Estadistica Aplicada

ENFOQUE GENERAL DEL

TIPO DE MUESTREO
PROBABILÌSTICO
Muestreo: diseño y procedimientos

Población: El total de todos los elementos que comparten un conjunto de

características comunes y comprenden el universo del propósito del
problema de investigación de mercado.

Censo: Enumeración completa de los elementos de una población u objetos

de estudio.

Muestra: Subgrupo de elementos de la población seleccionado para

participar en el estudio
Proceso de diseño del muestreo
Definir la población Objetivo

Determinar marco de muestreo

Seleccionar técnicas de muestreo

Determinar tamaño de muestra

Ejecutar proceso de muestreo

 1.- Definición de la Población Objetivo

• La población Objetivo es la recolección de elementos u objetos que poseen la

información buscada por el investigador y acerca de la cual se deben realizar las
deducciones. La Población Objetivo se debe definir en términos de elementos,
unidades de muestra, la extensión, y el tiempo.

• Un elemento es el objeto que posee la información buscada por le investigador y

acerca de la cual se harán deducciones, por ej. el encuestado.

• Una unidad de muestra es un elemento, o una unidad que contiene el elemento,

que está disponible para la selección en una etapa del proceso de muestra.

• La extensión consulta los límites geográficos.

• El tiempo es el período de tiempo en estudio.

2.- Determinación de Marco de Muestreo

Marco de Muestreo:
Representación de los elementos de la población objetivo.
Consiste en una lista o conjunto de instrucciones para
identificar a la población objetivo.

Ej: Directorio telefónico

Directorios de Empresas.
 3.- Elección de una técnica de muestreo

3.a) Método Bayesiano

– Método de selección donde los elementos se eligen siguiendo una
secuencia. Explícitamente incorpora información previa acerca de los
parámetros de población, así como los costos y probabilidades
relacionados con tomar las decisiones equivocadas.

3.b) Muestreo con reemplazo

– Técnica de muestreo en la que el elemento puede incluirse en la
muestra más de una vez.

3.c) Muestreo sin reemplazo

– Técnica de muestreo en la que el elemento no se puede incluir en la
muestra más de una vez.
 4.- Determinación del tamaño de muestra

El tamaño de muestra está referido al número

de elementos que se incluirán en el estudio.
Como factores cualitativos relevantes:
a) Naturaleza de la investigación.
b) Número de variables.
c) Tamaño de muestra utilizados en estudios similares.
d) Restricciones de recursos., etc.
 5.- Ejecución del proceso de muestreo

Requiere especificar detalladamente cómo se llevarán a cabo las

decisiones de diseño de muestreo con relación a la población,
marco de muestreo, unidad de muestreo, técnica de muestreo y
tamaño de muestra.
 Clasificación de técnicas de muestreo
Técnicas de Muestreo

No Probabilístico Probabilistico

Muestreo por Muestreo por Muestreo por Muestreo de

conveniencia juicio cuota Bola de nieve

MAS Muestreo Muestreo Muestreo por

Otros
Sistemático Estratificado Agrupamiento
Técnicas de Muestreo
A.- Muestreo no Probabilístico: Técnicas de muestreo
que no utilizan procedimientos de selección por
casualidad. En su lugar, se basan en el juicio personal
del investigador. Se utilizan cuando no se puede
dimensionar o identificar claramente el Universo
muestral, o este no se conoce.
En este muestreo los resultados son válidos a nivel de
muestra. Son cuatro: Muestreo por Cupo, por
conveniencia, Muestreo por juicio, Muestreo de Bola de
Nieve.
B.- Muestreo Probabilístico: Procedimiento de muestreo
en el que cada elemento de la población tiene una
oportunidad probabilística fija de ser seleccionado para
muestra.
Muestreo Probabilístico
Procedimiento de muestreo en el cual cada elemento
de la población tiene una oportunidad probabilística
fija de ser seleccionado para la muestra.

La clasificación de las técnicas de muestreo de probabilidad se

realiza con base en:
- Muestreo de elementos contra muestreo de grupo.
- Probabilidad unitaria igual contra probabilidades
desiguales.
- Selección no estratificada contra estratificada.
- Selección aleatoria contra sistemática.
- Técnicas de una sola etapa contra técnicas de etapas
múltiples.
1. Muestreo aleatorio simple (M.A.S.):

Cada elemento de la población tiene una probabilidad de selección

idéntica y conocida.
Cada muestra (n) tiene una probabilidad idéntica y conocida de ser la
muestra que se elija.
Ejemplo:
1. Seleccionar un marco de muestra adecuado. (alumnos)
2. A cada elemento se le asigna un N° de 1 a N. (100 als.)
3. Generar (n) números aleatorios diferentes entre 1 y N
utilizando un paquete de software……
1. Muestreo aleatorio simple (M.A.S.):

Cálculo con utilización de la tabla estadística de N° aleatorios

sencillos:

Tamaño de muestra = 15
Marco de muestra = 900

1. Se inicia en el renglón 1 y la columna 1 de la tabla

1, considerando los tres dígitos de la derecha.
2. Se busca hacia abajo, por la columna , hasta
seleccionar 15 números entre 1 y 900.
3. n = 480, 368, 130, 167, 570, 562, 301, 579, 475,
553, 429, 365, 119, 85, 368 y 11.
2. Muestreo aleatorio sistemático:

La muestra se elige mediante la selección de

un punto de inicio aleatorio y la elección de cada
iésimo elemento en sucesión (i), a partir del
marco de la muestra.
Ejemplo:
N = 100.000 alumnos. Se desea n = 1.000 alumnos.
i = 100.000/1.000 = 100 ……… i = 100
Se selecciona un N° aleatorio entre 1 y 100: 27,
Muestra = 27, 127, 227, 327, 427, 527, 627, 727, 827, etc.
2. Muestreo aleatorio sistemático:

Fórmula:
1. Seleccionar un marco de muestra adecuado.
2. A cada elemento se le asigna un número de 1 a N.
3. Determinar el intervalo de muestra, i, donde i = N/n.
4. Seleccionar un N° aleatorio, k, entre 1 e i.
5. Los elementos con los N° siguientes formarán parte
de la muestra aleatoria sistemática:
k, k + i, k + 2i, k + 3i….., k + (n+1)i.
27, 27+100, 27 + 2 x100, 327,
3. Muestreo aleatorio estratificado (M.A.E.):

Se determina cuando se debe estratificar la muestra a fin que los

elementos posean un determinado atributo (profesión, residencia, sexo,
etc.).

Se divide a la población en subpoblaciones o estratos y se selecciona una

muestra para cada estrato.

Cada estrato funciona en forma independiente, se puede aplicar dentro

de cada estrato el MAS o el MAE para elegir los elementos concretos que
formaran parte de la muestra.
3. Muestreo aleatorio estratificado (M.A.E.):
La distribución de la muestra en función de los diferentes
estratos se denomina afijación, y puede ser de diferentes tipos:
• Afijación Simple: A cada estrato le corresponde igual número de
elementos muestrales.
• Afijación Proporcional: La distribución se hace de acuerdo con el peso
(tamaño) de la población en cada estrato.
• Afijación Optima: Se tiene en cuenta la previsible dispersión de los
resultados, de modo que se considera la proporción y la desviación
típica. Tiene poca aplicación, no se conoce la desviación.
3. Muestreo aleatorio estratificado (M.A.E.):
Fórmula:
1. Seleccionar un marco de muestra adecuado.
2. Seleccionar la (s) variables (s) de estratificación y el N° de estratos, H.
3. Dividir toda la población en H estratos. Con base en la variable de
clasificación, cada elemento de la población se asigna a uno de los H
estratos.
4. En cada estrato, numerar los elementos de 1 a N h (el tamaño de la
población del estrato h).
5. Determinar el tamaño de la muestra de cada estrato, n h con base en
el muestreo estratificado proporcionado o desproporcionado, donde
H

nh = n
h=1
6. En cada estrato, seleccionar una muestra aleatoria sencilla de tamaño nh
4. Muestreo aleatorio por conglomerados:

