SESIÓN 3: MUESTREO ALEATORIO

Instituto Científico del Pacífico

www.icip.edu.pe
 OBJETIVO

Presentar la importancia de seleccionar

aleatoriamente las muestras para estimar las
principales características de una población,
considerando un muestreo con reposición y sin
reposición.

Instituto Científico del Pacífico

www.icip.edu.pe
 CONTENIDO

OBJETIVO ................................................................................................................ 3
CONTENIDO............................................................................................................ 4
INTRODUCCIÓN ..................................................................................................... 5
CONCEPTOS BÁSICOS DE MUESTREO ................................................................ 6
POBLACIÓN ........................................................................................................ 6
MUESTREO ........................................................................................................... 6
MUESTRA .............................................................................................................. 6
TAMAÑO MUESTRAL .......................................................................................... 6
POBLACIÓN OBJETIVA ...................................................................................... 6
TIPOS DE MUESTREO .............................................................................................. 7
MUESTREO NO PROBABILÍSTICO ...................................................................... 7
MUESTREO PROBABILÍSTICO ............................................................................. 7
ESTIMADORES DE UN MUESTREO PROBABILÍSTICO ....................................... 7
MUESTREO CON REPOSICIÓN .......................................................................... 8
MUESTREO SIN REPOSICIÓN ............................................................................. 8
MUESTREO ALEATORIO SIMPLE ............................................................................ 9
MUESTREO ALEATORIO SIMPLE CON REPOSICIÓN ....................................... 9
MUESTREO ALEATORIO SIMPLE SIN REPOSICIÓN.........................................14
BIBLIOGRAFÍA .......................................................................................................21

Instituto Científico del Pacífico

www.icip.edu.pe
 INTRODUCCIÓN

En toda investigación estadística, existe un conjunto de elementos de

donde se recoge información, al cual se lo conoce como población. Un
estudio que se efectúa utilizando la información de toda la población se
denomina como censo. Sin embargo, muchas veces es difícil conseguir
la información de todas y cada unidad de la población, ya sea por
acceso difícil o por carecer del presupuesto necesario.

En ese sentido, una manera de conocer los diferentes estimadores en la

población es seleccionar muestras que la representen lo mejor posible.
Para lograr esto, hay técnicas de selección muestral que miden a su vez
los errores cometidos en el proceso de muestreo con la finalidad de
encontrar el menor error de muestreo que significaría mayor precisión en
el análisis.

Instituto Científico del Pacífico

www.icip.edu.pe
 CONCEPTOS BÁSICOS DE MUESTREO

POBLACIÓN

Conjunto formado por todos los individuos, objetos o eventos que tienen
las mismas características, del cual se busca obtener conclusiones.

MUESTREO

Proceso de selección efectuado para obtener información de solo una

parte de la población en estudio.

MUESTRA

Parte representativa de una población, la cual es seleccionada con el fin

de obtener información.

TAMAÑO MUESTRAL

Número de elementos que componen la muestra.

POBLACIÓN OBJETIVA

Conjunto formado por todas las unidades de análisis, con el que se

efectúan las extrapolaciones e inferencias para generalizar los hallazgos
alcanzados.

Instituto Científico del Pacífico

www.icip.edu.pe
 TIPOS DE MUESTREO

MUESTREO NO PROBABILÍSTICO

En este muestreo, todos los individuos de una población no presentan la

misma probabilidad de ser seleccionados como sujetos de la
investigación. Entonces, no es seguro suponer que la muestra representa
por completo a la población.

MUESTREO PROBABILÍSTICO

Un muestreo es probabilístico cuando hay probabilidad de obtener la

muestra que se seleccionará mediante un procedimiento de muestreo
dado, el cual garantice el proceso de selección al azar (aleatorio).

ESTIMADORES DE UN MUESTREO PROBABILÍSTICO

Luego de obtener la muestra seleccionada, se estiman las características

poblacionales, teniendo en cuenta un error cuantificable y controlable.

El estimador es, de manera sencilla, una variable aleatoria

unidimensional. Las estimaciones serán hechas a partir de funciones
matemáticas, las cuales serán denominadas estimadores.

Los estimadores de un muestreo probabilístico son:

• Promedio

• Total

• Proporción

• Total de clase

Instituto Científico del Pacífico

www.icip.edu.pe
MUESTREO CON REPOSICIÓN

En un muestreo con reposición, cada unidad de la muestra que es

extraída para ser analizada y para obtener información reingresa a la
población antes de realizar la siguiente extracción; es decir, el tamaño
de la población permanecerá constante.

