“UNIVERSIDAD PERUANA LOS ANDES”

FACULTAD DE INGENIERÍA
ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS Y
COMPUTACIÓN

TRABAJO MONOGRÁFICO

POBLACIÓN Y MUESTRA

ASESOR: DR. M. BALDEON T.

INTEGRANTE:
 Quispe Hilario, Yaneth

HUANCAYO – PERÚ
2019
3
 INDICE

CAPITULO I...............................................................................................................................2
1.1. POBLACIÓN Y MUESTRA.......................................................................................2
TÉCNICAS DE MUESTREO............................................................................................2
1.1.1. MOTIVOS PARA LA REALIZACIÓN DE UN MUESTREO.
CONSIDERACIONES NECESARIAS.............................................................................3
1.1.2. TECNICAS DE MUESTREO............................................................................4
1.1.3. MUESTREO ALEATORIO CON Y SIN REEMPLAZAMIENTO..................6
1.1.4. MUESTREO ESTRATIFICADO.......................................................................7
1.1.5. MUESTREO POR CONGLOMERADOS........................................................8
1.1.6. MUESTREO SISTEMATICO............................................................................9

3
 CAPITULO I
1.1. POBLACIÓN Y MUESTRA
TÉCNICAS DE MUESTREO
Vamos a ampliar en este capıtulo lo que ya vimos al principio de Estadística
Descriptiva, incluyendo ahora la definición de algunas técnicas de muestreo y de las
nociones suficientes para ser capaces de decidir cuál es la técnica de muestreo más
adecuada a cada situación.

Imagina por ejemplo que tu clase ha sido seleccionada como la muestra de una
población. El estudio que se vaya a realizar podría ser de diferentes temas, como los
siguientes:

 La opinión sobre la posibilidad de organizar movidas alternativas en tu ciudad,

y sobre las propuestas de actividades a realizar en dicha movida.
 Un sondeo sobre la valoración de los diferentes lıderes políticos.
 La opinión sobre el destino de un posible viaje de fin de curso de los alumnos
de tu nivel.

¿Crees que tu clase serıa una buena muestra para cualquiera de estos casos? La
respuesta es que, por ejemplo, para el segundo caso, los alumnos de una clase no
son la muestra adecuada. Para el primer caso, es razonable pensar que pueden
aportar información interesante, aunque la muestra puede resultar” pequeña” y podría
faltarle información (chicos de otras edades, de otros barrios...), mientras que para el
tercer caso, la muestra puede ser muy adecuada. Es por tanto muy importante la
elección de una técnica de muestreo que nos asegure que la muestra escogida es
’adecuada’ para el estudio que queremos realizar.

1.1.1. MOTIVOS PARA LA REALIZACIÓN DE UN MUESTREO.

CONSIDERACIONES NECESARIAS
Por Imagina que vas a realizar estudios para conocer la siguiente
información:

1) El porcentaje de españoles que tiene acceso a internet.

2) La duración media de una determinada marca de pilas.

Es obvio que entrevistar a más de 40 millones de personas supone un gran

esfuerzo en varios sentidos. Primero, de tiempo, y segundo de dinero,
puesto que es necesario contratar a muchos encuestadores, pagarles
viajes para que lleguen a todos los pueblos, etc. Además, hay una
dificultad añadida: es difícil llegar a todos y cada uno de los españoles, ya
que cuando vayamos a entrevistar, habrá gente que este de viaje fuera del
país, habrá gente que este enfermo en el hospital, etc. En este caso, por
motivos económicos, de tiempo y de dificultad de acceso a toda la
población, sería conveniente entrevistar a una cierta parte de la población,
una muestra, elegida convenientemente para poder extraer después
conclusiones a toda la población.
3
En el segundo caso tenemos una problemática diferente. Para poder
estudiar la duración de una pila, debemos usarla hasta que se gaste, lo
que nos impide volver a usar la pila. Es decir, de alguna manera”
destruimos” este elemento de la población. Si quisiéramos probar todas y
cada una de las pilas, nos quedaríamos sin ellas. En este caso, de nuevo
serıa conveniente estudiar solo un conjunto de esas pilas y luego extraer
conclusiones más generales a partir del conjunto que hemos estudiado.

Por las razones anteriores, en muchos casos es conveniente el uso de

muestras, pero para que podamos extraer conclusiones, es importante que
elijamos bien las muestras para nuestros estudios.

