - n )!
N
En donde la suma se extiende sobre todas las NCn muestra. Para evaluar esta suma,
buscamos en cuantas muestras aparece un valor específico cualquier, Xi. Como están
disponibles otras (N-1) unidades para el resto de la muestra y otros (n-1) lugares para
completar la muestra el número de muestras que contienen Xi, es
(N - 1)!
N-1 C n-1 = (2)
(n - 1)! (N - n)!
De donde:
(N - 1)!
(X 1 X 2 .... Xn)
(n - 1)!(N - n)!
(X1 X 2 ..... Xn) (3)
(X1 X 2 .......... X N )
= =μ
N
Por tanto:
E x = μ es un estimador insesgado
CAPITULO 4: Muestreo Aleatorio simple José Loaiza Torres 105
X̂ =N x es insesgado
µx= µ
σ
σx
n
b) Si el muestreo es sin reemplazo y/o la f = n/N > 0,05 el error muestral es:
σ N-n
σx
n N -1
106 José Loaiza Torres CAPITULO 4: Muestreo Aleatorio simple
Ejemplo de demostración
Se tiene los siguientes valores referidos al consumo por mes de gas licuado de garrafas
de 10 kilos cada una, de una población de 5 familias: 2, 4, 6, 8, 10. Demostrar que µ
N! 5!
N Cn= = 10 Muestras posibles que se distribuyen
n! (N - n)! 2!(5 - 2)!
en el cuadro 4.1
=
de las medias de cada muestra 60 6 por formula (1)
Número de muestras posibles 10
Media de la población ( μ )
=
de todos los valores de la población 2 4 6 8 10 30 6
Número total de datos población 5 5
O sea
X̂ = N x
30= 5(6)
30= 30 igualmente queda demostrado
σ 2
(X - μ) 2
) (1)
N
Varianza de la muestra, caso general:
S 2
(X - X) 2
) (2)
n 1 Corrección por finitud
n
Fracción de muestreo (f) = *100
N
También se puede determinar la varianza de la distribución de muestreo con la
siguiente fórmula, para efectos de demostración:
σ2x
(X - μx)2 (4)
nº de muestras
40
σ 2,828 es la desviación estándar poblacional
5
σ2x
σ2 N n
σ2x
(X - μx)2
n N 1 nº de muestras
8 5-2 30
σ2x σ2x 3
2 5 -1 10
Como f=2/5=0,4>0,05,
se aplica la corrección
por finitud
σx
σ N- n
(5) σ x
(X - μx ) 2
(6)
n N -1 nº de muestras
Reemplazando:
2,828 5-2 30
σx σ x
2 5 -1 10
Son iguales
σx =1,73 σx = 1,73
110 José Loaiza Torres CAPITULO 4: Muestreo Aleatorio simple
Se trata de graficar las medias muestrales en el eje de las “X” y la frecuencia en el eje
de las “Y” del ejemplo anterior, considerando el muestreo sin reemplazo:
Graficando se tiene
3 4 5 6 7 8 9
Media
Con lo cual también queda demostrado el punto 3 del teorema central del límite.
CAPITULO 4: Muestreo Aleatorio simple José Loaiza Torres 111
Los intervalos de confianza, se elaboran con la finalidad de estimar entre qué valores
se encuentra un parámetro poblacional. En ese sentido se pueden construir intervalos
de confianza para promedios, totales, proporciones, razones, etc.
En este capítulo sólo se repasará los intervalos de confianza para medias y totales
NX N Z σ X
Con el signo negativo, se obtiene el límite inferior del intervalo
112 José Loaiza Torres CAPITULO 4: Muestreo Aleatorio simple
El muestreo para proporciones también se llama muestreo para atributos, dado que
se trabaja con variables cualitativas como el estado civil, marcas de productos, color
de empaque, etc.
Lo mismo que para el caso de muestreo aleatorio para variables cuantitativas, para el
caso de estudio de una porción o porcentaje, una distribución de muestreo de
porciones es una distribución de probabilidad de todos los porcentajes posibles de las
muestras. Por lo tanto, en este apartado ya no se realizará la demostración del
teorema central del límite para proporciones, simplemente se utilizará las fórmulas
correspondientes.
Muchos resultados que se publican derivados de censos, encuestas son de esta forma,
por ejemplo, número de personas sin empleo, el porcentaje de población originaria de
un lugar, el porcentaje de edad que tienen 60 o más años cumplidos. Es decir, este
muestreo tiene que ver con datos cualitativos o categóricos.
CAPITULO 4: Muestreo Aleatorio simple José Loaiza Torres 113
Ahora bien, suponga que existen 500 personas como población total, entonces el
número estimado de personas sin empleo es igual a 0,09 x 500 = 45 personas
estimativamente.
4.7.2.- Notación
P+q=1
Total = N* Ps
Para esto se aplica por analogía el teorema central del límite del muestreo aleatorio
simple, de lo cual resulta.
De la población De la muestra
σ 2 p NPQ S2 p np s q s
CAPITULO 4: Muestreo Aleatorio simple José Loaiza Torres 115
De la población De la muestra
PQ PQ N - n
σ2 p S2 p Si f = n/N > 0,05
N n -1 N -1
PQ N-n
Sp si no se conoce P y Q entonces se puede trabajar con Ps qs
n -1 N -1
respectivamente, y por tanto el error estándar sería estimado.
NPs ZN Sp
Con el signo negativo, se obtiene el límite inferior del intervalo.
momento es de 1 .
N i
una cualquiera de sus n-uplas, tantas veces como permutaciones en el orden de sus
elementos sea posible, es decir:
1 1 1 1 1
x x......x x n
N N N N VR N ,n
P(M) = 1/Nn
118 José Loaiza Torres CAPITULO 4: Muestreo Aleatorio simple
n n1 ......nk
e1 ,..........e1 , e1 ,..........e2 ......., ek ,......., ek
n1 n2 nk
es
Es decir,
1 1
x k! x n1! x........ x nk!
Nn CRnN1 ,n2 ,........nk
t .N t.600
1 k 1
10 100.000
pueden ser consideradas como observaciones de una v.a. U, que sigue una
distribución uniforme en el intervalo [0,1]
U U (0,1)
120 José Loaiza Torres CAPITULO 4: Muestreo Aleatorio simple
A manera de conclusión, damos algunos criterios para saber cuándo se debe aplicar
el muestreo aleatorio simple, dependiendo de los factores ya mencionados
anteriormente:
Los objetivos de la investigación
El marco muestral
La población
Las características de los elementos de la población
6.- Se está muestreando las familias de una pequeña ciudad con el fin de estimar el
total de los depósitos en cuenta de ahorro y se dice que hay 10.000 familias. Una
muestra aleatoria simple de 1.000 familias indica un valor total de los depósitos de
900.000 $us, su varianza es de 324 $us.
a) Estimar el total de depósitos de ahorro en la población.
b) Calcular el error estándar de la media.
c) Hallar los límites de confianza a nivel del 95% para el total estimado.
CAPITULO 4: Muestreo Aleatorio simple José Loaiza Torres 123
7.- En una muestra de 568 academias con cursos de 2 años a nivel técnico medio se
sacó una muestra aleatoria simple de 100 (54 instalaciones públicas y 46
privadas). Los datos para el número de estudiantes (X1) y el número de
profesores (X2) se muestran a continuación.
8.- Dos dentistas A y B, hicieron una encuesta para investigar el estado de los dientes
de 200 niños en una colonia. El Dr. A seleccionó una muestra aleatoria simple de
20 niños y contó el número de dientes cariados de cada niño, con los siguientes
resultados.
Cuadro 4.7: Número de caries por niño
Nº de dientes Nº de
cariados / niño niños
0 8
1 4
2 2
3 2
4 1
5 1
6 0
7 0
8 0
9 1
10 1
Fuente: Willan Cochran (1995)
124 José Loaiza Torres CAPITULO 4: Muestreo Aleatorio simple
El Dr. B, usando las mismas técnicas dentales examinó a los 200 niños y solo registró
aquellos que no tenían los dientes cariados. Encontró que 60 niños no tenían dientes
dañados.
Muestreo probabilístico
Deducir a
Relacionar Medidas
Tamaño de la muestra
Técnica de muestreo de dispersión
Analizar
5.-Varianza,
3.- Error de 4.- Parámetro Relación Probabilidad
1.- Tamaño y 2.- Nivel de de éxito
características de la confianza estimación pertinente
población
¿Para medias o Métodos de
proporciones? estimación
Relación
1-2-3-4-5
Deducir
Deducir
Relacionar
Fórmula procedimiento
Calcular
Tamaño de muestra
Aplicar
PROBLEMAS ESPECÍFICOS
DE INVESTIGACIÓN POR
MUESTREO
CAPÍTULO 5
5.1- Introducción
La teoría indica que tendremos algo de error de muestreo debido a que no hemos
estudiado a la población completa. Siempre que tomamos una muestra, perdemos
algo de información útil con respecto a la población. Si queremos tener un alto nivel
de precisión (esto es, si deseamos estar bastante seguros de nuestra estimación),
tenemos que tomar una muestra suficiente de la población para asegurarnos la
obtención de la información requerida. El error de muestreo se puede controlar si
130 José Loaiza Torres CAPITULO 5: Estimación del tamaño de la muestra
2.- Se debe encontrar una ecuación que relacione n con la precisión deseada de la
muestra.
La ecuación variará según el contenido del enunciado de precisión y el tipo de
muestreo propuesto. Una de las ventajas del muestreo probabilístico es que permite
la elaboración de esta ecuación.
4.- Con frecuencia sucede que los datos estipulan para ciertas subdivisiones mayores
de la población.
En estos casos los límites de error deseados se establecen para un cálculo separado
para el valor n en cada subdivisión y el n total se encuentra por adición.
6.- Debe apreciarse el valor elegido de n, para que sea consistente con los recursos
de muestreo disponibles.
Esto exige una estimación del costo, trabajo, tiempo y materiales que se necesitan
para obtener la muestra del tamaño propuesto. En ocasiones es claro que n debe
reducirse drásticamente, y entonces es necesario tomar una decisión difícil, que es la
de proceder con una muestra mucho más pequeña, lo que reduce la precisión o bien,
abandonar los esfuerzos hasta contar con mayores recursos.
