You are on page 1of 6

¿Es el método estratificado la mejor vía a seguir para el análisis de datos derivados de un muestreo probabilístico?

FELIPE LESCAS CRUZ Lic. En Biología Marco teórico: La importancia de un entendimiento claro sobre el concepto de distribuciones muestrales es vital para comprender la inferencia estadística. Es un hecho cotidiano que en cualquier investigación, ya sea sobre un medio social, biológico, o relacionado con el medio ambiente, se persiga la realización de una inferencia acerca de la población estudiada, dependiendo de la información contenida en una muestra de la misma. La carencia de algunos recursos monetarios, de tiempo, de personal, entre sobrellevan a la toma de tal decisión. Los procedimientos para seleccionar la muestra que mejor represente a esta población son sin duda alguna un aspecto cotidiano de gran importancia en cualquier investigación. Es importante entender que cuando se analiza la información contenida en la muestra el objetivo principal del investigador es el de hacer inferencias para la población, de allí que partimos definiendo algunos términos como Universo estadístico y Población estadística. Es común encontrar que lo que se desea realizar para esa población es simplemente estimar uno o más parámetros. Otro concepto que aparece en estas definiciones es el de Inferencia o Inferencia Estadística que es simplemente el proceso mediante el cual los resultados obtenidos en la muestra son extrapolados o aplicados a la población, es decir que se realiza la estimación de los parámetros, proceso que se fundamenta en la teoría de probabilidades (Sierra, 1991). De allí que entendemos la Muestra como un subconjunto de la población; cuando se trabaja con todos los individuos que conforman la población, lo que se aplica es un Censo y en este caso no se hace inferencia ya que los parámetros son calculados directamente en la población. En el momento en que se plantea la necesidad de seleccionar la muestra, es donde entra a jugar un papel importante el Muestreo este término se refiere a un conjunto de técnicas que permiten seleccionar una muestra de elementos (unidades muestrales), de la población. Existen dos maneras generales de realizar un muestreo, haciendo uso de un muestreo estadístico o aplicando un muestreo preferencial u opinático. En el Muestreo Opinático tal y como su nombre lo indica, las unidades muestrales las selecciona el investigador de acuerdo a su propio criterio, considerando que ha logrado

de vegetación. realmente es difícil mantenerlo y de allí que se somete a una serie de restricciones. De allí que se divida la población y surge el Muestreo Estratificado Aleatorio (M. formando los estratos. ya que se considera sesgada y por tanto no puede fijarse un nivel de confianza al momento de emitir una inferencia acerca de cualquier parámetro en la población. Por otra parte el Muestreo Estadístico o Probabilístico se define como una técnica en la cual los individuos de la población son seleccionados aleatoriamente. tal como lo señala Scheaffer Mendenhall (1987).A. Entre las técnicas de muestreo estadístico mas usados en el campo forestal. de espacio. ambiental y social cabe mencionar el muestreo estratificado. y luego dentro de cada uno de ellos se eligen las unidades de muestreo aleatoriamente. . por etapas y una gama de combinaciones entre ellos.). barrios. dando origen a algunos tipos de muestreo. desde el punto de vista estadístico la información obtenida en esta muestra no puede ser tratada. por conglomerados. El Muestreo Aleatorio Simple (M. En la práctica cuando se tiene una zona extensa es difícil de implementar. ya sea por la distribución espacial de las unidades de muestreo o unidades muestrales. los cuales son homogéneos dentro de sí y heterogéneos con respecto a otro. independientemente unas de otras. su metodología de aplicación consiste en la selección aleatoria de una muestra de tamaño n entre las N unidades que constituyen la población. es decir. El costo del levantamiento de la información puede ser reducido y se pueden obtener estimaciones para cada subgrupo o estrato. en la práctica. Otro problema al momento de seleccionar las unidades es que se requiere conocer muy bien el área de estudio o de investigadores con experiencia en la zona. En consecuencia. el sistemático.E. es posible conocer la probabilidad de selección de cada uno de ellos. y las extracciones son independientes unas de otras. no dejando de pensar siempre en el muestreo aleatorio simple. urbanizaciones. de forma tal que cada una de ellas tengan la misma probabilidad de ser elegida. La estratificación presenta algunas ventajas.A) en el cual las unidades o elementos de la población se agrupan en base a similaridades de alguna característica llamada variable de estratificación (usualmente de un factor del medio de tipo topográfico.S) es considerado el más exacto de todos. tiempo. Este principio de aleatorización. de heterogeneidad de la población etcétera. etc.obtener una muestra “representativa” de la población. por razones de costo. El muestreo estadístico es importante ya que permite disminuir y calcular el Error de Muestreo que no es más que la diferencia entre el valor real de la característica calculada en la población (parámetro) y el valor en la muestra (Estadístico o estimador). puede producir un límite más pequeño para el error de estimación de los parámetros que se desean evaluar.

