Mtodos de Muestreo

Muestreo Aleatorio simple.

Una muestra aleatoria simple de tamao n es una muestra de n unidades

seleccionadas de tal manera que cada muestra posible de tamao n tiene la misma
probabilidad de ser seleccionada. Muestras de distinto tamao pueden tener
diferentes probabilidades de ser seleccionadas. Para asegurarnos que toda muestra
aleatoria simple tenga la misma probabilidad de ser seleccionada necesitamos algn
dispositivo confiable de seleccin de las unidades. Existen mtodos alternativos
como la seleccin de fichas de una urna, la seleccin de papeles numerados de una
bolsa y otros. Pero un sistema confiable y seguro que siempre funciona es la tabla
de nmeros aleatorios. Tabla de Nmeros aleatorios. Una tabla de nmeros
aleatorios es una lista de dgitos 0, 1, 2, 3, 4, 5, 6, 7, 8, 9 y tiene las siguientes
propiedades:
1. Cualquier dgito en cualquier posicin de la tabla tiene la misma probabilidad de
ser 0, 1, ..., 9.
2. Los dgitos en posiciones diferentes son independientes, en el sentido de que el
conocimiento de algunos nmeros de la tabla no da informacin acerca de otros
nmeros de la tabla. Usaremos la tabla de nmeros aleatorios para seleccionar una
muestra aleatoria simple (m.a.s.). Suponga que tenemos N=50 unidades en la
poblacin, saque una muestra aleatoria simple de tamao n=5.

Muestreo sistemtico

El muestreo sistemtico era muy popular en el pasado, antes de que la

incorporacin de la informtica hiciese trivial un problema que siempre haba dado
muchos quebraderos de cabeza a los investigadores: elegir individuos de forma
aleatoria dentro de una muestra. En la medida en que los ordenadores nos han
facilitado la tarea de generar nmeros aleatorios, este problema ha desaparecido.
Tambin se sigue utilizando para seleccionar individuos a lo largo del tiempo. Por
ejemplo, para estudiar la satisfaccin de un servicio, podemos elegir
sistemticamente encuestar a 1 de cada n clientes que nos visitan. En estas
circunstancias, en las que puede existir diferente varianza entre individuos en
diferentes periodos de tiempo, el muestreo sistemtico puede ser incluso ms
preciso que el muestreo aleatorio puro.
En qu consiste el muestreo sistemtico?
Es una tcnica dentro de la categora de muestreos probabilsticos - y que por lo
tanto requiere tener un control preciso del marco muestral de individuos
seleccionables junto con la probabilidad de que sean seleccionados - consistente en
escoger un individuo inicial de forma aleatoria entre la poblacin y, a continuacin,
seleccionar para la muestra a cada ensimo individuo disponible en el marco
muestral.
El muestreo sistemtico es un proceso muy simple y que slo requiere la eleccin
de un individuo al azar. El resto del proceso es trivial y rpido. Los resultados que
obtenemos son representativos de la poblacin, de forma similar al muestreo
aleatorio simple, siempre y cuando no haya algn factor intrnseco en la forma en
que los individuos estn listados que haga que se reproduzcan ciertas
caractersticas poblacionales cada cierto nmero de individuos. Este suceso es
realmente poco frecuente.
El proceso
De forma concreta, el proceso que seguiramos en un muestreo sistemtico sera el
siguiente:
1. Elaboramos una lista ordenada de los N individuos de la poblacin, lo que sera el
marco muestral.
2. Dividimos el marco muestral en n fragmentos, donde n es el tamao de muestra
que deseamos. El tamao de estos fragmentos ser
K=N/n
Donde K recibe el nombre de intervalo o coeficiente de elevacin.
3. Nmero de inicio: obtenemos un nmero aleatorio entero A, menor o igual al
intervalo. Este nmero corresponder al primer sujeto que seleccionaremos para la
muestra dentro del primer fragmento en que hemos dividido la poblacin.
4. Seleccin de los n-1 individuos restantes: Seleccionamos los siguientes
individuos a partir del individuo seleccionado aleatoriamente, mediante una sucesin
aritmtica, seleccionando a los individuos del resto de fragmentos en que hemos
dividido la muestra que ocupan la misma posicin que el sujeto inicial. Esto equivale
a decir que seleccionaremos los individuos
A, A + K, A + 2K, A + 3K, ...., A + (n-1)K

