V.

Muestreo
V 1 Distribuciones de Muestreo
V.1.
Definicin
La distribucin de probabilidad de un estadstico recibe el
nombre de distribucin muestral.
La distribucin muestral de un estadstico depende del
tamao de la poblacin, del tamao de las muestras y del
mtodo de seleccin de stas ltimas.
V.1.1. Distribuciones de muestreo
para medias
` La distribucin de probabilidad de se llama distribucin muestral de la media.
` LLa primera
i distribucin
di t ib i muestral
t l a considerarse
id es la
l de
d la
l mediadi . Supngase
S que
una muestra aleatoria de n observaciones se toma de una poblacin normal con
media y con varianza finita 2. Cada observacin Xi, i = 1, 2,...., n, de la muestra
aleatoria tiene entonces la misma distribucin normal que la poblacin que est
siendo muestreada. Por lo que:
n
x
X 1 + X 2 + ..... + X n i =1 i
X= =
n n
n

xi
1 n 1 n 1 n 1
E (X ) = E = E x i = E ( x i ) = = (n ) =
n n
i =1

i =1 n i =1 n i =1 n

` Tiene una distribucin normal con media .

` Cuando un estimador, como en este caso, tiene un valor esperado igual al
parmetro que se desea estimar, se dice que es un estimador insesgado.
V.1.2.
1 2 Varianza muestral
` La varianza muestral es:

n
xi
= 1 Var x = 1 Var ( x ) = 1 2
n n n
Var ( x) = Var i =1
n n2 i =1
i
n i =1
2 i
n i =1
2 i


1
Var ( x ) = 2 n 2
n

2
Var ( x ) =
n
V 1 3 Teorema Central de Lmite
V.1.3.
` Dadas las propiedades anteriores se establece que para
poblaciones infinitas:
2
x N ,
n
2
x N 0,
n
x
z= N (0,1)
2

n
V 1 3 Teorema Central de Lmite
V.1.3.
` Si X es la media de una muestra aleatoria de tamao n
que se toma de una poblacin con media y con varianza
finita 2, entonces la forma lmite de la distribucin de:
X
Z=

n
` Conforme n tiende a infinito es la distribucin normal
estndar n(z; 0, 1).
V 1 3 Teorema Central de Lmite
V.1.3.
` En trminos simples el teorema central de lmite se enuncia de
la siguiente manera:
` Si X es una variable aleatoria con media y desviacin estndar , la
distribucin de muestreo de la media de la muestra debe ser
aproximadamente normal con media y desviacin estndar sin
importar la forma de la distribucin original de la variable aleatoria
X siempre
X, i y cuando
d ell tamao de
d la
l muestra sea granded (n).
( )
` La aproximacin normal para generalmente ser buena si n 30 sin
importar la forma de la poblacin. Si n < 30, la aproximacin es
buena slo si la poblacin no difiere mucho de una distribucin
normal y, como se estableci antes, si se sabe que la poblacin es
normal la distribucin muestral de seguir exactamente una
normal,
distribucin normal, sin importar qu tan pequeo sea el tamao de
las muestras
V 1 3 Teorema Central de Lmite
V.1.3.
Ejemplo:
1. En un proceso de produccin se sabe que la cantidad, en
promedio, de piezas defectuosas es de 4 con una desviacin de 2,
en una muestra
t d de 30 piezas.
i Calcular
C l l la l probabilidad
b bilid d de
d tener
t
menos de 3 piezas defectuosas.
X
Z=

