!

1~ 7~ tÚ ~'t,(~ '[)~ tÚ?~ e 'l~ ?~ 16

--------~----~-------------------- -----~------------------------~------
( (/#IPAP lit
TEORÍA DEL MUESTREO
Existen dos maneras generales de recolectar o reunir información
a) El censo.- Que consiste en enumerar a todos los individuos o entes de un conjumo, y
b) El muestreo.- Enumerar solo una parte del conjunto que sea representativo de este. para determinar
o estimar las propiedades del conjunto

Las ventajas del muestreo con respecto al censo son:

a) Que es más económico.
b) Se realiza con mayor rapidez.
e) Se puede realizar más frecuente y detalladamente.
d) En la mayoría de las veces es más exacto.

Limitaciones:
a) Lleva implícito un riesgo de error
b) Requiere mayor preparación del personal, pues usa instrumentos más refinados

OBTENCIÓN DE UNA MUESTRA. 1

La muestra se puede obtener de dos formas básicas: probabilísticamente y no probabilisticamente .

'-._..,
..
Los modelos desarrollados en Estadistica, pa.ra poder evaluar adecuadamente el error, solo aceptan la primera
forma. La aleatoriedad se usa para evitar tendencias intencionales en los datos Para garantizar que la muestra
sea aleatoria solo existen dos métodos
a) Extraer de una u'!1a los elementos que conformaran la muestra, o
b) Usar una tabla de números aleatorios

'T \::?LA DE N1JMEROS ALEATORIOS.

Son números que se hall generado dígito a dígito (0, 1, 2, _9) para formar tablas ...\ estas tablas se
les somete a una serie de pruebas para garantizar:
1) Que cada uno de los diez dígitos está igualmente representados
2) Que no existen patrones de tendencia en la aparición de los dígitos.
La manera como se utilizan estas tablas es la siguiente:
1) Elegir a criterio el punto de arranque y la dirección en que se leerán los números
2) Usar tantos dígitos como los que se requieran para escribir el tamaño de la población N.
3) Leer los números:
a) Ignorando todos aquellos que estén por arriba de N, o
b) Restarle a los números por arriba de N bajo el siguiente criterio:
de N+l a2N restarle 1'~

Rcf. A. capítulo 3, Muestreo aleatorio simple. pp ~L 42.

Ref. B. capítulo .~.Muestreo irrestricto aleatorio. pp. 40-43.
--------------~------
?!úu¡, L. ~ ;¿~«:; 09/02/99
 .\
P~17

2N+la3~
3N+ 1 a 4~
restarle 2~
restarle 3X y así sucesivamente;
~-.
en el caso de muestreo sin reemplazo se'ignoran los numeros repetidos

ALGUNAS TÉCNICAS DE MUESTREO PRoBABnjsTICO: 2

a) Completamente al azar
b) Sistemático,
e) Estratificado
d) Por conglomerados,
e) Submuestreo o Muestreo polietápico

PASOS PARA APLICAR LAS TÉCNICAS DE MUESTREO.s

1, Determinar el objetivo del investigador o usuario. Se deben establecer claramente los
objetivos que persigue el usuario final de los datos. ya que esto determinará la forma y
magnitud de íos recursos técnicos. humanos y económicos que serán necesarios y con ellos
se podrá determinar la viabilidad de su realización,
2, Establecer la Población Objetivo. Los elementos o unidades que la conforman deben estar
claramente localizados en el espacio y el tiempo. para evitar ambigüedades. Pueden existir
subconjuntos de esta población sobre los que se tenga un interés especial en evaluar, y se les
conoce como Dominios de Estudio o subpoblaciones La población no interesa por sí misma. --.._
sino por las características de sus elementos, ' __.>