MUESTREO SIN REPOSICIÓN

En un muestreo sin reposición, la unidad extraída para el análisis

respectivo podrá aparecer en la muestra a lo mucho una sola vez, ya que
esta no vuelve a ingresar a la población; y en comparación con un
muestreo con reposición, la estructura poblacional cambiará según
cada extracción realizada.

Instituto Científico del Pacífico

www.icip.edu.pe
 MUESTREO ALEATORIO SIMPLE

En un muestreo aleatorio simple, se selecciona un subconjunto posible de

𝑛 unidades de la población, teniendo en cuenta que todos los elementos
tienen la misma probabilidad de ser seleccionados para la muestra.

Uno de los ejemplos más clásicos es la extracción aleatoria de números

en una lotería.

MUESTREO ALEATORIO SIMPLE CON REPOSICIÓN

En este tipo de muestreo se seleccionan las unidades con probabilidades

iguales. La muestra se obtiene unidad por unidad en forma aleatoria con
reposición a la población de las unidades previamente seleccionadas.
Las unidades de la muestra pueden estar repetidas en la muestra desde
1,2, … , 𝑛 veces.

1
La probabilidad viene dada por 𝑃𝑖 = 𝑁 y todas las muestras tienen la

misma probabilidad de ser elegidas, es decir, son equiprobables.

Estimadores lineales insesgados en un muestreo aleatorio simple con

reposición:

El estimador lineal insesgado de un muestreo aleatorio simple con

reposición es el estimador de Hansen y Hurwitz (HH).

𝑋
𝜃̂𝐻𝐻 = ∑𝑛𝑖=1 𝑛𝑃𝑖 del parámetro 𝜃 = ∑𝑁
𝑖=1 𝑋𝑖
𝑖

𝐸(𝜃̂) = 𝜃

Donde:

Instituto Científico del Pacífico

www.icip.edu.pe
𝑃𝑖 : probabilidad de seleccionar la unidad 𝑈𝑖 de la población para la
muestra.

1
𝑃𝑖 =
𝑁
Estimación del promedio:

Promedio estimado:

𝑛
̂ = ∑𝑖=1 𝑋𝑖 = 𝑋̅
𝑋
𝑛

Varianza del promedio estimado:

2
𝜎
𝑉(𝑋̅̂) =
𝑛

Intervalo de confianza del promedio estimado al 95 %:

̂) = 𝑋
𝐼𝐶 (𝑋 ̂ ± 1.96√𝑉(𝑋̅̂)

Estimación del total:

Total estimado:

𝑋̂ = 𝑁 ∙ 𝑋̅

Donde 𝑁 es el tamaño de la población.

Varianza del total estimado:

𝜎2
𝑉(𝑋̂) = 𝑁 2
𝑛

Donde:

𝑁−1 (𝑋𝑖 −𝑋̅)2

𝜎2 = ( ) 𝑆 2 y 𝑆 2 = ∑𝑛𝑖=1 son las varianzas poblacional y
𝑁 𝑛−1

muestral respectivamente.

Instituto Científico del Pacífico

www.icip.edu.pe
 𝑛 es el tamaño de la muestra.

Intervalo de confianza del total estimado al 95 %:

𝐼𝐶(𝑋̂) = 𝑋̂ ± 1.96√𝑉(𝑋̂)

Donde 1.96 es 𝑍𝛼 a un 𝛼 = 1 − 0.95 = 0.05

Estimación de la proporción:

Sea 𝐴 el total de elementos de la muestra que tienen el atributo o clase.

Proporción estimada:

∑𝑛𝑖=1 𝐴𝑖
𝑃̂ =
𝑛

Donde:

𝑃̂ es la proporción estimada.

Ejemplo:

Supóngase que se debe realizar un estudio a las familias de una ciudad

que tengan casa propia. Para ello, se sabe que la ciudad tiene en total
15000 familias, de las cuales se toma una muestra de 400 familias.

