Muestreo - 3

Alberto Isaac Pierdant Rodríguez

Jesús Rodríguez F.
Departamento de Política y Cultura
D.C.S.H. UAM-Xochimilco
Marzo 2021
El muestreo es una técnica estadística empleada para seleccionar un subconjunto de
elementos de una población (muestra) que tienen características comunes de interés
para el investigador.

Por ejemplo, podemos obtener una muestra de alumnos de una universidad. Éstos tienen
características comunes que pueden ser de interés para un investigador (son de una
misma División, Facultad, Escuela, etc.).

La selección de esta parte de una población de estudio recibe el nombre de Muestra.

Y la técnica para seleccionar a cada uno de estos elementos de la muestra se llama

Muestreo.

2
POBLACIÓN MUESTRA

ESTADÍSTICA Estadística
INFRENCIAL Descriptiva

3
 Tipos de Muestreo
PROBABILÍSTICO NO PROBABILÍSTICO
(Aleatorio) (de Juicio)
• Simple Aleatorio • Casual o Fortuito
(irrestricto aleatorio) • Selección experta
- Sistemático. • De Poblaciones Móviles
(captura-marca-
• Estratificado captura)
• De Cuotas
• De Conglomerados

4
 Muestreo Aleatorio Simple
Es un método de selección de n unidades en un conjunto
(población) N de tal modo que cada una de las muestras distintas

NCn tengan la misma oportunidad de ser elegidas.

n0
n1
N
n2

P(extraer n)= 1/ NCn = n!(N-n)!/N!

5
 En la práctica un muestreo aleatorio
simple se realiza:

• Seleccionando unidad por unidad.

• Primero se numeran las unidades de 1 a N.
• Se extrae una serie n de números aleatorios entre 1 y N.
• En cada extracción el proceso debe otorgar la misma
oportunidad a cada unidad.
• Las unidades n seleccionadas forman la muestra.

6
7
Muestreo Sistemático

8
En el muestreo sistemático, los elementos son seleccionados de la
población dentro de un intervalo uniforme que se mide con respecto al
tiempo, al orden o al espacio. Se requiere que la población de estudio (N)
sea finita. El patrón de selección puede establecerse con:

Kelemento = N/n

El muestreo sistemático difiere del muestreo aleatorio simple en que cada

elemento tiene igual oportunidad de ser seleccionado, pero cada muestra
no tiene una posibilidad igual de ser seleccionada.

9
Por ejemplo, se asignan números de 1 a 100 a los empleados de una
Secretaría de Estado. Se muestrea en forma sistemática de 10 en 10 y se
eligen 10 empleados. Por ejemplo, se inicia con el empleado 1, luego, el 11,
después el 21, etcétera.

Los empleados 2, 3, 4, 5 no hubieran tenido oportunidad de haber sido

seleccionados juntos.

A pesar de que este tipo de muestreo puede ser inapropiado cuando los
elementos entran en un patrón secuencial, este método, requiere de menos
tiempo y costo que el método anterior.

10
Muestreo aleatorio
Estratificado

11
Para utilizar este tipo de muestreo, dividimos la población finita(con
elementos heterogéneos) en grupos relativamente homogéneos, llamados
estratos. Después utilizamos uno de los dos planteamientos siguientes:

• Seleccionamos aleatoriamente, en cada estrato, un número específico de

elementos correspondiente a la proporción del mismo en relación con la
población completa.

• Extraemos el mismo número de elementos en cada estrato y después

ponderamos los resultados considerando la proporción que el estrato
representa con respecto a la población total.

12
 Proceso
• La población de N unidades se divide en subpoblaciones (estratos) N1,
N2,..NL unidades respectivamente.
N1+N2+…NL = N

• Una vez determinado los estratos, se extrae una muestra de cada uno.
Las extracciones deben hacerse independientemente en cada uno (n1 ,
n2,…. nL).

• Si se toma una muestra aleatoria simple en cada estrato, el

procedimiento total se describe como un muestreo aleatorio
estratificado.

Este muestreo se utiliza cuando cada grupo tiene una pequeña variación
dentro de si mismo, pero hay una amplia variación de un grupo a otro.
13
 Se desea una muestra de 200 alumnos.
UAM-Xochimilco
Un muestreo estratificado sería:
DCSH Tres estratos
3,500 alumnos DCSH - 35%

DCBS - 45%

DCBS DCYAD- 20%

4,500 alumnos La muestra de 200 alumnos sería:

70 alumnos de DCSH

90 alumnos de DCBS
DCYAD
40 alumnos de DCYAD
2,000 alumnos

14
Muestreo de Conglomerados

15
Involucra la selección de grupos o racimos finitos, denominados
conglomerados de elementos, como unidades de muestreo, los cuales
deben encontrarse cerca uno de otro en términos geográficos.

Posteriormente se selecciona una muestra aleatoria de estos grupos,

asumiendo que cada uno de ellos es representativo de la población.

