Proyecto FINAL Estadistica Inferencial FINALIZADO

UNIVERSIDAD PRIVADA DOMINGO SAVIO
FACULTAD: CIENCIAS EMPRESARIALES
PROYECTO FORMATIVO FINAL:
“TIPOS DE MUESTREO”
MATERIA : ESTADISTICA INFERENCIAL

DOCENTE : ING. RICARDO CHURA SUCOJAYO
INTEGRANTES:
 MARTIN CARVAJAL MORALES

 MARIO ARIEL FLORES CAMACHO
 IBETH WENDY VELASCO RUIZ
Santa Cruz de la Sierra – Bolivia

2021
INDICE
1. INTRODUCCIÓN.............................................................................................................. 4
2. OBJETIVO GENERAL......................................................................................................4
3. OBJETIVOS ESPECÍFICOS.............................................................................................4
4. METODOLOGÍA...............................................................................................................4
5. MARCO CONCEPTUAL...................................................................................................4
6. DESARROLLO.................................................................................................................5
7. TIPOS DE MUESTREO....................................................................................................6
7.1. Muestreo probabilístico..............................................................................................6
7.2. Muestreo no pro balístico..........................................................................................7
8. METODOS O TIPOS DE MUESTREO NO PROBABILISTICO........................................7
8.1. Muestreo por cuota....................................................................................................7
8.2. Muestreo por juicio....................................................................................................7
8.3. Muestreo por convivencia..........................................................................................7
8.4. Muestreo por criterio..................................................................................................8
8.5. Muestreo bola de nieve.............................................................................................8
8.6. Muestreo secuencial..................................................................................................8
9. METODOS O TIPOS DE MUESTREO PROBABILISTICO...............................................8
9.1. Muestreo aleatorio simple..........................................................................................8
9.2. Muestreo estratificado...............................................................................................8
9.3. Muestreo sistemático.................................................................................................9
9.4. Muestreo por racimo o conglomerado.......................................................................9
9.5. Definición...................................................................................................................9
9.6. EJEMPLO DE APLICACIÓN DEL MUESTREO ALEATORIO..................................10
9.6.1. Aleatorio simple:...............................................................................................11
9.6.2. Muestreo estratificado:................................................................................11
9.6.3. Muestreo sistemático........................................................................................11
9.6.4. Muestreo por conglomerado.............................................................................12
10. DETERMINACION DEL TAMAÑO DE LA MUESTRA.................................................12
11. CÁLCULO DEL TAMAÑO DE LA MUESTRA DESCONOCIENDO EL TAMAÑO DE LA
POBLACIÓN.......................................................................................................................... 13
12. CÁLCULO DEL TAMAÑO DE LA MUESTRA CONOCIENDO EL TAMAÑO DE LA
POBLACIÓN.......................................................................................................................... 14
13. CONCLUSIONES Y RECOMENDACIONES...............................................................16
14. BIBLIOGRAFIA........................................................................................................... 17
PROYECTO DE ESTADISTICA INFERENCIAL
1. INTRODUCCIÓN
El presente trabajo está basado en los tipos de muestreo, los cuales son muy
importantes conocerlos, ya que nos permiten obtener resultados, analizarlos, e
interpretarlos. Es por eso que se describirán los muestreos probabilísticos y los no
proba listicos, así también las divisiones que tienen cada uno de ellos con sus
diferentes muestreos, para que sirvan y cuáles son sus ventajas y desventajas.
2. OBJETIVO GENERAL
Conocer los tipos de muestreo y sus ventajas y desventajas.
3. OBJETIVOS ESPECÍFICOS
 Investigar que es muestreo.

 Conocer las ventajas y desventajas de los tipos d muestreo.
 Aplicar los tipos de muestreo a ejemplos.
4. METODOLOGÍA
La metodología que se utilizo es la recolección de información a través de libros.
5. MARCO CONCEPTUAL
Considera los aspectos teórico-conceptuales que están relacionados con el tema que
se investiga. (Buscar definiciones de muestra, población, probabilístico, no
probabilístico, etc.)
4
6. DESARROLLO
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 de la 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.
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.
Cuando muestreamos, nuestro objetivo es obtener información procurando Alterar lo

mínimo la población. La obtención de muestras para hacer encuestas es Un ejemplo
de estudio observacional. En otras situaciones, obtenemos datos a partir De un
experimento. Cuando hacemos un experimento, no solamente observamos Los
individuos o les hacemos preguntas, sino que también los sometemos a algún
Tratamiento con el objetivo de observar la respuesta. Los experimentos pueden
Responder a preguntas como: “¿Las aspirinas reducen el riesgo de sufrir un ataque
5
Al corazón?” o “¿La mayoría de españoles pueden distinguir un vino tinto De la Rioja