Varianza de la proporción estimada:

𝑃̂(1 − 𝑃̂)
𝑉(𝑃̂ ) =
𝑛

Intervalo de confianza de la proporción estimada al 95 %:

𝐼𝐶(𝑃̂) = 𝑃̂ ± 1.96√𝑉(𝑃̂ )

Estimación del total de clase:

Total de clase estimado:

Instituto Científico del Pacífico

www.icip.edu.pe
 𝐴̂ = 𝑁 ∙ 𝑃̂

Varianza del total de clase estimado:

𝑃̂(1 − 𝑃̂ )
𝑉(𝐴̂) = 𝑁 2 ∙
𝑛

Intervalo de confianza del total de clase estimado al 95 %:

𝐼𝐶(𝐴̂) = 𝐴̂ ± 1.96√𝑉(𝐴̂)

Tamaño de muestra

El tamaño de muestra se obtiene mediante los errores, y el error de

muestreo puede ser error absoluto o error relativo.

Donde:

𝐸𝑙 𝑒𝑟𝑟𝑜𝑟 𝑎𝑏𝑠𝑜𝑙𝑢𝑡𝑜 (𝑒) = 𝜎(𝜃̂)

𝜎(𝜃̂)
𝐸𝑙 𝑒𝑟𝑟𝑜𝑟 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑜 (𝑒𝑟 ) = 𝐶𝑉(𝜃̂) =
𝐸(𝜃̂)

Tamaño de muestra según el error absoluto y el error relativo para un

muestreo con reposición:

Parámetro Error absoluto (𝐞) Error relativo (𝐞𝐫 )

𝜎2 𝐶𝑉 2
Media
𝑒2 𝑒𝑟 2
𝑁𝜎 2 𝐶𝑉 2
Total poblacional
𝑒2 𝑒𝑟 2
𝑃(1 − 𝑃) (1 − 𝑃)
Proporción
𝑒2 𝑃𝑒𝑟 2
𝑁 2 𝑃(1 − 𝑃) (1 − 𝑃)
Total de clase
𝑒2 𝑃𝑒𝑟 2

Instituto Científico del Pacífico

www.icip.edu.pe
MUESTREO ALEATORIO SIMPLE SIN REPOSICIÓN

La probabilidad de una muestra cualquiera está dada por el número total

de muestras posibles 𝐶𝑛𝑁 = (𝑁
𝑛
). Como el procedimiento es con

probabilidades iguales, entonces:

𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 1
𝑃 (𝑈1 , 𝑈2 , … , 𝑈𝑛 ) = = 𝑁
𝑐𝑎𝑠𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠 (𝑛 )

Para obtener la probabilidad de que una unidad de la población

pertenezca a la muestra se emplea:

𝑛
𝜋𝑖 =
𝑁

Donde:

𝑛 es el tamaño de la muestra

𝑁 es el tamaño de la población

Estimadores lineales insesgados en un muestreo aleatorio simple sin

reposición:

El estimador lineal insesgado de un muestreo aleatorio simple sin

reposición es el estimador de Horvitz y Thompson (HT).

𝑋
𝜃̂𝐻𝑇 = ∑𝑛𝑖=1 𝑖 del parámetro 𝑖=1 𝑋𝑖 (Característica poblacional)
𝜃 = ∑𝑁
𝜋𝑖

𝐸(𝜃̂) = 𝜃

Donde:

𝜋𝑖 : probabilidad de que la unidad 𝑈𝑖 pertenezca a la muestra de

tamaño 𝑛.

Instituto Científico del Pacífico

www.icip.edu.pe
Estimación del promedio:

Promedio estimado:

𝑛
̂ = ∑𝑖=1 𝑋𝑖 = 𝑋̅
𝑋
𝑛

Donde:

𝑛 es el tamaño de la muestra

Varianza del promedio estimado:

𝑆2 𝑛
𝑉(𝑋̅̂) = (1 − )
𝑛 𝑁

Intervalo de confianza del promedio estimado al 95 %:

̂ ) = 𝑥 ± 1.96√𝑉(𝑋̅̂)
𝐼𝐶 (𝑋

Estimación del total:

Total estimado:

𝑋̂ = 𝑁 ∙ 𝑋̅

Donde:

𝑁 es el tamaño de la población

Varianza del total estimado:

𝑁2𝑆2 𝑛
𝑉(𝑋̂) = (1 − )
𝑛 𝑁

(𝑋𝑖−𝑋̅ )2
Donde 𝑆 2 = ∑𝑛𝑖=1 𝑛−1

Instituto Científico del Pacífico

www.icip.edu.pe
Intervalo de confianza del total estimado al 95 %:

𝐼𝐶(𝑋̂) = 𝑋̂ ± 1.96√𝑉(𝑋̂)

Estimación de la proporción:

Sea 𝐴 el total de elementos de la muestra que tienen el atributo o clase.