Ejemplo
Supongamos que tenemos un marco muestral de 5.000 individuos y deseamos
obtener una muestra de 100 de ellos. Dividimos en primer lugar el marco muestral
en 100 fragmentos de 50 individuos. A continuacin seleccionamos un nmero
aleatorio entre 1 y 50, para extraer el primer individuo al azar del primer fragmento:
por ejemplo el 24. A partir de este individuo, queda definida la muestra extrayendo
los individuos de la lista con intervalos de 50 unidades, tal y como sigue
24, 74, 124, 174, ..., 4.974

Propiedades del muestreo sistemtico

Las principales ventajas son:
Obtiene buenas propiedades de representatividad, similares a la de un
muestreo aleatorio simple o incluso superiores, pero de forma ms rpida y
simple, al evitar la necesidad de generar tantos nmeros aleatorios como
individuos en la muestra.
Respecto al muestreo aleatorio, el muestreo sistemtico puede garantizarnos
una seleccin perfectamente equitativa de la poblacin. Esto puede ser de
utilidad si se distinguen grupos dentro de universo, lo que nos podra evitar la
 necesidad de usar estratos. Si existe diferente varianza entre los individuos
de los fragmentos, este muestreo puede ser mejor que el aleatorio. Lo
veremos luego.

Como desventajas, slo existe la ya mencionada posibilidad de que el orden en que

se han listado los candidatos a la muestra tenga algn tipo de periodicidad oculta
que coincida con el intervalo escogido para generar la muestra sistemtica. En este
caso, podramos generar una muestra sesgada.

Eficiencia del muestreo sistemtico

El muestreo sistemtico se ide para mejorar las propiedades del muestreo aleatorio
simple, pero el grado de mejora es variable dependiendo de las propiedades del
universo estudiado.
Para entender las propiedades de este muestreo, hay que tener en cuenta una
cosa: si fijamos el intervalo o coeficiente de elevacin segn el tamao de la
muestra que necesitamos, slo hay un elemento aleatorio dentro del proceso de
muestreo: la unidad inicial que seleccionamos del primer bloque de individuos. El
resto queda fijado de antemano. Esto equivale a decir que slo tenemos k posibles
muestras diferentes a obtener y que el muestreo es simplemente escoger una de las
k muestras disponibles.

Es posible demostrar que cuanto ms supera la varianza dentro de las k posibles

muestras que podemos generar a la varianza poblacional, ms precisin ganamos
usando el muestreo sistemtico respecto al aleatorio simple. Lo anterior puede
interpretarse diciendo que el muestreo sistemtico es ms preciso que el aleatorio
simple cuando la variabilidad dentro de las posibles muestras es superior a la
variabilidad dentro de las unidades de la poblacin. La precisin del muestreo
sistemtico coincide con la del aleatorio simple cuando ambas variabilidades
coinciden, y esto se da cuando la disposicin de los elementos en la poblacin es
totalmente aleatoria.

Muestreo Aleatorio Estratificado

El Muestreo aleatorio estratificado es aquel en el que se divide la poblacin en

grupos en funcin de un carcter determinado y despus se muestrea cada grupo
aleatoriamente, para obtener la parte proporcional de la muestra.

Algunas de las razones por la que se estratifica una muestra es

Para lograr homogeneidad en los estratos y con ello disminuir la dispersin general
de la variable en estudio.
Para lograr mayor precisin en los estimadores.
Para disminuir el tamao de la muestra.

Ventajas del muestreo aleatorio estratificado

El mtodo asegura que en la muestra habr representantes de todos los estratos
(incluso de los que representan pequeos grupos en la poblacin).

