TIPOS DE MUESTREO

NICOL CAROLINA MEJIA BENDECK

UNIVERSIDAD POPULAR DEL CESAR

FACULTAD ADMINISTRATIVA, ECONOMICA Y CONTABLE
ESTADISTICA INFERENCIAL Y MUESTREO
VALLEDUPAR- CESAR
2016

TIPOS DE MUESTREO

NICOL CAROLINA MEJIA BENDECK

TALLER DE ESTADISTICA

EDUAR PEREZ

UNIVERSIDAD POPULAR DEL CESAR

FACULTAD ADMINISTRATIVA, ECONOMICA Y CONTABLE
ESTADISTICA INFERENCIAL Y MUESTREO
VALLEDUPAR- CESAR
2016

INTRODUCCION

Existen diferentes criterios de clasificacin de los diferentes tipos de muestreo,

aunque en general pueden dividirse en dos grandes grupos: mtodos de muestreo
probabilsticos y mtodos de muestreo no probabilsticos. Tambin existen
numerosas tcnicas para seleccionar muestras. Este paso es de importancia vital
en un estudio estadstico, porque las conclusiones que se obtienen dependen muy
esencialmente de las muestras analizadas. Las tcnicas que proporcionan las
mejores muestras son las aleatorias, en las que cualquier integrante de la
poblacin tiene la misma probabilidad de ser elegido.

La cantidad de elementos que integran la muestra (el tamao de la muestra)

depende de mltiples factores, como el dinero y el tiempo disponibles para el
estudio, la importancia del tema analizado, la confiabilidad que se espera de los
resultados, las caractersticas propias del fenmeno analizado, etc.

TIPOS DE MUESTREO

Muestreo estadstico: conceptos, estimadores y su distribucin 3

CONCEPTOS INICIALES EN LA TEORA DEL MUESTREO
Al hablar de mtodos de muestreo nos referimos al conjunto de tcnicas
estadsticas que estudian la forma de seleccionar una muestra lo
suficientemente representativa de una poblacin cuya informacin permita
inferir las propiedades o caractersticas de toda la poblacin cometiendo un
error medible y acotable. A partir de la muestra, seleccionada mediante un
determinado mtodo de muestreo, se estiman las caractersticas
poblacionales (media, total, proporcin, etc.) con un error cuantificable y
controlable. Las estimaciones se realizan a travs de funciones matemticas
de la muestra denominada estimadora, que se convierten en variables
aleatorias al considerar la variabilidad de las muestras. Los errores se
cuantifican mediante varianzas, desviaciones tpicas o errores cuadrticos
medios de los estimadores, que miden la precisin de stos. La metodologa
que permite inferir resultados, predicciones y generalizaciones sobre la
poblacin estadstica, basndose en la informacin contenida en las
muestras representativas previamente elegidas por mtodos de muestreo
formales, se denomina inferencia estadstica.
Es muy importante tener en cuenta que para medir el grado de
representatividad de la muestra es necesario utilizar muestreo probabilstico.
Diremos que el muestreo es probabilstico cuando pueda establecerse la
probabilidad de obtener cada una de las muestras que sea posible
seleccionar, esto es, cuando la seleccin de muestras constituya un
fenmeno aleatorio probabilizable.
Dicha seleccin se verificar en
condiciones de azar, siendo susceptible de medida la incertidumbre derivada
de la misma. Esto permitir medir los errores cometidos en el proceso de
muestreo (a travs de varianza u otras medidas estadsticas).
Existen varios tipos de muestreo, dependiendo de que la poblacin
estadstica sea finita o infinita, materia sobre la que existe amplia literatura
estadstica, pero nosotros consideraremos solamente el muestreo en
poblaciones finitas. La poblacin finita inicial que se desea investigar se
denomina poblacin objetivo, pero el muestreo de toda la poblacin objetivo
no siempre es posible debido a diferentes problemas que no permiten

