PROBABILIDAD Y ESTADÍSTICA

MUESTREO Y TAMAÑO DE
MUESTRA
CONTENIDO

• Elementos de la teoría de muestreo.

• Tipos de muestreo.
• Muestreos Probabilísticos.
• Muestreos No Probabilísticos.
• Tamaño de muestra.

2
LOGRO DE LA SESION:

Al término de la sesión, el estudiante desarrolla ejercicios de

situaciones reales en las cuales se utiliza el muestreo, determinando
tamaños de muestra y características de la población en estudio con
coherencia en el procedimiento y exactitud en los resultados.
CASO DE APLICACIÓN 1:
MUESTREO DE MINERAL EN CAMPO
Para una óptima caracterización de un
yacimiento se requiere de un completo
conocimiento de la Mina de interés, para lo
cual se deben obtener una serie de muestras
extraídas de la forma más representativas
posibles. Las muestras obtenidas deben ser
lo más cercano a las propiedades reales del
mineral en el sentido de obtener y extrapolar
(Generalizar o estimar) sus propiedades a
todo el yacimiento.

Si Ud. fuera parte del equipo de ingenieros que decide trabajar

realizando una investigación, cuales serian sus primeras
interrogantes:
CASO DE APLICACIÓN 1:
MUESTREO DE MINERAL EN CAMPO

INTERROGANTES

¿Cuál será mi población en estudio?

¿Qué características tiene la Población?
¿Qué tipo de MUESTREO utilizaré?
¿Cuál es la muestra?
¿Cuáles son las VARIABLES que voy a evaluar?
¿Cuánto me demorare en hacer la investigación?
¿Cuánto será el costo ?
¿Qué técnica de recolección de datos aplicaré?
¿Qué técnica estadística utilizaré para analizar los datos? Etc.
5
MUESTREO
Procedimiento por el cual se extrae, de un conjunto de unidades que
constituyen el objeto de estudio (población), un número de casos reducido
(muestra) elegidos con criterios tales que permitan la generalización a toda
la población de los resultados obtenidos al estudiar la muestra.

6
 MUESTREO

Ejemplos:

• En el uso doméstico, utilizamos el muestreo para probar la calidad de algunos

artículos o productos.

• Las empresas industriales seleccionan muestras para controlar la calidad de su

producción.

• Los ministerios gubernamentales seleccionan muestras para obtener información

sobre empleo, distribución del empleo, educación, canasta familiar, etc.

• Las organizaciones de investigación de mercados la utilizan para investigar

productos preferenciales de consumo, efectividad del mismo, etc.
7
 USOS DEL MUESTREO EN INGENIERIA

2. Muestreo de
1. Pruebas de Cianuraciòn Mineral en Campo
en Botellas y Columnas.

3. Muestreos en Industrias 4. Muestreos

Químicas en Industrias
Pesqueras
VENTAJAS DEL MUESTREO

a) Mayor rapidez para obtener resultados.

b) Mayor exactitud o mejor calidad de la información

c) Costos reducidos.

d) Factibilidad de hacer el estudio cuando la toma de datos implica

técnicas destructivas.
 DEFINICIONES DE MUESTREO
1. Población:

• Son conjuntos de elementos o unidades que comparten un grupo de

características comunes.

• Conjunto de elementos relacionados entre sí con alguna característica del cual

se desea información.
 DEFINICIONES DE MUESTREO
2. Muestra:

• Es un subconjunto de elementos seleccionados convenientemente de la

población objetivo de tal manera que puede hacerse inferencias de ella
respecto a la población completa.

• Es un conjunto de unidades seleccionadas de un marco muestral o de varios

marcos muestrales.

• Una muestra tiene las siguientes características:

a. Representativa: es decir que refleje completamente las características de la

población.

b. Aleatoria: sus elementos son seleccionados al azar.

c. Adecuada: debe incluir un número óptimo y mínimo de individuos.

d. Homogénea: CV ≤ 33%
 DEFINICIONES DE MUESTREO

3. Marco de muestreo o Marco muestral:

Es el conjunto de unidades del cual se seleccionará una muestra

Tipos de marco muestral

• Marco muestral de lista: Cuando • Marco muestral de áreas: Cuando las

las unidades de muestreo del marco
se constituyen en un listado.
• Ejemplo: un listado de alumnos,
un listado de clientes, listado de
empresas, etc.
Base de datos (Registros)
unidades de muestreo del marco son
áreas de terreno usualmente llamados
segmentos (segmentos de área).
• Ejemplo: Marco digital de manzanas
de viviendaS, etc.
Mapas
 DEFINICIONES DE MUESTREO
4. Unidad elemental o unidad de análisis:

• Es cada uno de los elementos en estudio.

• Es el objeto del cual se toman las mediciones.

Ejemplo:

Una persona, un alumno, un cliente, una empresa, una fábrica, una botella de
cerveza, una PC, etc.
 DEFINICIONES DE MUESTREO

PARÁMETRO: Es la medición numérica que describe algunas

características de una población.

ESTIMADOR O ESTADÍGRAFO: Es una medición numérica que

describe algunas características de una muestra.
TIPOS DE MUESTREO:

TIPO DE MUESTREO

No Probabilístico
Probabilístico

Simple Estratificado Sistemático Conglomerados

Conveniencia Por Juicio Por Cuota Por Bola de nieve

MODALIDAD DE MUESTREO – TIPOS DE MUESTREO
PROBABILÍSTICOS
• Todas las unidades tienen
igual probabilidad de
participar en la muestra.
• La elección de cada unidad
muestral es independiente
de las demás
• Se puede calcular el error
muestral.
Usos:
Estimación de Parámetros
Comprobación de Hipótesis
NO PROBABILISTICOS
• Cada unidad NO tiene igual
probabilidad de participar en la
muestra.
• No se puede calcular el error
muestral.
• Alto riesgo de invalidez producido
por la introducción de sesgos .
Usos:
Estudios Pilotos
Estudios Cualitativos
Investigaciones en poblaciones
de difícil registro o localización
(enfermos de VIH)
Ejemplo: ¿Muestreo Probabilístico?

Se realiza un muestreo entre todos los ingenieros registrados en su

colegio profesional, para saber la opinión sobre la gestión de su
Decano, eligiéndolos al azar de una lista.

Este diseño SI es probabilístico porque todos

los ingenieros que pertenecen al colegio profesional tienen
la oportunidad de ser elegidos
Ejemplo: ¿Muestreo Probabilístico?

Se utiliza la lista de propietarios de líneas telefónicas para elegir

a aquellos que serán encuestados.

Este diseño es NO Probabilístico porque aquellos que

no tienen teléfono NO PUEDEN ser elegidos
Ejemplo: ¿Muestreo Probabilístico?

Un investigador toma muestras del carbón extraído de una mina,

tomando al azar trozos de carbón de la parte superior de cada carro.

Este diseño es NO probabilístico

porque sólo se toma carbón
de la parte superior
MUESTREO ALEATORIO SIMPLE (M.A.S.)

Cada posible muestra tiene igual probabilidad de ser seleccionada.

Cada elemento de la población tiene una probabilidad igual de se

incluido en la muestra.

La afirmación anterior implica que hay que tener un listado completo

de TODOS los miembros de la población.

Uso de números aleatorios.

Muestreo Aleatorio Simple

Lista de Clientes

Diapositiva 22
Muestreo Aleatorio Simple

Lista de Clientes

Muestra Aleatoria

Diapositiva 23
 TABLA DE NUMEROS ALEATORIOS:
Tablas construidas de manera que se garantiza estadísticamente la
aleatoriedad de los elementos seleccionados en la muestra.
No. Columna

Pto. de
No. Fila Arranque:
A(3, 6)

No. Fila

No. Columna
TABLA DE NUMEROS ALEATORIOS: PROCEDIMIENTO

Se debe conocer el tamaño de la población (N) y el tamaño de la muestra.

Procedimiento:

Determinar el punto de arranque: A(x, y), donde: (x: fila, y: columna).

Conocer el número de cifras del tamaño de la población y de acuerdo a

éste seleccionar los números aleatorios.

A los números aleatorios que superan N, se debe restar consecutivamente

este tamaño hasta lograr que sea menor que N.

Descartar el número aleatorio dependiendo del tipo de muestreo que se

está realizando, es decir; con reemplazo o sin reemplazo.
MUESTREO SISTEMÁTICO

o Selección dentro de un intervalo uniforme medido con respecto al

tiempo, orden o al espacio.

o Cada elemento tiene igual oportunidad de ser seleccionado.

o Cada muestra NO tiene igual posibilidad de ser seleccionada.

Diapositiva 26
 1 26 51 76
2 27 52 77
N = 100 3 28 53 78
4 29 54 79
5 30 55 80
6 31 56 81
7 32 57 82
8 33 58 83
9 34 59 84
10 35 60 85
11 36 61 86
12 37 62 87
13 38 63 88
14 39 64 89
15 40 65 90
16 41 66 91
17 42 67 92
18 43 68 93
19 44 69 94
20 45 70 95
21 46 71 96
22 47 72 97
23 48 73 98
24 49 74 99
25 50 75 100

Diapositiva 27
 1 26 51 76
2 27 52 77
N = 100 3 28 53 78
4 29 54 79
5 30 55 80
6 31 56 81
Se desea una muestra n = 20 7 32 57 82
8 33 58 83
9 34 59 84
10 35 60 85
11 36 61 86
12 37 62 87
13 38 63 88
14 39 64 89
15 40 65 90
16 41 66 91
17 42 67 92
18 43 68 93
19 44 69 94
20 45 70 95
21 46 71 96
22 47 72 97
23 48 73 98
24 49 74 99
25 50 75 100

Diapositiva 28
 1 26 51 76
2 27 52 77
N = 100 3 28 53 78
4 29 54 79
5 30 55 80
6 31 56 81
Se desea una muestra n = 20 7 32 57 82
8 33 58 83
9 34 59 84
10 35 60 85
11 36 61 86
N/n = 5 12 37 62 87
13 38 63 88
14 39 64 89
15 40 65 90
16 41 66 91
17 42 67 92
18 43 68 93
19 44 69 94
20 45 70 95
21 46 71 96
22 47 72 97
23 48 73 98
24 49 74 99
25 50 75 100

Diapositiva 29
 1 26 51 76
2 27 52 77
N = 100 3 28 53 78
4 29 54 79
5 30 55 80
6 31 56 81
Se desea una muestra n = 20 7 32 57 82
8 33 58 83
9 34 59 84
10 35 60 85
11 36 61 86
N/n = 5 12 37 62 87
13 38 63 88
14 39 64 89
15 40 65 90
Escoger un número aleatorio de 1-5: Seleccionado: 16 41 66 91
4 17 42 67 92
18 43 68 93
19 44 69 94
20 45 70 95
21 46 71 96
22 47 72 97
23 48 73 98
24 49 74 99
25 50 75 100

Diapositiva 30
 1 26 51 76
2 27 52 77
N = 100 3 28 53 78
4 29 54 79
5 30 55 80
6 31 56 81
Se desea una muestra n = 20 7 32 57 82
8 33 58 83
9 34 59 84
10 35 60 85
11 36 61 86
N/n = 5 12 37 62 87
13 38 63 88
14 39 64 89
15 40 65 90
Escoger un número aleatorio de 1-5: 16 41 66 91
Seleccionado: 4 17 42 67 92
18 43 68 93
19 44 69 94
20 45 70 95
21 46 71 96
Empezar con el 4 y escoger cada 22 47 72 97
23 48 73 98
quinto número 24 49 74 99
25 50 75 100

Diapositiva 31
MUESTREO ALEATORIO ESTRATIFICADO (M.A.E.)

La población es dividida en grupos relativamente homogéneos

(estratos)
Selección aleatoria de elementos del estrato.
Cantidad proporcional al estrato ó con pesos.
Cada grupo tiene una pequeña variación dentro de sí mismo, pero hay
una amplia variación entre los grupos.
PROCEDIMIENTO PARA SELECCIONAR UNA MUESTRA ESTRATIFICADA

PROBLEMA: Heterogeneidad de las unidades de estudio

SOLUCION: Estratificación de la población
TECNICAS DE MUESTREO ESTRATIFICADO:

1. ASIGNACION IGUAL: Todos los estratos tienen el mismo número de elementos en

la muestra.
Se determina:
=
ℎ
Donde:
n: muestra
h: número de estratos
nh: muestra en el estrato h

2. ASIGNACION PROPORCIONAL: El tamaño de cada estrato en la muestra es

proporcional a su tamaño en la población.
∗
Se determina: =
Donde:
Nh: población en cada estrato h
N: población
n: muestra solicitada
nh: muestra en el estrato h
EJEMPLO

En una fábrica que consta de 600 trabajadores queremos tomar una muestra de 20.
Sabemos que hay 200 trabajadores en la sección A, 150 en la B, 150 en la C y 100 en la D.
¿Cuál seria la muestra si trabajamos con una afijación igual?, ¿y si la afijación es
proporcional?
Solución:
Se tienen los siguientes datos:
N=600; n=20; A=200; B=150; C=150; D=100; h = 4 (4 estratos)

a. Por afijación igual:

nh=n/h = 20/4 = 5
Cada estrato estará conformado por 5 trabajadores.

b. Por afijación proporcional:

n1=(A/N)(n) = (200/600)(20) = 7
n2=(B/N)(n) = (150/600)(20) = 5
n3=(C/N)(n) = (150/600)(20) = 5
n4=(D/N)(n) = (100/600)(20) = 3
Los estratos estarán constituidos por: A = 7; B = 5; C = 5 y D = 3 trabajadores.
MUESTREO ALEATORIO POR CONGLOMERADOS

Cuando en lugar de unidades de estudios o de observación se eligen

grupos, bloques o conjuntos de esas unidades, se dice que el muestreo
es por conglomerados.

Ejemplo :

Si en lugar de seleccionar de forma aleatoria personas para medir su

capacidad adquisitiva o de consumo se seleccionan, por ejemplo, familias,
se dice que el muestreo es por conglomerados.

Cuando el conglomerado lo constituye un área geográfica o zona territorial

concreta, como por ejemplo las familias de determinados barrios, el muestreo
por conglomerados recibe el nombre de muestreo por áreas.
EJEMPLOS DONDE SE APLICA EL MUESTREO POR
CONGLOMERADOS

1. En una ciudad se quiere saber sobre características de las viviendas; en

este caso las unidades elementales serían las viviendas y los
conglomerados serían las cuadras o lotes de vivienda.

2. En una zona se desea saber el promedio de gastos en ropa que hacen

las personas que allí viven. En este caso las unidades elementales
serían las personas y los conglomerados o unidades de muestreo
serían las viviendas.

3. En un aeropuerto una linea aérea desea saber ciertas características de

sus viajes. Las unidades elementales son los pasajeros que llegan y los
conglomerados serían los vuelos.
FÓRMULAS PARA EL CÁLCULO DEL
TAMAÑO DE MUESTRA (n)
MUESTREO ALEATORIO SIMPLE:
Determinación de una muestra aleatoria: M.A.S

Variable Cualitativa Cuantitativa

2
Población Infinita:  Z 1 −α 
2
 Z 1−α S 
n= 2  * PQ
n= 2 
No se conoce la Población N  E   E 
   

Población Finita: Z12−α 2 NPQ Z12−α 2 NS 2

n= n=
Se conoce la Población N ( N − 1) E 2 + Z12−α 2 PQ ( N − 1) E 2 + Z12−α 2 S 2

o Donde:
n: Tamaño de la muestra.
P: Proporción de una categoría de la variable
E: Error máximo
N: Tamaño de la población
Z1−α 2 : Variable estandarizada de distribución normal.
S²: Varianza de la muestra.
α : Nivel de significancia.
DIFERENTES NIVELES DE CONFIANZA UTILIZADOS

Nivel de Confianza (1-α) 99% 98% 96% 95% 90%

Nivel de Significancia (α) 1% 2% 4% 5% 10%

Valores de 2.58 2.33 2.05 1.96 1.645

TAMAÑO DE MUESTRA

Ejemplo 1:

En un lote de 8000 unidades de frascos para almacenar

reactivos químicos, se desea estimar la capacidad media en
centímetros cúbicos de los mismos.