de un vino tinto de Ribera del Duero?” Los datos obtenidos de los Experimentos, al
igual que los obtenidos de las muestras, solamente son útiles si Su obtención se ha
hecho a partir de un diseño estadístico apropiado. Trataremos Sobre el diseño
estadístico de los experimentos en la sección 3.3. La distinción entre Experimentos y
estudios observacionales es una de las ideas más importantes de la estadística. Una
muestra aleatoria simple no sólo da a cada individuo la misma oportunidad De ser
escogido (evitando por tanto el sesgo en la selección), sino que también Da a cada
posible muestra la misma oportunidad de ser escogida.
Existen Otros muestreos aleatorios que dan a cada individuo, pero no a cada
muestra, la misma oportunidad de ser escogido. La idea de muestra aleatoria simple
es escoger una muestra sacando números de un sombrero. En la práctica, los
programas estadísticos pueden escoger una muestra aleatoria simple casi de forma
instantánea de una lista de individuos de una población. Si no utilizas programas
estadísticos, puedes aleatoria tu selección utilizando una tabla de dígitos aleatorios.
7. TIPOS DE MUESTREO
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.
7.1. 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.
6
Sólo estos métodos de muestreo probabilísticos nos aseguran la representatividad

de la muestra extraída y son, por tanto, los más recomendables.
7.2. Muestreo no pro balístico

El muestreo no probabilístico es una técnica de muestreo donde las muestras se
recogen en un proceso que no brinda a todos los individuos de la población
iguales oportunidades de ser seleccionados. En cualquier tipo de investigación es
difícil lograr un muestreo aleatorio auténtico. La mayoría de los investigadores
tienen limitaciones temporales, monetarias y de mano de obra y, gracias a ellas,
es casi imposible tomar una muestra aleatoria de toda la población. Generalmente,
es necesario emplear otra técnica de muestreo, la técnica de muestreo no
probabilístico. A diferencia del muestreo probabilístico, la muestra no probabilística
no es un producto de un proceso de selección aleatoria. Los sujetos en una
muestra no probabilística generalmente son seleccionados en función de su
accesibilidad o a criterio personal e intencional del investigador.
8. METODOS O TIPOS DE MUESTREO NO PROBABILISTICO
8.1. Muestreo por cuota

El muestreo por cuotas. Esta técnica es la que suele usarse en
investigación online a través de paneles. Podemos ver el muestreo por
cuotas como la versión no probabilística del muestreo estratificado.
8.2. Muestreo por juicio

Es un método de muestreo no probabilístico. Los sujetos se seleccionan a
base del conocimiento y juicio del investigador. El investigador selecciona a
los individuos a través de su criterio profesional
8.3. Muestreo por convivencia
7
El muestreo por conveniencia es probablemente la técnica de muestreo

más común. En el muestreo por conveniencia, las muestras son
seleccionadas porque son accesibles para el investigador. Los sujetos son
elegidos simplemente porque son fáciles de reclutar. Esta técnica es
considerada la más fácil, la más barata y la que menos tiempo lleva.
8.4. Muestreo por criterio
Es un método de muestreo no probabilístico. Los sujetos se seleccionan a

base del conocimiento y juicio del investigador. El investigador selecciona a
los individuos a través de su criterio profesional.
8.5. Muestreo bola de nieve
El muestreo de bola de nieve es una técnica de muestreo no probabilístico

utilizada por los investigadores para identificar a los sujetos potenciales en
estudios en donde los sujetos son difíciles de encontrar.
8.6. Muestreo secuencial
Es una técnica de muestreo no probabilístico en donde el investigador

escoge un sujeto o un grupo de sujetos en un determinado intervalo de
tiempo, lleva a cabo su estudio, analiza los resultados, luego escoge otro
grupo de sujetos, si es necesario, y así sucesivamente.
9. METODOS O TIPOS DE MUESTREO PROBABILISTICO
9.1. Muestreo aleatorio simple
Es un procedimiento de muestreo probabilístico que da a cada elemento de la

