sesion-11-muestreo
TRANSCRIPT
![Page 1: Sesion-11-Muestreo](https://reader030.vdocuments.pub/reader030/viewer/2022021119/577c7c451a28abe0549a029e/html5/thumbnails/1.jpg)
8/16/2019 Sesion-11-Muestreo
http://slidepdf.com/reader/full/sesion-11-muestreo 1/10
Neumann Business School 1
Estadística Empresarial
SESIÓN 9
Muestreo
En ocasiones en que no es posible o conveniente realizar un censo (analizar a todos los
elementos de una población), se selecciona una muestra, entendiendo por tal una
parte representativa de la población.
El muestreo es por lo tanto una herramienta de la investigación científica, cuya función
básica es determinar que parte de una población debe examinarse, con la finalidad de
hacer inferencias sobre dicha población.
La muestra debe lograr una representación adecuada de la población, en la que se
reproduzca de la mejor manera los rasgos esenciales de dicha población que son
importantes para la investigación. Para que una muestra sea representativa, y por lo
tanto útil, debe de reflejar las similitudes y diferencias encontradas en la población, es
decir ejemplificar las características de ésta.
Los errores más comunes que se pueden cometer son:
1. Hacer conclusiones muy generales a partir de la observación de sólo una parte dela Población, se denomina error de muestreo.
2. Hacer conclusiones hacia una Población mucho más grandes de la que
originalmente se tomó la muestra. Error de Inferencia.
![Page 2: Sesion-11-Muestreo](https://reader030.vdocuments.pub/reader030/viewer/2022021119/577c7c451a28abe0549a029e/html5/thumbnails/2.jpg)
8/16/2019 Sesion-11-Muestreo
http://slidepdf.com/reader/full/sesion-11-muestreo 2/10
Neumann Business School 2
Estadística Empresarial
En la estadística se usa la palabra población para referirse no sólo a personas sino a
todos los elementos que han sido escogidos para su estudio y el término muestra se
usa para describir una porción escogida de la población.
Existen diferentes criterios de clasificación de los diferentes tipos de muestreo, aunque
en general pueden dividirse en dos grandes grupos: métodos de muestreo
probabilísticos y métodos de muestreo no probabilísticos.
Muestreo probabilístico
Los métodos de muestreo probabilísticos 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 tamaño n tienen la misma probabilidad de ser
seleccionadas. Sólo estos métodos de muestreo probabilísticos nos aseguran la
representatividad de la muestra extraída y son, por tanto, los más recomendables.
Dentro de los métodos de muestreo probabilísticos encontramos los siguientes tipos:
Muestreo aleatorio simple
El procedimiento empleado es el siguiente: 1) se asigna un número a cada individuo dela población y 2) a través de algún medio mecánico (bolas dentro de una bolsa, tablas
de números aleatorios, números aleatorios generados con una calculadora u
ordenador, etc.) se eligen tantos sujetos como sea necesario para completar el tamaño
de muestra requerido.
![Page 3: Sesion-11-Muestreo](https://reader030.vdocuments.pub/reader030/viewer/2022021119/577c7c451a28abe0549a029e/html5/thumbnails/3.jpg)
8/16/2019 Sesion-11-Muestreo
http://slidepdf.com/reader/full/sesion-11-muestreo 3/10
Neumann Business School 3
Estadística Empresarial
Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad práctica
cuando la población que estamos manejando es muy grande.
Muestreo aleatorio sistemático
Este procedimiento exige, como el anterior, numerar todos los elementos de la
población, pero en lugar de extraer n números aleatorios sólo se extrae uno. Se parte
de ese número aleatorio i , que es un número 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 decirse toman los individuos de k en k , siendo k el resultado de dividir el tamaño de la
población entre el tamaño de la muestra: k = N/n . El número i que empleamos como
punto de partida será un número al azar entre 1 y k . El riesgo este tipo de muestreo
está en los casos en que se dan periodicidades en la población 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 población. Imaginemos que estamos seleccionando
una muestra sobre listas de 10 individuos en los que los 5 primeros son varones y los 5
últimos mujeres, si empleamos un muestreo aleatorio sistemático con k =10 siempre
seleccionaríamos o sólo hombres o sólo mujeres, no podría haber una representación
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 tamaño dado de la muestra.
Consiste en considerar categorías típicas diferentes entre sí (estratos) que poseen gran
homogeneidad respecto a alguna característica (se puede estratificar, por ejemplo,
según la profesión, 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 interés
estarán representados adecuadamente en la muestra. Cada estrato funciona
![Page 4: Sesion-11-Muestreo](https://reader030.vdocuments.pub/reader030/viewer/2022021119/577c7c451a28abe0549a029e/html5/thumbnails/4.jpg)
8/16/2019 Sesion-11-Muestreo
http://slidepdf.com/reader/full/sesion-11-muestreo 4/10
Neumann Business School 4
Estadística Empresarial
independientemente, pudiendo aplicarse dentro de ellos el muestreo aleatorio simple
o el estratificado para elegir los elementos concretos que formarán parte de la
muestra. En ocasiones las dificultades que plantean son demasiado grandes, pues
exige un conocimiento detallado de la población. (Tamaño geográfico, sexos,
edades,...).