Desventajas del muestreo aleatorio estratificado

Necesidad de contar con un marco que tenga informacin auxiliar.
Dificultad para crear o formar los estratos.
Cul es el nmero ptimo de estratos?

Muestreo por conglomerados

El muestreo por conglomerados es una tcnica que aprovecha la existencia de

grupos o conglomerados en la poblacin que representan correctamente el total de
la poblacin en relacin a la caracterstica que se quiere medir. Estos grupos
contienen toda la variabilidad de la poblacin. Si esto sucede, se puede seleccionar
nicamente algunos de estos conglomerados para realizar el estudio.

El proceso de muestreo

El primer paso para la aplicacin de esta tcnica es definir los conglomerados. Se

trata de identificar una caracterstica que permita dividir la poblacin en grupos
disjuntos y exhaustiva (todos los individuos deben estar en un grupo), de tal manera
que los grupos no difieren entre s en relacin a aquello que se quiera medir. Una
vez definidos estos conglomerados, se seleccionan al azar algunos de ellos para
estudiarse. Un criterio habitual para definir conglomerados es el geogrfico. Por
ejemplo, si quiere estudiar qu proporcin de la poblacin argentina fuma, se puede
dividir el total de la poblacin en provincias y se seleccionan algunas de ellas para
ser estudiadas. Si no se tienen razones para pensar que el % de fumadores va a
cambiar de una provincia a otra, esta solucin permitir concentrar el esfuerzo de
muestreo en un nico entorno geogrfico. Si el estudio se va a hacer mediante
entrevistas personales, esto representa un importante ahorro de costes de
desplazamientos.
Una vez definidos los conglomerados, el siguiente paso es seleccionar los
conglomerados a estudiar, ya sea mediante un muestreo aleatorio simple o
sistemtico.

Por ltimo, una vez seleccionados los conglomerados a estudiar, se puede

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 sistemtico. Si se opta por esta
posibilidad, se hablara de un muestreo en dos etapas o bietpico: la primera etapa
es la seleccin del conglomerado, la segunda la de individuos dentro del
conglomerado. Si por el contrario se estudian todos los individuos del
conglomerado, se hablara de muestreo por conglomerados unietpico.

Eficiencia del muestreo por conglomerados

Lo bien o mal que va a funcionar esta tcnica va a depender, de forma similar a

como ocurra en el muestreo estratificado, de la relacin entre varianza dentro y
fuera de los conglomerados.

Esta relacin se suele expresar con un coeficiente de correlacin

intraconglomerados (), que se define como el coeficiente de correlacin lineal entre
todos los pares de valores de la variable en estudio medidos sobre las unidades de
los conglomerados y extendido a todos los conglomerados, este coeficiente es una
medida de la homogeneidad en el interior de los conglomerados. Cuanto menor sea
el coeficiente de homogeneidad intraconglomerados , mayor eficiencia arrojar el
muestreo por conglomerados.
Si comparamos el muestreo aleatorio simple con el muestreo por conglomerados, es
posible demostrar que si =0 ambos mtodos son equivalentes. Esta condicin
implica que los conglomerados son exactamente tan heterogneos como el total de
la poblacin. El peor caso sera =+1 , mientras que el ms favorable sera el de =-
1/(M-1), donde M es el tamao del conglomerado. Sin embargo, normalmente va a
ser siempre mayor que 0, ya que lo normal es que las unidades de un conglomerado
tengan cierto parecido entre s.

Otra forma de ver el impacto de este problema es calcular el tamao de muestra

necesario al emplear muestreo por conglomerados para lograr la misma precisin
de un muestreo aleatorio simple. Esta expresin es la que sigue

nc = na (1 + (M-1) )

Donde nc es el tamao de muestra en muestreo por conglomerados y naes el

tamao de muestra que necesitaramos en muestreo aleatorio simple. Por lo tanto,
el factor (1+(M-1) es la variacin del tamao de muestra que necesitamos debido
al uso de conglomerados. Normalmente ser un incremento. Este factor se conoce
como efecto de diseo.