Por ejemplo, para el caso del acceso a internet de los españoles, elegir a
10 personas de 40 millones es insuficiente, no es representativo. Tampoco
lo sería preguntarle, por ejemplo, a 100 personas de Madrid, o elegir a
todos tus amigos y tu familia. Hay cuestiones que debemos especificar a la
hora de elegir una muestra:

1. El método de selección de los individuos de la población (tipo de

muestreo que se va a utilizar).
2. El tamaño de la muestra.
3. El grado de fiabilidad de las conclusiones que vamos a presentar,
es decir, una estimación del error que vamos a cometer (en
términos de probabilidad).

Como ya hemos dicho, la selección no adecuada de los elementos de la

muestra provoca errores posteriores a la hora de estimar las
correspondientes medidas en la población. Pero podemos encontrar más
errores: el entrevistador podría no ser imparcial, es decir, favorecer que se
den unas respuestas más que otras. Puede ocurrir también que, por
ejemplo, la persona que vayamos a entrevistar no quiera contestar a
ciertas preguntas (o no sepa contestar). Clasificamos todos estos posibles
errores de la siguiente manera:

1. ERROR DE SESGO O DE SELECCIÓN : si alguno de los miembros

de la población tiene más probabilidad que otros de ser
seleccionados. Imagina que queremos conocer el grado de
satisfacción de los clientes de un gimnasio y para ello vamos a
entrevistar a algunos de 10 a 12 de la mañana. Esto quiere decir
que las personas que vayan por la tarde no se verán representadas
por lo que la muestra no representara a todos los clientes del
gimnasio. Una forma de evitar este tipo de error es tomar la
muestra de manera que todos los clientes tengan la misma
probabilidad de ser seleccionados.

2. ERROR O SESGO POR NO RESPUESTA: es posible que algunos

elementos de la población no quieran o no puedan responder a
determinadas cuestiones. O también puede ocurrir, cuando
tenemos cuestionarios de tipo personal, que algunos miembros de
3
 la población no contesten sinceramente. Estos errores son, en
general, difíciles de evitar, pero en el caso de la sinceridad, se
suelen incorporar cuestiones (preguntas filtro) para detectar si se
está contestando sinceramente. Después de lo que acabamos de
ver, podemos decir que una muestra es sesgada cuando no es
representativa de la población.

1.1.2. TECNICAS DE MUESTREO

Ya hemos hecho referencia a la importancia de la correcta elección de la
muestra para que sea representativa para nuestra población, pero ¿cómo
clasificamos las diferentes formas de elegir una muestra? Podemos decir
que hay tres tipos de muestreo:

1. MUESTREO PROBABILÍSTICO: es aquel en el que cada muestra

tiene la misma probabilidad de ser elegida.

2. MUESTREO INTENCIONAL U OPINATICO : en el que la persona

que selecciona la muestra es quien procura que sea
representativa, dependiendo de su intención u opinión, siendo por
tanto la representatividad subjetiva.

3. MUESTREO SIN NORMA: se toma la muestra sin norma alguna,

de cualquier manera, siendo la muestra representativa si la
población es homogénea y no se producen sesgos de selección.

Nosotros siempre haremos muestreo probabilístico, ya que, en caso de

elegir la técnica adecuada, es el que nos asegura la representatividad de la
muestra y nos permite el cálculo de la estimación de los errores que se
cometen. Dentro del muestreo probabilístico podemos distinguir entre los
siguientes tipos de muestreo:

 Muestreo aleatorio con y sin reemplazo.

 Muestreo estratificado.
 Muestreo por conglomerados.
 Muestreo sistemático.

Imagina ahora que ya has seleccionado una muestra de un Centro de Enseñanza

Secundaria (CES) en el que hay 560 alumnos. Has elegido una muestra de 28
alumnos para conocer si tienen internet en casa. Pero, ¿qué significa elegir a 28 de
560? ¿Qué proporción de la población estas entrevistando? Y a la hora de obtener
conclusiones sobre la población ¿a cuántos alumnos de la población total representa
cada uno de los de la muestra?

Para calcular la proporción de alumnos que estamos entrevistando, dividimos el

tamaño de la muestra entre el de la población: 28/560 = 0,05, lo que quiere decir que
estamos pasando la encuesta al 5% de la población.

