You are on page 1of 12

TEORÍA DE MUESTREO

INTRODUCCIÓN

 Una de las herramientas más utilizadas para entender la información es


la estadística. Esta no solo se emplea entre hombre y mujeres de
negocios, también aplicamos conceptos estadísticos en nuestra vida
diaria, como, por ejemplo:
 Para empezar el día uno desea tomar una ducha, abre la llave y deja
correr el agua unos momentos, luego mete la mano bajo el chorro de agua
para sentir la temperatura de la misma y decide abrir más la llave de agua
fría o caliente o bien llega a la conclusión de que la temperatura es la
correcta y toma su ducha.
 Supongamos que nos encontramos en el Mercado central de la ciudad de
Cusco y deseamos comprar un molde de queso, una de las señoras que
vende el producto le ofrece un pedazo de queso, después de probarlo,
decide si va a comprar o no.
 En ambos ejemplos, usted toma la decisión y elige emprender una acción
con base en una muestra.

El objetivo de la estadística es hacer inferencias a cerca de una población con


base en la información contenida en una muestra. Este mismo objetivo motiva el
estudio del problema de muestreo.
En la mayoría de los casos, la inferencia estará en la forma de una estimación
de un para metro poblacional, tal como la media, un total o una proporción con
un límite para el error de estimación.
Cada observación o elemento tomado de la población contiene cierta cantidad
de información acerca del parámetro o parámetros de interés. Ya que la
información cuesta dinero, el experimentador debe determinar que tanta
información debe comprar. Poca información impide al experimentador realizar
buenas estimaciones; mientras que mucha información ocasiona un despilfarro
de dinero.
La teoría de muestreo estudia la relación entre una población y las muestras
tomadas de ella
La cantidad de información obtenida en la muestra depende del número de
elementos muestreados y de la cantidad de variación de los datos. Este último
factor puede ser controlado por el método de selección de la muestra, llamado
diseño de la encuesta por muestreo. El diseño de la encuesta y el tamaño de la
muestra determinan la cantidad de información pertinente a un parámetro
poblacional, siempre y cuando se obtengan mediciones exactas en cada
elemento muestreado.
Si no se obtienen mediciones exactas en cada uno de los elementos de la
encuesta, entonces se introduce otros errores. La exactitud de las mediciones
puede mejorarse mediante métodos adecuados de recolección de datos y por
una buena elaboración del cuestionario.
Conveniencia del Muestreo
 Se empleará muestreo cuando la población sea tan grande que el censo
exceda las posibilidades del investigador.
 Se tomarán muestras cuando el proceso de medida o investigación de los
caracteres de cada elemento sea destructivo (consumo de un artículo
para juzgar su calidad, determinación de una dosis letal).
 Se tomarán muestras cuando la población sea suficientemente enorme
como para cualquier muestra de una buena representación de la misma.
 Se utilizará muestreo cuando se observe desagrado de las personas que
se requiere información con el fin de disminuir el número de elementos de
la población que van a ser encuestados.
 Se utilizarán técnicas de muestreo cuando ello suponga una reducción de
costos, considerando tanto el coste absoluto como el coste relativo (coste
en relación a la cantidad de información obtenida). Este criterio suele
conocerse con el nombre criterio de economía.
 El muestreo es conveniente cuando la acuracidad “la proximidad de una
observación hacia la cantidad que se intenta observar” (ajuste del
valor estimado al valor real de la característica en estudio) resulta ser
buena. Este criterio suele conocerse con el nombre de criterio de calidad.
 El muestreo es conveniente cuando la formación del personal y la
intensidad de los controles y supervisión son altos.

Desventajas

 Elementos perdidos
 Marco muestral inadecuado
 No cubrir toda la población
 Elementos extraños
 Agrupaciones
 Duplicaciones

TÉRMINOS TÉCNICOS
Una población; es una colección de elementos acerca de los cuales deseamos
hacer alguna inferencia

El diseño de muestreo o diseño de encuesta; especifica el método de


obtención de la muestra. (El diseño no especifica la forma de recolectar o medir
los datos reales. Especifica únicamente el método de recolección de los objetos
que contienen la información requerida. Estos objetos e llaman elementos 1)

Un elemento (unidad de análisis); es un objeto en el cual se toman


mediciones2. (Los elementos pueden ocurrir individualmente o en grupos en la
población. Un grupo de elementos, como una familia o una caja de bombillas, se
llama unidad de muestreo)

Las unidades de muestreo o unidades muestrales; son colecciones no


traslapadas de elementos de la población que cubren la población completa,

1
Estadística para Administración y Economía; Mendenhall-Reinmuth.
2
Elementos de Muestreo; Scheaffer, Mendenhall y lyman Ott
(para seleccionar una muestra aleatoria de unidades muestrales, es necesaria
una lista de todas las unidades muestrales contenidas en la población, esta lista
se llama marco muestral).