Si la estimación es el promedio(o
medias), el error se expresa en las
mismas unidades de la variable.
ESTABLECER EL NIVEL DE
ERROR ASUMIDO DE
Si la estimación es una proporción,
ESTIMACIÓN
el error se expresa en porcentaje.
Muestreo piloto
- SI ES PARA MEDIAS
ESTIMAR LA Conocimiento de la población por
VARIANZA σ2 A estudios anteriores
PARTIR DE S 2
DETERMINAR A CUANTO
ASCIENDE EL TAMAÑO DE Depende de si la: Población es finita
LA MUESTRA, n
Población es infinita
CAPITULO 5: Estimación del tamaño de la muestra José Loaiza Torres 133
Tercer paso: Estimar el nivel de confianza, siendo la probabilidad con que se estima
el intervalo de confianza, el nivel de confianza ha de permitir el cálculo del valor
estandarizado Z, el nivel de confianza generalmente varía entre 90% y 99% y
mayormente se elige el 95% para este valor Z es igual a 1,96
A continuación de desarrolla los pasos que aún no han sido abordados en detalle en
el presente libro.
En ocasiones, es difícil saber qué tanto error debería tolerarse, particularmente cuando
los resultados se destinan a varios fines.
σ Error de estimación, e
Xz
n
136 José Loaiza Torres CAPITULO 5: Estimación del tamaño de la muestra
0
Valor estandarizado (Z)
Por tanto, cuando se trata de variables cuantitativas a estimar, la suma del nivel de
confianza y el error de estimación no darán de ninguna manera 100%. Dado que el
nivel de confianza se expresará en porcentajes pero e que es el error estándar de
estimación se expresará en unidades de la variable.
Finalmente, se puede afirmar que el error muestral permitido, e tiene una relación
inversa con el tamaño de la muestra, cuanto mayor sea el error menor será el tamaño
de la muestra requerida, dado que se exige menor precisión. Esto se explica porque
a medida que el error crece en su tamaño, se requiere menor tamaño de muestra,
debido a que el ancho del intervalo será mayor y consecuentemente habrá mayores
probabilidades de que el parámetro que se esté estimando caiga dentro del intervalo
respectivo con una muestra relativamente pequeña y viceversa. Además de que el
valor de e en las fórmulas del cálculo de la muestra se encuentra en el denominador,
y por relación lógica matemática la relación es inversa.
Asumiendo además que mientras más grande sea la población, es decir mayor a 30
se utiliza la distribución normal Z estándar.
Nivel de confianza
0
Valor estandarizado (Z)
Ahora bien, el intervalo de confianza está dado por los valores del límite inferior y
límite superior.
Al respecto Cochran (1995) dice que hay cuatro caminos para estimar las varianzas
de población en determinaciones de tamaño de muestra:
1. Al tomar la muestra en dos pasos, siendo el primero una muestra aleatoria simple
de n.
2. Por los resultados de una encuesta piloto. Este método es el más utilizado en las
investigaciones de mercado, dada la poca información especializada disponible.
3. Por muestreo previo de la misma población o una semejante. Lo que significa
recurrir a datos secundarios de estudios pasados, en este caso hay que tener en
cuenta la actualidad de los datos.
140 José Loaiza Torres CAPITULO 5: Estimación del tamaño de la muestra
x -μ
Z Nótese que z representa el número de desviaciones estándar a que se
σ
encuentra x de μ
142 José Loaiza Torres CAPITULO 5: Estimación del tamaño de la muestra
Las tablas de probabilidad normal se emplean con dos propósitos. 1) encontrar las
probabilidades de los valores conocidos de x ó z y 2) encontrar los valores de x ó z
que corresponden a las probabilidades conocidas. Para mayor detalle se sugiere
revise libros de estadística inferencial.
El intervalo de 95% es el que suele emplearse en la determinación del tamaño de
la muestra y para esa probabilidad Z= + 1,96 ver apéndice 1 tabla z.
N-n
N -1
CAPITULO 5: Estimación del tamaño de la muestra José Loaiza Torres 143
σ N-n
σx
n N -1
x -μ
Z
σ/ n
σ
Xz
n
144 José Loaiza Torres CAPITULO 5: Estimación del tamaño de la muestra
√n e=Z2 σ2
Z 2 σ2
√n =
e
Elevando al cuadrado cada miembro de la ecuación se tiene:
2
Z 2 σ2 2
( √n ) = ( )
e
Z2σ 2
n
e2
Donde:
n = Tamaño de la muestra
Z = Valor estandarizado de la variable, bajo la curva normal, dado un nivel de
confianza asumido por el investigador.
e = Error de estimación asumido o estimado en base a la muestra piloto. Debe
expresarse en las mismas unidades de la variable y la desviación estándar. Una
CAPITULO 5: Estimación del tamaño de la muestra José Loaiza Torres 145
Podemos decir que, para determinar el tamaño de la muestra, se debe conocer tres
elementos de manera anticipada: El nivel de confianza, z (tiene una relación directa
con n), el error muestral permitido, e (tiene relación inversa con el tamaño de la
muestra n), la desviación estándar, σ (tiene relación directa con el tamaño de la
muestra n).
Ejemplo:
Solución:
Datos
α = 95%
Z = 1,96 (dado un nivel de confianza del 95%)
S = 40 Bolivianos/mes σ = 40
e + 5 Bolivianos/mes
146 José Loaiza Torres CAPITULO 5: Estimación del tamaño de la muestra
(1,96) 2 (40) 2
n 245,86 246 familias a muestrear
(5) 2
45
900 1,96 900 + 5,62
246
Una población finita es aquella que tiene un tamaño limitado, conocido o determinado.
σ N-n
σx
n N -1
CAPITULO 5: Estimación del tamaño de la muestra José Loaiza Torres 147
σ N-n
̅
X ± Z √
√n N-1 Error de estimación ( e )
Entonces e, es igual a:
σ N-n
e
n N -1
σ
N−1 2
(e)2 =( z √ )
√n N − n
2
σ2 N − n
2
e =z
n N−1
n(N − 1)e2 =z 2 σ2 (N − n)
148 José Loaiza Torres CAPITULO 5: Estimación del tamaño de la muestra
Re expresamos:
e2 nN - e2 n =z 2 σ2 N − z 2 σ2 n
e2 nN - e2 n + z 2 σ2 n=z 2 σ2 N
Factorizamos n
n( e2 N - e2 + z 2 σ2 )=z 2 σ2 N
z 2 σ2 N
n= 2
e (N - 1) + z 2 σ2
Donde:
n = Tamaño de muestra
N = Tamaño de la población
σ2 = Varianza poblacional
e = Cuota de error
Z = Unidades estándar bajo la curva normal (dado un nivel de confianza)
Ejemplo:
el consumo promedio por mes del mencionado producto; la encuesta está dirigida a
personas de 16 a 60 años de edad. Para tal efecto se cuenta con una población de
90.000 personas, una vez establecida la población meta desea conocer cuál será el
tamaño de la muestra que necesita para la aplicación de su encuesta. Para ello cuenta
con los siguientes datos adicionales, la varianza poblacional es igual a 64 litros / mes,
la cuota de error asumida es de 1,5 litros / mes, y el nivel de confianza deseado del
95%.
Solución:
Datos
N = 90.000 Personas
σ2 = 64 litros / mes
e = 1,5 litros / mes
Z = 1,96
Reemplazando se tiene:
Se toma esta decisión cuando los parámetros a ser estimados son proporciones, y
provienen de datos cualitativos. Pueden presentarse dos situaciones: En poblaciones
infinitas y en poblaciones finitas.
E(p)=P ó Ps P̂
P ( 1 - P) N n
σp
n N -1
P (1 - P)
Ps Z
n
Se recordará, de la distribución muestral de proporciones que el valor estandarizado
es:
Ps - P
Z
P(1 - P)
n
Se tiene:
P(1 - P)
Ps - P Z
n
P(1 - P)
e Z
n
Z 2 P(1 - P)
n
e2
Donde:
n = Tamaño de muestra.
P = Probabilidad de éxito o de ocurrencia del evento, que en investigación de las
ciencias empresariales, generalmente es el porcentaje de estimación de alguna
característica poblacional.
e = Cuota de error, o error de estimación, en este caso expresado en porcentaje.
Z = Unidades estándar bajo la curva normal (dado un nivel de confianza)
152 José Loaiza Torres CAPITULO 5: Estimación del tamaño de la muestra
Ejemplo:
Suponga que el actual presidente del País desea estimar la proporción de la población
que apoya su política actual. El presidente desea que la estimación esté dentro del
0,04 de la proporción verdadera. Considere que se usa un nivel de confianza de 0,95.
El ministro de estado estimó que en un estudio anterior la proporción que apoya la
política actual es de 0,60.
a) ¿Qué tan grande debe ser la muestra?
b) ¿Cuán grande debería ser la muestra si no se contara con la estimación del
secretario de Estado?
Solución:
Datos
e =0,04
Z = 1,96 (dado el nivel de confianza del 0,95)
P = 0,60
Reemplazando se tiene:
Vale la pena señalar que, cuando se asume un valor de p =0,50 (valor conservador)
entonces el tamaño de muestra resultará siempre lo más grande posible, dado que
ninguna otra combinación del producto de la probabilidad de éxito (p) y la probabilidad
de fracaso (q) daría mayor a 0,25 (0,50 x 0,50). Está claro, que se está tomando una
varianza amplia y como se sabe hay una relación directa entre la varianza y el tamaño
de la muestra, lo que significa que al tomar una varianza grande como límite de 0,25
dará como resultado un tamaño de muestra mayor.
El intervalo es:
P (1 - P) N n P(1 - P) N-n
Ps Z de ahí que e Z
n N 1 n N -1
Z2 N P Q
n= 2
e (N-1)+Z 2 P Q
Donde:
n = Tamaño de muestra
N = Tamaño de la población
P = Probabilidad de éxito o de ocurrencia del evento, generalmente es el porcentaje
de estimación de alguna característica poblacional.