Un ejemplo que puede señalarse es el caso de una ciudad. por ejemplo cada diez viviendas. Muestreo aleatorio estratificado: PLANTEAMIENTO DEL PROBLEMA: Para este trabajo elegimos el muestreo aleatorio estratificado ya que es el método que necesitamos analizar y en el cual nos basamos para realizar el trabajo deseado. En este tipo de muestreo se recomienda cuadricular el área. o hacer uso de un mapa urbano para el caso de encuestas de hogares. también nos . tenemos el Muestreo Estratificado Sistemático. cada 50 metros etc. En este caso como ya se menciono en el marco teórico este método nos ayuda para obtener de manera más exacta una subpoblación a la cual le dimos el nombre de estrato y con las cuales trabajamos. evitar hacer un trabajo extra que no servirá de nada ya que en base a las formulas de este método podemos saber con exactitud cuantas submuestras debemos de tomar para tener la mayor certeza en los datos. pero sin embargo no permite una estimación exacta de la precisión de la media (Matteuci y Colma. 1982 ). En el Muestreo por Conglomerados las unidades o elementos de la población se agrupan en base a diferencias bien marcadas de alguna característica formando los conglomerados. su aplicación en el campo es realmente sencilla. los cuales son heterogéneos dentro de sí y homogéneos con respecto a otro. un sector de una clase social alta y uno de una clase social baja. es decir. si se estratifica previamente el área. Para este caso analizamos el método aleatorio estratificado como la base para la realización del estudio ya que con esto podemos elegir de manera adecuada la cantidad de estratos a medir y. El inconveniente que presenta es que es un muestreo cerrado y una vez realizado no permite agregar un número de unidades muestrales a la muestra. lo contrario del muestreo estratificado. Si se trabaja sobre toda el área.El Muestreo Sistemático consiste en distribuir los elementos de la muestra de acuerdo a un patrón definido. Se le dice sistemático porque la selección de las unidades muestrales se realiza a una distancia constante. las unidades muestrales se pueden seleccionar aleatoriamente o de manera sistemática donde el punto de arranque es aleatorio. con ello. La técnica del Muestreo Sistemático permite detectar variaciones espaciales en la comunidad. Este método también nos permite administrar de manera más conveniente los recursos disponibles para así tener menores costos al momento de realizar el estudio. un conglomerado sería una comunidad en la que esté presente el barrio y la urbanización juntos. es decir. tenemos un Muestreo Aleatorio Sistemático. obteniéndose en el conglomerado la mayor variabilidad presente en la población.

permite. ANÁLISIS DE RESULTADOS A continuación se presentara la tabla obtenida durante el conteo de individuos en los estratos. Se escogió al azar 5 estratos mediante un sorteo. Estos datos fueron registrados en una tabla como se muestra a continuación: Estratos Número de piedras Tabla 1: Formato de datos Posteriormente se calcularon las medidas de tendencia central y de dispersión para ser aplicadas a la formula de “n”. si se utiliza de manera adecuada. Se procedió a contar el número de individuos por cada estrato de la muestra. HIPÓTESIS El muestreo aleatorio estratificado es eficiente para el conteo de una muestra probabilística. 13 y 15. 9. Los estratos que salieron sorteados fueron: 1. 10. tener estimaciones más precisas y con menor varianza para toda la población de estudio. MATERIALES Y MÉTODO MATERIALES       Cinta adhesiva Gis Flexo metro Cuaderno de anotaciones Lápiz Calculadora METODO       Se midió un área de un metro cuadrado Posteriormente se dividió en estratos de 25 cm x 25 cm. lo que nos dio un total de 16 estratos. Estratos Número de .

17. que nos indicó el número “real” a tomar de la población.776 Tabla 4: Medidas para la obtención de “n” Los datos anteriores nos ayudaron a obtener el valor de “n”. la desviación estándar y el coeficiente de variación. El valor de “n” se obtiene con la siguiente fórmula: Sustituyendo los datos en la formula nos queda: Según esta formula el tamaño de la muestra es 0.piedras 1 48 9 107 10 153 13 340 15 90 Tabla 2: Resultados de conteo. Analizando este resultado resulta ilógico de acuerdo al tamaño de estratos que se tienen. En base a los resultados anteriores se obtuvo el promedio.6 Desviación estándar 113. Los cuales se presentan a continuación. Después de analizar los datos obtenidos nos dimos cuenta que había un error en la formula lo cual distorsionó el valor final de “n”.94 Coeficiente de variación 81. lo cual nos indica que no es necesario realizar un segundo conteo y se podrían tomar un de los valores arrojados en la tabla 2. Medidas Valor numérico Promedio 139. . Error 20% Valor “t” 2.62 Tabla 3: Medidas para calcular “n” A continuación se presentan el valor de “t” que esta relacionado con los grados de libertad y con el % error que es del 20% que es una convección ya establecida.

Otro aspecto importante a considerar es la organización de los involucrados para el estudio y realizar el análisis de los cálculos obtenidos en el primer conteo y con ello obtener el valor de “n” para el segundo conteo y evitar con ello realizar un trabajo insustancial como se pudo apreciar en este caso. .CONCLUSIONES Al terminar este trabajo se puede concluir que el método aleatorio estratificado es una buena opción para realizar conteo probabilístico ya que con este podemos obtener muestras más heterogéneas y que abarquen una mayor variedad de la población a trabajar.