población objetivo y a cada posible muestra de un tamaño determinado, la misma
probabilidad de ser seleccionado
8
9.2. Muestreo 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 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,).
9.3. Muestreo sistemático
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 decir se
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.
9.4. Muestreo por racimo o conglomerado
9
En cada una de este tipo de muestreos se pide:
9.5. Definición
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. Ejemplo y procedimiento de aplicación Por ejemplo, si
queremos estudiar qué proporción de la población argentina fuma, podemos dividir
el total de la población en provincias y seleccionar algunas de ellas para ser
estudiadas. Si no tenemos razones para pensar que el porcentaje de fumadores
va a cambiar de una provincia a otra, esta solución nos permitirá concentrar
el esfuerzo de muestreo en un único entorno geográfico. Si el estudio se va a
hacer mediante entrevistas personales, esto representa un importante ahorro de
costes de desplazamientos.
Una vez definimos los conglomerados, el siguiente paso es seleccionar los

conglomerados a estudiar, ya sea mediante un muestreo aleatorio simple o
sistemático. Por último, una vez seleccionados los conglomerados a estudiar,
podemos investigar a todos los sujetos que forman parte de los mismos, o bien
aplicar un nuevo proceso de muestreo dentro del conglomerado, por ejemplo
obteniendo una muestra mediante muestreo aleatorio simple o sistemático. Si
optamos por esta posibilidad, estaremos hablando de un muestreo en dos etapas
obietápico: la primera etapa será la selección del conglomerado; la segunda, la de
individuos dentro del conglomerado. Si por el contrario estudiamos todos los
individuos del conglomerado, hablaremos de muestreo por
conglomerados unietápico.
Hay mucha diferencia entre un estrato y otro. En el muestreo por conglomerados,

la población está compuesta por conglomerados que son parecidos entre sí, pero
los elementos dentro de cada conglomerado son muy distintos uno de otro.
10
9.6. EJEMPLO DE APLICACIÓN DEL MUESTREO ALEATORIO
Demostración para uno de los 4 tipos de muestreo aleatorio.
9.6.1. Aleatorio simple:
Un ejemplo del uso del método de lotería sería la selección de una muestra
aleatoria de entre un grupo de 100 miembros. Se ponen todos los nombres en un
recipiente y se van sacando uno por uno hasta tener el tamaño suficiente de
nuestra muestra.
9.6.2. Muestreo estratificado:
Por ejemplo: Se debe obtener una muestra de 100 individuos de

una población total de 3000. Por lo que se divide la población en los
siguientes estratos:
 Estrato 1: 1300 individuos.

Como se utiliza el muestreo estratificado proporcionado, la muestra

obtenida de cada estrato será representativa de cada una de esta. Al
utilizar el sistema de sorteo, los números que representa cada elemento de la
población objetivo son colocadas en chips (es decir, tarjetas, papel u otros
objetos). Los chips se colocan entonces en un recipiente y se mezclan. A
continuación, a ciegas se seleccionan las fichas desde el recipiente hasta que se
haya obtenido el tamaño de muestra deseado. Las desventajas de este método de
selección es que consume mucho tiempo, y se limita a poblaciones pequeñas.
9.6.3. Muestreo sistemático
11
El investigador tiene una población total de 100 individuos y necesita 12 sujetos.

Primero elige su número de partida, 5. Luego, el investigador elige su intervalo, 8.
Los miembros de su muestra serán los individuos 5, 13, 21, 29, 37, 45, 53, 61, 69,
77, 85, 93. Otros investigadores utilizan una técnica de muestreo aleatorio
sistemático modificada en donde primero identifican el tamaño de la muestra
necesario. A continuación, dividen el número total de la población por el tamaño de
la muestra para obtener la fracción de muestreo. La fracción de muestreo luego se
utiliza como la diferencia constante entre los sujetos.
9.6.4. Muestreo por conglomerado
En primer lugar, el investigador selecciona grupos o conglomerados y de cada

grupo selecciona a los sujetos individuales, ya sea por muestreo aleatorio
simple o muestreo aleatorio sistemático. El investigador también puede optar por
incluir a todo el conglomerado, no sólo a un subconjunto. El conglomerado más
utilizado en la investigación es un conglomerado geográfico. Por ejemplo, un
investigador desea estudiar el rendimiento académico de los estudiantes
secundarios en España.
1. Puede dividir a toda la población (población de España) en diferentes

conglomerados (ciudades).
2. Luego, el investigador selecciona una serie de conglomerados en función de su

investigación, a través de un muestreo aleatorio simple o sistemático.
3. Luego, de los conglomerados seleccionados (ciudades seleccionadas al azar) el