154 José Loaiza Torres CAPITULO 5: Estimación del tamaño de la muestra
Ejemplo:
Solución:
Datos
N = 8.000
Z = 1,96
e = 0,06
Para estimar “P” se utiliza Ps = a/n donde “a” es el número de personas que
respondieron TAL VEZ y NO y “n” es el número de personas entrevistadas de manera
que:
Reemplazando en la fórmula:
(1,96)2 (8.000)(0,60)(0,40)
n=
(0,06)2 (8.000-1)+(1,96)2 (0,60) (0,40)
Otro método para encontrar “n” puede hacerse calculando un promedio de las “n”
de cada característica calculada.
Cochran (1995) indica que se planea a menudo para presentar estimaciones no sólo
de la población como un todo, sino también para ciertas subdivisiones. Si éstas pueden
identificarse por adelantado, como es el caso de las regiones geográficas se hace un
cálculo separado de n para cada región. Supóngase que la media de cada subdivisión
se debe estimar con una varianza específica V. Para la i-ésima subdivisión, tenemos
ni = Si2/V, por lo tanto, el tamaño de la muestra total n = Si2/V. Las Si2
individuales serán en promedio más pequeñas que S2, la varianza de la población,
pero a menudo sólo un poco más pequeñas. De modo que si existen k subdivisiones,
n = kS2/V, en tanto que si sólo se desea obtener la estimación para la población
como un todo, se toma n = S2/V.
nN
n*
N n -1
CAPITULO 5: Estimación del tamaño de la muestra José Loaiza Torres 157
Ejemplo:
En una población de 500 clientes, se obtiene una muestra de 150 para estudiar el
grado de satisfacción o insatisfacción. En este caso debe realizarse el ajuste de la
muestra, dado que la fracción muestral es (f= 150/500 = 0,30) mayor a 0,10;
consecuentemente el resultado será:
nN
n*
N n -1
Con la fórmula anterior nos da el total de contactos necesarios para lograr el objetivo
de unidades que contengan el parámetro o característica poblacional.
Ejemplo:
Supóngase de que se ha calculado con la fórmula del muestreo aleatorio simple para
estimar una proporción el tamaño de la muestra en 165 unidades, al mismo tiempo
se conoce6 que el 90%de la población no está calificada para responder las encuestas
que se van a realizar, y del total de unidades que sí pueden responder, solo terminan
en forma exitosa el 80% debido a la complejidad de las preguntas que se formulan.
Por tanto el tamaño de la muestra inicial sería:
Lo anterior significa que debe hacerse 220 contactos para lograr 165 entrevistas que
tengan las características deseadas y terminen en forma exitosa la entrevista
respectiva.
Ahora bien; los dos problemas principales de falta de respuesta en el muestreo, son
el mejoramiento de los índices de respuesta y el ajuste para la falta de respuesta que
sintéticamente abordamos a continuación:
6 Tanto el índice de incidencia como el índice de terminación, es posible estimar mediante una
muestra piloto utilizando una técnica de muestreo no probabilística.
CAPITULO 5: Estimación del tamaño de la muestra José Loaiza Torres 159
- Sustitución.- Se sustituye a las personas que no contestan por otros elementos del
marco de la muestra que se espera si contesten.
- Análisis de las tendencias.- El investigador trata de deducir una tendencia entre los
entrevistados iniciales y posteriores. Esta tendencia se proyecta a las personas que
no respondieron a fin de estimar su característica de interés.
Datos
α = 95%
Z = 1,96 (dado un nivel de confianza del 95%)
S = 40 Bs/mes σ = 40 Varianza anticipada
e + 5 Bs/mes
(1,96)2 (40)2
n 245,86 246 familiasa muestrear
(5)2
(1,96)2 (45)2
n 311,17 311
(5)2
Se deberían haber muestreado 311 familias en lugar de 246 que se realizó con la
varianza anticipada, esto puede ocurrir dado que los métodos de estimación de la
varianza anticipada como se ha dicho responde a métodos no probabilísticos, por lo
que pueden no ser insesgados. En este caso, la muestra no está validada, se considera
que la información es insuficiente y se debe aumentar la cantidad de encuestas hasta
llegar a 311 unidades.
Caso opuesto sería que el tamaño de muestra resulte ser menor, es decir, que se haya
desperdiciado recursos, por haber estimado un tamaño de muestra mayor. En tales
casos, se sugiere mantener la cantidad de unidades recogidas.
162 José Loaiza Torres CAPITULO 5: Estimación del tamaño de la muestra
Dado el nivel de confianza, como esa probabilidad que se asume en la estimación del
parámetro poblacional; se debe establecer el intervalo de confianza, para analizar la
amplitud y poder emitir un juicio de valor, es decir si se seleccionó un nivel de
confianza elevado, dará como consecuencia un intervalo de confianza amplio y
viceversa. La relación entre el nivel y el intervalo de confianza es directa.
El error de estimación tal como se mencionó, tiene una relación inversa con el tamaño
de muestra y a la vez influye en el intervalo de confianza de manera directa ya que si
se asume un error de estimación elevado dará como consecuencia un intervalo de
confianza amplio y viceversa.
Figura 5.5: Árbol práctico para elegir la fórmula del tamaño de muestra
Z2σ 2
Muestreo Población
Infinita
n
aleatorio e2
simple Z2 2 N
Población Finita n
e 2 ( N 1) Z 2 2
Medias Utiliza la fórmula del
Sistemático Población finita Muestreo aleatorio simple
z 2 N Wh σ h
2
estratificado n
Población Finita e 2 (N 1) Z 2 Wh σ h
2
Parámetro
pertinente Por conglomerados Utiliza la fórmula del
Población Finita Muestreo aleatorio simple
Proporciones
Sistemático Población Finita Utiliza la fórmula del
Muestreo aleatorio simple
1
n 2
h.h.Qh
estratificado Población Finita e
.
Z
Utiliza la fórmula del
Por conglomerados Población Finita Muestreo aleatorio simple
Como se observa el gráfico anterior, son seis las fórmulas del muestreo probabilístico,
aunque hay algo de ocho técnicas de muestreo dependiendo del parámetro a estimar.
Lo que quiere decir que el muestreo por conglomerados y el muestreo sistemático no
poseen fórmula propia para calcular el tamaño de muestra, más bien se apoyan
generalmente en las fórmulas del muestreo aleatorio simple.
MUESTREO
SISTEMÁTICO
MUESTREO
POR
CONGLOMERADOS
ALEATORIO
SIMPLE
MUESTREO
ESTRATIFICADO
Relación entre:
Para entender la relación que hay entre los componentes de la fórmula del tamaño
de la muestra en poblaciones finitas, a continuación se muestra en dos cuadros
hipotéticos como ejemplo de cálculo, primero para el caso de proporciones, luego
para el caso de medias.
166 José Loaiza Torres CAPITULO 5: Estimación del tamaño de la muestra
N P (Probabilidad de éxito) e
(Tamaño de la (error
población) 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 muestral)
500 437 462 471 474 475 474 471 462 437 0,01
1.000 464 606 669 698 706 698 669 606 464 0,02
10.000 370 639 823 929 964 929 823 639 370 0,03
20.000 214 377 492 560 583 560 492 377 214 0,04
50.000 138 245 321 366 381 366 321 245 138 0,05
En este caso podemos observar por ejemplo, que para un tamaño de población N de
1.000 unidades, una probabilidad de éxito p 0,1 y un error e de 0,02 (2%) nos da un
tamaño de muestra n de 464 unidades muestrales. A medida que aumenta el tamaño
de e y de p el tamaño de muestra n disminuye, así tenemos que para un valor de N
1.000.000 una p de 0,8 y un e de 0,09 nos da un n de 76 unidades.
CAPITULO 5: Estimación del tamaño de la muestra José Loaiza Torres 167
500 217 377 483 494 497 498 499 500 500 0,1
50.000 1 1 1 4 9 15 35 96 381 10
200.000 1 1 1 1 2 4 9 24 96 20
500.000 1 1 1 1 1 1 1 4 15 50
1.000.000 1 1 1 1 1 1 1 1 4 100
10.000.000 1 1 1 1 1 1 1 1 1 500
Existe software que ayuda al cálculo del tamaño de la muestra, aunque a criterio del
autor, son todavía incompletos, algunos que se encuentran en el mercado se
mencionan a continuación:
Fuente: Posdem.com
CAPITULO 5: Estimación del tamaño de la muestra José Loaiza Torres 169
Fuente: ww.contactplus.com
6. Otros: MAS II, es un software que permite calcular el tamaño de la muestra para
estimar una media, además permite calcular un componente de la fórmula de n
conociendo los demás. STATA, software estadístico véase: <http://www.software-
shop.com/in.php?mod=ver_producto&prdID=392#fragment-1> (agosto2012).
CAPITULO 5: Estimación del tamaño de la muestra José Loaiza Torres 173
2. En estudios previos se determinó que 30% de los turistas que van a Punta Cana
a apostar durante un fin de semana, se gastaron más de 1.000 dólares. La
administración desea actualizar ese porcentaje.
a). Usando un grado de confianza de 0,90, la administración desea estimar el
porcentaje de turistas que gastan más de dólares 1.000 dentro de 1%. ¿Qué
tamaño de muestra debería emplearse?
b). La administración indicó que el tamaño de muestra que se sugirió en la parte
a es demasiado grande. Sugiera qué podría hacerse para reducir el tamaño
de muestra. Con base en su sugerencia, vuelva a calcular el tamaño de la
muestra.
5. Dada una población con una desviación estándar de 8,6, ¿qué tamaño de muestra
es necesario para estimar la media de la población dentro de ±0,5 con un nivel
de confianza de 99%?
174 José Loaiza Torres CAPITULO 5: Estimación del tamaño de la muestra
8. Tiger, una tienda local, vende bolsas de plástico para basura y ha recibido unas
cuantas quejas con respecto a la resistencia de tales bolsas. Parece ser que las
bolsas que se venden en la tienda son menos resistentes que las que vende su
competidor y, en consecuencia, se rompen más a menudo. John C. Tiger, gerente
encargado de adquisiciones, está interesado en determinar el peso máximo
promedio que puede resistir una de las bolsas para basura sin que se rompa. Si
la desviación estándar del peso límite que puede aguantar una bolsa es de 1,2
kg, determine el número de bolsas que deben ser probadas con el fin de que el
señor Tiger tenga una certeza de 95% de que el peso límite promedio está dentro
de 0,5 Kg del promedio real.
