Escolar Documentos
Profissional Documentos
Cultura Documentos
TEMA: Muestreo
Tipos
Sin reposición de los elementos Cada elemento extraído se descarta para la
subsiguiente extracción. Por ejemplo, si se extrae una muestra de una
"población" de bombillas para estimar la vida media de las bombillas que la
integran, no será posible medir más que una vez la bombilla seleccionada.
Con reposición de los elementos: Las observaciones se realizan con remplazo
de los individuos, de forma que la población es idéntica en todas las
extracciones. En poblaciones muy grandes, la probabilidad de repetir una
extracción es tan pequeña que el muestreo puede considerarse con
reposición aunque, realmente, no lo sea.
Con reposición múltiple: En poblaciones muy grandes, la probabilidad de
repetir una extracción es tan pequeña que el muestreo puede considerarse
con reposición.
Para realizar este tipo de muestreo, y en determinadas situaciones, es muy
útil la extracción de números aleatorios mediante ordenadores, calculadoras
o tablas construidas al efecto.
Muestreo Sistemático
Se utiliza cuando el universo o población es de gran tamaño, o ha de
extenderse en el tiempo. Primero hay que identificar las unidades y
relacionarlas con el calendario (cuando proceda). Luego hay que calcular una
constante, denominada coeficiente de elevación:
K= N/n
Muestreo estratificado
Consiste en la división previa de la población de estudio en grupos o clases que
se suponen homogéneos con respecto a alguna característica de las que se van
a estudiar. A cada uno de estos estratos se le asignaría una cuota que
determinaría el número de miembros del mismo que compondrán la muestra.
Dentro de cada estrato se suele usar la técnica de muestreo sistemático, una de
las técnicas de selección más usadas en la práctica.
Según la cantidad de elementos de la muestra que se han de elegir de cada uno
de los estratos, existen dos técnicas de muestreo estratificado:
Asignación proporcional: el tamaño de la muestra dentro de cada estrato
es proporcional al tamaño del estrato dentro de la población.
Muestra no probabilístico
Es aquel para el que no se puede calcular la probabilidad de extracción de una
determinada muestra. Por tal motivo, se busca seleccionar a individuos que tienen un
conocimiento profundo del tema bajo estudio y se considera que la información
aportada por esas personas es vital para la toma de decisiones.
3. El tamanaño de la muestra
¿Qué tamaño de muestra necesito usar para estudiar cierto universo? Depende del tamaño del
universo y del nivel de error que esté dispuesto a aceptar, tal y como explicábamos en su día en
este post. Cuanta más precisión exija, mayor muestra necesito. Si quiero tener una certeza
absoluta en mi resultado, hasta el último decimal, mi muestra tendrá que ser tan grande como
mi universo.
Pero el tamaño de la muestra tiene una propiedad fundamental que explica porqué el muestreo
se usa tanto en tantos ámbitos del conocimiento. Esta propiedad podría resumirse como sigue:
a medida que estudio universos mayores, el tamaño de muestra que necesito cada vez
representa un porcentaje menor de dicho universo.
Por lo tanto, a medida que trabajo con universos más grandes, la muestra que necesito debe
ir creciendo pero de forma no proporcional, tiende a estancarse y cada vez representa un
porcentaje más pequeño del universo. De hecho, a partir de cierto tamaño de universo (en torno
a 100.000 individuos), el tamaño de la muestra ya no necesita crecer más. La siguiente tabla nos
muestra algunos ejemplos:
Tamaño de muestra necesaria para tener un error del 5% con un nivel de confianza del 95%
10 10 100%
100 80 80%
Los datos anteriores nos dicen que por grande que sea el universo, con 385 personas puedo
estudiar cualquier dato con el mismo nivel de error (margen de 5%, confianza de 95%). Por esta
razón el muestreo es tan poderoso: nos permite hacer afirmaciones altamente precisas de una
gran cantidad de individuos a través de un parte muy pequeña de los mismo.
Como contrapartida, el ejemplo anterior ilustra que el muestreo no funciona bien en universos
pequeños. Si tengo una clase de 10 alumnos, la opinión de cada uno de ellos es fundamental
para conocer la opinión global, no puedo prescindir de ninguno. Si no quiero superar el error
que nos hemos propuesto, en un universo de 10 individuos necesito encuestar a todos ellos.
4. Ventajas e inconvenientes del muestreo
Resumimos a continuación las principales ventajas e inconvenientes de usar muestreo frente a
estudiar todo un universo.
Ventajas:
Necesitamos estudiar menos individuos, necesitamos menos recursos (tiempo y dinero).
La manipulación de datos es mucho más simple. Si con una muestra de 1.000 personas
tengo suficiente, ¿para qué quiero analizar un fichero de millones de registros?
Inconvenientes:
Introducimos error (controlado) en el resultado, debido a la propia naturaleza del muestreo
y a la necesidad de generalizar resultados.
Tenemos el riesgo de introducir sesgos debido a una mala selección de la muestra. Por
ejemplo, si la forma en que selecciono individuos para la muestra no es aleatoria, mis
resultados pueden verse seriamente afectados.
5. Ejemplo
Suponga que estamos investigando sobre el porcentaje de alumnos que trabajan de una
población de 20 alumnos de la Universidad de Talca. Base de datos de la población:
a. Elija una muestra aleatoria simple de tamaño n=4 de esta población. Use la
tabla de números aleatorios adjunta, empiece en la fila 1 columna 1 y continúe
seleccionando hacia la derecha. Indique los pasos para elegir la muestra.
Respuesta:
Primero: Asignamos número a cada alumno del 1 al 20:
Los números seleccionados son: 10, 1, 11, 20. Por lo tanto, la muestra está
compuesta por:
*10: Victoria que SI trabaja.
*1: Juan que SI trabaja.
*11: María que NO trabaja.
*20: Marcelo que SI trabaja.
b. Indique cuál es el Parámetro y cuál es el Estadístico en (a). Respuesta: El
Parámetro es el porcentaje de alumnos que trabajan en la población de
tamaño N=20 alumnos, es decir:
c. Elija una muestra estratificada de tamaño n=4 de esta población. Use la tabla
de números aleatorios, en cada alternativa empiece en la fila 1 columna 1 y
continúe seleccionando hacia la derecha. Indique los pasos para elegir la
muestra.
Respuesta: Para elegir una muestra estratificada, primero se dividen los hombres de
las mujeres y se asignan número de identificación a cada estrato:
Usando la tabla de números aleatorios, se elige una muestra aleatoria simple de
tamaño n=2 de los hombres, buscando números del 1 al 12. Se parte de la fila 1
columna 1. Se usan dos dígitos.
Los números elegidos son: 10 y 1. Por lo tanto la muestra del estrato de hombres
queda constituida por Fabián y Juan. Fabián NO trabaja y Juan SI trabaja. Usando la
tabla de números aleatorios, se elige una muestra aleatoria simple de tamaño n=2 de
las mujeres, buscando números del 1 al 8. Se parte de la fila 1 columna 1. Se usa un
dígito.
Los números elegidos son: 1 y 4. Por lo tanto, la muestra del estrato de mujeres queda
constituida por Alicia y Fernanda. Alicia y Victoria NO trabajan. Por lo tanto, la muestra
final queda constituida por Fabián, Juan, Alicia y Fernanda. Finalmente, la proporción
de alumnos que trabaja en la muestra estratificada es de 25%.