UNIVERSIDAD PRIVADA ANTENOR ORREGO

FACULTAD DE CIENCIAS
ECONNMICAS
CARRERA DE
ADMINISTRACIN/CONTABILIDAD/ECONOMA

ESTADISTICA APLICADA PARA LA

TOMA DE DECISIONES
LAS TCNICAS DE MUESTREO
JOS CASTAEDA VERGARA
Ms. en Estadstica
Dr. En Educacin

DEFINICIONES
POBLACION
La poblacin o universo puede estar referido a cualquier

conjunto de elementos de los cuales pretendemos indagar y

conocer sus caractersticas, o una de ellas, y para el cual sern
vlidas las conclusiones obtenidas en la investigacin. Es el
conjunto finito o infinito de personas, casos o elementos que
presentan caractersticas comunes.

Para

los fines de la investigacin cientfica, la poblacin de

estudio tiene que estar debidamente caracterizada,
sealndose sus caractersticas tales como: es homognea, es
heterognea, es finita, es infinita, se pueden listar sus
miembros, se pueden ubicar sus miembros, est localizada,
est dispersa, cuantos las componen. Ello es de suma
importancia al momento de aplicar la tcnica de muestreo
pertinente.
2

SELECCIN DE LA MUESTRA
Para seleccionar una muestra es necesario

fijar primero quienes van a ser medidos, es

decir determinar con precisin la unidad de
anlisis del estudio
Una ves que se ha definido la Unidad de Anlisis, se

procede a delimitar la poblacin que va ha ser

estudiada y sobre el cual se pretende generalizar los
resultados. La muestra que es parte de la poblacin,
tiene menos error en su proceso de seleccin cuando
se ha delimitado bien la poblacin.
3

PROCESOS DE SELECCIN DE LA
MUESTRA
Para la seleccin de la muestra existen dos

clases generales de mtodos: los mtodos

NO probabilsticos y los probabilsticos
LOS NO PROBABILSTICOS:
Son los mtodos de muestreo con los que
no le dan una oportunidad conocida de
ser incluidos en la muestra a todos los
elementos del universo o poblacin. Aqu
el proceso de seleccin es subjetivo, al
menos parcialmente.
4

PROCESOS DE SELECCIN DE LA
MUESTRA
Los probabilsticos:
son aquellos en que cada elemento del
universo tienen una oportunidad conocida o
probabilidad, de ser escogidos para la
muestra. Ello sugiere que la seleccin de las
unidades de muestreo y/o elementos es
independiente de la persona que est
realizando el estudio, es decir que los casos
son escogidos estrictamente al azar.
5

PROCESOS DE SELECCIN DE LA MUESTRA

POBLACIN
Conjunto de elementos que
presentan una caracterstica
o condicin
comn que es
objeto de estudio

Generalizacin de
hallazgos

MUESTRA
Extraccin de
muestra al azar

Conjunto de elementos
que
presentan una caracterstica
o condicin
comn que es objeto d
e estudio

PROCESOS DE SELECCIN DE LA MUESTRA

caso 1:
Un mtodo de muestreo probabilstico.
De una lista de todas
las tiendas de
abarrotes de Trujillo/Urbano, se selecciona al
azar una muestra de 50 tiendas, de tal
manera que cada tienda tenga la misma
oportunidad de ser seleccionada, los
trabajadores de campo visitan los 50
establecimientos y observan si tienen o no
NESCAFE en existencia.
7

PROCESOS DE SELECCIN DE LA MUESTRA

caso 2:
Un mtodo de muestreo no probabilstico.
Diez trabajadores de campo del rea de
Trujillo/urbano, visitan 5 tiendas cada uno, de
abarrotes ubicados cerca de sus hogares u
observan si tienen o no NESCAF en
existencia.
Conclusin:
Cada uno de estos mtodos proporciona una muestra de 50 tiendas, pero
probablemente la primera proporciona la muestra ms representativa.
8

DECISIONES DEL MUESTREO

Se
Sequiere
quieresaber
sabercmo
cmose
se
comporta
una
cierta
comporta una cierta
caracterstica
caractersticaen
enuna
una
poblacin
particular
poblacin particular

Hacer
un Censo
S

La poblacin
est bien
definida
?

NO
Definir
La
poblacin

Es posible
observar toda la
Poblacin ?