10. Ticks, una tienda local especializada en lámparas y relojes está interesada en
obtener una estimación de intervalo para el número medio de clientes que entran
a la tienda diariamente. Los dueños están razonablemente seguros de que la
desviación estándar real del número diario de clientes es 15. Ayude a Ticks a salir
de un bache, determinando el tamaño de muestra que deberá utilizar con el fin
de desarrollar un intervalo de confianza de 96% para el número medio real de
clientes, con un ancho de solamente ocho personas.
Con base en la información del estudio piloto y las condiciones del patrocinador,
¿cuántas familias deben ser entrevistadas?. Considere que existen 25.000 familias
y que el índice de incidencia es 0,95 y el de terminación de 0,80.
12. Se planea realizar una encuesta para determinar qué proporción de una fuerza
de trabajo tiene dos o más empleos. Se decide utilizar el coeficiente de confianza
de 0,95 y se determina que la proporción estimada debe estar entre más o menos
2% de la proporción poblacional. Un estudio piloto revela que 5 de los 50
trabajadores considerados tienen dos o más empleos. ¿Cuántos de los integrantes
de la fuerza laboral deben entrevistarse para cubrir los requisitos especificados?.
Si existen 5.000 trabajadores.
176 José Loaiza Torres CAPITULO 5: Estimación del tamaño de la muestra
a) ¿Qué tan grande debe ser la muestra que recomiende si se consideran por
separado cada una de las tres variables? Detalle todos sus cálculos.
b) ¿Qué tamaño de muestra recomendaría en general, dado que los directivos
sienten que los gastos de reparaciones son los más importantes y que el
número de limpiezas es el dato cuya exactitud reviste menos trascendencia?
c) La encuesta indicó que los gastos promedio de mantenimiento fueron de 30
dólares, con desviación estándar de 15 dólares. Calcule el intervalo de
confianza del parámetro poblacional, ¿Qué podría decirse acerca del grado
de precisión?
b) La encuesta indicó que la proporción que adoptó las medidas fue 40%. Estime
el intervalo de confianza de 90%. Comente el nivel de precisión y muestre sus
cálculos.
15. Un empresario quiere invertir su capital en una fábrica de lácteos para lo cual
requiere la investigación de mercado que sustente dicha decisión. Como la
población es demasiado grande consistente en 18.000 familias; sería muy costoso
estudiar a todas, por tanto se hace necesario seleccionar una muestra. No se
cuenta con el dato de la varianza y se procede a aplicar una muestra piloto para
conocer el valor de la misma; la pregunta que se realizó a 10 familias fue sobre
la cantidad de consumo de leche por mes expresado en litros/familia, los datos
resultantes fueron: 2, 1, 3, 8, 7, 4, 5, 1, 2, 6.
a) ¿Cuántas familias se tendrá que muestrear para obtener toda la información
necesaria? Si la estimación no debe tener un error de más de 0,25 litros del
promedio de la población, con un nivel de confianza del 95%.
b) Luego de obtener los datos se calculó la varianza muestral cuyo valor resultó
en 5,5 litros. ¿Qué podría decirse acerca del error muestral? ¿Es la muestra
válida?
178 José Loaiza Torres CAPITULO 5: Estimación del tamaño de la muestra
CAPÍTULO 6
MUESTREO ALEATORIO
ESTRATIFICADO
6.1.- Concepto
6.2.- Razones para la estratificación
6.3.- Notación
6.4.- Determinación del tamaño de muestra
6.4.1.- Asignación proporcional al tamaño del estrato:
6.4.2.- Asignación proporcional al tamaño de las varianzas
6.4.3.- Asignar en forma igualitaria y luego ponderar los resultados de la encuesta.
6.4.4.- Asignación óptima
6.5.- Propiedades de las estimaciones
6.6.- Límites de confianza
6.7.- Muestreo estratificado para proporciones
6.8.- Otros aspectos del muestreo estratificado
6.9.- Criterios para aplicar el muestreo aleatorio estratificado
6.10.- Preguntas y problemas
180 José Loaiza Torres CAPITULO 6: Muestreo aleatorio Estratificado
MAPA CONCEPTUAL
Muestreo probabilístico
Deducir
Relacionar
1-2-3-4
Deducir Deducir
Relacionar
5-6
Diseñar
LA SELECCIÓN DE UNA MUESTRA
ALEATORIA ESTRATIFICADA
CAPÍTULO 6
6.1.- Concepto
El punto crítico de este muestreo, es elegir las variables de estratificación que pueden
ser las siguientes:
- Edad
- Ingresos
- Sexo
- Estado civil
- Volumen de consumo
- Gastos
- Conocimiento de la marca
- Etc.
184 José Loaiza Torres CAPITULO 6: Muestreo aleatorio Estratificado
6.3.- Notación
h = Estrato correspondiente.
- La varianza estimada de cada estrato, para esto se pueden aplicar los mismos
métodos que se explicaron el capítulo anterior.
Según Cochran(1995)
2 2
Wh σ h
W
n 2 h
(1)
e 1
Wh σ h
2
2
Z N
Donde:
Wh = Nh/N
e = Error de estimación o nivel de precisión.
Z = Unidades estándar (dado un nivel de confianza)
N = Tamaño de la población total
σ 2 h = Varianza de cada estrato
- Si la población es finita.
z 2 N Wh σ h
2
n
e 2 (N 1) Z 2 Wh σ h
2 (2)
CAPITULO 6: Muestreo aleatorio Estratificado José Loaiza Torres 187
Donde:
n = Tamaño de la muestra.
Wh = Peso relativo del estrato h.
Wh = Nh/N.
σ2h = Varianza del estrato h.
Z = Margen de confiabilidad en la curva normal.
e = Error de estimación.
N = Población o universo.
(N-1) = Factor de corrección por finitud.
- Si la población es infinita.
W σ
2
n
h h
(3)
W σ
2
e2
h h
Z2 N
z 2 N( Wh σ h ) 2
n
e 2 (N 1) Z 2 Wh σ h
2
(4)
188 José Loaiza Torres CAPITULO 6: Muestreo aleatorio Estratificado
( Wh σ h )
2
n
W (5)
2 2
e2 σh
h
Z2 N
Ejemplo:
La comercializadora Márquez, en la semana santa del año 2017 desea diseñar una
muestra, para estimar el consumo medio de pescado en una Ciudad. Para tal efecto
se dispuso de la siguiente información:
N1= Clase de ingresos altos = 6.230 familias
N2= Clase de ingresos medios = 14.965
N3= Clase de ingresos bajos = 9.255
Con estos datos, ¿se podría decir que la muestra obtenida en el inciso a) es
representativa?,
10,93
n 2
(0,175) 1 =1.311,98 =1.312 familias se debe muestrear o
2
10,93
(1,96) 30.450 seleccionar
(1,96) 2 30.450(10,93)
n
(0,175) 2 (30.450 1) (1,96) 2 (10,93)
=1.312,02 = 1312 familias a
seleccionar
190 José Loaiza Torres CAPITULO 6: Muestreo aleatorio Estratificado
Esta forma toma el principio de que aquel estrato que es más grande también debe
participar con mayor cantidad de elementos en la muestra global; se calcula de la
siguiente manera:
Nh
nh n( )
N
Reemplazando:
6.230
Estrato 1 = nh 1312( ) = 268 Familias
30.450
De manera que, la suma de los nh debe ser iguala n en este caso sería
268+645+399=1312.
CAPITULO 6: Muestreo aleatorio Estratificado José Loaiza Torres 191
Aquí se toma en cuenta ya no el tamaño del estrato sino la variabilidad dentro de cada
estrato, es decir, aquel estrato que tiene mayor varianza debe participar con mayor
cantidad de elementos en la muestra, y de esta manera garantizar la
representatividad. Se calcula de la siguiente manera:
2
σh
nh n( )
σ
Donde:
Reemplazando en el ejemplo:
8,25
nh 1.312( )
Estrato 1 = 32,85 329 familias
nh = n/ Nº de estratos
En esta variedad, podemos obtener el error muestral más pequeño posible aplicando
la fórmula de la asignación óptima del tamaño de la muestra total Weiers(1986):
nN A σ A
nA
(N A σ A N B σ B ........................)
Donde:
1312(6.230x2,87)
Estrato 1: n A =234,92=235 familias
(6.230x2,87) (14.965x 3,066) ( 9.255x3,90)
1312(14.965x3,066)
Estrato 2: nB = 602,84 = 603
(6.230x2,87) (14.965x 3,066) ( 9.255x3,90)
1312(9.255 x3,90)
Estrato 3: n C = 474,19 = 474
(6.230x2,87) (14.965x 3,066) ( 9.255x3,90)
n = nA + nB + nC
1312 = 235 + 603 + 474
1312 = 1312
Una vez determinado el tamaño de muestra total y por estratos, el siguiente paso es
escoger las unidades muestrales, para lo cual se puede utilizar dos procedimientos:
μ st
N μ
h h
Donde:
μ st = Media poblacional estratificada estimada
X
n h xh
n
Donde:
μh
Xh
N
1 σ 2h
σ 2
st 2
N
Nh (Nh nh ) n
h
S 2
(X h - Xh )2
nh 1
CAPITULO 6: Muestreo aleatorio Estratificado José Loaiza Torres 195
ˆ Nμ
X st
La estimación por intervalos de confianza se realiza tanto para medias como para
totales:
μst Z S ( Xst)
Donde:
L L 2 2 2
W S WS
S ( Xst) h h - h h
2
sacando la raíz cuadrada se obtiene S ( Xst)
h 1 nh h 1 N
- Total poblacional
Nμst ZN S ( Xst)
Ejemplo:
Una población consta de 200 habitantes con un ingreso medio estratificado de 280
Dólares y una varianza de la distribución muestral de la media estratificada de 120
Dólares. A un nivel de confianza del 95% encuentre los límites para la media y el total.
196 José Loaiza Torres CAPITULO 6: Muestreo aleatorio Estratificado
Solución:
Datos
μ st = 280 Dólares.