Muestreo opintico o intencional

Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener

muestras "representativas" mediante la inclusin en la muestra de grupos
supuestamente tpicos. Es muy frecuente su utilizacin en sondeos preelectorales
de zonas que en anteriores votaciones han marcado tendencias de voto. Tambin
puede ser que el investigador seleccione directa e intencionadamente los individuos
de la poblacin. El caso ms frecuente de este procedimiento el utilizar como
muestra los individuos a los que se tiene fcil acceso (los profesores de universidad
emplean con mucha frecuencia a sus propios alumnos).

En este proceso no se produce una seleccin aleatoria de las muestras limitndose

el muestreo a unidades que parecen ser representativas de la poblacin que se
considera. Se obtiene informacin sobre esas unidades y con base en la misma se
hacen estimaciones sobre las caractersticas de la poblacin.
1. Aplicando Criterio: el criterio de la persona que selecciona la muestra es
importante, porque personas diferentes tiene criterios diferentes No hay
mtodo objetivo por el que se prefiera un diferentes. No hay mtodo objetivo
por el que se prefiera un criterio de seleccin de muestra a otro.
2. Muestreo sin norma: Es cuando se toma la muestra de cualquier manera por
razones de comodidad La representatividad de tal manera por razones de
comodidad. La representatividad de tal muestra slo puede aspirar a ser
medianamente satisfactoria en el caso de que la poblacin sea homognea.

Muestreo aleatorio por cuotas

Dicho mtodo es utilizado especialmente en los sondeos y encuestas utilizados por

los medios de comunicacin. Se trata de construir una muestra idntica a la
poblacin a estudiar en trminos de propiedades.

Por lo tanto se trata de un mtodo no aleatorio.

El mtodo de cuotas se basa en la distribucin conocida de una poblacin (edad,

sexo, situacin geogrfica, categora socio-profesional, etc.)

Una vez determinada la dimensin del sondeo que se desea efectuar, basta con
calcular el nmero de individuos por cada criterio elegido.
Sin embargo, este mtodo (el menos costoso) tiene ciertas limitaciones que es
necesario precisar y que nos permite conocer uno de los errores ms comunes en
las encuestas:

Este mtodo se basa en la hiptesis que la informacin que deseamos obtener est
correlacionada con la poblacin. Pero es solo una hiptesis de representatividad
difcilmente demostrable.

Muestreo sin norma o de bola de nieve

El muestreo por bola de nieve es una tcnica de muestreo no probabilstica en la
que los individuos seleccionados para ser estudiados reclutan a nuevos
participantes entre sus conocidos. El nombre de "bola de nieve" proviene justamente
de esta idea: del mismo modo que una bola de nieve al rodar por una ladera se va
haciendo ms y ms grande, esta tcnica permite que el tamao de la muestra vaya
creciendo a medida que los individuos seleccionados invitan a participar a sus
conocidos.

La bola de nieve se usa con frecuencia para acceder a poblaciones de baja

incidencia y a individuos de difcil acceso por parte del investigador. En estudios en
los que se quiere estudiar un colectivo muy especfico (por ejemplo, personas
aficionadas a la filatelia o coleccionismo de sellos), puede resultar mucho ms
efectivo obtener una muestra a travs de conocidos y amigos de los propios
coleccionistas, que mediante una seleccin puramente aleatoria, en la que una gran
cantidad de individuos candidatos a participar seran descartados.

funciona especialmente bien cuando el rasgo distintivo de la poblacin que

queremos estudiar tiende a agrupar a dichos individuos, a favorecer su contacto
social

Proceso
El proceso de creacin de una muestra mediante bola de nieve podramos dividir
este proceso en los siguientes pasos:

1. Definir un programa de participacin,.

2. Identificar colectivos u organizaciones que puedan facilitar el acceso a
unos individuos iniciales que cumplan con el rasgo caracterstico del
estudio.
3. Obtener contactos iniciales
4. Solicitar a los participantes, una vez finalizada la entrevista, el acceso a
otros contactos.
5. Asegurar la diversidad de contactos mediante una correcta seleccin de
los individuos iniciales.
Tipos de muestreo bola de nieve
Bsicamente podemos identificar dos tipos de muestreo bola de nieve:

1. Muestreo lineal: Cada individuo participante debe recomendar a otro

individuo, de forma que la muestra crece a un ritmo lineal.
2. Muestreo exponencial: Cada individuo debe invitar a participar a dos o ms
individuos.