obtener informacin de algunos de sus elementos (inaccesibilidad de

algunos de sus elementos, negativas a colaborar, ausencias, etc.), con lo
que la poblacin que realmente es objeto de estudio o poblacin investigada
no coincide con la poblacin objetivo.
Por otro lado, para seleccionar la muestra, necesitaremos un listado de
unidades de muestreo denominado marco que tericamente debiera
coincidir con la poblacin objetivo. Un marco ser ms adecuado cuanto
mejor cubra la poblacin objetivo, es decir, cuanto menor sea el error de
cobertura. Pero en los marcos son inevitables las desactualizaciones, las
omisiones de algunas unidades, las duplicaciones de otras y la presencia de
unidades extraas y otras impurezas que obligan a su depuracin
(depuracin de marcos imperfectos). Idealmente podra conseguirse la
poblacin objetivo eliminando del marco las unidades errneamente
incluidas en l (unidades extraas, duplicaciones, etc.) y aadiendo las
omisiones. Asimismo, tambin sera una meta que al eliminar del marco las
unidades de las que no se puede obtener informacin (inaccesibles,
ausentes, no colaboradoras, etc.) se obtuviera la poblacin investigada. El
marco puede estar constituido por unidades elementales de muestreo o por
unidades compuestas. Una unidad elemental (o simple) es la unidad de
muestreo ms sencilla posible y una unidad compuesta (o primaria)est
formada por varias unidades elementales. Como en la prctica no es fcil
disponer de marcos de unidades elementales, se intenta conseguir marcos
de unidades compuestas que son ms accesibles. Por ejemplo, para estudiar
habitantes de una regin es ms fcil disponer de un listado de hogares que
de un listado de individuos. Se selecciona la muestra de un marco de
hogares (unidades compuestas de varios individuos) y despus se estudian
las propiedades de los individuos con tcnicas adecuadas

Muestreo probabilstico (aleatorio): En este tipo de muestreo, todos los

individuos de la poblacin pueden formar parte de la muestra, tienen probabilidad
positiva de formar parte de la muestra. Por lo tanto es el tipo de muestreo que
deberemos utilizar en nuestras investigaciones, por ser el riguroso y cientfico.

Muestreo no probabilstico (no aleatorio): En este tipo de muestreo, puede

haber clara influencia de la persona o personas que seleccionan la muestra o
simplemente se realiza atendiendo a razones de comodidad. Salvo en situaciones

muy concretas en la que los errores cometidos no son grandes, debido a la

homogeneidad de la poblacin, en general no es un tipo de muestreo riguroso y
cientfico, dado que no todos los elementos de la poblacin pueden formar parte
de la muestra. Por ejemplo, si hacemos una encuesta telefnica por la maana,
las personas que no tienen telfono o que estn trabajando, no podrn formar
parte de la muestra.

Muestreo aleatorio simple

En un muestreo aleatorio simple todos los individuos tienen la misma probabilidad
de ser seleccionados. La seleccin de la muestra puede realizarse a travs de
cualquier mecanismo probabilstico en el que todos los elementos tengan las
mismas opciones de salir. Por ejemplo uno de estos mecanismos es utilizar una
tabla de nmeros aleatorios, o tambin con un ordenador generar nmeros
aleatorios, comprendidos entre cero y uno, y multiplicarlos por el tamao de la
poblacin, este es el que vamos a utilizar.
EJEMPLO

Muestreo aleatorio estratificado

Es frecuente que cuando se realiza un estudio interese estudiar una serie de
subpoblaciones (estratos) en la poblacin, siendo importante que en la muestra
haya representacin de todos y cada uno de los estratos considerados. El
muestreo aleatorio simple no nos garantiza que tal cosa ocurra. Para evitar esto,
se saca una muestra de cada uno de los estratos.

 Hay dos conceptos bsicos:

Estratificacin: El criterio a seguir en la formacin de los estratos ser formarlos

de tal manera que haya la mxima homogeneidad en relacin a la variable a
estudio dentro de cada estrato y la mxima heterogeneidad entre los estratos.

Afijacin: Reparto del tamao de la muestra en los diferentes estratos o

subpoblaciones. Existen varios criterios de afijacin entre los que destacamos:

1.
Afijacin igual: Todos los estratos tienen el mismo nmero de elementos en
la muestra.
2.
Afijacin proporcional: Cada estrato tiene un nmero de elementos en la
muestra proporcional a su tamao.
3.
Afijacin Neyman: Cuando el reparto del tamao de la muestra se hace de
forma proporcional al valor de la dispersin en cada uno de los estratos.