- Para medias
280 (1,96)(10,95)
258,54 Dólares es el límite inferior
Lo que quiere decir que el ingreso medio puede encontrarse entre 258,4 Dólares y
301,41 Dólares, con un nivel de confianza del 95%.
- Para total
(200)(280) (1,96)(200)(10,95)
51.708 Dólares es el límite inferior
En este caso el ingreso total o producto total del grupo de 200 habitantes puede
encontrarse entre 51.708 Dólares y 60.282 Dólares, con un nivel de confianza del
95%.
CAPITULO 6: Muestreo aleatorio Estratificado José Loaiza Torres 197
Población Muestra
Ah ah
Ph ph
Nh nh
- Proporción estimada de la población
NhPh
Pst
N
- Varianza estimada proporcional
1 N 2 h (N h - n h ) Ph Q h
σ 2 st
N2
N 1 nh
h
Nh nh
σ2h Ph Q h S2 h ph qh
Nh -1 n h -1
198 José Loaiza Torres CAPITULO 6: Muestreo aleatorio Estratificado
- Total estimado
Poblacional Muestral
 N P â n p
Las fórmulas pueden deducirse de las más generales. Sea V la varianza deseada en la
estimación de la proporción P en la población total. Las fórmulas para los dos tipos
principales de asignación son las siguientes:
no
W p h h qh
, n
no
V n
1 o
N
Donde no es la primera aproximación, y n es el valor corregido tomando en
consideración la fracción muestral. En el desarrollo de estas fórmulas, los factores
Nh/(Nh –1) se han considerado como la unidad.
1
n 2
h.h.Qh
e
.
Z
CAPITULO 6: Muestreo aleatorio Estratificado José Loaiza Torres 199
Donde:
n = Tamaño de la muestra total o global
N = Tamaño de la población total
Nh = Tamaño de la población del estrato h
Ph = Probabilidad de éxito en el estrato h
Qh = probabilidad de fracaso en el estrato h
Z = Margen de confiabilidad en la curva normal
e = Error de estimación
Luego se debe calcular el tamaño de muestra en cada estrato; para esto se puede
utilizar ya sea el método de asignación proporcional o el de asignación igualitaria.
Ejemplo:
Solución:
Datos recolectados
1
n 2
(149 x0,60 x0,40) (72 x0,47 x0,53) 75,26 75encuestas
0,10
221.
1,96
Luego se debe calcular el tamaño de muestra en cada estrato; para esto se puede
utilizar el método de asignación proporcional o el de asignación igualitaria, ambos
casos se estudió anteriormente.
Dado que generalmente, la mejor asignación para una característica no será la mejor
para otra, debe llegarse a algún compromiso en un reconocimiento con características
numerosas.
Este es uno de los aspectos más críticos del muestreo estratificado, y debemos
responder varias preguntas: ¿Cuál es la mejor característica para la construcción de
los estratos?. ¿Cómo se determinan los límites entre cada estrato? ¿Cuántos estratos
debería haber?. Son preguntas que no son fáciles de responder, pero que a la hora
de la verdad, debemos resolver seleccionando una sola característica o variable en
202 José Loaiza Torres CAPITULO 6: Muestreo aleatorio Estratificado
función al tema que se investiga, los objetivos, las características de la población entre
otros factores.
Recordemos que se usa el muestreo estratificado, cuando cada grupo tiene pequeñas
variaciones por dentro, pero hay una gran variación entre grupos.
Es otro aspecto sobre el cual se debe decidir, no existe una regla que ayude a
determinar el número óptimo de estratos que se debe construir; por tanto se debe
tratar de construir por criterio y llegar al número de estratos de tal manera que se
minimice el error estándar y permita manejar de mejor manera los grupos o
segmentos a estudiar.
En casos de que no es posible hacer una estratificación antes de recopilar los datos,
entonces se puede ir por una post estratificación.
Si bien, se puede tener datos en las estadísticas oficiales, pero las unidades se pueden
clasificar en estratos después de conocer los datos de la muestra.
2º Después de recoger los datos clasificar las unidades de acuerdo a las variables de
estratificación.
1. Indique, ¿cuáles son las razones por las que se hace una estratificación?
4. Suponga que una ciudad tiene 90.000 viviendas, de las cuales 35.000 son casas,
45.000 son departamentos y 10.000 son condominios. Usted piensa que el uso
promedio de la electricidad es casi el doble en las casas que en los departamentos
o condominios y que la desviación estándar es proporcional a la media.
Se pide:
c) Determinar el tamaño de muestra con una varianza deseada de estimación de
la proporción de estudiantes que ingresarán a esta universidad.
d) Realizar la asignación proporcional para cada estrato.
CAPITULO 6: Muestreo aleatorio Estratificado José Loaiza Torres 207
8. El gerente de una empresa quiere realizar un análisis estadístico del salario que
ganan sus empleados, con la finalidad de tener bases para establecer la política
salarial. Para esto ha dividido en tres estratos (nivel estratégico, nivel intermedio
y nivel operativo) a los 225 empleados que tiene bajo su mando y se registra los
siguientes valores en $us.
Cuadro 6.5: salario por niveles de la organización
Estratégico($us) Intermedio($us) Operativo($us)
900 1200 650 200 295 450 150
1100 1000 590 180 320 250 280
950 900 700 300 250 220 270
1200 1000 680 450 295 200 150
900 1100 720 250 320 180 280
1000 950 610 220 250 300 270
1100 1200 580 150 200 450 190
950 1000 650 280 180 250 310
1200 900 590 270 300 220 320
1000 1100 700 190 450 150 285
900 950 680 310 250 280 200
1100 1200 720 320 220 270 180
950 1000 610 285 150 190 300
1200 900 580 200 280 310 450
1000 680 180 270 320 450
900 720 300 190 285 250
1100 610 450 310 315 220
950 580 250 320 350 150
1200 650 220 285 225 280
1000 590 150 315 240 270
900 700 280 350 200 190
1100 680 270 225 260 310
950 520 190 240 305 320
1200 610 310 200 215 285
1000 580 320 260 201 200
900 650 285 305 450 180
1100 590 315 215 250 300
950 700 350 201 220 450
1200 680 225 450 150 305
1000 580 240 250 280 215
900 720 200 220 270 201
1100 610 260 150 190 450
950 580 305 280 310 250
1200 550 215 270 320 220
1000 605 201 190 285 150
Fuente: Elaboración propia
208 José Loaiza Torres CAPITULO 6: Muestreo aleatorio Estratificado
Se pide:
Calcular:
11. Una población de 200 personas, fue dividida en 4 estratos, con base al nivel de
educación. Se muestreó a 50 personas luego se registró su edad como sigue:
210 José Loaiza Torres CAPITULO 6: Muestreo aleatorio Estratificado
Se pide calcular:
a) La media muestral de cada estrato
b) La media muestral estratificada
c) Varianza muestral de cada estrato
Muestreo probabilístico
Fórmulas del muestreo
Deducir aleatorio simple para el
tamaño de la
Muestreo Aleatorio Conglomerados muestra
1.- Base teórica 2.- Razones para utilizar 5.- De etapas 6.- Tamaño
3.- De una 4.- De dos
el muestreo por múltiples de muestra
etapa etapas
conglomerados
Relacionar
1-2-3-4-5-6
Diseñar
CAPÍTULO 7
7.1.- Concepto
Muestreo de grupo
Veamos un ejemplo:
Carreras (conglomerados)
Semestres(Estratos) Ing. Ing Administración …… …… ….. Derecho
comercial .
civil
Primero
Segundo
Tercero
Cuarto
Quinto
Sexto
Séptimo
Octavo
Noveno
Décimo
- Considerar a los estudiantes por semestres serian ESTRATOS, puesto que las
edades en un semestre particular serán relativamente homogéneas y entre
semestres serán diferentes.
Ejemplo:
Ventajas
1. Es útil cuando no se cuenta con una lista completa de todos los elementos de la
población.
2. También es útil cuando una población está muy dispersa y es heterogénea se
puede tomar los elementos de muestreo.
3. Su costo puede ser reducido al muestrear solo algunos conglomerados.
222 José Loaiza Torres CAPITULO 7: Muestreo por conglomerados o de racimo
Desventajas
1. Los datos pueden ser sesgados por tratarse de algunos conglomerados que son
estudiados, o sea los conglomerados seleccionados pueden no ser representativos
de la población.
7.5.- Estimaciones
Las fórmulas más utilizadas para realizar las estimaciones son las siguientes:
N N
X̂ Xi
n i 1
Donde:
N = Población (Total de conglomerados)
n = Nº de conglomerados de la muestra
Xi = Elementos del conglomerado
X
Xi
ni
CAPITULO 7: Muestreo por conglomerados o de racimo José Loaiza Torres 223
Xc
Xi
n
σ
N 2 (1 f)
2 (Xi - μ) 2
M - n ai - Pc Mi2
σ p
2
M n Mi (n 1)
224 José Loaiza Torres CAPITULO 7: Muestreo por conglomerados o de racimo
Donde:
M = Elementos en cualquier conglomerado
V(p)
Nn (pi - P) 2
Nn N 1
(NM nM PQ
Vbin(p)
NM - 1 nM
P
ai
Mi
ai = Nº de elementos característicos en cada conglomerados
ni = Nº de elementos de cada conglomerado.
Su varianza es
V(p)
Nn Mi (pi - P)
2 2
NnM 2 N 1
- Intervalos de confianza
P Z V(p)
- No existe una regla bien definida para delimitar el tamaño que debe tener un
conglomerado, es más a criterio, siempre cuidando la representatividad de la
muestra.
A manera de conclusión, damos algunos criterios para saber cuándo se debe aplicar
el muestreo por conglomerados o de racimo, dependiendo de los factores ya
mencionados anteriormente:
Los objetivos de la investigación
Marco muestral
La población
Características de las unidades de la población
226 José Loaiza Torres CAPITULO 7: Muestreo por conglomerados o de racimo
2. Explique con un ejemplo las diferencias que existen entre el muestreo por
conglomerados y el muestreo estratificado.