La distribución de la muestra en función de los diferentes estratos se denomina
afijación, y puede ser de diferentes tipos: a) Afijación Simple: cuando a cada estrato le
corresponde igual número de elementos muéstrales, b) Afijación Proporcional: cuando
la distribución se hace de acuerdo con el peso (tamaño) de la población en cada
estrato, y c) Afijación Optima: cuando se tiene en cuenta la previsible dispersión de los
resultados, de modo que se considera la proporción y la desviación típica. Tiene poca
aplicación ya que no se suele conocer la desviación.
Muestreo aleatorio por conglomerados
Los métodos presentados hasta ahora están pensados para seleccionar directamente
los elementos de la población, es decir, que las unidades muéstrales son los elementos
de la población.
En el muestreo por conglomerados la unidad muestral es un grupo de elementos de la
población que forman una unidad, a la que llamamos conglomerado. Las unidades
comerciales, 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 áreas geográficas suele hablarse de "muestreo por áreas".
![Page 5: Sesion-11-Muestreo](https://reader030.vdocuments.pub/reader030/viewer/2022021119/577c7c451a28abe0549a029e/html5/thumbnails/5.jpg)
8/16/2019 Sesion-11-Muestreo
http://slidepdf.com/reader/full/sesion-11-muestreo 5/10
Neumann Business School 5
Estadística Empresarial
El muestreo por conglomerados consiste en seleccionar aleatoriamente un cierto
número de conglomerados (el necesario para alcanzar el tamaño muestral establecido)
y en investigar después todos los elementos pertenecientes a los conglomerados
elegidos.
Métodos de muestreo no probabilísticos
A veces, para estudios exploratorios, el muestreo probabilístico resulta excesivamente
costoso y se acude a métodos no probabilísticos, aun siendo conscientes de que no
sirven para realizar generalizaciones (estimaciones inferenciales sobre la población),
pues no se tiene certeza de que la muestra extraída sea representativa, ya que no
todos los sujetos de la población tienen la misma probabilidad de se elegidos. En
general se seleccionan a los sujetos siguiendo determinados criterios procurando, en la
medida de lo posible, que la muestra sea representativa.
En algunas circunstancias los métodos estadísticos y epidemiológicos permiten
resolver los problemas de representatividad aun en situaciones de muestreo no
probabilístico, por ejemplo los estudios de caso-control, donde los casos no son
seleccionados aleatoriamente de la población.
Ventajas e inconvenientes de los distintos tipos de muestreo probabilístico
CARACTERISTICAS VENTAJAS INCONVENIENTES
Aleatorio
simple
Se selecciona una
muestra de tamaño n de
una población de N
unidades, cada elemento
tiene una probabilidad
de inclusión igual y
• Sencillo y de fácil
comprensión.
• Cálculo rápido de
medias y varianzas.
• Se basa en la teoría
estadística, y por tanto
Requiere que se posea de
antemano un listado
completo de toda la
población. Cuando se
trabaja con muestras
pequeñas es posible que no
![Page 6: Sesion-11-Muestreo](https://reader030.vdocuments.pub/reader030/viewer/2022021119/577c7c451a28abe0549a029e/html5/thumbnails/6.jpg)
8/16/2019 Sesion-11-Muestreo
http://slidepdf.com/reader/full/sesion-11-muestreo 6/10
Neumann Business School 6
Estadística Empresarial
conocida de n/N. existen paquetes
informáticos para
analizar los datos
represente a la población
adecuadamente.
Sistemático Conseguir un listado de
los N elementos de la
población
Determinar tamaño
muestral n .
Definir un intervalo k=
N/n .
Elegir un número
aleatorio, r , entre 1 y k
(r = arranque aleatorio).
Seleccionar los
elementos de la lista.
• Fácil de aplicar.
• No siempre es necesario
tener un listado de toda
la población.
• Cuando la población
está ordenada siguiendo
una tendencia conocida,
asegura una cobertura
de unidades de todos
los tipos.
Si la constante de muestreo
está asociada con el
fenómeno de interés, las
estimaciones obtenidas a
partir de la muestra pueden
contener sesgo de selección
Estratificado En ciertas ocasiones
resultará conveniente
estratificar la muestrasegún ciertas variables
de interés. Para ello
debemos conocer la
composición
estratificada de la
población objetivo a
hacer un muestreo. Una
vez calculado el tamañomuestral apropiado, este
se reparte de manera
proporcional entre los
distintos estratos
definidos en la población
usando una simple regla
de tres.