MUESTREO ALEATORIO SISTEMTICO

Es un tipo de muestreo aleatorio simple en el que los elementos se seleccionan

segn un patrn que se inicia con una eleccin aleatoria.
Considerando una poblacin de N elementos, si queremos extraer una muestra de
tamao n, partimos de un nmero h=N/n, llamado coeficiente de elevacin y
tomamos un nmero al azar a comprendido entre 1 y h que se denomina arranque
u origen.
La muestra estar formada por los elementos: a, a+h, a+2h,....a+(n-1)h.
De aqu se deduce que un elemento poblacional no podr aparecer ms de una
vez en la muestra. La muestra ser representativa de la poblacin pero introduce

algunos sesgos cuando la poblacin est ordenada en funcin de determinados

criterios.

MUESTREO ALEATORIO POR CONGLOMERADOS O REAS

Mientras que en el muestreo aleatorio estratificado cada estrato presenta cierta

homogeneidad, un conglomerado se considera una agrupacin de elementos que
presentan caractersticas similares a toda la poblacin.
Por ejemplo, para analizar los gastos familiares o para controlar el nivel de
audiencia de los programas y cadenas de televisin, se utiliza un muestreo por
conglomerados-familias que han sido elegidas aleatoriamente.
Las familias incluyen personas de todas las edades, muy representativas de las
mismas edades y preferencias que la totalidad de la poblacin.
Una vez seleccionados aleatoriamente los conglomerados, se toman todos los
elementos de cada uno para formar la muestra. En este tipo de muestreo lo que se
elige al azar no son unos cuantos elementos de la poblacin, sino unos grupos de
elementos de la poblacin previamente formados. Elegidos estos grupos o
"conglomerados" en un nmero suficiente, se pasa posteriormente a la eleccin,
tambin al azar, de los elementos que han de ser observados dentro de cada
grupo, o bien, segn se desee, a la observacin de todos los elementos que
componen los grupos elegidos.

MUESTREO NO PROBABILSTICO
Existen otros procedimientos para seleccionar las muestras, que son menos
precisos que los citados y que resultan menos costosos. El procedimiento ms
utilizado es el muestreo no probabilstico, denominado opintico consistente en
que el investigador selecciona la muestra que supone sea la ms representativa,
utilizando un criterio subjetivo y en funcin de la investigacin que se vaya a
realizar.
Con el muestreo opintico la realizacin del trabajo de campo puede simplificarse
enormemente pues se puede concentrar mucho la muestra. Sin embargo, al
querer concentrar la muestra, se pueden cometer errores y sesgos debidos al

investigador y, al tratarse de un muestreo subjetivo (segn las preferencias del

investigador), los resultados de la encuesta no tienen una fiabilidad estadstica
exacta.
Un muestreo no probabilstico muy utilizado hoy en da por los institutos de opinin
es el de itinerarios, consistente en facilitar al entrevistador el perfil de las personas
que tiene que entrevistar en cada uno de los itinerarios en que se realizan las
entrevistas.
El muestreo denominado de cuotas, utiliza en sucesivos sondeos al mismo
conjunto muestral (inicialmente seleccionado de forma aleatoria) y es el empleado
para medir ndices de audiencia de programas televisivos.
En muestreo se entiende por poblacin a la totalidad del universo que interesa
considerar, y que es necesario que est bien definido para que se sepa en todo
momento que elementos lo componen.
No obstante, cuando se realiza un trabajo puntual, conviene distinguir entre
poblacin terica: conjunto de elementos a los cuales se quieren extrapolar los
resultados, y poblacin estudiada: conjunto de elementos accesibles en nuestro
estudio.
Censo: En ocasiones resulta posible estudiar cada uno de los elementos que
componen la poblacin, realizndose lo que se denomina un censo, es decir, el
estudio de todos los elementos que componen la poblacin.
La realizacin de un censo no siempre es posible, por diferentes motivos: a)
economa: el estudio de todos los elementos que componen una poblacin, sobre
todo si esta es grande, suele ser un problema costoso en tiempo, dinero, etc.; b)
que las pruebas a las que hay que someter a los sujetos sean destructivas; c) que
la poblacin sea infinita o tan grande que exceda las posibilidades del
investigador.
Si la numeracin de elementos, se realiza sobre la poblacin accesible o
estudiada, y no sobre la poblacin terica, entonces el proceso recibe el nombre
de marco o espacio muestral.
Tipos de muestreo
Los autores proponen diferentes criterios de clasificacin de los diferentes tipos
de muestreo, aunque en general pueden dividirse en dos grandes