3, Elegir las unidades de medida. Para medir las caracteristicas de la población, las unidades
más usuales son: Totales, Medias, Proporciones o Porcentajes, Cocientes o Razones, y la
variabilidad de ellas, que normalmente se mide a través de la Varianza o Desviación
Estándar.
4, Definir el instrumento de medición. Su elección dependerá de la naturaleza de las
caracteristicas a medir, En el caso de poblaciones humanas, lo más usual es utilizar encuestas,
En el caso de otras poblaciones. podrán ser instrumentos de laboratorio. Generalmente en la
medida que el instrumento aumenta su precisión, aumenta su costo y el tiempo empleado.
S, Obtener el Marco de Referencia Muestral, El marco muestral es una forma de representar
e identificar a todos los elementos de la población sin ambigüedad. Puede ser un listado de
personas, un catálogo de artículos. mapas, unconjunto de fotografías. etc, No debe contener
elementos ajenos a la población ni elementos repetidos. En algunos casos es fácil de
conseguir, en otros se requiere una gran inversión de recursos para definirlo. Es una de las
fuentes más frecuentes de error y que a menudo pasa desapercibido.
6. Establecer. el grado de precisión. Sabemos que para establecer las características de la
población solo se analizará una muestra, lo que podrá ocasionar un cierto grado de error. Por
ello, se debe establecer cuál será el error aceptable en términos probabilísticos 00 , o su
equivalente el nivel de confiabilidad 1- T.. '

: Ref. A capítulo L Generalidades, pp. 14. 15,

3 Ref. L Cap"-1. Introducción. pp, 24-27
ouoen«
 7. Seleccionar la técnica de muestreo a utilizar. Considerando las características de la
población, del instrumento de medición. del tipo y número de recursos humanos disponibles,
etc, se determina la técnica específica de muestreo que se usará.
8. Determinar el tamaño de muestra. En función de los puntos anteriores, pero en particular
por ei grado de precisión fijado. se determina el tamaño de muestra. Este puede ser ajustado
tomando en cuenta la infraestructura. ei personal. el tiempo, y los recursos económicos
disponibles. entre muchos otros factores. hasta llegar a un tamaño adecuado.
9. Realizar el trabajo de campo. Para que lo establecido en el diseño muestral se cumpla, se
debe tener mucho cuidado de llevarlo a la practica conforme a lo planeado. Aquí se
recomienda una adecuada supervisión que garantice su desarrollo, y que permita detectar y
eliminar a tiempo cualquier error
10. Efectuar los cálculos y establecer las conclusiones. Finalmente se someten los datos
obtenidos a los métodos de cálculo estadlstico y probabilísticos de acuerdo a la técnica
utiiizada Y en función de estos resulrados establecer las conclusiones y recomendaciones,
tanto para el uso de esta información, como para la futura realización de un trabajo similar de
muestreo. Los problemas que puedan presentarse durante el trabajo de campo podrían hacer
que al final la población muestreada sea difererne de la que se planteó inicialmente como
Población Objetivo. Las conclusiones solo 5;)7"', validas para la población muestreada.

MUESTREO COMPLETAMENTE AL AZAR.4

Después de enumerar a todos los elementos de la población, se elige la muestra usando alguno
de los dos métodos para obtener la muestra aleatoria. gs el método más sencillo de todos pero tiene lí}
desventaja que la muestra se distribuye por toda la población, por lo que solo se usa para poblacioll~..s

-
pequeñas y mU\.:_homogéneas. --

MUESTREO SISTEMÁTICO. 5
El muestreo sistemático es quizás el que se conoce más ampliamente. Se utiliza comúnmente y
es sencillo de aplicar; Consiste en analizar cada k-esima unidad de muestreo después de un arranque
aleatorio. Es independiente de las unidades de muestreo. ya veces se le llama seudoaleatorio.
Suponiendo que .:\ es un múltiplo entero del tamaño deseado de muestra n. Entonces el intervalo
deseado de muestreo k = N In, es también un número entero. Si se selecciona al azar un número de 1 a
~ este arranque aleatorio "r" para el intervalo, determinará el elemento que se va a seleccionar en cada
uno de las n zonas o estratos implícitos
La razon principal por la que se utiliza el muestreo sistemático es que su aplicación es fácil; con

.¡ Ref A capítulo 3. MucstrfAleatorio Simple. pp. 37 - 5';