En el muestreo por conglomerados la unidad muestral

es un grupo de elementos de la población que forman
una unidad, a la que llamamos conglomerado.
Ejemplo:
Las unidades hospitalarias, los departamentos universitarios,
una caja de determinado producto, etc. son conglomerados
naturales.
Cuando los conglomerados son área geográficas suele
hablarse de "muestreo por áreas".
4. Muestreo aleatorio por conglomerados:

1. La población meta se divide en subpoblaciones, o grupos,

recíprocamente selectas y colectivamente exhaustivas.
2. Se selecciona una muestra aleatoria de los grupos, con base
en una técnica de muestreo probabilístico como el M.A.S.
3. Para cada grupo seleccionado, ya sea que se incluyan todos
los elementos en la muestra o que se tome una muestra de
elementos en forma probabilística.
4. Si todos los elementos en cada grupo seleccionado se incluyen en la muestra
= Muestreo de una etapa.
5. Si una muestra de los elementos se toma en forma probabilística de cada
grupo seleccionado = Muestreo de grupo de dos etapas.
4. Muestreo aleatorio por conglomerados:

En otras palabras:
• 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.
4. Muestreo aleatorio por conglomerados:
Tipos de muestreo aleatorio por conglomerado

Muestreo de grupo

Muestreo de una Muestreo de dos Muestreo de Etapas

Etapa Etapas múltiples

Muestreo de Probabilidad Proporcional

Grupo sencillo al tamaño de la muestra
5. Muestreo polietápico

• Ante lo compleja que puede llegar a ser la situación real de

muestreo con la que nos enfrentemos es muy común emplear
lo que se denomina muestreo polietápico.
• Se caracteriza por operar en sucesivas etapas, empleando
en cada una de ellas el método de muestreo probabilístico
más adecuado.
 Criterios entre elección de muestras probabilísticas

1. Grado de Exactitud de los resultados, por tipo de muestra, acorde con las
decisiones de Mercadotecnia a tomar.
2. Recursos y Costos.
3. Grado de Usos.
4. Tiempo disponible para obtener los resultados.
5. Disponibilidad de la información de la Población definida (listas de las
unidades muestrales).
6. Accesibilidad para seleccionar a las unidades muestrales.
7. Distribución geográfica de la población.
 Elección del muestreo no probabilístico/
probabilístico

Condiciones que favorecen el uso de

Muestreo no Muestreo
Factores probabilístico probabilístico

1. Naturaleza de la investigación Exploratoria Concluyente

2. Magnitud relativa de los errores Los errores de falta de Los errores de
de muestreo y de falta de muestreo muestreo son + grandes muestreo son - gr.
3. Variabilidad en la población Homogénea (baja) Heterogénea (alta)
4. Consideraciones estadísticas. Desfavorables Favorables.
5. Consideraciones operativas. Favorables Desfavorables.
 Determinación del tamaño de la muestra
para un M.A.S.

• Las estrategias estadísticas para determinar el tamaño

de la muestra se basan en la estimación de los valores
desconocidos de los parámetros de la población, por medio
de las estadísticas de la muestra.
 Determinación del tamaño de la muestra para un M.A.S.

Conceptos estadísticos claves:

Parámetro: Es una descripción resumida de una característica fija
o medida de la población meta. Indica el valor real
que se obtendría si se realizara un censo.
Estadístico: Es una descripción resumida de una característica o
medida de la muestra. Se utiliza como un estimada
del parámetro de la población.

Error Muestral, de estimación o standard:

Es la diferencia entre un estadístico y su parámetro

correspondiente. Nos da una noción clara de hasta dónde y con qué
probabilidad una estimación basada en una muestra se aleja del valor
que se hubiera obtenido por medio de un censo.
 Determinación del tamaño de la muestra para un
M.A.S.
Conceptos estadísticos claves:
Nivel de Confianza: Probabilidad de que la estimación
efectuada se ajuste a la realidad. La información
que se recoge está distribuida según la ley de
probabilidad (Gauss o Student), se llama nivel de confianza a la
probabilidad de que el intervalo
construido en torno a un estadístico capte el verdadero
valor del parámetro.
Intervalo de confianza: Es el rango en el que se encontrará
el parámetro de la población real, suponiendo un nivel
determinado de confianza.