3. Una encuesta realizada para estudiar el número de niños que tiene a su alcance
armas en sus hogares. Se distribuyeron cuestionarios a todos los padres que
asistieron a ciertas clínicas en el área de La Paz-Bolivia, durante un periodo de una
semana para consultas de niños (sanos o enfermos).
ai Elementos del
conglomerado
1 4
2 4
1 4
0 4
1 4
0 4
Fuente: Elaboración propia
Estimar:
a) La proporción por conglomerados
b) La varianza
c) Los límites de confianza
CAPÍTULO 8
MUESTREO SISTEMÁTICO
8.1.- Concepto
8.2.- Procedimiento para la selección de la muestra
8.3.- Ventajas y desventajas
8.4.- Estimaciones basadas en el muestreo sistemático
8.5.- Relación con otros métodos de muestreo
8.6.- Criterios para aplicar el muestreo sistemático
8.7.- Preguntas y problemas
230 José Loaiza Torres CAPITULO 8: Muestreo sistemático
MAPA CONCEPTUAL
Muestreo probabilístico
Fórmulas
para el
Deducir
tamaño de la
muestra según
Muestreo Aleatorio Sistemático
M.A.S.
1.- Base teórica 2.- Razones y ventajas de 4.- Elegir entre 1 y K 5.- Tamaño
3.- Números
utilizar el muestreo de muestra
aleatorios
sistemático
Relacionar
1-2-3-4-5
Diseñar
CAPÍTULO 8
MUESTREO SISTEMÁTICO
8.1.- Concepto
Enumerados de 1 a 20
1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20
El intervalo K = 20/5 = 4, es decir el salto debe ser de cada 4, previo se debe elegir
el punto de inicio, para lo cual existen dos opciones:
- Entre 1 y 4 y luego seguir cada 4 hasta completar los 5, es decir podría ser el 3, 7,
11, 15, 19
CAPITULO 8: Muestreo sistemático José Loaiza Torres 235
- Aleatoriamente cualquier número, por ejemplo el 15, luego será el 19, 3, 7, 11.
Con lo cual se ha elegido las 5 unidades muestrales.
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.
2, 6, 10, 14, 8.
l__x___o_l_xo___l_x___o_l__x__o_l_x____lox_______l
k 2k 3k 4k 5k 6k
Número de unidad
b) Desventajas
A
A A B
B B A
B B B
Variación cíclica
Las poblaciones que exhiben sinusoidal exacta no se espera que se den en la práctica.
Las poblaciones con una tendencia periódica definida sí son bastante comunes.
Ejemplos de ellas son el flujo de tráfico que pasa por un punto dado de una carretera
las 24 horas del día y las ventas de un almacén en un periodo de siete días. Para
estimar un promedio sobre un cierto periodo de tiempo, no es aconsejable tomar la
observación de la muestra todos los día a las 4 p.m. o cada martes; en lugar de esto,
la estrategia apropiada sería la de espaciar la muestra a lo largo de la curva periódica,
asegurándose que cada día de la semana recibe la misma representación.
Ts Xi * K
Donde:
Ts = Total estimado
Xi = Nº de elementos de la población
K = intervalo de la muestra o salto sistemático K= N/n
- Fracción muestral
f = 1/K
240 José Loaiza Torres CAPITULO 8: Muestreo sistemático
- Media poblacional
Ts
μ st
N
Donde:
μ st = Media sistemática Poblacional
Ts = Total estimado
N = Tamaño total de la población
1 K 1 1
σ 2 st * * * (xi μ st ) 2
n K (n 1)
Donde:
- Media muestral
X
Xi
n
Varianza muestral.
S 2
(X - X) 2
n -1
CAPITULO 8: Muestreo sistemático José Loaiza Torres 241
Nº de muestras
1 2 i K
X1 X2 Xi Xk
Xk+1 Xk+2 Xk+i X2k
. . . .
. . . .
. . . .
. . . .
Ejemplo:
N = 20
n=5
Cuadro 8.1: Ejemplo hipotético de muestra sistemática
1 2 3 4
5 6 7 8
9 10 11 12
13 14 15 16
17 18 19 20
Fuente: Elaboración propia
A veces puede ser más preciso el muestreo sistemático ya que por una parte divide a
la población en estratos y elige a los elementos de la muestra en orden secuencial; es
decir, estratifica a la población en n estratos que consisten de las primeras K y así
sucesivamente. Por lo tanto podemos esperar que la muestra sistemática sea tan
precisa como la muestra aleatoria estratificada correspondiente con una unidad por
estrato. La diferencia es que con la muestra sistemática las unidades ocurren en la
misma posición relativa del estrato, mientras que con el muestreo aleatorio
estratificado, la posición dentro de cada estrato se determina separadamente por
aleatorización dentro de cada estrato.
X X X X X X
X = Sistemático
O = Estratificado
CAPITULO 8: Muestreo sistemático José Loaiza Torres 243
Veamos un ejemplo:
* Para el inciso a)
1 (K * μ) 2
σ 2 st
2
* (n * Xi )
n2 *K K
μ
X
Nº de muestras sistematicas
* Para el inciso b)
N - n S ws t
σ 2 estrat *
N n
244 José Loaiza Torres CAPITULO 8: Muestreo sistemático
n K
1
Swst (Xij Xj)
n(K - 1) j1 i 1
A manera de conclusión, damos algunos criterios para saber cuándo se debe aplicar
el muestreo sistemático, dependiendo de los factores ya mencionados anteriormente:
Los objetivos de la investigación
Marco muestral
La población
Características de los elementos de la población
1.- Según su opinión, cual criterio de los mostrados en el punto 8.6 sería el más
importante para aplicar el muestreo sistemático.
3.- En una ciudad hay 169 establecimientos industriales que emplean 20 o más
personas; las siguientes cifras muestran el número de empleados en cada
establecimiento. Estimar el total poblacional, la fracción muestral, la media
poblacional y la varianza para la media muestral.
6.- Suponga que hay 820 estudiantes en una escuela en la que se toma una muestra
de 10 estudiantes, los estudiantes se enumeran de 1 a 820. Seleccionar los
números para la muestra.
CAPÍTULO 9
TÉCNICAS DE MUESTREO
COMBINADAS
9.1.- Introducción
9.2.- Muestreo Doble
9.3.- Diseño de etapas múltiples
9.4.- Muestreo secuencial
9.5.- Muestreo por Rutas Aleatorias
9.6.- Muestreo de centro comercial
9.7.- Preguntas y problemas
248 José Loaiza Torres CAPITULO 9: Técnicas de Muestreo Combinadas
MAPA CONCEPTUAL
Muestreo
Deducir
1.- Muestreo 2.- Diseño de 3.- Muestreo 4.- Muestreo por rutas 5.- Muestreo de centro
doble etapas múltiples secuencial aleatorias comercial
Relacionar
1-2-3-4-5
Aplicar
TÉCNICA ESPECÍFICA DE
MUESTREO
CAPÍTULO 9
9.1.- Introducción
Este capítulo tiene por objetivo abordar otras técnicas de muestreo, que se pueden
aplicar en casos especiales, como último recurso antes situaciones que así lo amerita;
se trata entonces de utilizar el muestreo probabilístico y el muestreo no probabilístico,
ante casos en que no se cuenta con un marco muestral ideal y objetivos exploratorios
de investigación.
El muestreo doble puede ser útil cuando no está disponible ningún marco de
muestra para poder seleccionar las unidades de muestra finales pero cuando se sabe
que los elementos del marco se incluyen en un marco de muestra más amplio. Por
ejemplo, un investigador quiere seleccionar las familias de una ciudad determinada
que consumen jugo de manzana, las familias de interés se incluyen en el grupo de
todas las familias, pero el investigador no sabe cuáles son. Al aplicar el muestreo
doble, se obtiene un marco de muestra de todas las familias en la primera etapa. Este
se elabora a partir del directorio de la ciudad o puede comprarse. Después se toma
una muestra de la familia utilizando el muestreo aleatorio sistemático para determinar
252 José Loaiza Torres CAPITULO 9: Técnicas de Muestreo Combinadas
Si se usan otros diseños muestrales, la lógica usada para generar el tamaño óptimo
de la muestra aún se mantendrá; sin embargo, la fórmula puede complicarse. Por
ejemplo, en un diseño por áreas el primer paso podría ser seleccionar comunidades al
azar. De este modo el procedimiento podría ser escoger porciones de censos, luego
manzanas y finalmente familias. En tal diseño, la expresión para determinar el error
Algunas veces un investigador puede querer tomar una muestra modesta, observar
los resultados, y posteriormente decidir si es necesaria más información, bajo la forma
de una muestra más grande. Tal procedimiento se denomina muestreo secuencial. Si
un nuevo producto industrial estuviera siendo evaluado, una muestra probabilística
más pequeña de usuarios potenciales podría contactarla. Suponga que encontrara que
su nivel anual promedio de consumo a un nivel de confianza del 95% estuviera entre
10 y 30 unidades, y que se supiera que para que el producto fuera económicamente
viable, el promedio tendría que ser de 50 unidades. Esta es suficiente información
para la decisión de eliminar el producto. Sin embargo, si la estimación del intervalo de
la muestra original fuera de 45 a 65, entonces la información sería inadecuada para
tomar esa decisión y podría obtenerse una muestra adicional. Las muestras
combinadas proporcionarían entonces una estimación de intervalos más pequeña. Si
CAPITULO 9: Técnicas de Muestreo Combinadas José Loaiza Torres 253
Según Aaker y Day (1989) los estudios en los centros comerciales en los cuales los
compradores son interceptados o abobados presentan algunos problemas difíciles de
muestreo.
Una limitación con las encuestas en el centro comercial es el sesgo introducido por los
métodos usados para seleccionar la muestra. En particular, los sesgos que son
potencialmente dañinos para un estudio pueden ser causados por la selección del
centro comercial, la parte del centro comercial de la cual los entrevistados son
extraídos, la hora del día y el hecho de que los compradores más frecuentes tendrán
más probabilidades de ser seleccionados.
Sudman (1980) sugiere enfoques para minimizar estos problemas y, al hacerlo así,
aclara la naturaleza de estos sesgos:
Una muestra de centro comercial reflejará principalmente aquellas familias que viven
en el área. Obviamente, puede haber grandes diferencias entre la gente que vive en
un barrio de bajos ingresos de aquellas que vive en un barrio de altos ingresos con
profesionistas como residentes. Generalmente, es una buena política utilizar varios
centros comerciales en diferentes barrios, para que las diferencias entre ellos puedan
ser observadas.