A través de un premuestreo de 35 frascos se ha

determinado que la desviación estándar es de 2 cm 3. Si
queremos tener un error de 0.25 cms 3 y un nivel de
significancia de 5%.

De que tamaño debe ser la muestra?.

 TAMAÑO DE MUESTRA

SOLUCION de Ejemplo 1:

S = 2 cm 3 N = 8000 E = 0.25 cm 3 α = 0.05 ( 5%) Z =1.96

Z 2S 2N (1.96) 2 (2 ) 2 (8000)
n= 2 = = 238 frascos
E ( N − 1) + Z 2 S 2 (0.25) 2(8000 – 1) + (1.96)2 ( 2)2

Se necesitarían 238 frascos

 TAMAÑO DE MUESTRA

Ejemplo 2:

En un estudio, se desea determinar en que proporción los

ingenieros encargados de las labores de muestreo en una gran
industria pesquera se encuentran capacitados. Si se sabe que
existen 1500 ingenieros y deseamos tener un error del 10%, con
un nivel de significancia de 5%.

De que tamaño debe ser

la muestra.
TAMAÑO DE MUESTRA

SOLUCION de Ejemplo 2:

N = 1500 E = 10% α = 5% p = 0.5 q= 0.5 Z=1.96

Z 2 P(1− P)N ( 1.96)2 (0.5) ( 0.5) 1500

n= 2 = = 91 ingenieros
E (N −1) + Z 2 P(1− P)
(0.1) 2 (1500 -1) + (1.96) 2 ( 0.5)(0.5)

Se tomará información de 91 ingenieros.

 APLICACIÓN:
1. El tiempo de conexión a Internet de los alumnos de cierta Universidad sigue una
distribución normal con desviación típica 15 minutos. Si se quiere conseguir que el error
de estimación no supere los tres minutos con un nivel de confianza del 95%. Determinar
cuál es el tamaño mínimo de la muestra que es necesario observar?

2. Calcule el tamaño muestral de una encuesta realizada por ESSALUD. El error de

estimación es 2%, con un nivel de confianza de 95% y p = q en el supuesto de un
muestro aleatorio simple.

3. En un estudio, se desea determinar en que proporción los niños de una región toman
yogurt en el desayuno. Si se sabe que existen 1500 niños y deseamos tener una
precisión de 10%, con un nivel de confianza del 90%. De que tamaño debe ser la
muestra?

4. Determine el tamaño de muestra adecuado para estimar el peso promedio de los alumnos
de ingeniería civil con un nivel de confianza del 95%, si sabemos que la varianza de los
pesos es 116.92 kg2, el error muestral es de 2.82 Kg. y el total de alumnos es 500.
¿QUÉ HEMOS VISTO?

• Elementos de la teoría de muestreo.

• Tipos de muestreo.
• Muestreos Probabilísticos.
• Muestreos No Probabilísticos.
• Tamaño de muestra.

No existe la suerte. Sólo hay preparación adecuada o

inadecuada para hacer frente a una estadística.

Robert Heinlein
BIBLIOGRAFIA BASICA:

Estimado estudiante, puedes revisar los siguientes textos que se encuentran en

tu biblioteca:

519.2 PROBABILIDAD Y ESTADÍSTICA PARA

1 SCHEAFFER Mc. CLAVE 2005
SCHE INGENIERÍA

519.5 LEVINE-KREHBIEL-
2 ESTADÍSTICA PARA ADMINISTRACIÓN. 2006
LEVI/P BERENSON

WILLIAM W. HINES
519.2 DOUGLAS C. MONTGOMERY PROBABILIDAD Y ESTADÍSTICA PARA
3 2011
HINE DAVID M. GOLDSMAN INGENÍERIA
CONNIE M. BORROR