Muestreo en Estadística
Muestreo en Estadística
Muestreo en Estadística
En estadstica se conoce como muestreo a la tcnica para la seleccin de una muestra a partir de
una poblacin.
Al elegir una muestra se espera conseguir que sus propiedades sean extrapolables a la poblacin.
Este proceso permite ahorrar recursos, y a la vez obtener resultados parecidos a los que se
alcanzaran si se realizase un estudio de toda la poblacin.
Cabe mencionar que para que el muestreo sea vlido y se pueda realizar un estudio adecuado (que
consienta no solo hacer estimaciones de la poblacin sino estimar tambin los mrgenes de error
correspondientes a dichas estimaciones), debe cumplir ciertos requisitos. Nunca podremos estar
enteramente seguros de que el resultado sea una muestra representativa, pero s podemos actuar
de manera que esta condicin se alcance con una probabilidad alta.
En el muestreo, si el tamao de la muestra es ms pequeo que el tamao de la poblacin, se
puede extraer dos o ms muestras de la misma poblacin. Al conjunto de muestras que se pueden
obtener de la poblacin se denomina espacio muestral. La variable que asocia a cada muestra su
probabilidad de extraccin, sigue la llamada distribucin muestral.
ndice
Muestreo probabilstico
Forman parte de este tipo de muestreo, todos aquellos mtodos para los que puede calcular la
probabilidad de extraccin de cualquiera de las muestras posibles. Este conjunto de tcnicas de
muestreo es el ms aconsejable, aunque en ocasiones no es posible optar por l. En este caso se
habla de muestras probabilsticas, pues no es en rigor correcto hablar de muestras
representativas dado que, al no conocer las caractersticas de la poblacin, no es posible tener
certeza de que tal caracterstica se haya conseguido.
Sin reposicin de los elementos: Cada elemento extrado se descarta para la subsiguiente
extraccin. Por ejemplo, si se extrae una muestra de una "poblacin" de bombillas para estimar la
vida media de las bombillas que la integran, no ser posible medir ms que una vez la bombilla
seleccionada.
Con reposicin de los elementos: Las observaciones se realizan con remplazamiento de los
individuos, de forma que la poblacin es idntica en todas las extracciones. En poblaciones muy
grandes, la probabilidad de repetir una extraccin es tan pequea que el muestreo puede
considerarse con reposicin aunque, realmente, no lo sea.
Con reposicin mltiple: En poblaciones muy grandes, la probabilidad de repetir una extraccin es
tan pequea que el muestreo puede considerarse con reposicin.
Para realizar este tipo de muestreo, y en determinadas situaciones, es muy til la extraccin
de nmeros aleatorios mediante ordenadores, calculadoras o tablas construidas al efecto. Pero no
es exacto
Muestreo sistemtico
Se utiliza cuando el universo o poblacin es de gran tamao, 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, que se denomina coeficiente de elevacin K= N/n; donde N es el
tamao del universo y n el tamao de la muestra. Determinar en qu fecha se producir la primera
extraccin, para ello hay que elegir al azar un nmero entre 1 y K; de ah en adelante tomar uno de
cada K a intervalos regulares. Ocasionalmente, es conveniente tener en cuenta la periodicidad del
fenmeno.
Esto quiere decir que si tenemos un determinado nmero de personas que es la poblacin (N) y
queremos escoger de esa poblacin un nmero ms pequeo el cual es la muestra (n), dividimos el
nmero de la poblacin por el nmero de la muestra que queremos tomar y el resultado de esta
operacin ser el intervalo, entonces escogemos un nmero al azar desde uno hasta el nmero del
intervalo, y a partir de este nmero escogemos los dems siguiendo el orden.
Muestreo estratificado
Consiste en la divisin previa de la poblacin de estudio en grupos o clases que se suponen
homogneos con respecto a alguna caracterstica de las que se van a estudiar. A cada uno de estos
estratos se le asignara una cuota que determinara el nmero de miembros del mismo que
compondrn la muestra. Dentro de cada estrato se suele usar la tcnica de muestreo sistemtico,
una de las tcnicas de seleccin ms usadas en la prctica.
Segn la cantidad de elementos de la muestra que se han de elegir de cada uno de los estratos,
existen dos tcnicas de muestreo estratificado:
Por ejemplo, para un estudio de opinin, puede resultar interesante estudiar por separado las
opiniones de hombres y mujeres pues se estima que, dentro de cada uno de estos grupos, puede
haber cierta homogeneidad. As, si la poblacin est compuesta de un 55% de mujeres y un 45% de
hombres, se tomara una muestra que contenga tambin esos mismos porcentajes de hombres y
mujeres.
Para una descripcin general del muestreo estratificado y los mtodos de inferencia asociados con
este procedimiento, suponemos que la poblacin est dividida en h subpoblaciones o estratos de
tamaos conocidos N1, N2,..., Nh tal que las unidades en cada estrato sean homogneas respecto a
la caracterstica en cuestin. La media y la varianza desconocidas para el i-simo estrato son
denotadas por mi y si2, respectivamente.
mltiples se subdivide la poblacin en varios niveles ordenados que se extraen sucesivamente por
medio de un procedimiento de embudo. El muestreo se desarrolla en varias fases o extracciones
sucesivas para cada nivel.
Por ejemplo, si tenemos que construir una muestra de profesores de primaria en un pas
determinado, stos pueden subdividirse en unidades primarias representadas por circunscripciones
didcticas y unidades secundarias que seran los propios profesores. En primer lugar extraemos una
muestra de las unidades primarias (para lo cual debemos tener la lista completa de estas unidades)
y en segundo lugar extraemos aleatoriamente una muestra de unidades secundarias de cada una de
las primarias seleccionadas en la primera extraccin.
opuestos: los primeros son mejores cuanto ms homogneo es el grupo respecto a la caracterstica
a estudiar y los conglomerados, si representan fielmente a la poblacin, esto es, contienen toda su
variabilidad, o sea, son heterogneos.
Muestreo no probabilstico
Es aqul para el que no puede calcularse la probabilidad de extraccin de una determinada muestra.
Se busca seleccionar a individuos que tienen un conocimiento profundo del tema bajo estudio, por lo
tanto, se considera que la informacin aportada por esas personas es vital para la toma de
decisiones.