• Tiende a asegurar que la
muestra represente
adecuadamente a la
población en función de
unas variables
seleccionadas.
• Se obtienen
estimaciones más
precisa
• Su objetivo es conseguir
una muestra lo mássemejante posible a la
población en lo que a la
o las variables
estratificadoras se
refiere.
Se ha de conocer la
distribución en la población
de las variables utilizadaspara la estratificación.
![Page 7: Sesion-11-Muestreo](https://reader030.vdocuments.pub/reader030/viewer/2022021119/577c7c451a28abe0549a029e/html5/thumbnails/7.jpg)
8/16/2019 Sesion-11-Muestreo
http://slidepdf.com/reader/full/sesion-11-muestreo 7/10
Neumann Business School 7
Estadística Empresarial
Conglomerados Se realizan varias fases
de muestreo sucesivas
(polietápico)La necesidad de listados
de las unidades de una
etapa se limita a aquellas
unidades de muestreo
seleccionadas en la
etapa anterior.
• Es muy eficiente cuando
la población es muy
grande y dispersa.• No es preciso tener un
listado de toda la
población, sólo de las
unidades primarias de
muestreo.
El error estándar es mayor
que en el muestreo
aleatorio simple oestratificado.
El cálculo del error estándar
es complejo.
Determinación del tamaño de muestra
Todo estudio estadístico lleva implícito en la fase de diseño la determinación del
tamaño muestral necesario para la ejecución del mismo. El no realizar dicho proceso,
puede conducir a dos situaciones diferentes: primera que se realice el estudio sin el
número adecuado de sujetos, con lo cual no se podrá ser precisos al estimar los
parámetros y además no se encontraran diferencias significativas cuando en realidad sí
existen. La segunda es que se podría estudiar un número innecesario de sujetos, lo
cual lleva implícito no solo la pérdida de tiempo y de recursos innecesarios sino que
además la calidad del estudio, a causa de dicho exceso, puede verse afectada en
sentido negativo.
Para determinar el tamaño muestral de un estudio, deben considerar diferentes
situaciones:
a) Estudios para determinar parámetros, es decir, cuando se pretende hacer
inferencias de valores poblacionales (proporciones, medias…) a partir de una
muestra.
b) Estudios para contraste de hipótesis, es decir, cuando se pretende comparar si
proporciones o las medias de las muestras son diferentes.
![Page 8: Sesion-11-Muestreo](https://reader030.vdocuments.pub/reader030/viewer/2022021119/577c7c451a28abe0549a029e/html5/thumbnails/8.jpg)
8/16/2019 Sesion-11-Muestreo
http://slidepdf.com/reader/full/sesion-11-muestreo 8/10
Neumann Business School 8
Estadística Empresarial
Ilustración 1: Elementos de la inferencia estadística
Tamaño de muestra para determinar parámetros
Con estos estudios se pretende hacer inferencia de valores poblacionales
(proporciones, medias) a partir de una muestra.
Tamaño de muestra para estimar una proporción
=2 · ·
2
Ecuación 1: Tamaño de muestra para estimar una proporción
Si se desea estimar una proporción debe conocerse:
a) El nivel de confianza o seguridad (1 −∝ ) . El nivel de confianza prefijado da lugar
a un coeficiente (∝ / 2 ) Para un nivel de seguridad de 95%, y según tabla 1 el
valor del coeficiente∝ / 2 =1.96
![Page 9: Sesion-11-Muestreo](https://reader030.vdocuments.pub/reader030/viewer/2022021119/577c7c451a28abe0549a029e/html5/thumbnails/9.jpg)
8/16/2019 Sesion-11-Muestreo
http://slidepdf.com/reader/full/sesion-11-muestreo 9/10
Neumann Business School 9
Estadística Empresarial
b) La precisión que se desea para el estudio; el error muestral ( ) o error de
estimación es el error a causa de observar una muestra en lugar de la población
completa
c) Una idea del valor aproximado de la proporción ( ) que cumple con la
característica de estudio. Esta idea se puede obtener revisando la literatura o
mediante estudios pilotos previos. En caso de no tener dicha información se
utilizará el valor =0,5 (50 %). Y también de la proporción que no cumple con
la característica de estudio ( = 1 − )
Para determinar el valor de∝ / 2 buscamos en tabla 1 el área ( 0.5 − ( /2) ), en la
primera columna se hallará las unidades y las décimas del valor de∝ / 2 y en el
encabezado superior la centésima del valor de∝ / 2 .