En estos casos se pueden hacer submuestreos de los conglomerados

seleccionados en la primera etapa, resultando como consecuencia de
esto un muestreo polietápico.

16
Por ejemplo, suponga que un estudio de mercado, intenta determinar el
número de televisores promedio por casa en una ciudad grande
(Guadalajara).

Se toma un mapa de la ciudad y se subdivide en colonias

(conglomerados) y luego se escoge un número de domicilios de éstas
para entrevistar a sus habitantes.

Cada casa perteneciente a una colonia sería considerada para

entrevistar a sus habitantes.

Usamos este tipo de muestreo cuando hay una variación considerable

dentro de cada grupo, pero los grupos son esencialmente similares
entre sí.
17
18
Propiedades a medir de una población de estudio
(para qué se desea una muestra)

• Media Ŷ (Ŷ=ŷ , media muestral).

• El total de la población Y (Y=Nŷ).

• La proporción de dos totales o medias R:

𝑌ത
𝑅=
𝑋ത

• La proporción de unidades que caen

dentro de alguna clase definida.

19
 Estimación del tamaño de la muestra

• Pregunte:¿Qué se espera medir con la muestra?,

¿Cuánta precisión necesito (IC)?,
¿Cuál es la cantidad de error tolerable (e)?.

• Determinar una ecuación que relacione tamaño de muestra n con

expectativas.

• Estime las cantidades desconocidas y despeje n.

• Ajuste el tamaño n si ésta es mayor de lo permisible.

20
La ecuación más sencilla que relaciona precisión y tamaño proviene de los Intervalos de Confianza (IC).

n = n0 / (1+ n0/N) , donde n0 = (za /2)2 S2/e2

El valor n0 es el tamaño para una muestra aleatoria simple con reemplazo.

Para poblaciones grandes S2 es aproximadamente igual a: p(1-p).

Si el valor n0/N es despreciable una aproximación satisfactoria a n será n0. De no ser así se ajusta el tamaño
de muestra a:

n = n0 / (1+ n0/N)

En caso de datos continuos la formula de estimación del tamaño de muestra

es:

21
Ejemplo

En un estudio sobre nuevo ingreso a la UAM observamos una población de 1020

aspirantes que no se inscriben. Si deseamos estimar las razones en función a la proporción
de hombres y mujeres que forman nuestra muestra y queremos una confianza del 95% y
nos permitimos un error de 4%.

Entonces:

n0 = (1.962 x 0.5 x 0.5) /0.042 = 0.9604/.0016

n0 = 600.25

Si consideramos que el tamaño de muestra es grande podemos corregir mediante:

n = 600/(1+600/1020) = 378

22
Tamaño de la muestra para estimar una media (tamaño de población conocido)

𝑁𝑆 2
𝑛=
𝐸2
𝑁−1 + 𝑆2
4

n = tamaño de la muestra

N = tamaño de la población

𝜎 2 = varianza poblacional (𝑆 2 = varianza muestral)

E = error tolerado de estimación

23
Ejemplo

En un estudio sobre la estatura promedio del estudiante hombre en la UAM-X se observó lo

siguiente. Población aproximada de hombres por trimestre 6,965. La varianza observada
en la estatura de una muestra previa fue de 0.0025 cm2. Se desea tener un error máximo
de 2 cm.

Entonces:

n=? N = 6965 S2 = 0.0025 E = 0.02

𝑁𝑆 2 6965 (0.0025)
𝑛= 𝑛=
𝐸2 (.02)2
𝑁−1 + 𝑆2 6965 − 1 + 0.0025
4 4

El tamaño de la muestra sería n = 24.91 estudiantes; es decir: 25 estudiantes hombres

para poder determinar la estatura promedio de los hombres en UAM-X.

24
Tamaño de la muestra para estimar una proporción
(tamaño de población conocido)
𝑁𝑝𝑞
𝑛=
𝐸2
𝑁−1 + 𝑝𝑞
4
n = tamaño de la muestra

N = tamaño de la población

p = proporción de éxitos en la muestra

q = proporción de fracasos en la muestra

E = error tolerado de estimación

25
Ejemplo

En la universidad, el director de la DCSH desea hacer una encuesta para determinar la

cantidad de estudiantes que apoyarían incluir en el reglamento prohibir fumar dentro de los
edificios de la División. En un trimestre la División puede tener hasta 3000 estudiantes. Se
desea obtener una muestra con un error máximo de 5%. No hay información previa sobre
este problema.

Entonces:

n=? N = 3,000 p = 0.5 de aprobar la prohibición q = 0.5 de no aprobarla

𝑁𝑝𝑞 3000 (0.5)(0.5)

𝑛= 𝑛=
𝐸2 (.05)2
𝑁−1 + 𝑝𝑞 3000 − 1 + (0.5)(0.5)
4 4

El tamaño de la muestra sería n = 353.045 estudiantes, es decir: 353 estudiantes.

El director debe preguntar a 353 estudiantes para determinar la proporción de aprobación.
26