n
34 1
Z= = = 2.7386
2 2
30 30
Como z = 2.7386
C 2 7386 valor
l que bbuscadod en lla ttabla
bl de
d lla normall es:
0.0032 lo que significa que se tiene una probabilidad de 0.32%
de tener menos de tres piezas defectuosas.
defectuosas
V 2 Muestreo
V.2.
Definicin
` Es un procedimiento para seleccionar un subconjunto,
llamado muestra, de elementos de una poblacin.
` El objetivo principal del muestreo es considerar el mayor
nmero de unidades con el menor costo posible.
V.2.
2 Clasificacin del muestreo
` Existen diferentes criterios de clasificacin de
los diferentes tipos de muestreo, aunque en
general pueden dividirse en dos grandes
grupos:
1. Mtodos
Mt d d de muestreo
t no probabilsticos
b bil ti
2. Mtodos de muestreo probabilsticos
V.2.1. Muestreo No Probabilstico (No
Aleatorio))
Aleatorio
` 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
i para realizar
li generalizaciones,
li i pues no se
tiene certeza de que la muestra extrada sea
representativa ya que no todos los sujetos de la
representativa,
poblacin tienen la misma probabilidad de ser elegidos. En
general se seleccionan a los sujetos siguiendo
determinados criterios procurando que la muestra sea
representativa.
V.2.1. Muestreo No Probabilstico (No
Aleatorio)
` En algunas circunstancias los mtodos estadsticos y
epidemiolgicos permiten resolver los problemas de
representatividad aun en situaciones de muestreo no
probabilstico,
b bil i por ejemplo
j l los
l estudios
di ded caso-control,l
donde los casos no son seleccionados aleatoriamente de
la poblacin.
poblacin
V.2.1. Muestreo No Probabilstico (No
Aleatorio)
` Entre los mtodos de muestreo no probabilsticos ms
utilizados en investigacin encontramos:
` Muestreo intencional o de conveniencia
` Muestreo por cuotas
` Muestreo opintico o intencional
` Muestreo casual o incidental
` Bola de nieve
` M
Muestreo Discrecional
Di i l
V 2 2 Muestreo Intencional
V.2.2.
` Es cuando una persona selecciona la muestra procurando que
sea representativa,
representativa dependiendo tal representatividad de su
intencin u opinin, con lo que la evaluacin es subjetiva. En
este proceso no se produce una seleccin aleatoria de las
muestras limitndose el muestreo a unidades que parecen ser
representativas de la poblacin que se considera. Se obtiene
informacin sobre esas unidades y con base en la misma se
hacen estimaciones sobre las caractersticas de la poblacin.
poblacin
a. Aplicando Criterio: el criterio de la persona que selecciona la
muestra es importante, porque personas diferentes tiene criterios
diferentes No hay mtodo objetivo por el que se prefiera un
diferentes.
criterio de seleccin de muestra a otro.
b. Muestreo sin norma: Es cuando se toma la muestra de cualquier
manera por razones de comodidad
comodidad. La representatividad de tal
muestra slo puede aspirar a ser medianamente satisfactoria en el
caso de que la poblacin sea homognea.
V 2 3 Muestreo por cuotas
V.2.3.
` 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"
p o "adecuados" para
p los fines de la
investigacin. Mantiene, por tanto, semejanzas con el muestreo
aleatorio estratificado, pero no tiene el carcter de
aleatoriedad de aqul.
aqul
` En este tipo de muestreo se fijan unas "cuotas" que consisten
en un nmero de individuos qque renen unas determinadas
condiciones, por ejemplo: 25 individuos de 20 a 35 aos, de
sexo femenino y residentes en la Ciudad de Mxico. 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.
V.2.4. 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.
i EEs muy ffrecuente su utilizacin
ili i en
sondeos preelectorales de zonas que en anteriores
votaciones han marcado tendencias de voto.
voto
V
V.2.5
V.2.5.
2 5. 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 losl individuos
i di id a los
l que se tiene
i fcil
f il acceso
(los profesores de universidad emplean con mucha
frecuencia a sus propios alumnos)
alumnos). Un caso particular es el
de los voluntarios.
V
V.2.6
V.2.6.
2 6. 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
di con poblaciones
bl i ""marginales",
i l " d delincuentes,
li sectas,
determinados tipos de enfermos, etc.
V.3. Muestreo Probabilstico
(Aleatorio)
` Es cuando puede establecerse la probabilidad de obtener cada
una de las muestras que sea posible seleccionar (elementos
( del
espacio muestral S) mediante un proceso de muestreo dado,
esto es
es, cuando la seleccin de muestras constituya un
fenmeno aleatorio probabilizable. Dicha seleccin se
verificar en condiciones de azar, siendo susceptible
p de medida
de incertidumbre derivada de la misma. Esto permitir medir
los errores cometidos en el proceso de muestreo.
` Para establecer la probabilidad de todas las muestras posibles
derivadas de un procedimiento de muestreo dado, ser
necesarioi conocer ese conjunto
j t de
d muestras,
t es decir,
d i ser
necesario delimitar tanto el mtodo de muestreo como el
espacio muestral derivado del mismo.
V.3. Muestreo Probabilstico
V.3.
(Aleatorio)
` Se establece que el muestreo aleatorio es un proceso
de seleccin de muestras, mediante el cual se
garantiza que todos los elementos de la poblacin
tienen la misma probabilidad de ser elegidos para ser
parte de la muestra. A la muestra seleccionada de
esta forma se le llama muestra aleatoria.
V.3. Muestreo Probabilstico
(Aleatorio)
` En el proceso de seleccin de una muestra, puede suceder que, una vez
seleccionado y computado un elemento
elemento, ste sea devuelto a la poblacin,
poblacin
pudiendo ser seleccionado de nuevo para formar parte de la misma
muestra. En este caso se habla de un muestreo con reemplazamiento.
` En cambio,
cambio si una vez seleccionado un elemento,
elemento no puede volver a formar
parte de la misma muestra, se habla de muestreo sin
reemplazamiento.
` C d se utiliza
Cuando tili ell mtodo
t d dde muestreo
t con reemplazamiento,
l i t ell
resultado de la extraccin de cada elemento es independiente de los
resultados anteriores.
` E ell muestreo con reemplazamiento,
En l ell nmero
de
d elementos
l de
d la
l
poblacin no se acaba nunca, por lo que se puede dar el hecho de muestras
con mayor tamao que el nmero de elementos de la poblacin.
` En poblaciones finitas, si el muestreo es sin reemplazamiento, el
resultado de una extraccin depende de los resultados anteriores.
V.3. Muestreo Probabilstico
V.3.
(Aleatorio)
` El muestreo aleatorio realizado bajos ciertas condiciones
y sometido a ciertos requisitos, sirve para generalizar
conclusiones obtenidas a travs de una muestra, aplicables
a toda
d lla poblacin
bl i dde lla que forma
f parte, dentro
d de
d
ciertos lmites de confiabilidad, establecidos de antemano.
V.3. Muestreo Probabilstico
V.3.
(Aleatorio)
` Dentro de los mtodos de muestreo probabilsticos
encontramos los siguientes tipos:
` Muestreo aleatorio simple
` Muestreo aleatorio sistemtico
` Muestreo aleatorio estratificado
` Muestreo aleatorio por conglomerados
V 4 Mtodo de Muestreo
V.4.
` Un procedimiento o mtodo de muestreo es un proceso o
mecanismo mediante el que se seleccionan las muestras de
modo que cada una tenga una determinada probabilidad de ser
elegida.
g
` Por lo tanto, el mtodo aleatorio empleado para seleccionar la
muestra define en el espacio muestral S una funcin de
probabilidad
b bilid d P ttall que:
a. P(Si) 0 para toda i
b.
P(S ) = 1
S
i