Veamos un ejemplo para el nivel de confianza de 95%
![Page 10: Sesion-11-Muestreo](https://reader030.vdocuments.pub/reader030/viewer/2022021119/577c7c451a28abe0549a029e/html5/thumbnails/10.jpg)
8/16/2019 Sesion-11-Muestreo
http://slidepdf.com/reader/full/sesion-11-muestreo 10/10
Neumann Business School 10
Estadística Empresarial
Tabla 1: Tabla de distribución normal
Areas bajo la curva normal
z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.0000 0. 0040 0.0080 0. 0120 0.0160 0.0199 0.0239 0.0279 0. 0319 0.0359
0. 1 0.0398 0. 0438 0.0478 0.0517 0.0557 0.0596 0. 0636 0.0675 0. 0714 0.0753
0.2 0.0793 0.0832 0. 0871 0.0910 0. 0948 0.0987 0.1026 0.1064 0.1103 0. 1141
0.3 0. 1179 0.1217 0.1255 0.1293 0.1331 0.1368 0.1406 0. 1443 0.1480 0.1517
0.4 0.1554 0.1591 0.1628 0. 1664 0.1700 0. 1736 0.1772 0.1808 0.1844 0.1879
0. 5 0.1915 0. 1950 0.1985 0.2019 0.2054 0.2088 0. 2123 0.2157 0. 2190 0.2224
0.6 0.2257 0.2291 0.2324 0.2357 0. 2389 0.2422 0. 2454 0.2486 0.2517 0.2549
0.7 0. 2580 0.2611 0. 2642 0.2673 0.2704 0.2734 0.2764 0. 2794 0.2823 0. 2852
0.8 0. 2881 0.2910 0.2939 0.2967 0.2995 0. 3023 0.3051 0. 3078 0.3106 0.3133
0.9 0.3159 0. 3186 0.3212 0. 3238 0.3264 0.3289 0.3315 0.3340 0. 3365 0.3389
1. 0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0. 3554 0.3577 0.3599 0.3621
1.1 0.3643 0.3665 0. 3686 0.3708 0. 3729 0.3749 0.3770 0.3790 0.3810 0. 3830
1.2 0. 3849 0.3869 0.3888 0.3907 0.3925 0. 3944 0.3962 0. 3980 0.3997 0.40151.3 0.4032 0.4049 0.4066 0. 4082 0.4099 0. 4115 0.4131 0.4147 0.4162 0.4177
1. 4 0.4192 0. 4207 0.4222 0.4236 0.4251 0.4265 0. 4279 0.4292 0. 4306 0.4319
1.5 0.4332 0.4345 0.4357 0.4370 0. 4382 0.4394 0.4406 0.4418 0.4429 0.4441
1.6 0. 4452 0.4463 0. 4474 0.4484 0.4495 0.4505 0.4515 0. 4525 0.4535 0. 4545
1.7 0.4554 0.4564 0.4573 0. 4582 0.4591 0. 4599 0.4608 0.4616 0.4625 0.4633
1. 8 0.4641 0. 4649 0.4656 0. 4664 0.4671 0.4678 0.4686 0.4693 0. 4699 0.4706
1.9 0.4713 0.4719 0.4726 0.4732 0. 4738 0.4744 0. 4750 0.4756 0.4761 0.4767
2.0 0.4772 0.4778 0. 4783 0.4788 0.4793 0.4798 0.4803 0.4808 0.4812 0. 4817
2.1 0. 4821 0.4826 0.4830 0.4834 0.4838 0. 4842 0.4846 0. 4850 0.4854 0.4857
2.2 0.4861 0. 4864 0.4868 0. 4871 0.4875 0.4878 0.4881 0.4884 0. 4887 0.4890
2. 3 0.4893 0. 4896 0.4898 0.4901 0.4904 0.4906 0. 4909 0.4911 0. 4913 0.4916
2.4 0.4918 0.4920 0. 4922 0.4925 0. 4927 0.4929 0.4931 0.4932 0.4934 0. 4936
2.5 0. 4938 0.4940 0.4941 0.4943 0.4945 0.4946 0.4948 0. 4949 0.4951 0.4952
2.6 0.4953 0.4955 0.4956 0. 4957 0.4959 0. 4960 0.4961 0.4962 0.4963 0.4964
2. 7 0.4965 0. 4966 0.4967 0.4968 0.4969 0.4970 0. 4971 0.4972 0. 4973 0.4974
2.8 0.4974 0.4975 0.4976 0.4977 0. 4977 0.4978 0. 4979 0.4979 0.4980 0.4981
2.9 0. 4981 0.4982 0. 4982 0.4983 0.4984 0.4984 0.4985 0. 4985 0.4986 0. 4986
3.0 0.4987 0.4987 0.4987 0.4988 0.4988 0. 4989 0.4989 0.4989 0.4990 0.4990
TABLA DE DISTRIBUCIÓN NORMAL