investigador puede incluir a todos los estudiantes secundarios como sujetos o
seleccionar un número de sujetos de cada conglomerado a través de un muestreo
aleatorio simple o sistemático. Lo más importante sobre esta técnica de
muestreo es dar a todos los conglomerados iguales posibilidades de ser
seleccionados.
10. DETERMINACION DEL TAMAÑO DE LA MUESTRA
12
Ejemplo de aplicación. El tamaño muestral dependerá de decisiones estadísticas y

no estadísticas, pueden incluir por ejemplo la disponibilidad de los recursos, el
presupuesto o el equipo que estará en campo. Antes de calcular el tamaño de la
muestra necesitamos determinar varias cosas:
1. Tamaño de la población. Una población es una colección bien definida de objetos o

individuos que tienen características similares. Hablamos de dos tipos: población
objetivo, que suele tiene diversas características y también es conocida como la
población teórica. La población accesible es la población sobre la que los
investigadores aplicaran sus conclusiones.
2. Margen de error (intervalo de confianza). El margen de error es una estadística
que expresa la cantidad de error de muestreo aleatorio en los resultados de una
encuesta, es decir, es la medida estadística del número de veces de cada 100 que se
espera que los resultados se encuentren dentro de un rango específico.
3. Nivel de confianza. Son intervalos aleatorios que se usan para acotar un valor con
una determinada probabilidad alta. Por ejemplo, un intervalo de confianza de 95%
significa que los resultados de una acción probablemente cubrirán las expectativas el
95% de las veces.
4. La desviación estándar. Es un índice numérico de la dispersión de un conjunto de
datos (o población). Mientras mayor es la desviación estándar, mayor es la
dispersión de la población.
11. CÁLCULO DEL TAMAÑO DE LA MUESTRA DESCONOCIENDO EL

TAMAÑO DE LA POBLACIÓN
La fórmula para calcular el tamaño de muestra cuando se desconoce el tamaño de la

población es la siguiente:
13
En donde:
Z = nivel de confianza,
P = probabilidad de éxito, o proporción esperada
Q = probabilidad de fracaso
D = precisión (error máximo admisible en términos de proporción)
EJEMPLO:
¿A cuánto familiar tuviéramos que estudiar para conocer la preferencia del mercado
en cuanta a la marca de shampoo para bebe si se desconoce la población?
Seguridad = 95 %
Precisión = 3 %
Proporción esperada = asumamos que puede ser próxima al 5 %, si se no

tuviéramos ninguna idea de dicha proporción utilizaríamos el valor de p = 0,5 que
maximiza el tamaño maestral.
Datos:
Za = 1,962 ya que la seguridad es del 95 %
P = proporción esperada 0,50
q= 1-p este caso 1-0,50 =0,95
d= precisión 3 %
2
1,96 ×0,05 × 0,95
n= 2
0,03
n=203 familias
Se requiere encuestar a no menos de 203 familias para poder tener una seguridad
de 95 %.
12. CÁLCULO DEL TAMAÑO DE LA MUESTRA CONOCIENDO EL TAMAÑO DE

LA POBLACIÓN
14
La fórmula para calcular el tamaño de muestra cuando se conoce el tamaño de la

población es la siguiente:
En donde, N = tamaño de la población Z = nivel de confianza, P = probabilidad de

éxito, o proporción esperada Q = probabilidad de fracaso D = precisión (Error
máximo admisible en términos de proporción).
Ejemplo
Cálculo del tamaño de la muestra conociendo el tamaño de la población
DATOS:
Población (N): 2 568 410
Nivel de confianza (Zσ): 90% = 1.645
Error muestral (e): 10% = 0.10
Probabilidad: p=45%; q=55%
Zσ
¿
¿
e2 × ( N −1 )+¿
N × Z σ2× p × q
n= ¿
1.645
¿
¿
¿ 2× 0.45 ×0.55
2568410 ×¿
¿¿
n=67 encuestas
15
13. CONCLUSIONES Y RECOMENDACIONES
Se llegó a la conclusión de que es muy importante conocer los tipos de muestreo,

ya que constantemente estamos investigando y queremos saber que sucederá
frente a determinadas situaciones, y esto es posible gracias al muestreo.
Se recomienda tomar en cuenta los tipos de muestreo para realizar investigación

en cualquier área, ya que se deben conocer las ventajas de cada uno y cuáles son
sus desventajas.
16
14. BIBLIOGRAFIA
1. Moore, D. (2005).estadística aplicada básica. Madrid: Antoni Bosch editor.