` Cuando se habla de estimar un pparmetro de la ppoblacin a

partir de los datos proporcionados por una muestra, se estn
manejando conceptos que es necesario definir.
V
V.4
V.4.
4. Mtodo de Muestreo
` Entendemos por poblacin el conjunto de todos los
elementos que van a ser objeto de un experimento aleatorio.
aleatorio
Estos elementos estn representados a veces por una variable.
` Una muestra es un subconjunto de elementos de la poblacin.
Hay sin embargo, distintas formas o mtodos de seleccionar
una muestra, que dependen, en general, de las caractersticas
d la
de l poblacin
bl i que se va a estudiar.
t di
` Las poblaciones pueden ser finitas o infinitas, sin embargo, en la
mayora de los casos que se presentan en la prctica,
poblaciones con un nmero finito de elementos pueden ser
consideradas como infinitas. As, cuando una muestra contiene
un nmero
d
de elementos
l t menor o iiguall all 5% d de los
l
elementos de la poblacin, est se considera infinita.
V 4 Mtodo de Muestreo
V.4.
` Una muestra es un subconjunto de elementos de la
poblacin.
` Hay sin embargo, distintas formas o mtodos de
seleccionar una muestra, que dependen, en general, de las
caractersticas de la poblacin que se va a estudiar.
` Las poblaciones pueden ser finitas o infinitas, sin embargo,
en la mayora de los casos que se presentan en la prctica,
poblaciones
bl con un nmero
finito
f de
d elementos
l pueden
d
ser consideradas como infinitas. As, cuando una muestra
contiene
ti un nmero
de
d elementos
l t menor o igual
i l all 5% de
d
los elementos de la poblacin, est se considera infinita.
V.5.
5 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
b l tablas
bolsa, bl d de nmeros
aleatorios,
l nmeros
aleatorios
l
generados con una calculadora u ordenador, etc.) se eligen
tantos sujetos como sea necesario para completar el tamao
de muestra requerido.
` Este
ste procedimiento,
p oce e to, atractivo
at act vo por
po su simpleza,
s p e a, tiene
t e e poca
o nula utilidad prctica cuando la poblacin que estamos
manejando
j es muyy ggrande.
V 6 Muestreo Sistemtico
V.6.
` En algunos casos, en especial cuando hay grandes poblaciones, es
tardada la seleccin de una muestra aleatoria simple cuando se
determina primero un nmero aleatorio y despus se cuenta o se
busca en la lista de elementos de la poblacin hasta encontrar el
elemento
l t correspondiente.
di t U Una alternativa
lt ti all muestreo
t aleatorio
l t i
simple es el muestreo sistemtico, que se define como:
` Un mtodo ppara elegirg una muestra seleccionando al azar uno de
los primeros k elementos y a continuacin cada k-simo elemento.
` Ms que un mtodo de muestreo, podra ser considerado como un
proceso de seleccin,
seleccin que algunos denominan seleccin a intervalos
regulares. Generalmente se le define como la obtencin de los
elementos o unidades de una muestra mediante la aplicacin de un
mtodo
t d sistemtico,
i t ti en ell sentido
tid opuestot a los
l aleatorios.
l t i Por P tal
t l
motivo algunos no lo consideran como un mtodo de muestreo al
azar, a menos que la lista o marco se haya conformado al azar.
V 6 Muestreo Sistemtico
V.6.
` El muestreo sistemtico o en serie, se usa frecuentemente por
ser un mtodo simple
simple, sencillo
` El proceso de seleccin es el siguiente:
a) Supongamos que una poblacin estudiada esta compuesta por 360
elementos,
l adems
d ell tamao
de
d la
l muestra es ded 30;
30 con esta
informacin se puede determinar el intervalo de seleccin,
simbolizada por I.
1 1 N
I= = =
f n n
N