MUESTREO PROBABILSTICO
Los mtodos de muestreo probabilsticos son aquellos que se basan en el
principio de equiprobabilidad. Es decir, aquellos en los que todos los individuos
tienen la misma probabilidad de ser elegidos para formar parte de una muestra y,
consiguientemente, todas las posibles muestras de tamao n tienen la misma
probabilidad de ser elegidas. Slo estos mtodos de muestreo probabilsticos nos
aseguran la representatividad de la muestra extrada y son, por tanto, los ms
recomendables. Dentro de los mtodos de muestreo probabilsticos encontramos
los siguientes tipos:
El mtodo otorga una probabilidad conocida de integrar la muestra a cada
elemento de la poblacin, y dicha probabilidad no es nula para ningn elemento.
Los mtodos de muestreo no probabilsticos no garantizan la representatividad de
la muestra y por lo tanto no permiten realizar estimaciones inferenciales sobre la
poblacin.
(En algunas circunstancias los mtodos estadsticos y epidemiolgicos permiten
resolver los problemas de representatividad aun en situaciones de muestreo no
probabilstico, por ejemplo los estudios de caso-control, donde los casos no son
seleccionados aleatoriamente de la poblacin.)

Entre los mtodos de muestreo probabilsticos ms utilizados en investigacin

encontramos:

Muestreo aleatorio simple

Muestreo estratificado

Muestreo sistemtico

Muestreo polietpico o por conglomerados

MUESTREO ALEATORIO SIMPLE:

El procedimiento empleado es el siguiente: 1) se asigna un nmero a cada
individuo de la poblacin y 2) a travs de algn medio mecnico (bolas dentro de
una bolsa, tablas de nmeros aleatorios, nmeros aleatorios generados con una

calculadora u ordenador, etc.) se eligen tantos sujetos como sea necesario para
completar el tamao de muestra requerido.
Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad prctica
cuando la poblacin que estamos manejando es muy grande.

MUESTREO ALEATORIO SISTEMTICO:

Este procedimiento exige, como el anterior, numerar todos los elementos de la
poblacin, pero en lugar de extraer n nmeros aleatorios slo se extrae uno. Se
parte de ese nmero aleatorio i, que es un nmero elegido al azar, y los elementos
que integran la muestra son los que ocupa los lugares i, i+k, i+2k, i+3k,...,i+(n-1)k,
es decir se toman los individuos de k en k, siendo k el resultado de dividir el
tamao de la poblacin entre el tamao de la muestra: k= N/n. El nmero i que
empleamos como punto de partida ser un nmero al azar entre 1 y k.
El riesgo este tipo de muestreo est en los casos en que se dan periodicidades en
la poblacin ya que al elegir a los miembros de la muestra con una periodicidad
constante (k) podemos introducir una homogeneidad que no se da en la poblacin.
Imaginemos que estamos seleccionando una muestra sobre listas de 10 individuos
en los que los 5 primeros son varones y los 5 ltimos mujeres, si empleamos un
muestreo aleatorio sistemtico con k=10 siempre seleccionaramos o slo
hombres o slo mujeres, no podra haber una representacin de los dos sexos.

MUESTREO ALEATORIO ESTRATIFICADO:

Trata de obviar las dificultades que presentan los anteriores ya que simplifican los
procesos y suelen reducir el error muestral para un tamao dado de la muestra.
Consiste en considerar categoras tpicas diferentes entre s (estratos) que poseen
gran homogeneidad respecto a alguna caracterstica (se puede estratificar, por
ejemplo, segn la profesin, el municipio de residencia, el sexo, el estado civil,
etc.). Lo que se pretende con este tipo de muestreo es asegurarse de que todos
los estratos de inters estarn representados adecuadamente en la muestra. Cada
estrato funciona independientemente, pudiendo aplicarse dentro de ellos el
muestreo aleatorio simple o el estratificado para elegir los elementos concretos
que formarn parte de la muestra. En ocasiones las dificultades que plantean son
demasiado grandes, pues exige un conocimiento detallado de la poblacin.
(Tamao geogrfico, sexos, edades,...).