Proporción estimada:

∑𝑛𝑖=1 𝐴𝑖
𝑃̂ =
𝑛

Varianza de la proporción estimada:

𝑃̂(1 − 𝑃̂ ) 𝑛
𝑉(𝑃̂) = (1 − )
𝑛−1 𝑁

Intervalo de confianza de la proporción estimado al 95 %:

𝐼𝐶(𝑃̂) = 𝑃̂ ± 1.96√𝑉(𝑃̂ )

Estimación del total de clase:

Total de clase estimado:

𝐴̂ = 𝑁 ∙ 𝑃̂

Varianza del total de clase estimado:

𝑉(𝐴̂) = 𝑁 2 ∙ 𝑉(𝑃̂ )

Intervalo de confianza del total de clase estimado al 95 %:

𝐼𝐶(𝐴̂) = 𝐴̂ ± 1.96√𝑉(𝐴̂)

Instituto Científico del Pacífico

www.icip.edu.pe
Tamaño de muestra según el error absoluto y el error relativo para un
muestreo aleatorio sin reposición:

Parámetro Error absoluto (𝐞) Error relativo (𝒆𝒓 )

𝑁𝑆 2 𝑁(𝐶𝑉)2
Media
𝑁𝑒 2 + 𝑆 2 𝑁𝑒𝑟 2 + (𝐶𝑉)2

𝑁𝑆 2 𝑁 2 (𝐶𝑉)2
Total poblacional
𝑒 2 + 𝑁𝑆 2 𝑁𝑒𝑟 2 + (𝐶𝑉)2

𝑁𝑃(1 − 𝑃) 𝑁(1 − 𝑃)
Proporción
𝑒 2 (𝑁 − 1) + 𝑃(1 − 𝑃) 𝑃(𝑁 − 1)𝑒𝑟 2 + (1 − 𝑃)

𝑁 2 𝑃(1 − 𝑃) 𝑁(1 − 𝑃)
Total de clase
𝑒 2 (𝑁 − 1) + 𝑁 2 𝑃(1 − 𝑃) 𝑃(𝑁 − 1)𝑒𝑟 2 + (1 − 𝑃)

Ejemplo:

Se dispone de la base de datos iris de R, la cual contiene información

sobre tres tipos de especies de plantas (setosa, virginica y versicolor);
dicho dataset también contiene los datos del ancho y largo de pétalos,
ancho y largo de sépalos en cm. Se extrae una muestra aleatoria simple
de 15 plantas considerando únicamente el ancho de los pétalos.
Calcular la media muestral, la varianza del estimador calculado y el
intervalo de confianza a un 95 %.

Instituto Científico del Pacífico

www.icip.edu.pe
Solución:

El dataset iris es el siguiente:

Extrayendo solo los anchos de pétalos se obtendrá:

Instituto Científico del Pacífico

www.icip.edu.pe
En total existen 150 plantas iris, de las cuales solo se extraerán 15:

Para ello, se usa sample(N, tamaño):

Promedio estimado:

Entonces, se estima que en promedio el ancho de los pétalos es de 1.02

cm.

Varianza del promedio estimado:

Se observa que el promedio estimado del ancho de los pétalos tendrá

una varianza del 4.4 %, aproximadamente.

Instituto Científico del Pacífico

www.icip.edu.pe
El intervalo de confianza o límite de confianza al 95 % es:

Por lo tanto, en este muestreo aleatorio simple sin reposición el promedio

estimado del ancho de los pétalos se encuentra entre 0.60 y 1.44 al 95 %
de confianza.

Instituto Científico del Pacífico

www.icip.edu.pe
 BIBLIOGRAFÍA

CRAN. (s. f.). The Comprehensive R Archive Network. Recuperado de

https://cran.r-project.org/, el 30 de enero de 2019.

López, C. P. (2000). Técnicas de muestreo estadístico. México D. F., México:

Alfaomega Grupo Editor.

Pérez, C. (2005). Muestreo estadístico. Madrid, España: Pearson Educación.

Rubio, A. (s. f.). Muestreo. Criterios básicos para el diseño de muestras

probabilísticas. Lima, Perú: Universidad Nacional Agraria La Molina.

Zamora, M. C. (2009). Estadística descriptiva e inferencial. Lima, Perú: Moshera S.

R. L.

Instituto Científico del Pacífico

www.icip.edu.pe