360
I= = 12
30

Hemos determinado el intervalo de seleccin, ahora se debe obtener

un nmero
aleatorio
l i ddentro d
de ese iintervalo;
l supongamos que entre
001 y 012, se obtuvo el nmero 004, al cual se le denomina punto de
arranque.
V 6 Muestreo Sistemtico
V.6.
` Una vez que se ha establecido el punto de arranque,
mediante la seleccin aleatoria, se inicia el proceso de
seleccin sistemtica, correspondiendo el nmero 016 a
l segunda
la d unidad
id d seleccionada;
l i d a sta se le l suma
nuevamente el valor del intervalo, para obtener la tercera
unidad y as sucesivamente.
sucesivamente
` Lo cual se forma lo siguiente:
004 016 028 040 052 064 076 088
100 112 124 136 148 160 172 184
196 208 220 232 244 256 268 280
292 304 316 328 340 352
V 6 Muestreo Sistemtico
V.6.
` En el caso de que el valor obtenido para el intervalo de
seleccin no sea un nmero entero, se proceder de
manera diferente. Siendo la poblacin de 355 elementos y
ell tamao
30,
30 se tendr
d un intervalo
i l igual
i l a:
1 1 N
I= = =
f n n
N
` Por lo tanto el intervalo es:
355
I= = 11.83 12
30
V 6 Muestreo Sistemtico
V.6.
` Mediante la tabla de nmeros al azar se selecciona un nmero, entre
001 y 355; supongamos que fue el 208
208, a partir del cual (punto de
arranque) se va acumulando el valor del intervalo, as:

208 220 232 244 256 268 280 292

304 316 328 340 352 009 021 033
045 057 069 081 093 105 117 129
141 153 165 177 189 201

` El proceso ms utilizado en la prctica, es el de calcular el intervalo

de seleccin sin importar si es un nmero entero o si presenta
decimales,, en este ltimo caso,, se aproxima
p al nmero
inmediatamente superior, luego se selecciona aleatoriamente (al
azar) un nmero dentro del intervalo, con la finalidad de obtener el
punto de arranque, al cual se le va acumulando el valor del intervalo.
V 7 Muestreo Estratificado
V.7.
` En este tipo de muestreo, los estratos deben de ser
internamente homogneos y deben ser diferentes
f entre ello,
de tal forma que justifiquen y optimicen el costo de la
estratificacin La mencionada justificacin se puede
estratificacin.
comprobar si dada la varianza general de la poblacin y
comparada
p con cada una de las varianzas e los estratos, stas
fueran siempre menores.
` Lo anterior indica que todas las unidades de muestra de la
poblacin deben producir la informacin necesaria para que se
puedan clasificar en el estrato correspondiente. Cuando una
parte
t pequea de
d las
l unidades
id d no produzca
d esa informacin
i f i
que permita clasificarla claramente, o la produzca en forma no
concluyente, stas pueden ser pasadas a un estrato especfico.
V 7 Muestreo Estratificado
V.7.
` Ya estratificadas las unidades de muestreo, dentro de cada estrato se
realiza la seleccin de la muestra por muestreo aleatorio simple o
por muestreo sistemtico o bien en unos estratos se aplica un
mtodo y en otros otro mtodo.
` Ya definidos los k estratos,
estratos su poblacin debe ser tal N = N1 + N2
+.....+ Nk y en ellos se va a asignar el nmero de las unidades que se
van a muestrear mediante alguno de los tres mtodos usuales que
son los siguientes:
g
a. Por asignacin proporcional:
Reparte el tamao de la muestra en forma proporcional al tamao del
estrato:
est ato: wp = i
N
i
N