Ahora vamos a calcular a cuántos individuos representa cada uno de los elementos de
la muestra.
3
Hacemos la división contraria, dividimos el número de individuos de la población entre
los de la muestra: 560/28 = 20, lo que querría decir que cada uno de los elementos de
la muestra representa a 20 alumnos del CES.

Los dos conceptos que acabamos de ver tienen la siguiente definición formal:

1. FACTOR DE ELEVACIÓN: es el cociente entre el tamaño de la población y el

tamaño de la muestra, N/n. Representa el número de elementos que hay en la
población por cada elemento de la muestra.

2. FACTOR DE MUESTREO: es el cociente entre el tamaño de la muestra y el

tamaño de la población n/N. Si se multiplica por 100, obtenemos el porcentaje
de la población que representa la muestra.

1.1.3. MUESTREO ALEATORIO CON Y SIN REEMPLAZAMIENTO

Ya hemos comentado que en caso de querer hacer muestreo de manera
que la muestra sea representativa, debemos realizar muestreo
probabilístico. ¿Cómo harías para seleccionar 28 alumnos de 560 dentro
de un CES para que tuvieran toda la misma probabilidad de entrar en la
muestra? Lo más sencillo seria hacer un sorteo para elegir 28, es decir,
escogerlos al azar, así todos tendrían las mismas posibilidades de estar en
la muestra.

Este proceso de selección corresponde a un muestreo aleatorio. Diremos

que un muestreo es aleatorio cuando, el proceso de selección de la
muestra garantice que todas las muestras posibles que se pueden obtener
de la población tienen la misma probabilidad de ser elegidas, es decir,
todos los elementos de la población tienen la misma posibilidad de ser
seleccionados para formar parte de la muestra.

Cuando un elemento es seleccionado, y hemos medido las variables

necesarias para el estudio y puede volver a ser seleccionado, se dice que
hacemos un muestreo aleatorio con reemplazamiento o reposición.
Generalmente recibe el nombre de muestreo aleatorio simple.

En caso de que el elemento no vuelva a formar parte de la población de

manera que no puede volver a ser seleccionado se dice que se ha
obtenido la muestra mediante un muestreo aleatorio sin reposición o
reemplazamiento. En algunos libros, este método recibe también el
nombre de muestreo irrestrictamente aleatorio.

Para nuestro ejemplo al elegir la muestra entre los 560 alumnos del CES,
si vamos a preguntar por el hecho de que posean internet en casa, no nos
interesa preguntarle dos veces a la misma persona, luego una vez elegido
un elemento de la muestra no queremos volverlo a seleccionar.
Realizaríamos pues un muestreo aleatorio sin reposición o sin
reemplazamiento.
3
 Aunque los dos métodos son diferentes, cuando el tamaño de la población
es infinito, o tan grande que puede considerarse infinito, ambos métodos
nos llevarán a las mismas conclusiones. Sin embargo, si la fracción de
muestreo n/N es mayor que 0,1 (muestreamos más del 10% de la
población) la diferencia entre las conclusiones que se obtienen pueden ser
importantes.

Al preguntar en nuestro ejemplo si los alumnos tienen o no internet en

casa, nos interesa conocer tanto el número de alumnos que tiene internet
como la proporción que eso supone dentro del centro. Estos dos valores,
igual que la media para otros casos (por ejemplo, si preguntamos por la
altura), son los parámetros más calculados y que habitualmente queremos
estimar. Para el caso del muestreo aleatorio tanto con reposición como sin
reposición, estos estimadores vienen dados por las expresiones:

1.1.4. MUESTREO ESTRATIFICADO

Imagina ahora que queremos hacer un estudio para saber a qué dedican
su tiempo libre las personas que viven en tu ciudad. Todos sabemos que
los ancianos no realizan el mismo tipo de actividades que los jóvenes, ni
tampoco que las personas de mediana edad, como por ejemplo tus padres.
Nos interesaría entonces que toda esta información que tenemos de
antemano nos ayude a construir una muestra más significativa. De hecho,
nos interesa que todos esos colectivos estén representados en nuestra
muestra. A los colectivos que hemos definido, en este caso por edad, los
llamaremos estratos. Lo que haremos será dividir nuestra muestra de
manera que haya representantes de todos los estratos. Vamos a definir
rigurosamente la manera de hacer un muestreo en este caso.