Un marco muestral; es una lista de unidades de muestreo.

Una muestra; es una colección de unidades seleccionadas de un marco o de


varios marcos.

Error de muestreo; es la diferencia entre un estadístico de la muestra y el


parámetro de la población correspondiente.

EJEMPLO: En cierta comunidad se realizó una encuesta de opinión para


determinar la actitud del público hacia una emisión de bonos en vísperas de una
elección próxima. El objetivo de la encuesta fue estimar la proporción de votantes
en la comunidad que favorecieron la emisión de bonos.

Un elemento: es un votante registrado en la comunidad, la medición tomada en


un elemento es la preferencia del votante con respecto a la emisión de bonos, (1
para un votante a favor de la emisión de bonos y un 0 para un votante que no
está a favor).
La población: es la colección de votantes en la comunidad. La característica
(medición numérica) de interés, para cada miembro de esta población, es su
preferencia respecto de la emisión de bonos.
Una unidad de muestreo: puede ser un votante registrado en la comunidad. Si
cada unidad de muestreo contiene uno y solamente un elemento de la población,
entonces una unidad de muestreo y un elemento de la población son idénticos.
Esta situación ocurre si muestreamos votantes individuales, en lugar de hogares
dentro de la comunidad.
Un marco: sería una lista de todos los votantes registrados, (el marco no incluye
todos los elementos de la población, por actualizar la lista diariamente es
imposible). Si tomamos el hogar como la unidad e muestreo, entonces un
directorio telefónico, un directorio de la ciudad o una lista de jefes de familia,
obtenida de los datos del censo, puede servir como un marco.
Los datos son obtenidos de los elementos de la muestra y usados para describir
a la población.

TIPOS DE MUESTREOS

Los autores proponen diferentes criterios de clasificación de los diferentes tipos


de muestreo, aunque en general puede dividirse en dos grandes grupos;
métodos de muestreo probabilístico y no probabilístico.
MUESTREO PROBABILÍSTICO

Los métodos de muestreo probabilístico son aquellos que se basan en el


principio de equiprobabilidad. Es decir, aquellos en 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 elegidas. Solo estos métodos de muestreo probabilístico nos
aseguran la representatividad de la muestra extraída y son, por lo tanto, los más
recomendables. Dentro de los métodos de muestreo probabilístico encontramos
los siguientes tipos:

 Muestreo aleatorio simple (muestreo irrestricto aleatorio)


 Muestreo aleatorio estratificado
 Muestreo sistemático
 Muestreo por conglomerados

El diseño básico (muestreo irrestricto aleatorio) consiste en seleccionar un


grupo de 𝒏 unidades muestrales de tal manera que cada muestra de tamaño 𝒏
tenga la misma oportunidad de ser seleccionada (una muestra irrestricta
aleatoria va a contener tanta información sobre la preferencia de la comunidad
como cualquier otro diseño de muestreo, siempre y cuando todos los votantes
de la comunidad tengan características socioeconómicas similares).
Sin embargo, supóngase que la comunidad consta de dos diferentes grupos de
ingresos, alto y bajo. Los votantes en el grupo alto pueden tener opiniones sobre
la emisión de bonos que sean muy diferentes de las opiniones de los votantes
en el grupo bajo. Es por esto que, para tener información exacta a cerca de la
población, debemos muestrear votantes en cada grupo. Podemos dividir los
elementos de la población en dos grupos o estratos, de acuerdo al ingreso y
seleccionar una muestra irrestricta aleatoria en cada grupo. A la muestra
resultante se le llama muestra aleatoria estratificada.
Nótese que la estratificación es llevada a cabo usando el conocimiento de una
variable auxiliar, es decir, ingreso personal. Mediante la estatificación en valores
alto y bajo del ingreso, incrementamos la exactitud de nuestro estimador.
Aunque se desean preferencias individuales en la encuesta, un procedimiento
más económico, especialmente en áreas urbanas, puede ser muestrear familias
específicas, edificios de departamento o manzanas de una ciudad, en lugar de
votantes individuales. Las preferencias individuales pueden ser obtenidas de
cada votante elegido dentro de cada unidad muestreada. Esta técnica es llamada
muestreo por conglomerado. Aunque la población ha sido dividida en grupos,
tanto en muestreo por conglomerados como en muestreo aleatorio estratificado,
las técnicas son diferentes. En muestreo aleatorio estratificado tomamos una
muestra aleatoria simple en cada estrato; mientras que en un muestreo por
conglomerado tomamos una muestra aleatoria simple de grupos y entonces
muestreamos todos los elementos de los grupos seleccionados
(conglomerados).
Algunas veces, los nombres de las personas en la población de interés se
encuentran en un listado, tal como la lista de registro, o en tarjetas de archivos
de almacenes en un tarjetero. Para esta situación, una técnica económica es
extraer la muestra mediante la selección de un nombre cerca del principio de la
lista y luego seleccionar cada diez o cada quince nombre después del anterior.
Si el muestreo es conducido de esta manera, obtenemos una muestra
sistemática. Como puede esperarse, el muestreo sistemático ofrece un medio
conveniente de obtener información muestral; desafortunadamente, no
necesariamente obtenemos la mayor información con una cantidad de dinero
especificada.
Sabemos que las observaciones cuestan dinero. Nótese que el costo de una
observación puede variar de un diseño a otro, aun dentro de un mismo diseño,
dependiendo del método de recolección de la información. El experimentador
debe elegir el diseño que proporciona el límite deseado del error de estimación
al mínimo costo.
MUESTREO NO PROBABILÍSTICO

A veces para estudios exploratorios, el muestreo probabilístico resulta


excesivamente costoso y se acude a métodos no probabilísticos, aun siendo
conscientes de que no sirven para realizar generalizaciones, pues no se tiene la
certeza de que la muestra extraída sea representativa, ya que no todos los
elementos de la población tienen la misma probabilidad de ser elegidos. En
general se seleccionan a los sujetos siguiendo determinados criterios
procurando que la muestra sea representativa. Entre los tipos de muestreo no
probabilístico se tiene los siguientes:

 Muestreo por cuotas (equivalente a las muestras aleatorias


estratificadas): también denominado en ocasiones accidental, se asienta
generalmente sobre la base de un buen conocimiento de los estratos de
la población y/o de los individuos más representativos o adecuados para
los fines de la investigación. En este tipo de muestreo se fijan “cuotas”
que consiste en un número de individuos que reúnen determinadas
características. Por ejemplo, 30 individuos de 20 a 30 años, de sexo
masculino y que vivan en el distrito de Santiago. Una vez determinada la
cuota se eligen a los primeros que se encuentran que cumplan esas
características. Este método se utiliza mucho en las encuestas de opinión.

 Muestreo causal o errático: se trata de un proceso en el que el


investigador selecciona directa e intencionalmente los individuos de la
población. Esta técnica es típica de los reporteros de prensa y TV, por
ejemplo, las encuestas a boca de urna, también es utilizado por algunas
agencias de publicidad y de estudios de mercado.

 Muestreo intencional: este tipo de muestreo se caracteriza por un


esfuerzo deliberado de obtener muestras “representativas” mediante la
inclusión en la muestra de grupos supuestamente típicos. Por ejemplo; los
estudiantes que tienen problemas de aprendizaje o aquellos que
demuestran ausentismo constante elevado.

 Muestreo “Bola de nieve”: recomendada para el estudio de casos de


interés especial, que son difíciles de identificar, para ello se localiza a
algunos individuos, los cuales conducen a otros y estos a otros, y así
hasta conseguir una muestra suficiente. Por ejemplo; drogadictos,
homosexuales, miembros de una sexta, determinados tipos de enfermos.

DETERMINACIÓN DEL TAMAÑO DE MUESTRA

El error muestral se define como la diferencia entre el verdadero valor del


parámetro y el arrojado por su estimador para la muestra (para este ejemplo
tomaremos la media poblacional y muestral), esto es:

𝜀 = |𝜇 − 𝑥̅ |

Apoyando en intervalos de confianza para la media tenemos


𝜎
𝜀 = |𝜇 − 𝑥̅ | = 𝑍(1−𝛼)
2 √𝑛
Despejando 𝒏 tenemos

𝑍2. 𝜎 2
𝑛=
𝜀
Resumiendo todo en una tabla para todos los casos, obtenemos

Población infinita Población finita


Cualitativa
𝒁𝟐 . 𝒑. 𝒒 𝑵. 𝒁𝟐 . 𝒑. 𝒒
𝒏= 𝒏=
𝜺𝟐 𝑵. 𝜺𝟐 + 𝒁𝟐 . 𝒑. 𝒒

Cuantitativa
𝒁𝟐 . 𝝈 𝟐 𝑵. 𝒁𝟐 . 𝝈𝟐
𝒏= 𝒏=
𝜺𝟐 𝑵. 𝜺𝟐 + 𝒁𝟐 . 𝝈𝟐

Donde:

𝑵: Tamaño de la población a estudiar


𝒏: Tamaño de la muestra
𝒑: Proporción de éxito en la muestra, además 𝒒 = 𝟏 − 𝒑
𝝈𝟐 : Varianza poblacional
𝜺: Error máximo que deseamos cometer
MUESTREO PROBABILÍSTICO
MUESTREO ALEATORIO SIMPLE

Si un tamaño de muestra 𝒏 es seleccionado de una población de tamaño 𝑵 de


tal manera que cada muestra posible de tamaño 𝒏 tiene la misma probabilidad
se ser seleccionado, el procedimiento de muestreo se denomina muestreo
irrestricto aleatorio. A la muestra así obtenida se le llama muestra irrestricta
aleatoria.
Lectura de la tabla de números aleatorios

MUESTREO ESTRATIFICADO
Definición: Una muestra aleatoria estratificada es la obtenida mediante la
separación de los elementos de la población en grupos que no presenten
traslapes, llamados estratos, y la selección posterior de una muestra irrestricta
aleatoria simple de cada estrato3.
Ejemplo: Suponga que en cierto municipio se va a realizar una encuesta de
opinión pública, diseñada para estimar la proporción de votantes que apoyan
mayor gasto de los impuestos públicos en mejorar el servicio de ambulancia. El
municipio comprende dos ciudades y un área rural. Los elementos poblacionales
de interés para la encuesta son todos los hombres y mujeres en edad de votar
residentes en el municipio. Una muestra aleatoria estratificada de adultos
residentes en el municipio puede obtenerse mediante la selección de tres
muestras irrestrictas aleatorias de adultos: una en cada ciudad y otra en el área
rural. Esto es, las dos ciudades y el área rural representan tres estratos de los
cuales obtenemos muestras irrestrictas aleatorias.
En esta encuesta, ¿Por qué debemos escoger una muestra estratificada en
lugar de una muestra aleatoria?
Primero; tengamos en cuenta que nuestro objetivo al diseñar una encuesta es
maximizar la información obtenida (o minimizar el límite para el error de
estimación) para un presupuesto fijo. Las muestras que presentan poca
variabilidad entre las mediciones producirán pequeños límites para el error de
estimación. Entonces si los adultos de una ciudad A tienden a pensar de igual