El tamao de la muestra en cada estrato es: ni = n(wp i )

Se calculan tantas wpi como estratos
k
sean con las restricciones de que:
wpi = 1
i =1
k
ni = n
i =1
V 7 Muestreo Estratificado
V.7.
b. Asignacin ptima
La asignacin ptima considera la proporcin de la poblacin y
la variabilidad o dispersin de los datos. Es til cuando los costos
de muestreo por unidad para cada estrato
estrato, son similares o no
importan y cuando las varianzas son diferentes en cada estrato.
Cuando ms grande sea una varianza, mayor tamao de muestra
requerir ese estrato.
V 7 Muestreo Estratificado
V.7.
La expresin matemtica es:
N s
woi = k i i
N i si
i =1
Para el caso de proporciones:
s = P (1 P )
El tamao de la muestra en cada estrato es:
ni = n(wo i )
Con las restricciones de:
k
(woi ) = 1
i =1
Y adems:
d
k
ni = n
i 1
i=1
V 7 Muestreo Estratificado
V.7.
c. Por asignacin ptima econmica.
Considera la proporcin de la poblacin, la variabilidad o
dispersin de los datos y el costo de muestreo por unidad en
cada estrato.
estrato
La frmula es:
N i Si
Ci
wct i = k
N i Si
C
i =1 i
V 7 Muestreo Estratificado
V.7.
Para el caso de proporciones:
s = P (1 P )
El tamao de la muestra en cada estrato es:
ni = n(wct i )
Se calculan tantas como estratos sean con las siguientes
restricciones: k
(wct i ) = 1
i =1
y
k
ni = n
i=1
V 8 Muestreo por Conglomerados
V.8.
` Los mtodos presentados hasta ahora estn pensados para
seleccionar directamente los elementos de la poblacin, es decir,
que las unidades muestrales son los elementos de la poblacin. En el
muestreo por conglomerados la unidad muestral es un grupo de
elementos de la ppoblacin que
q forman una unidad,, a la qque llamamos
conglomerado. Las unidades hospitalarias, los departamentos
universitarios, una caja de determinado producto, etc, son
conglomerados naturales. En otras ocasiones se pueden utilizar
conglomerados
l d no naturalesl como, por ejemplo,l las
l urnas
electorales. Cuando los conglomerados son reas geogrficas suele
hablarse de "muestreo por reas".
` El muestreo por conglomerados consiste en seleccionar
aleatoriamente un cierto numero de conglomerados (el necesario
para alcanzar el tamao muestral establecido) y en investigar
d
despus todos
d losl elementos
l pertenecientes
i a los
l conglomerados
l d
elegidos.
V 8 Muestreo por Conglomerados
V.8.
` En el muestreo por conglomerados, primero se divide a la
poblacin en conjuntos separados de elementos
elementos, llamados
conglomerados.
` Cada elemento de la poblacin pertenece a uno y slo a un
grupo.
` Despus se toma una muestra aleatoria simple de los
conglomerados.
g Todos los elementos dentro de cada
conglomerado muestreado forman la muestra.
` El muestreo de conglomerados tiende a proporcionar los
mejores resultados cuando los elementos de los
conglomerados son heterogneos (desiguales).
` En el caso ideal, cada conglomerado es una versin
representativa,
t ti en pequea escala,
l de
d toda
t d la
l poblacin.
bl i El valor
l
del muestreo por conglomerados depende de cun
representativo sea cada conglomerado de la poblacin total.
V 8 Muestreo por Conglomerados
V.8.
` Esta tcnica tiene utilidad cuando el universo que se
requiere
i estudiar
di admite
d i ser subdividido
bdi idid en universos
i
menores de caractersticas similares a las del universo
total.
total
` Se procede a subdividir el universo en un nmero finito
de conglomerados
g y, entre ellos,, se ppasa a elegir
g algunos
g
que sern los nicos que se investigarn; esta eleccin
puede realizarse por el mtodo del muestreo simple o
por ell del
d l muestreo sistemtico.
i i
` Una vez cumplida esta etapa, puede efectuarse una
segunda seleccin,
seleccin dentro de cada uno de los