Ventajas del muestreo de bola de nieve

El proceso en cadena permite que el investigador llegue a poblaciones que

son difciles de probar cuando se utilizan otros mtodos de muestreo.
El proceso es barato, simple y rentable.
Esta tcnica de muestreo necesita poca planificacin y menos mano de
obra que otras tcnicas de muestreo.
Desventajas del muestreo de bola de nieve

El investigador tiene poco control sobre el mtodo de muestreo.

La representatividad de la muestra no est garantizada..
El sesgo de muestreo es tambin un miedo de los investigadores cuando
se utiliza esta tcnica. Los primeros sujetos tienden a designar a personas
que conocen bien. Como consecuencia, es muy posible que los sujetos
compartan los mismos rasgos y caractersticas y, por lo tanto, la muestra
que obtenga el investigador ser slo un pequeo subgrupo de toda la
poblacin.

Muestreo semi probabilstico.

Hablamos de diseos muestrales probabilsticos cuando se conoce la probabilidad

de cada elemento de la poblacin para entrar en la muestra, cuando desconocemos
esta probabilidad, hablamos de muestreo no probabilstico. Desde este punto de
vista, se dice que una muestra es "representativa" cuando goza de las mismas
caractersticas que la poblacin, es decir, las distribuciones de frecuencias para
todas las variables son iguales. Obviamente esta es una situacin ideal. Las
distribuciones de las variables en la muestra podran ser muy parecidas/similares a
las de la poblacin y aceptamos que la muestra es representativa y podemos
trabajar con ella para extrapolar las conclusiones a la poblacin. En los diseos
probabilsticos se puede estimar la diferencia entre la distribucin en la muestra y en
la poblacin (error muestral), con cierto grado de probabilidad/confiabilidad.
 Muestreo semi probabilstico superior.

Se llama muestreo semi probabilstico superior cuando se conoce la probabilidad

de extraccin de una cierta parte o segmento de la poblacin, pero no de un
elemento dentro de l, y, semi probabilstico inferior cuando se conoce la
probabilidad de extraccin de los elementos dentro del segmento, pero no la de
este.

Un ejemplo consistira en la seleccin aleatoria de manzanas (urbanas) de una

ciudad, dejando a la decisin o arbitrio de los entrevistadores, la seleccin de cierto
nmero de viviendas o de familias dentro de las manzanas elegidas.

Conclusin.
De acuerdo a lo anterior investigado y analizado, llegamos a la conclusin de que,
cada uno de los muestreos anteriormente mencionados son aplicados para
diferentes tipos de poblacin y de qu tipo de informacin se quiera obtener de cada
muestra obtenida. De opinin de nuestro equipo, creemos que el muestreo por
conglomerados es la mejor, ya que es fcil de aplicar a la poblacin ya sea mediana
o muy grande que por lo general se usan para los muestreos, como por ejemplo
alguna muestra de la poblacin geogrfica o de una escuela que puede dividirse
fcilmente en salones y luego aplicar otro muestreo diferente para que el error de
muestreo no sea demasiado. El muestreo por conglomerados es usado para
muchos de las aplicaciones de la vida diaria y aunque tambin existen errores, al
ser combinada con otros muestreos ms simples, se puede obtener un resultado
ms acertado o un resultado ms preciso.

Bibliografa

https://explorable.com/es/muestreo-de-bola-de-nieve
https://www.netquest.com/blog/es/blog/es/muestreo-bola-nieve
http://www.economia.unam.mx/profesores/blopez/estadistica-muestreo.pdf
http://www.arqhys.com/general/muestreo-aleatorio-estratificado.html
http://www.analisis-de-datos.com/Blog/muestreo-por-cuotas.html