CAPITULO 9: Técnicas de Muestreo Combinadas José Loaiza Torres 255
La meta es obtener una muestra aleatoria de las visitas a centros de compras. Debido
a las rutas de tráfico y a los estacionamientos, una entrada puede provenir de barrios
muy diferentes a los de otra. Una solución consiste en estratificar por lugar de entrada
y tomar una muestra separada de cada entrada.
Suponga que se emplea una encuesta para determinar la compra promedio durante
un viaje de compras. Considere que existieran dos entradas en la instalación de
compras. La entrada A, que provendría de un barrio de la clase trabajadora,
promediaba 200 compradores por hora; mientras que la entrada B la cuál procedería
de un suburbio profesional, promediaba 100 compradores por hora. Por consiguiente,
el 67% de los compradores usaban la entrada A y el 33% de los compradores usaban
la entrada B.
- Muestreo de tiempo
Otro punto de discusión es el periodo. Por ejemplo, las personas que trabajan,
generalmente compran en la noche y en los fines de semana o durante las horas de
la comida. De este modo, es razonable estratificar por segmentos de tiempo – como
días de la semana, las noches de días de la semana y fines de semana – y entrevistar
durante cada segmento. Nuevamente, los conteos de tránsito pueden proporcionar
256 José Loaiza Torres CAPITULO 9: Técnicas de Muestreo Combinadas
Obviamente, algunas personas compran con mayor frecuencia que otras y será más
probable que sean seleccionadas en una muestra de centro comercial, si el interés es
muestrear a los individuos que compran más. Sin embargo, si la meta es desarrollar
una muestra que represente a la población total, entonces se vuelve importante
ajustar la muestra para que refleje tanto a los compradores poco asiduos como los
frecuentes.
Otro enfoque consiste en usar cuotas, las cuales sirven para reducir los sesgos a
niveles que puedan ser aceptables. Un factor obvio a ser controlado es el sexo de los
encuestados, puesto que las mujeres compran más que los hombres.
siempre en cuenta que el fin último es obtener una muestra lo más representativa
posible.
Muestreo probabilístico
Deducir
1.- Zigzag 2.- Serpentina 3.- Salto 4.- Esquina 5.- Mitad de 6.- Números
sistemático noreste manzana aleatorios
Relacionar
1-2-3-4-5-6
Aplicar
CAPÍTULO 10
10.1.- Introducción
Este capítulo tiene por objetivo abordar las técnicas de selección de las unidades
muestrales, tanto a nivel de técnicas probabilísticas como no probabilísticas.
Este método es utilizado cuando no se cuenta con un buen marco muestral (listado),
en tal caso, se recurre a un mapa o plano de la zona o ciudad, inicia la selección en la
esquina noreste de una manzana en mapa o plano de una ciudad, luego en dirección
de las manecillas del reloj, prosigue hasta completar el número deseado en cada
manzana. También suele utilizarse sólo seleccionando las esquinas; es decir, cuatro
unidades por manzana, este procedimiento, es útil cuando la investigación es dirigida
264 José Loaiza Torres CAPITULO 11: El muestreo en internet
10.6.- Serpentina
10.7.- Zigzag
Encuestador
X = Casa o vivienda seleccionada.
Fuente: Elaboración propia, en base a Jany (2005)
Encuestador
10.9.- Trébol
X X X
X X
X X
Encuestador
1.- Indique, cómo se realiza la selección de unidades muestrales mediante una tabla
de números aleatorios.
3.- ¿Por qué se dice el método de los números aleatorios y el método del sorteo son
métodos probabilísticos de selección de muestras?
5.- La comuna de una Ciudad está buscando actualizar su base de datos cartográfica
con el objetivo hacer un levantamiento real de cuántas construcciones se han
realizado en los últimos cinco años sin autorización de la unidad competente. ¿Qué
método de selección utilizaría?. Justifique su respuesta.
7.- Una empresa que distribuye bebidas alcohólicas está interesada en determinar qué
porcentaje de tiendas de Barrio expenden su producto. Especifique qué método
de selección utilizaría, justifique su respuesta.
268 José Loaiza Torres CAPITULO 11: El muestreo en internet
CAPITULO 11: El muestreo en internet José Loaiza Torres 269
CAPÍTULO 11
EL MUESTREO EN INTERNET
11.1.- Introducción
11.2.- Las encuestas por internet
11.3.- Métodos aplicables en el muestreo por internet
11.4.- Ventajas y desventajas del muestreo por internet
11.5.- Redes sociales y muestreo
11.6.- Preguntas y problemas
270 José Loaiza Torres CAPITULO 11: El muestreo en internet
CAPITULO 11: El muestreo en internet José Loaiza Torres 271
MAPA CONCEPTUAL
Muestreo
Deducir
1.- a 2.- a 3.- Bola de 4.- por 5.- Aleatorio 6.Estratificado 7.Por 8.Otras
Juicio conveniencia nieve cuota simple conglomerados técnicas
Relacionar
1-2-3-4-5-6-8
Aplicar
Muestreo en internet
CAPÍTULO 11
MUESTREO EN INTERNET
11.1.- Introducción
Una de las aplicaciones más frecuentes del muestreo por internet es cuando se realiza
encuestas utilizando el internet, a saber: Videoconferencia, chat, correo electrónico,
encuestas en línea o a través de sitios especializados en aplicación de encuestas.
Las ventajas específicas de las encuestas por internet son las siguientes:
Recordemos que una muestra se dice que es extraída al azar cuando la manera de
selección es tal, que cada elemento de la población tiene igual oportunidad de ser
seleccionado. Los tipos comunes de muestreo aleatorio son el muestreo aleatorio
simple, muestreo sistemático, muestreo estratificado y muestreo de conglomerados.
- SI LA INVESTIGACIÓN ES CUALITATIVA
a) Herramientas estándar
b) Herramientas especializadas
Como segunda herramienta especializada tenemos los Grupos por correo electrónico
y las redes sociales; junto a la realización de grupos on-line existen diversas
alternativas que sacan partido de otras de las capacidades de internet. Estos son los
grupos por correo electrónico y las redes sociales. Implican la realización del grupo
durante un período de tiempo más o menos prolongado.
- SI LA INVESTIGACIÓN ES CUANTITATIVA:
Al igual que ocurre con la investigación cualitativa, internet ha supuesto una revolución
para las estructuras de la investigación cuantitativa. Nuevas e interesantes
posibilidades de reclutamiento, entrevistas y análisis aparecen con las nuevas
tecnologías. Uno de los tipos de muestreo por internet es el denominado muestreo
por reclutamiento (Gonzales, 2011)
OTRAS TECNICAS
Podemos acotar que además hoy existen diversas herramientas como las que
proporciona el mismo Hotmail o el Gmail, que permiten aplicar
documentos/formularios (cuestionarios) y tabularlos al mismo tiempo, solo hay que
tener una base de datos o enviarlos a contactos para que los completen, es decir, se
puede aplicar las técnicas tradicionales de muestreo.
Hay varios sites que ofrecen administración de encuestas por internet y que facilitan
la aplicación de las encuestas y su procesamiento en tiempo real, podemos citar
algunos de ellos:
https://drive.google.com
https://es.surveymonkey.com
http://www.encuestafacil.com
http://www.pollowers.com
http://www.questionpro.com
http://manager.e-encuesta.com
http://www.createsurvey.com
http://zoomerang.com
http://www.websurveyor.com
http://www.perseus.com
http://www.apian.com
http://www.surveysite.com
https://www.onlineencuesta.com
http://www.interrogantes.com/encuestas.asp
Las encuestas online que pretendan ser representativas del total de usuarios de
Internet, deberían utilizar métodos de captación “offline” con técnicas de seguimiento,
para ayudar y conseguir una muestra representativa. No se puede realizar una
selección o captación aleatoria utilizando la Web como medio en tanto no existen
listados de usuarios ni páginas Web cuya estructura de visitas sea representativa del
total de usuarios de la Red.
La selección por cuotas de los participantes únicamente tendrá sentido cuando existan
estudios fidedignos sobre la estructura de los usuarios de Internet que sirvan de
referente para dichas cuotas. La selección o captación de los participantes ha de
llevarse a cabo mediante una serie de fuentes que optimicen los resultados, es decir,
que consigan una máxima extensión de la muestra de usuarios. Es necesario ofrecer
280 José Loaiza Torres CAPITULO 11: El muestreo en internet
al cliente los datos de la distribución por cuotas, y en el caso de que sea relevante
para la investigación, la distribución regional o sectorial de la muestra o segmento de
internautas al que se hace referencia.
Una vez recolectados los datos por internet, tal vez sea necesario hacer una
ponderación de los resultados, porque en las encuestas online, pueden existir
desviaciones sistemáticas de la muestra aleatoria simple con respecto a los valores
poblacionales. Para adaptar la estructura de la muestra a los rasgos sociodemográficos
y de uso de Internet de la población, puede ser necesario o cuanto menos útil realizar
una ponderación de los resultados. A la hora de hacer una ponderación es
imprescindible conocer información secundaria sobre la población de ínter nautas o
grupo de análisis.
Como conclusión, se puede decir, que gracias a este nuevo entorno, cualquier
empresa por pequeña que sea podrá realizar un estudio de mercado y despejar
CAPITULO 11: El muestreo en internet José Loaiza Torres 281
muchas incógnitas comerciales mediante el muestreo por internet, aunque sea a nivel
exploratorio.
Ventajas:
Fácil acceso a los entrevistados.
Buen marco muestral por medio de correos electrónicos o bases de datos.
Selección probabilística, ya sea por números aleatorios o por salto sistemático,
si se cuenta con marco muestral ideal.
Cada vez más personas utilizan por medio de redes sociales.
Limitaciones:
No se garantiza la representatividad de la población, está condicionada a
personas que tienen acceso al servicio de internet.
El marco muestral puede ser incompleto, debido a que la gente cambia
constantemente su dirección de internet o en algunos casos tiene cuentas
falsas.