2. Montie,A.(22, 2014) https://es.wikipedia.org/wiki/Muestreo_(estad%C3%ADstica)
3. Carlos Ochoa,(12, 2015) https://www.netquest.com/blog/es/blog/es/muestreo-
probabilistico-muestreo-conglomerados
4. Aug. (22, 2019)Obtenido de Explorable.com: https://explorable.com/es/muestreo-no-
probabilistico
5. Pérez C.(1995)Análisis estadístico.tecnocs básicas.Madrid.Ra-ma
6. Tanur. J (1992).la estadística, una guía a lo desconocido: Madrid. alianza editorial.
7. Canavos.G (1998). Probabilidad y estadística. Aplicaciones y métodos. México:
MGRAW-Hill
17
15. ANEXOS
18
19

Proyecto FINAL Estadistica Inferencial FINALIZADO

Cargado por

Copyright:

Formatos disponibles

Proyecto FINAL Estadistica Inferencial FINALIZADO

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Proyecto FINAL Estadistica Inferencial FINALIZADO

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD PRIVADA DOMINGO SAVIO

FACULTAD: CIENCIAS EMPRESARIALES

PROYECTO FORMATIVO FINAL:

MATERIA : ESTADISTICA INFERENCIAL

 MARTIN CARVAJAL MORALES

Santa Cruz de la Sierra – Bolivia

Conocer los tipos de muestreo y sus ventajas y desventajas.

 Investigar que es muestreo.

La metodología que se utilizo es la recolección de información a través de libros.

En ocasiones en que no es posible o conveniente realizar un censo (analizar a todos

1.- Hacer conclusiones muy generales a partir de la observación de sólo una

En la estadística se usa la palabra población para referirse no sólo a personas sino a

Cuando muestreamos, nuestro objetivo es obtener información procurando Alterar lo

Al corazón?” o “¿La mayoría de españoles pueden distinguir un vino tinto De la Rioja

Existen diferentes criterios de clasificación de los diferentes tipos de muestreo,

7.1. Muestreo probabilístico

Sólo estos métodos de muestreo probabilísticos nos aseguran la representatividad

7.2. Muestreo no pro balístico

8. METODOS O TIPOS DE MUESTREO NO PROBABILISTICO

8.1. Muestreo por cuota

8.2. Muestreo por juicio

8.3. Muestreo por convivencia

El muestreo por conveniencia es probablemente la técnica de muestreo

8.4. Muestreo por criterio

Es un método de muestreo no probabilístico. Los sujetos se seleccionan a

8.5. Muestreo bola de nieve

El muestreo de bola de nieve es una técnica de muestreo no probabilístico

8.6. Muestreo secuencial

Es una técnica de muestreo no probabilístico en donde el investigador

9. METODOS O TIPOS DE MUESTREO PROBABILISTICO

9.1. Muestreo aleatorio simple

Es un procedimiento de muestreo probabilístico que da a cada elemento de la

9.2. Muestreo estratificado

9.3. Muestreo sistemático

En lugar de extraer n números aleatorios sólo se extrae uno. Se parte de ese

9.4. Muestreo por racimo o conglomerado

En cada una de este tipo de muestreos se pide:

El muestreo por conglomerados consiste en seleccionar aleatoriamente un cierto

Una vez definimos los conglomerados, el siguiente paso es seleccionar los

Hay mucha diferencia entre un estrato y otro. En el muestreo por conglomerados,

9.6. EJEMPLO DE APLICACIÓN DEL MUESTREO ALEATORIO

Demostración para uno de los 4 tipos de muestreo aleatorio.

9.6.1. Aleatorio simple:

9.6.2. Muestreo estratificado:

Por ejemplo: Se debe obtener una muestra de 100 individuos de

 Estrato 1: 1300 individuos.

Como se utiliza el muestreo estratificado proporcionado, la muestra

9.6.3. Muestreo sistemático

El investigador tiene una población total de 100 individuos y necesita 12 sujetos.

9.6.4. Muestreo por conglomerado

En primer lugar, el investigador selecciona grupos o conglomerados y de cada

1. Puede dividir a toda la población (población de España) en diferentes

2. Luego, el investigador selecciona una serie de conglomerados en función de su

3. Luego, de los conglomerados seleccionados (ciudades seleccionadas al azar) el

10. DETERMINACION DEL TAMAÑO DE LA MUESTRA

Ejemplo de aplicación. El tamaño muestral dependerá de decisiones estadísticas y

1. Tamaño de la población. Una población es una colección bien definida de objetos o

11. CÁLCULO DEL TAMAÑO DE LA MUESTRA DESCONOCIENDO EL