Reí. H. Cap. Ill. Métodos Básicos de Selecc-ión de la Muestra, Pi' -1-7-56
Ref L Cap. 2. Muestreo Aleatorio Simple. pp. -+ 1-73
Ref. A capítulo 7. Muestreo por conglomerados y sistemático. pp 168-180.
Re( B. capítulo 7. Muestreo sistemático. pp 168-193
Ref H. Cap. Ill, Métodos Básicos de Selección de la Muestra. pp 57 -61
Reí, L Cap. 8. Muestreo Sistemático. pp. 257-2;;8
 ,
poca Il.QsibjÜdNJ cm.e~s y flexible.
Otra venta.ja.del muestreo sistemátiC<?~~m~~~ce rac~lmenteuna muestra p!O~1iat",..l. ~'
muestra se reparte uniformemente en la.población e orma ordenáda.

MUESTREO ESTRATIFICADO. (,
En términos generales, el muestreo estratificado consiste en los siguiemes pasos
La población completa de unidades se divide en subpoblaciones distintas (estratos).
procurando que cada estrato sea lo más homogéneo posible, y diferente al resto
Dentro de cada estrato se selecciona una muestra independiente a partir dé todas las
unidades de muestreo que componen ese estrato La determinacion del tamaño de muestra
\~Of~-hÍl, ~ ~~l1c.Jo
en cada estrato se puede hacer por afijación proporciona, a criterio u óptima
[1Llw~ Q~t1Ir\(JJ,,'¡e)
De la muestra obtenida en cada estrato se caicuJa un estimador Estos estimadores por
'P"~ \'11''' tI"'-"'I estratos se ponderan adecuadamente para formar una estimacion combinadade la población
r- foX
completa.
d) Las varianzas también se calculan separadamente dentro de cada estrato y entonces se
ponderan adecuadamente y se suman en una estimacióncombinada para la población

RAZONES PARA USAR EL MÉTODO DE ESTRATmC-\.CIÓ);

4, 'IQrf(A,fI ~ 1) La estratificación se utiliza para disminuirlas varianzas,¿e las esrimarioDf'-Lde
la muestra
2) Se pueden usar los estratos para utilizar diferentes métodos v procedimientosdentro de cada uro
de ellos. -...."....- _. ~/,.,.
3) Los estratos pueden establecerse porque las subpoblaciones dentro de ellos también se definen
como dominios de estudio. Un dornir.io de estudio es una parte de la población para la que se
- han planeado estimaciones separadas en el diseño de la muestra. Se llama dominio a cualquier
subdivisión acerca de la cual se planea la encuesta para proporcionar informaciónnumérica de
precisión conocida.

MUESTREO POR CONGLOMERADO. 7

Se usa cuando la selección individual de elementos es costosa, o no se puede construir un

marco de muestreo adecuado. Pare ello se agrupa a la población en unidades mayores. denominadas
conglomerados, las cuales contienen varias unidades del elemento de interés A diferencia de los
conglomerados, aquí se procura que cada uno de los conglomerados sea lo mas parecido a los demás, y
estos a su vez a la población en general. Es decir la variabilidadestá dentro de los conglomerados

6 Ref. A, capítulo 6, Muestreo estratificado. pp. 113-140.

Ref. B, capítulo 7, Muestreo aleatorio estratificado. pp. 78-108.
Ref. H, Cap. IV, Estratificación. pp. 76-99
Ref.l, Cap. 5, Muestreo Aleatorio Estratificado, pp. 125-19.:1-
Ref: A, capítulo 7. Muestreo por conglomerados y sistemático, pp. 151-165.
Ref. B. capítulo 8. Muestreo por conglomerados. pp. 196-208.
Ref. H, Cap. VI. Muestreo y submuestreo de Conglomerados. pp. 121-126
Ref. 1, Cap. 9, Muestreo por Conglomerado .... pp, 289-338

~~;¿::...,.-._. -~---.~ - -~ <,

 Los métodos de muestreo usan C;)::10 unidad de selección al conglomerado, el cual contiene
mas de un elemento de la población; cada elemento debe estar identificado unívocamente con uno y solo
uno de los conglomerados

La muestra. se conforma analizando algunos de los conglomerados, los cuales se seleccionan

aleatoriamente, y cada uno de los conglomerados elegidos se censa

SUBMUESTREO O :\lrESTREO POLIEP_.\.TICO.8

Cuando se compara una muestra de conglomerados con una muestra aleatoria simple del
mismo tamaño n, se tiene una ..afianza mayor pero un costo menor El submuestreo resulta de la
búsqueda de un punto de equilibrio entre los dos efectos conflictivos de la conglomeración de los
elementos la disminución de la precisión pero mayor econorrua del diseño,
~i se usa un Tl}uestreQ_PQLC.oD_::lnmeracios y denrro. . ckJm_congloníerados e¡egid9~s.e_.:Yl!elve .
L

a muestrear, p2!..cualquier tecnica. a est9_js_)e c~-:r.loce

como muestrea bietápico Q .submll~s.1Jeo . Si se
tienen c0I!glom~raQQ?_§entD2< d~<E.9.ggl2m~gdos-dependiendo del número de anidamiento, se tendrá un
I
I
! ' ¡:m;estreo que en gel1_eral.$cQnoce_~~!1C:'.2\destL~.O_P.Qlie~~ --" -- ...._--<".
,
1

DISTRIBUCIONES :lICESTR4LE\' "

Para poder medir el grado de incertidumbre o error involucrado en una inferencia, se requiere
desarrollar modelos de probabilidad para íos estimadores obtenidos de todas las muestras posibles de
-. una población. Los estimadores son variables aleatorias continuas, las cuales tienen espacios muestrales,
'..__", que son un número infinitamente grande de puntos contenidos en el intervalo de una línea recta.
Establecer el modelo probabilístico para la distribución de frecuencias de una variable aleatoria
contínua, implica seleccionar una curva. llamada distribución o función de densidad de probabilidad
muestral

DISTRIBUCIÓN DE PROBABILID.-\D '\OR\L\L

El estimador más comúnmente utilizado es la media o promedio aritmético, la distribucion
muestral de ella se define a traves del teorema central del limite o del límite central.

8 Reí. A capítulo 8. Submuestreo. pp 173-l92

Rcf. H_ Cap. VL Mucstreo v submuestreo de Conglomeraéos. pp 127-1:i:;
Cap. VII Procedimientos de Muestreo Doble y Encuestas Repetidas, pp. 15~-179
Ref. 1, Cap. 10_ El Submucstrco con Unidades de Diferente Tamaño. pp. 359-398
') Ref C. capítulo 8, Teoría elemental de! muestreo. pp. 187-l91.
Ref. D, capítulo 7_Distribución de muestreo. C'bj 7.2 Distribución de muestreo, pp. 29~.
Ref. F_ capítulo 6. Funciones de variables aleatorias. Obj. 6.7 Distribuciones muestrales, pp. 217.
Reí G, capítulo 7.. Distribuciones rnues.raíes y el teorema del Iimite central, Obj. 7.1 Introducción. pp. 265. 266.

0<1102/99
 'P~21

TEOREMA DEL LÍMITE CENTRAL. 10

Si se seleccionan al azar muestras de tamaño n de una población con media finita u, y '-._./
varianza ()~, cuando n es grande, la media muestral X tiene una distribución aproximadamente normal
con media igual a J.l. y varianza ()2/n. La aproximación se vuelve más precisa a medida que n aumenta.
Como muchos estimadores o estadísticos que se usan para hacer inferencias acerca de los
parámetros de una población, son sumas o promedios de las observaciones muestrales. y si el tamaño de
la muestra n es suficientemente grande, podemos esperar, por este teorema. que el estimador o ~
estadístico posea una distribución normal, cuando se repite el muestreo muchas veces Este justifica el
uso tan frecuente de la distribución normal para aproximar las distribuciones de otras \ ariables
aleatorias.

e ARACTERÍSTICAS DE LA DISTRIBUCIÓN NOR\fAL

La curva normal, cuya forma recuerda al de una campana, tiene la particularidad de ser
simétrica respecto a la media y asintótica respecto al eje de ias abscisas. Otra característica de la curva
de probabilidad normal, corno todas las distribuciones continuas, es que la probabilidad asociada a
cualquier punto es igual con cero, puesto que el área sobre cualquier punto en particular es igual con
cero.
NORMALIZACIÓN.
Como se sabe la ecuación de la curva normaL es muy compleja para resolverla para cada
problema al que se quiera aplicar. Se. tendría que integrar por aproximaciones sucesiva:'>para cada
posible combinación de los valores de J.l. y cr~,de los cuales depende su ecuación.
Para facilitar su solución se calcularon tablas para una distribución normal particular, en la qU6.._,
~=0 y o ~=l. Así todos los problemas que se tengan que resolver para distribuciones similares se
aproximan a esta curva, a la cual se le llama distribución normal estandarizada \ su \ ariable se
representa por z, a través de la siguiente fórmula
X - 11
z=

DISTRIBUCIÓN t-STUDENT. 11

Cuando se quieren hacer inferencias acerca de la media pero no se puede tener muestras
grandes, debido al costo, el tiempo disponible, y otros factores que limitan el tamaño de la muestra que
se puede obtener, no se debe usar la distribución normal En este caso la distribución t-student es la
distribución muestral que se usa para inferencias sobre la media cuando se tienen muestras pequeñas

1" Ref. D. cap. 7. Distrib. de muestreo. Obj. 7.5 Las Distrib. de muestreo de medias y sumatorias. pp. 310-312.
Ref. E. capítulo 9. Inferencia estadística. pp. 158-163.
Ref F_capítulo 6_Funciones de variables aleatorias. Oo]. 6.8 Distribuciones muestrales de medías. pp 218-221.
Rcf. G. cap. 7. Distrib. muestrales y el teorema del límite central. Obj. 7.3 Teorema del límite central. pp. 279-283.
!1 Ref: C. capítulo 1L Teoria de pequeñas muestras. pp, 251. 252
Ref. D. CJp. 7. Distrib. de muestreo, Obj 7.7 Dístrib. de muestreo relacionadas con la distrib normal. pp. 322-326.
Rcf F, capítulo 6. Funciones de variables aleatorias. Obj. 6.10 Distribución T. pp. 229-233.
Ref G_ cap. 7. Distrib. muestralcs y el teorema del límite central. Obj.7.2 Distrib.muestrales relacionadas con la
distrib. HormaL pp. 273-275.
------------------------------------------.------------------
09/02/91
 7)~ áL 7>~ e 1~di.. ri.9Úfd 22
------- ----'-

CARACTERÍSTICAS DE LA DISTRIBUCIÓN t-STUDENT.

\"",....1 Esta distribución fue descubierta por W. S. Gasset y publicada (1908) bajo el seudónimo de
"student". El se refirió a la cantidad estudiada como t y desde entonces se le conoce como t de student.
La distribución de t se parece a la de z, con forma de campana y simétrica respecto a t=O. A
diferencia de z. es mucho mas" zriable Ya que su variabilidad depende no sólo de X sino también de la
desviación estándar muestra! S La \ ariabilidad de t disminuye a medida que n aumenta porque S que es
el estimador de o esta basado en mas inrormacion. Cuando n es infinitamente grande, la distribución de t
tiende a z El estadístico estandarizado cue la define. y para el cual están calculadas tablas. está dado por
la fórmula

t=
n Si"'¡

El cual sigue una distribución r-srudent con n- ¡ grados de libertad.

DISTRIBLClO'\"{ ,-
La distribución muestra; que oermite evaluar el comportamiento del estimador S de (J, es la
distribución Z~ Esta distribución es UIi caso especial de la distribución gamma; se obtiene haciendo v12
y beta=Z. donde \' es '.m . eD:~;-O posit:vo La densidad de probabilidad que se obtiene se llama
distribución ji-cuadrada len esp2::101J. o chi-cuadrada (del inglés), con v grados de libertad Los grados
de libertad son equiv alentes a TI- ;

CARACTERÍSTICAS DE LA DISTRTBLCIÓ:\ /'

Es una cuna asimetnca positiva. definida para valores a partir de cero. Esta asimetria es mayor
a medida que ei tamaño de r:"_'__estra e3 pequeño, pero cuando n es muy grande la curx a se vuelve
simétrica. Se han calculado tablas cara el estadístico l,
el cual está definido por:
-,
Ir. - ] ) s~
'1 =

El cual se distribuye como una ji-cuadrada con n-I grados de libertad.

¡2 Ref. t. capítulo 1L Teoria de pequeñas muestras. pp. 25 L 252.

Ref. D. capítulo 5. variables aleatorias COnUllu.1S. pp. 237.
Ref. F. capítulo 5. Algunas distribuciones cormnuas de probabilidad. Obj. 5.7 Distribución Ji-cuadrada. pp. 217.
Ref. G. cap. 7. Distrib. muestrales \ el teorema del limite central. Obj.7.2 Distrib.mucstrales relacionadas con la
distrib. normal. pp. 269-27'2

09/02199
DISTRIBUCIÓN F. 13

La distribución F se define como la relación de dos variables aleatorias ji-cuadrada independientes, '-./
cada una dividida por su número de grados de libertad. Esta distribución permite hacer inferencias sobre el
cociente de dos varianzas muestrales de dos muestras independientes.
Ii
CARACTERÍSTICAS DE LA DISTRIBUCIÓN
Al igual que la distribución /,
F.
de la cual procede, su curva es asimétrica positiva, solo definida
para valores positivos, Tiene asociado dos tipos de grados de libertad, el primero es el número de grados
I
[
t
de libertad asociados con la variable aleatoria ji-cuadrada que aparecen en el numerador VI, después " a el ¡
i
número de grados de libertad asociados con la variable aleatoria ji-cuadrada que aparecen en el denommador
\'2. La curva de la distribución F depende no sólo de los dos parámetros VI y V2, sino también del orden en el

cual se establecen. Una vez que se dan estos dos valores, puede identificarse la curva.

Bibliografía.

A Introducción al Muestreo. Adela Abad, Luis A. Servin. Ed. Limusa. Segunda

Edición México 1982.
B. Elementos de Muestreo. Scheaffer, Mendenhal. Ott. Grupo Ed. América. 1987
C. Estadística. Murray R. Spiegel. Ed. McGraw-Hill 1991.
D. Probabiiidad y Estadística para Ingeniería y Ciencias. William Mendenhall,
Terry Sincich. Ed. Prentice Hall. Cuarta Edición. 1991.
E. Estadistica Básica para Ciencias Sociales y del Comportamiento. Kenneth O
Hopkins, B. R. Hopkins, Gene V. Glass. Ed. Prentice Hall. Tercera Edición
1997.
F. Probabilidad y Estadística. RonaJd E. Walpole, Raymond H. Myers. Ed
MeGraw-Hill. J 992.
G. Estadística Matemática con Aplicaciones. William Mendenhall. Richard L
Scheaffer, Dennis D. Wackerly. Grupo Editorial Iberoamérica. 1986.
H. Teoría del Muestreo. Des Raj. Fondo de Cultura Económica 1980. la edición en
español
1. Técnicas de Muestreo. William G. Cochran. Edil. c.E.C.S.A. 1980. Primera
edición" 2a. impresión

:3 Ref. C. capítulo 1L Teoria de pequeñas muestras. pp. 255, 256.

Ref. D. capitulo 7, Distribución de muestreo, pp. 323.
Ref. D. capítulo 8. Estimación, pp. 399~02.
Ref F. capítulo 6, Funciones de variables aleatorias. Q11j. 6.11 Distribución'F, pp. 234-237.
Ref G. cap. 7, Distrib. muestrales y el teorema central del límite central. Obj. 7.2 Distrib. muestra les relacionadas con
la distrib. normal. pp. 275-277.