Otra limitación del muestreo por internet está relacionado a ciertos errores
frecuentes al usar cuotas (Ochoa, 2016), el medio online tiene sus
particularidades y es frecuente que algunos investigadores no las tengan en
282 José Loaiza Torres CAPITULO 11: El muestreo en internet
Existen variadas redes sociales tales como Facebook, you Tube, Twitter, whatsapp,
Istagram.
Asimismo, hay múltiples herramientas que permiten analizar redes sociales, desde
versiones gratuitas en línea como aplicaciones y software que tienen costo para su
uso, por ejemplo, Hootsuite, TwitterCounter, Twitteranalyzer, TweetReach, Klout,
Social Mention, HowSociable, IceRocket, analytics de Google.
CAPITULO 11: El muestreo en internet José Loaiza Torres 283
Ventajas:
Los datos pueden ser más fidedignos, en función a lo declarado con anticipación al
muestreo por el dueño de la cuenta en la red social.
Mayor rapidez y accesibilidad, solo se requiere conexión a internet.
Mayor posibilidad del uso de data mining.
Útil para investigaciones exploratorias y cualitativas, por ejemplo para
reclutamiento de personal.
Limitaciones:
El mayor inconveniente, es conocer cuáles pueden ser útiles en la investigación,
debido a que no todas las redes sociales pueden ser aptas para los experimentos
que se pretendan llevar a cabo. Por lo tanto, el establecimiento de un perfil básico
de usuario se torna muy útil y necesario en el momento de emprender
investigaciones de estas características.
2.- ¿Cuáles son las ventajas y limitaciones del muestreo por internet?
284 José Loaiza Torres CAPITULO 11: El muestreo en internet
3.- Si no se contara con un marco muestral ideal para hacer un muestreo en internet,
¿Qué métodos de selección aplicaría Ud.? Ejemplifique su respuesta.
4.- Describa brevemente, en qué consiste el método por reclutamiento del muestreo
por internet.
5.- ¿Qué ventas y limitaciones tiene el muestreo por medio de redes sociales?
6.- Elabore una encuesta y luego utilice cualquiera de las páginas de la web que
ofrecen para aplicar y procesar encuestas, describa el procedimiento de selección
de la muestra de las personas que responderán su encuesta.
BIBLIOGRAFÍA
BIBLIOGRAFÍA / WEBGRAFÍA
10. Fernández, David Abad (2016) Técnicas Estadísticas aplicadas a Redes Sociales y
Análisis de Sentimiento: el caso Volkswagen, Trabajo de Fin de Grado,
Universidade da Coruña, facultad de economía y empresa.
11. Freund y Simon (1995). Estadística elemental. México: Prentice Hall, México.
12. Gorjup, María Tatiana, Baltar, Fabiola(2012), Muestreo mixto online: Una
aplicación en poblaciones ocultas Intangible Capital [en linea] 2012, 8 (Sin mes)
Recuperado el 3 de marzo de 2017, Disponible en:
http://www.redalyc.org/articulo.oa?id=54924517006> ISSN 2014-3214
14. http://www.solucionesnetquest.com/papers/Onlinestandards_ES.pdf
15. http://www.ra-ma.es
16. http://www.cica.es/aliens/destious/Asignaturas/DE2ME2.html
17. http://www.posdem.esy.es
18. http://posdem.blogspot.com/p/descargar-el-programa.html
19. http://stats-2000.archivospc.com
20. http://www.software-
shop.com/in.php?mod=ver_producto&prdID=392#fragment-1
21. http://www.buenastareas.com/ensayos/Muestreo-Por-Internet/2628532.html
27. Kummar, Aaker y Day (1999). Essentials of marketing research. New York: John
Wiley y Sons.
36. Merino, Mª J., Pintado, T., Sánchez, J., Grande, I y Estévez, M. (2010).
Introducción a la Investigación de Mercados. Madrid: ESIC.
37. McDaniels, Carl y Roger Gates (2005). Investigación de mercados. sexta edición,
Buenos Aires, Argentina: Thompson.
42. ONWUEGBUZIE, A.J.; JOHNSON, R.B. (2004). Validity issues in mixed methods
research. Proceedings of American Educational Research Association, San Diego,
CA.
47. Rius Diaz Francisca, Barón López Francisco Javier, Sánchez E., Parras Guijosa Luis
(1999) Bioestadística: Métodos y aplicaciones. Ed: SPICUM, Málaga. 3ª Edición,
ISBN: 84-7496-579-9
53. Seymour Sudman (1980). improving the quality of shopping center sampling.
54. Teddlie Fen Charles (2007) Mixed Methods Sampling, A Typology With Examples.
Vol 1, Issue 1, pp. 77 – 100. Recuperado el 03 de marzo de 2017, disponible en:
Yuhttp://journals.sagepub.com/doi/10.1177/2345678906292430
0,4750
Para obtener un valor de Z= 1,96 se deduce de una probabilidad de 0,95 dividido entre 2, lo que resulta 0,4750
z 0 1 2 3 4 5 6 7 8 9
0.0 0,00000 0,00399 0,00798 0,01197 0,01595 0,01994 0,02392 0,02790 0,03188 0,03586
0,1 0,03983 0,04380 0,04776 0,05172 0,05567 0,05962 0,06356 0,06749 0,07142 0,07535
0,2 0,07926 0,08317 0,08706 0,09095 0,09483 0,09871 0,10257 0,10642 0,11026 0,11409
0,3 0,11791 0,12172 0,12552 0,12930 0,13307 0,13683 0,14058 0,14431 0,14803 0,15173
0,4 0,15542 0,15910 0,16276 0,16640 0,17003 0,17364 0,17724 0,18082 0,18439 0,18793
0,5 0,19146 0,19497 0,19847 0,20194 0,20540 0,20884 0,21226 0,21566 0,21904 0,22240
0,6 0,22575 0,22907 0,23237 0,23565 0,23891 0,24215 0,24537 0,24857 0,25175 0,25490
0,7 0,25804 0,26115 0,26424 0,26730 0,27035 0,27337 0,27637 0,27935 0,28230 0,28524
0,8 0,28814 0,29103 0,29389 0,29673 0,29955 0,30234 0,30511 0,30785 0,31057 0,31327
0,9 0,31594 0,31859 0,32121 0,32381 0,32639 0,32894 0,33147 0,33398 0,33646 0,33891
1.0 0,34134 0,34375 0,34614 0,34849 0,35083 0,35314 0,35543 0,35769 0,35993 0,36214
1,1 0,36433 0,36650 0,36864 0,37076 0,37286 0,37493 0,37698 0,37900 0,38100 0,38298
1,2 0,38493 0,38686 0,38877 0,39065 0,39251 0,39435 0,39617 0,39796 0,39973 0,40147
1,3 0,40320 0,40490 0,40658 0,40824 0,40988 0,41149 0,41309 0,41466 0,41621 0,41774
1,4 0,41924 0,42073 0,42220 0,42364 0,42507 0,42647 0,42785 0,42922 0,43056 0,43189
1,5 0,43319 0,43448 0,43574 0,43699 0,43822 0,43943 0,44062 0,44179 0,44295 0,44408
1,6 0,44520 0,44630 0,44738 0,44845 0,44950 0,45053 0,45154 0,45254 0,45352 0,45449
1,7 0,45543 0,45637 0,45728 0,45818 0,45907 0,45994 0,46080 0,46164 0,46246 0,46327
1,8 0,46407 0,46485 0,46562 0,46638 0,46712 0,46784 0,46856 0,46926 0,46995 0,47062
1,9 0,47128 0,47193 0,47257 0,47320 0,47381 0,47441 0,47500 0,47558 0,47615 0,47670
2 0,47725 0,47778 0,47831 0,47882 0,47932 0,47982 0,48030 0,48077 0,48124 0,48169
2,1 0,48214 0,48257 0,48300 0,48341 0,48382 0,48422 0,48461 0,48500 0,48537 0,48574
2,2 0,48610 0,48645 0,48679 0,48713 0,48745 0,48778 0,48809 0,48840 0,48870 0,48899
2,3 0,48928 0,48956 0,48983 0,49010 0,49036 0,49061 0,49086 0,49111 0,49134 0,49158
2,4 0,49180 0,49202 0,49224 0,49245 0,49266 0,49286 0,49305 0,49324 0,49343 0,49361
2,5 0,49379 0,49396 0,49413 0,49430 0,49446 0,49461 0,49477 0,49492 0,49506 0,49520
2,6 0,49534 0,49547 0,49560 0,49573 0,49585 0,49598 0,49609 0,49621 0,49632 0,49643
2,7 0,49653 0,49664 0,49674 0,49683 0,49693 0,49702 0,49711 0,49720 0,49728 0,49736
2,8 0,49744 0,49752 0,49760 0,49767 0,49774 0,49781 0,49788 0,49795 0,49801 0,49807
2,9 0,49813 0,49819 0,49825 0,49831 0,49836 0,49841 0,49846 0,49851 0,49856 0,49861
3 0,49865 0,49869 0,49874 0,49878 0,49882 0,49886 0,49889 0,49893 0,49896 0,49900
3,1 0,49903 0,49906 0,49910 0,49913 0,49916 0,49918 0,49921 0,49924 0,49926 0,49929
3,2 0,49931 0,49934 0,49936 0,49938 0,49940 0,49942 0,49944 0,49946 0,49948 0,49950
3,3 0,49952 0,49953 0,49955 0,49957 0,49958 0,49960 0,49961 0,49962 0,49964 0,49965
3,4 0,49966 0,49968 0,49969 0,49970 0,49971 0,49972 0,49973 0,49974 0,49975 0,49976
3,5 0,49977 0,49978 0,49978 0,49979 0,49980 0,49981 0,49981 0,49982 0,49983 0,49983
3,6 0,49984 0,49985 0,49985 0,49986 0,49986 0,49987 0,49987 0,49988 0,49988 0,49989
3,7 0,49989 0,49990 0,49990 0,49990 0,49991 0,49991 0,49992 0,49992 0,49992 0,49992
3,8 0,49993 0,49993 0,49993 0,49994 0,49994 0,49994 0,49994 0,49995 0,49995 0,49995
3,9 0,49995 0,49995 0,49996 0,49996 0,49996 0,49996 0,49996 0,49996 0,49997 0,49997