Consideramos que tenemos la población de tamaño N dividida en k

subpoblaciones de tamaños N1,N2, . . . ,Nk. Dichas subpoblaciones son
disjuntas y cumplen que N1 +N2 +· · ·+Nk = N. Cada una de las
subpoblaciones se denominan estratos. Si deseamos obtener una muestra
de tamaño n de la población inicial, seleccionamos de cada estrato una
muestra aleatoria de tamaño ni de manera que n1 + n2 + · · · + nk = n.
3
¿Qué ventajas e inconvenientes presenta el muestreo estratificado? Las
vemos a continuación.

Ventajas:

 Podemos tener información con más precisión dentro de las

subpoblaciones sobre la característica objeto del estudio.

 Podemos aumentar la precisión de los estimadores de las

características de toda la población.

Inconvenientes:

 La elección del tamaño de las muestras dentro de cada estrato para

que el total sea n.

 La división en estratos en algunas poblaciones puede no ser

sencilla.

En general, el muestreo estratificado proporciona mejores resultados que

el muestreo aleatorio, mientras más diferentes sean los estratos entre sı y
más homogéneos internamente.

Podemos considerar 3 métodos para distribuir el tamaño de la muestra

entre los estratos:

1. Proporcionalmente al tamaño de cada estrato, es decir, si tomamos

el estrato j-esimo de tamaño Nj, entonces una muestra de dicho
estrato será de tamaño n · (Nj/N), siendo N el total de la población y
n el tamaño de la muestra.

2. Proporcionalmente a la variabilidad de la característica que

estamos considerando en cada estrato. Por ejemplo, si conocemos
que la varianza en la altura de los alumnos es de 15 cm y en las
alumnas es de 5 cm, la proporción de los alumnos es 3 a 1 y la
muestra deber guardar esa proporción.
3. Se asigna el mismo tamaño a cada estrato. Como consecuencia se
favorece a los estratos más pequeños y se perjudica a los grandes
en cuanto a precisión.

Para el caso del muestreo estratificado, los principales estimadores

vendrían dados por las siguientes expresiones:
3
1.1.5. MUESTREO POR CONGLOMERADOS
Nos planteamos hacer un estudio de la altura de los alumnos de
Secundaria de tu ciudad. En lugar de hacer un muestreo de todos los
chicos de tu ciudad podríamos plantearnos elegir algunos barrios, ya que,
con respecto a la altura, los barrios son como” pequeñas poblaciones”
comparables a la ciudad. En este caso ¿podemos simplificar la elección de
la muestra al elegir los barrios sin perder precisión? La respuesta es que,
en este caso, podríamos elegir barrios y analizar las alturas de los
estudiantes de cada barrio sin perder precisión. Vamos a ver el método
que nos lo permite.

En el muestreo por conglomerados, la población se divide en unidades o

grupos, llamados conglomerados (generalmente son unidades o ´áreas en
los que se ha dividido la población), que deben ser lo más representativas
posible de la población, es decir, deben representar la heterogeneidad de
la población objeto del estudio y ser entre sı homogéneos.

El motivo para realizar este muestreo es que a veces resultaría demasiado

costoso realizar una lista completa de todos los individuos de la población
objeto del estudio, o que cuando se terminase de realizar la lista no tendría
sentido la realización del estudio.

El principal inconveniente que tiene es que si los conglomerados no son

homogéneos entre sı, la muestra final puede no ser representativa de la
población.

Suponiendo que los conglomerados sean tan heterogéneos como la

población, en relación a las variables estudiadas, y que entre sı sean
homogéneos, para obtener una muestra bastara con seleccionar algunos
conglomerados. En este caso se habla de muestreo por conglomerados de
una etapa.

El muestreo por conglomerados tiene la ventaja de simplificar la recogida

de las informaciones muéstrales.
3
 Veamos ahora la expresión de los estimadores cuando trabajamos con
esta técnica de muestreo.

1.1.6. MUESTREO SISTEMATICO

El muestreo sistemático es equivalente al muestreo aleatorio si los
elementos se encuentran enumerados de manera aleatoria.

 Las ventajas de dicho método son:

1. Extiende la muestra a toda la población.
2. Es de fácil aplicación.

 Los inconvenientes que presenta son:

1. Aumento de la varianza si existe periodicidad en la numeración de
los elementos, produciéndose sesgo por selección.
2. Problemas a la hora de la estimación de la varianza.

Los estimadores para este tipo de muestreo son: