You are on page 1of 5

Muestreo (estadstica)

1
Muestreo (estadstica)
En estadstica se conoce como muestreo a la tcnica para la seleccin de una muestra a partir de una poblacin.
Al elegir una muestra aleatoria se espera conseguir que sus propiedades sean extrapolables a la poblacin. Este
proceso permite ahorrar recursos, y a la vez obtener resultados parecidos a los que se alcanzaran si se realizase un
estudio de toda la poblacin.
Cabe mencionar que para que el muestreo sea vlido y se pueda realizar un estudio adecuado (que consienta no solo
hacer estimaciones de la poblacin sino estimar tambin los mrgenes de error correspondientes a dichas
estimaciones), debe cumplir ciertos requisitos. Nunca podremos estar enteramente seguros de que el resultado sea
una muestra representativa, pero s podemos actuar de manera que esta condicin se alcance con una probabilidad
alta.
En el muestreo, si el tamao de la muestra es ms pequeo que el tamao de la poblacin, se puede extraer dos o ms
muestras de la misma poblacin. Al conjunto de muestras que se pueden obtener de la poblacin se denomina
espacio muestral. La variable que asocia a cada muestra su probabilidad de extraccin, sigue la llamada distribucin
muestral.
Tcnicas de muestreo estadstico
Existen dos mtodos para seleccionar muestras de poblaciones: el muestreo no aleatorio o de juicio y el muestreo
aleatorio (que incorpora el azar como recurso en el proceso de seleccin). Cuando este ltimo cumple con la
condicin de que todos los elementos de la poblacin tienen alguna oportunidad de ser escogidos en la muestra, si la
probabilidad correspondiente a cada sujeto de la poblacin es conocida de antemano, recibe el nombre de muestreo
probabilstico. Una muestra seleccionada por muestreo de juicio puede basarse en la experiencia de alguien con la
poblacin. Algunas veces una muestra de juicio se usa como gua o muestra tentativa para decidir cmo tomar una
muestra aleatoria ms adelante.
Muestreo estadistico
Forman parte de este tipo de muestreo todos aquellos mtodos para los que se puede calcular la probabilidad de
extraccin de cualquiera de las muestras posibles. Este conjunto de tcnicas de muestreo es el ms aconsejable,
aunque en ocasiones no es posible optar por l. En este caso se habla de muestras probabilistas, pues no es correcto
hablar en rigor de muestras representativas dado que, al no conocer las caractersticas de la poblacin, no es posible
tener certeza de que tal caracterstica se haya conseguido.
Tipos
'Sin reposicin de los elementos : Cada elemento extrado se descarta para la subsiguiente extraccin. Por ejemplo, si
se extrae una muestra de una "poblacin" de bombillas para estimar la vida media de las bombillas que la integran,
no ser posible medir ms que una vez la bombilla seleccionada.
Con reposicin de los elementos: Las observaciones se realizan con remplazo de los individuos, de forma que la
poblacin es idntica en todas las extracciones. En poblaciones muy grandes, la probabilidad de repetir una
extraccin es tan pequea que el muestreo puede considerarse con reposicin aunque, realmente, no lo sea.
Con reposicin mltiple: En poblaciones muy grandes, la probabilidad de repetir una extraccin es tan pequea que
el muestreo puede considerarse con reposicin.
Para realizar este tipo de muestreo, y en determinadas situaciones, es muy til la extraccin de nmeros aleatorios
mediante ordenadores, calculadoras o tablas construidas al efecto.
Muestreo (estadstica)
2
Muestreo sistemtico
Se utiliza cuando el universo o poblacin es de gran tamao, o ha de extenderse en el tiempo. Primero hay que
identificar las unidades y relacionarlas con el calendario (cuando proceda). Luego hay que calcular una constante,
que se denomina coeficiente de elevacin:
K= N/n
Donde N es el tamao del universo y n el tamao de la muestra.
Para determinar en qu fecha se producir la primera extraccin, hay que elegir al azar un nmero entre 1 y K; de ah
en adelante tomar uno de cada K a intervalos regulares. Ocasionalmente, es conveniente tener en cuenta la
periodicidad del fenmeno.
Esto quiere decir que si tenemos un determinado nmero de personas que es la poblacin (N) y queremos escoger de
esa poblacin un nmero ms pequeo el cual es la muestra (n), dividimos el nmero de la poblacin por el nmero
de la muestra que queremos tomar y el resultado de esta operacin ser el intervalo, entonces escogemos un nmero
al azar desde uno hasta el nmero del intervalo, y a partir de este nmero escogemos los dems siguiendo el orden.
Muestreo estratificado
Consiste en la divisin previa de la poblacin de estudio en grupos o clases que se suponen homogneos con
respecto a alguna caracterstica de las que se van a estudiar. A cada uno de estos estratos se le asignara una cuota
que determinara el nmero de miembros del mismo que compondrn la muestra. Dentro de cada estrato se suele
usar la tcnica de muestreo sistemtico, una de las tcnicas de seleccin ms usadas en la prctica.
Segn la cantidad de elementos de la muestra que se han de elegir de cada uno de los estratos, existen dos tcnicas de
muestreo estratificado:
Asignacin proporcional: el tamao de la muestra dentro de cada estrato es proporcional al tamao del estrato
dentro de la poblacin.
Asignacin ptima: la muestra recoger ms individuos de aquellos estratos que tengan ms variabilidad. Para
ello es necesario un conocimiento previo de la poblacin.
Por ejemplo, para un estudio de opinin, puede resultar interesante estudiar por separado las opiniones de hombres y
mujeres pues se estima que, dentro de cada uno de estos grupos, puede haber cierta homogeneidad. En la asignacin
proporcional, si la poblacin est compuesta de un 55% de mujeres y un 45% de hombres, se tomara una muestra
que contenga tambin esos mismos porcentajes de hombres y mujeres. En la asignacin ptima, si todos los hombres
piensan igual, pero las mujeres son impredecibles, se tomara una muestra con ms del 55% de mujeres.
Para una descripcin general del muestreo estratificado y los mtodos de inferencia asociados con este
procedimiento, suponemos que la poblacin est dividida en h subpoblaciones o estratos de tamaos conocidos N
1
,
N
2
,..., N
h
tal que las unidades en cada estrato sean homogneas respecto a la caracterstica en cuestin. La media y la
varianza desconocidas para el i-simo estrato son denotadas por m
i
y s
i
2
, respectivamente.
Muestreo por etapas mltiples
Esta tcnica es la nica opcin cuando no se dispone de lista completa de la poblacin de referencia o bien cuando
por medio de la tcnica de muestreo simple o estratificado se obtiene una muestra con unidades distribuidas de tal
forma que resultan de difcil acceso. En el muestreo a estadios mltiples se subdivide la poblacin en varios niveles
ordenados que se extraen sucesivamente por medio de un procedimiento de embudo. El muestreo se desarrolla en
varias fases o extracciones sucesivas para cada nivel.
Por ejemplo, si tenemos que construir una muestra de profesores de primaria en un pas determinado, stos pueden
subdividirse en unidades primarias representadas por circunscripciones didcticas y unidades secundarias que seran
los propios profesores. En primer lugar extraemos una muestra de las unidades primarias (para lo cual debemos tener
Muestreo (estadstica)
3
la lista completa de estas unidades) y en segundo lugar extraemos aleatoriamente una muestra de unidades
secundarias de cada una de las primarias seleccionadas en la primera extraccin.
Muestreo por conglomerados
Se utiliza cuando la poblacin se encuentra dividida, de manera natural, en grupos que se supone que contienen toda
la variabilidad de la poblacin, es decir, la representan fielmente respecto a la caracterstica a elegir, pueden
seleccionarse slo algunos de estos grupos o conglomerados para la realizacin del estudio.
Dentro de los grupos seleccionados se ubicarn las unidades elementales, por ejemplo, las personas a encuestar, y
podra aplicrsele el instrumento de medicin a todas las unidades, es decir, los miembros del grupo, o slo se le
podra aplicar a algunos de ellos, seleccionados al azar. Este mtodo tiene la ventaja de simplificar la recogida de
informacin muestral.
Cuando, dentro de cada conglomerado seleccionado, se extraen algunos individuos para integrar la muestra, el
diseo se llama muestreo bietpico.
Las ideas de estratos y conglomerados son, en cierto sentido, opuestas. El primer mtodo funciona mejor cuanto ms
homognea es la poblacin respecto del estrato, aunque ms diferentes son stos entre s. En el segundo, ocurre lo
contrario. Los conglomerados deben presentar toda la variabilidad, aunque deben ser muy parecidos entre s.
Homogeneidad de las poblaciones o sus subgrupos
Homogneo significa, en el contexto de la estratificacin, que no hay mucha variabilidad. Los estratos funcionan
mejor cuanto ms homogneos son cada uno de ellos respecto a la caracterstica a medir. Por ejemplo, si se estudia la
estatura de una poblacin, es bueno distinguir entre los estratos mujeres y hombres porque se espera que, dentro de
ellos, haya menos variabilidad, es decir, sean menos heterogneos. Dicho de otro modo, no hay tantas diferencias
entre unas estaturas y otras dentro del estrato que en la poblacin total.
Por el contrario, la heterogeneidad hace intil la divisin en estratos. Si se dan las mismas diferencias dentro del
estrato que en toda la poblacin, no hay por qu usar este mtodo de muestreo. En los casos en los que existan
grupos que contengan toda la variabilidad de la poblacin, lo que se construyen son conglomerados, que ahorran
algo del trabajo que supondra analizar toda la poblacin. En resumen, los estratos y los conglomerados funcionan
bajo principios opuestos: los primeros son mejores cuanto ms homogneo es el grupo respecto a la caracterstica a
estudiar y los conglomerados, si representan fielmente a la poblacin, esto es, contienen toda su variabilidad, o sea,
son heterogneos.
Muestreo no probabilstico
Es aqul para el que no se puede calcular la probabilidad de extraccin de una determinada muestra. Por tal motivo,
se busca seleccionar a individuos que tienen un conocimiento profundo del tema bajo estudio y se considera que la
informacin aportada por esas personas es vital para la toma de decisiones.
Muestreo por cuotas
Es la tcnica ms difundida sobre todo en estudios de mercado y sondeos de opinin. En primer lugar es necesario
dividir la poblacin de referencia en varios estratos definidos por algunas variables de distribucin conocida (como
el gnero o la edad). Posteriormente se calcula el peso proporcional de cada estrato, es decir, la parte proporcional de
poblacin que representan. Finalmente se multiplica cada peso por el tamao de n de la muestra para determinar la
cuota precisa en cada estrato. Se diferencia del muestreo estratificado en que una vez determinada la cuota, el
investigador es libre de elegir a los sujetos de la muestra dentro de cada estrato.
Muestreo (estadstica)
4
Muestreo de bola de nieve
Indicado para estudios de poblaciones clandestinas, minoritarias o muy dispersas pero en contacto entre s. Consiste
en identificar sujetos que se incluirn en la muestra a partir de los propios entrevistados. Partiendo de una pequea
cantidad de individuos que cumplen los requisitos necesarios, servirn como localizadores de otros con
caractersticas anlogas.
Muestreo subjetivo por decisin razonada
En este caso las unidades de la muestra se eligen en funcin de algunas de sus caractersticas de manera racional y no
casual. Una variante de esta tcnica es el muestreo compensado o equilibrado, en el que se seleccionan las unidades
de tal forma que la media de la muestra para determinadas variables se acerque a la media de la poblacin. La cual
funciona en base a referencias o por recomendacin despus se reconoce por medio de la estadstica.
Fuentes y contribuyentes del artculo
5
Fuentes y contribuyentes del artculo
Muestreo (estadstica) Fuente: http://es.wikipedia.org/w/index.php?oldid=77049672 Contribuyentes: AVIADOR, Ale flashero, Alifleito, Andreasmperu, Antonorsi, Antur, Axvolution,
Aipni-Lovrij, Banfield, BlackBeast, Bucho, CASF, Camilo, ChristianH, Correogsk, Dark Bane, David0811, Diegusjaimes, Dodo, Dogor, DrVino, Eduardosalg, Emiduronte, Esperanza
Larramendi, Esteban521, Fargok, Fernando Surez, Foundling, Greek, Grillitus, Gsrdzl, Hanjin, Helmy oved, Humberto, Icvav, IsraelMR, Iulius1973, J. A. Glvez, J.delanoy, JacobRodrigues,
Javu61, Jdateo, Jkbw, JorgeGG, Joseaperez, Juan Mayordomo, Karshan, Laura Fiorucci, Leonpolanco, Leptictidium, LlamaAl, Luis Carlos Silva, Magister Mathematicae, Maldoror, Manw,
Marcelo, MarcoAurelio, Matdrodes, Mauricio Sadinle, Miguel A. Ortiz Arjona, Miltonpatio, Mr verga, MrCharro, Mushii, Netito777, Niqueco, Nixn, Nuvem, Pabloes, Pascow, Petruss, Pino,
Poco a poco, Plux, Queninosta, Racso, Rastrojo, Rauleeddoo, Ronald2308, Sabbut, Segedano, Sheket, Snakeyes, SuperBraulio13, Tano4595, Tartaglia, Technopat, Tenebra, Tirithel, Ugly,
VARGUX, Wilfredor, 484 ediciones annimas
Licencia
Creative Commons Attribution-Share Alike 3.0
//creativecommons.org/licenses/by-sa/3.0/