La distribucin de la muestra en funcin de los diferentes estratos se denomina

afijacin, y puede ser de diferentes tipos:
Afijacin Simple: A cada estrato le corresponde igual nmero de elementos
mustrales.
Afijacin Proporcional: La distribucin se hace de acuerdo con el peso (tamao)
de la poblacin en cada estrato.
Afijacin ptima: Se tiene en cuenta la previsible dispersin de los resultados, de
modo que se considera la proporcin y la desviacin tpica. Tiene poca aplicacin
ya que no se suele conocer la desviacin.

MUESTREO ALEATORIO POR CONGLOMERADOS:

Los mtodos presentados hasta ahora estn pensados para seleccionar
directamente los elementos de la poblacin, es decir, que las unidades mustrales
son los elementos de la poblacin.
En el muestreo por conglomerados la unidad muestral es un grupo de elementos
de la poblacin que forman una unidad, a la que llamamos conglomerado. Las
unidades hospitalarias, los departamentos universitarios, una caja de determinado
producto, etc., son conglomerados naturales. En otras ocasiones se pueden
utilizar conglomerados no naturales como, por ejemplo, las urnas electorales.
Cuando los conglomerados son reas geogrficas suele hablarse de "muestreo
por reas".
El muestreo por conglomerados consiste en seleccionar aleatoriamente un cierto
nmero de conglomerados (el necesario para alcanzar el tamao muestral
establecido) y en investigar despus todos los elementos pertenecientes a los
conglomerados elegidos.

MTODOS DE MUESTREO NO PROBABILSTICOS

A veces, para estudios exploratorios, el muestreo probabilstico resulta
excesivamente costoso y se acude a mtodos no probabilsticos, aun siendo
conscientes de que no sirven para realizar generalizaciones, pues no se tiene
certeza de que la muestra extrada sea representativa, ya que no todos los sujetos
de la poblacin tienen la misma probabilidad de se elegidos. En general se

seleccionan a los sujetos siguiendo determinados criterios procurando que la

muestra sea representativa.
Muestreos No Probabilsticos:

De Conveniencia

De Juicios

Por Cuotas de Bola de Nieve Discrecional

MUESTREO POR CUOTAS:

Tambin denominado en ocasiones "accidental". Se asienta generalmente sobre la
base de un buen conocimiento de los estratos de la poblacin y/o de los individuos
ms "representativos" o "adecuados" para los fines de la investigacin. Mantiene,
por tanto, semejanzas con el muestreo aleatorio estratificado, pero no tiene el
carcter de aleatoriedad de aqul.
En este tipo de muestreo se fijan unas "cuotas" que consisten en un nmero de
individuos que renen unas determinadas condiciones, por ejemplo: 20 individuos
de 25 a 40 aos, de sexo femenino y residentes en Gijn. Una vez determinada la
cuota se eligen los primeros que se encuentren que cumplan esas caractersticas.
Este mtodo se utiliza mucho en las encuestas de opinin.

MUESTREO OPINTICO O INTENCIONAL:

Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener
muestras "representativas" mediante la inclusin en la muestra de grupos
supuestamente tpicos. Es muy frecuente su utilizacin en sondeos preelectorales
de zonas que en anteriores votaciones han marcado tendencias de voto.

MUESTREO CASUAL O INCIDENTAL:

Se trata de un proceso en el que el investigador selecciona directa e
intencionadamente los individuos de la poblacin. El caso ms frecuente de este
procedimiento el utilizar como muestra los individuos a los que se tiene fcil

acceso (los profesores de universidad emplean con mucha frecuencia a sus

propios alumnos).

BOLA DE NIEVE:
Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y
as hasta conseguir una muestra suficiente. Este tipo se emplea muy
frecuentemente cuando se hacen estudios con poblaciones "marginales",
delincuentes, sectas, determinados tipos de enfermos, etc.