conglomerados elegidos, para llegar a un nmero an ms
reducido de unidades muestrales.
V 8 Muestreo por Conglomerados
V.8.
` La ventaja de esta tcnica es que obvia la tarea de
confeccionar el listado de todas las unidades del universo.
` Su desventaja mayor radica en que, al efectuarse el
muestreo en dos etapas, los errores muestrales de cada
una se van acumulando, lo que da un error mayor que
para los
l mtodos
d anteriores.
V 8 Muestreo por Conglomerados
V.8.
` La tcnica de conglomerados suele utilizarse cuando
queremos extraer muestras de los habitantes de un
conjunto geogrfico amplio, por ejemplo, una gran ciudad
o un conjunto
j de
d pueblos,
bl por lol que se proceded a tomar
cada pueblo o grupo de manzanas como un
conglomerado independiente; del mismo modo modo, se la
utiliza para conocer las reservas forestales y marinas, para
estudiar las estrellas y otros casos semejantes.
semejantes
V 9 Errores de muestreo
V.9.
V.9.1. Error sistemtico
Llamado de distorsin o sesgo de la muestra, se presentan por
causas ajenas a la muestra:
` Situaciones inadecuadas: se presentan,
presentan por ejemplo,
ejemplo cuando el
encuestador tiene dificultades para obtener la informacin y la
sustituye por la que ms fcilmente est a su alcance, que no siempre
es la ms confiable.
confiable
` Insuficiencia en la recoleccin de datos: hay distorsin por falta de
respuestas, o respuestas inadecuadas, ya sea por ignorancia o falta de
dat s relativos
datos relati s a los
l s elementos
element s incluidos.
incl id s Distorsiones
Dist rsi nes del
encuestador causadas por prejuicios, inters personal o por fallas en
la aplicacin de instrumentos.
` Errores de cobertura a causa de que no se han incluido elementos
importantes y significativos para la investigacin que se realiza.
V9
V.9.2.
V.9.2.
2 Error de muestreo o muestral
` Cualquiera sea el procedimiento utilizado y la perfeccin
del mtodo empleado, la muestra diferir de la poblacin.
A esta diferencia se la denomina error de muestreo.
` Cuando una muestra es aleatoria o probabilstica, es
posible calcular sobre ella el error muestral. Este error
indica
d ell porcentaje de d incertidumbre,
d b es decir,
d ell riesgo
que se corre es que la muestra elegida no sea
representativa Si trabajamos con un error calculado en
representativa.
5%, ello significa que existe un 95% de probabilidades de
que el conjunto muestral represente adecuadamente al
universo del cual ha sido extrado.
V9
V.9.2.
V.9.2.
2 Error de muestreo o muestral
` A medida que incrementamos el tamao de la muestra, el
error muestral tiende a reducirse, pues la muestra va
acercndose ms al tamao del universo. Del mismo
modo,
d para una muestra determinada,
d i d su error ser
menor cuanto ms pequeo sea el universo a partir del
cual se la ha seleccionado.
seleccionado As,
As para un universo de 10.000
10 000
casos, una muestra de 200 unidades tendr un error
mayor que una de 300; una muestra de 200 casos
casos, por
otra parte, tendr un error mayor si el universo tiene
10.000 unidades que si ste posee solamente 2.000.
V9
V.9.2.
V.9.2.
2 Error de muestreo o muestral
` Para fijar el tamao de la muestra adecuado a cada
investigacin, es preciso primero determinar el porcentaje
de error que estamos dispuestos a admitir. Una vez hecho
esto, debern
d b realizarse
li las
l operaciones
i estadsticas
d i
correspondientes para poder calcular el tamao de la
muestra que nos permite situarnos dentro del margen de
error aceptado.
` A veces,
veces sin embargo,
embargo el tamao de la muestra queda
determinado previamente por consideraciones prcticas;
en tales casos
casos, no hay otra alternativa que aceptar el nivel
de error que su magnitud acarree.