NO
Tomar
Tomar
una
unaMuestra
Muestra
No
representativa
No representativa

NO
Observar
Observar
una
unaMuestra
Muestra

Se quiere
inferir la medicin
A poblacin

Las observaciones
pueden
atriburse a los
miembros de la
poblacin

Las obsrvaciones
solo pueden
atriburse a la
muestra, NO a
los miembros de
la poblacin

Tomar
una Muestra
Representativa

Las obsrvaciones
pueden
atriburse a los
miembros de la
poblacin

CLASES DE MUESTREO PROBABILISTICOS

MUESTREO ALEATORIO SIMPLE. (MAS).

Escoge al azar los miembros del universo
hasta completar el tamao muestral previsto
En teora se enumeran previamente todos los

elementos y de acuerdo con una tabla de

nmeros aleatorios se van escogiendo

El

procedimiento puede darse con o sin

reemplazos
y
esta
condicin
afectar
posteriormente el anlisis.
10

MUESTREO ALEATORIO SIMPLE. (MAS).

El procedimiento de muestreo se denomina

M.A.S. Si un tamao de muestra n es

seleccionado de una poblacin de tamao
N de tal manera que cada muestra posible
de tamao n tiene la misma probabilidad de
ser seleccionada.
Para poblaciones grandes, se elige uno por uno al

azar los elementos del universo hasta completar la

muestra. Para esto existen Tablas de dgitos al azar
que bien pueden ser usadas generar nmeros
aleatorios en Computadoras (excel).
11

CLASES DE MUESTREO PROBABILISTICOS

MUESTREO ALEATORIO ESTRATIFICADO.(MAE).
Una muestra aleatoria estratificada es la obtencin

mediante la separacin de los elementos de la

poblacin en grupos que no presenten traslapes,
llamados estratos, y la seleccin posterior de una
muestra aleatoria simple de cada estrato
Este procedimiento puede resumirse de la siguiente manera:
A. El universo sujeto a muestreo est subdividido (o estratificado) en
grupos que se excluyen entre s pero incluye a todos los elementos del
universo o poblacin.
B. A continuacin, se escoge de cada grupo, o estrato, una muestra
aleatoria simple..

12

CLASES DE MUESTREO PROBABILISTICOS

MUESTREO ALEATORIO ESTRATIFICADO.(MAE).

Este procedimiento de muestreo difiere

del muestreo simple aleatorio porque, en

este ltimo, los elementos de la muestra
son escogidos al azar del universo entero,
mientras que en el muestreo al azar
estratificado la muestra es determinada de
tal manera que se escoge un nmero
designado de elementos de cada estrato.
13

CLASES DE MUESTREO PROBABILISTICOS

MUESTREO ALEATORIO ESTRATIFICADO.(MAE).

Existen algunos problemas implcitos en la seleccin de

una muestra aleatoria estratificada y que son:
1. Bases de la estratificacin: qu caractersticas
deben usarse?.
2. Nmero de estratos. Cuntos estratos debern
construirse?.
3. Tamao de la muestra de cada estrato. Cuntas
observaciones deben tomarse de cada estrato?.

14

ESTRATOS
Homogneos en su interior; diferentes entre s en
propiedades y tamao
Grupo B
Grupo A

Grupo C
Grupo D
Los estratos ms grandes
Tienen mayor probabilidad de ser representados

CLASES DE MUESTREO PROBABILISTICOS

MUESTREO ALEATORIO ESTRATIFICADO.(MAE).

Referente al nmero de estratos, se indica que se deben usar tantos estratos
como sea posible, tratando de que cada uno de ellos sea relativamente
homogneo, y exista diferencias significativas de estrato a estrato. Algunos
autores recomiendan no usar ms de 5 estratos.
Para el tamao de la muestra de cada estrato, por lo general utilizan el
mtodo de muestreo de Distribucin proporcional , es decir que la muestra
total lo reparten en forma proporcional al tamao de cada estrato:
Veamos el siguiente ejemplo

16

CLASES DE MUESTREO PROBABILISTICOS

MUESTREO ALEATORIO
ESTRATIFICADO.(MAE).
Por ejemplo: si en una poblacin de 8000 unidades de muestreo se decide
tomar una muestra del 5% ( n = 400), y tenemos formados dos estratos:
Estrato 01 : 5800 unidades
Estrato 02 : 2200 unidades
Determinamos el factor de proporcionalidad n/N = 400/8000 = 0.05
Entonces cada estrato aportar a la muestra la siguiente cantidad de
unidades de muestreo:

Estrato 01 : 5800 x 0.05 =

Estrato 02 : 2200 x 0.05 =
Total
400

290
110

17

CLASES DE MUESTREO PROBABILISTICOS

MUESTREO SISTEMTICO
En este muestreo el azar juega su funcin slo al elegirse el primer
miembro de la muestra, las elecciones posteriores se hacen en
forma sistemtica. Esta forma de muestreo se realiza generalmente
cuando no se dispone de una lista de todas las unidades de la
poblacin y su confeccin es difcil y/o costosa.
Lo primero que hay que hacer es determinar cada cuntas unidades se va a
seleccionar una unidad; supongamos que sea 1 de cada 20. Con la tabla de
dgitos aleatorios seleccionamos un nmero de esta tabla que est
comprendido entre 1 y 20. Supongamos que sea el 11. Entonces, ordenadas
las unidades muestrales correlativamente las elegidas seran las que se
ubican en el lugar 31, 51, 71 ... hasta completar la muestra. El mtodo es
fcil de aplicar y asegura que el muestreo se extender a toda la poblacin
por igual.
18

CLASES DE MUESTREO PROBABILISTICOS

MUESTREO SISTEMTICO
Cuando los elementos de la poblacin estn ordenados en fichas o en
una lista, una manera de muestrear consiste en dar los siguientes pasos
1. Sea k = (N/n) N: poblacin
n= muestra
2. Elegir aleatoriamente un nmero m, entre 1 y k;
3. Tomar como muestra los elementos de la lista:
E(m), E(m+k), E(m+2k), E(m+3k),.

Hasta completar la muestra

Nota:

El mtodo tal como se ha definido anteriormente es sesgado si

k=(N/n) no es entero, ya que los ltimos elementos de la lista
nunca pueden ser escogidos. Un modo de evitar este problema
consiste en considerar la lista como si fuese circular (el elemento
N+1 coincide con el primero)

19

CLASES DE MUESTREO PROBABILISTICOS

MUESTREO DE CONGLOMERADOS

Es una modificacin ms del muestreo al azar simple. Es un

mtodo de seleccin en el que las unidades escogidas en la
muestra son escogidas de la poblacin reunidas en grupos
antes que individualmente. La razn usual para la
conglomeracin es conseguir una reduccin de los
costos de las entrevistas, escogiendo para esto unidades
que estn geogrficamente cercanas unas de otras, ms de
lo que se estara si se selecciona con un muestreo simple al
azar. Primero hay que conglomerar las unidades del universo
y despus seleccionar conglomerados en vez de unidades
individuales. Al seleccionar un conglomerado, sus unidades
se convierten automticamente en parte de la muestra.
20

CLASES DE MUESTREO PROBABILISTICOS

MUESTREO DE CONGLOMERADOS
Grupo 1A
Grupo 5C

Grupo 2A
Grupo 3B
Heterogneos en su interior; diferentes entre s en propiedades y tamao

En este mtodo debe buscarse la menor homogeneidad posible dentro de los

conglomerados(entre las unidades de muestreo), y la mayor homogeneidad entre los
conglomerados. Esto es lo contrario que lo que se debe buscar en el mtodo de la
estratificacin.
21

Muestreo
Aleatorio por Conglomerados

Los conglomerados deben estar muy bien

definidos de modo que cada elemento
pertenezca a uno y solo a un conglomerado.
El tamao de cada conglomerado debe ser
bien conocido (por lo menos bien estimado)
El nmero
pequeo.

de

conglomerados

debe

22

ser

Muestreo
Aleatorio por Conglomerados
La conglomeracin reduce la eficiencia del muestreo, es
mayor que el error de muestreo de una muestra no
conglomerada del mismo tamao, por lo que el ahorro del
dinero puede ser slo aparente.
Usualmente los errores de muestreo son mayores en los
conglomerados mas grandes que en los ms pequeos. Pero
es posible reducir los errores de los conglomerados usando
el muestreo por etapas sucesivas dando origen al muestreo
Bietapico, Trietpico, n-etpico. La idea es primero elegir el
conglomerado y despus hacer un nuevo muestreo dentro de
cada conglomerado para tener una muestra de unidades.
23

MUCHAS GRACIAS Y
QUE DIOS LAS ACOMPAE SIEMPRE