3
Elementos de muestreo
manera respecto al servicio de ambulancia, podemos obtener una estimación
muy exacta de la proporción encuestada con una muestra relativamente
pequeña. Así mismo si los adultos de la segunda ciudad B tienden a pensar
semejante a cerca de esa situación, aunque difieren en opinión de los de la
ciudad A, podemos obtener nuevamente una estimación ex acata con una
muestra pequeña. Esta situación puede presentarse si la ciudad A tiene un
hospital y por eso no le urge mejorar el servicio de ambulancia; mientras que la
ciudad B no tiene hospital y por ello necesita mejorar su servicio de ambulancia.
Las opiniones en el área rural pueden ser más variadas, pero quizás viva ahí
menor número de adultos y se pudiera disponer de recursos suficientes para un
estudio detallado en esta área. Cuando se combinan los resultados de la muestra
aleatoria estratificada, la estimación final de la proporción de votantes que
apoyan un mayor presupuesto para el servicio de ambulancia puede tener un
límite para el error de estimación mucho más pequeño que el obtenido de una
muestra irrestricta aleatoria de tamaño comparable.
Segundo; el costo por obtener las observaciones varía según el diseño de la
encuesta. El costo por seleccionar los adultos que van a ser muestreados, el
costo del tiempo y traslado del entrevistador y el costo para instrumentar todo el
proceso de muestreo pueden ser minimizados mediante una muestra
estratificada, cuidadosamente planeada para áreas geográficas compactas bien
definidas.
Tercero; se pueden desear estimaciones de parámetros poblacionales para
ciertos subconjuntos de la población. En la encuesta del municipio cada comisión
de la ciudad puede desear una estimación de la proporción de votantes que
favorecen un mejor servicio de ambulancia para su propia cuidad. El muestreo
estratificado permite la estimación separada de parámetros poblacionales dentro
de cada estrato. Los motivos principales para utilizar este tipo de muestreo son:
1. La estratificación puede producir un límite más pequeño para el error de
estimación que el que se genera por una muestra irrestricta aleatoria del
mismo tamaño. Este resultado es particularmente cierto si las mediciones
dentro de los estratos son homogéneos.
2. El costo por observación en la encuesta puede ser reducido mediante la
estratificación de los elementos de la población en grupos convenientes.
3. Se puede obtener estimaciones de parámetros poblacionales para
subgrupos de la población. Los subgrupos deben ser entonces estratos
identificables.

ASIGNACIÓN DE LA MUESTRA

Se llama afijación de la muestra al reparto o distribución del tamaño muestral n


entre los diferentes estratos.
Dónde:

𝐿: Número de estratos.
𝑁ℎ : Tamaño del estrato ℎ.
𝑛ℎ : Tamaño de la muestra que se selecciona del estrato ℎ.
𝑬𝒔𝒕𝒓𝒂𝒕𝒐 𝑵𝒉 𝒏𝒉
𝟏 𝑁1 𝑛1
𝟐 𝑁2 𝑛2
𝟑 𝑁3 𝑛3
. . .
. . .
. . .
𝑳 𝑁𝐿 𝑛𝐿

𝑻𝒐𝒕𝒂𝒍 𝑁 𝑛

EJEMPLO: se tiene interés en conocer la estatura media de estudiantes del


primer año de la universidad Alas Peruanas. Se sabe que el número total de
estudiantes del primer año es de N=400. Además, se tiene información de que
la estatura esta correlacionada con el sexo de los estudiantes. Por consiguiente,
la estructura de la población es heterogénea. De acuerdo con la variable sexo
que está provocando la heterogeneidad se tiene que formar dos estratos y estos
son:

Estrato 1 (Hombres) Estrato 2 (Mujeres)


𝑵𝟏 = 𝟑𝟎𝟎 𝑵𝟐 = 𝟏𝟎𝟎

Si el tamaño de la muestra es 60, ¿Cómo lo podemos distribuir entre los


estratos?
AFIJACIÓN UNIFORME:

Este tipo de reparto consiste en asignar el mismo número de unidades


muestrales a cada estrato. Este tipo de afijación da la misma importancia a todos
los estratos, en cuanto a tamaño de la muestra, con lo cual favorecerá a los
estratos de menor tamaño y perjudicara a los grandes en cuanto a precisión.
Solo es conveniente en poblaciones de tamaño similar.
Ejemplo: en relación al ejemplo 1 se tiene que el número de estudiantes que se
tiene que seleccionar de cada estrato según al afijación uniforme será de 30 en
cada estrato.
AFIJACIÓN PROPORCIONAL:

Consiste en asignar a cada estrato un número de unidades muestrales


proporcional a su tamaño. Por lo tanto los 𝑛ℎ quedan determinados como:
𝑁1 𝑁2 𝑁ℎ
𝑛1 = 𝑛, 𝑛2 = 𝑛, en general 𝑛ℎ = 𝑛
𝑁 𝑁 𝑁

Ejemplo: con relación al ejemplo anterior, tenemos que


𝑁1 300
𝑛1 = 𝑛= ∗ 60 = 45
𝑁 400
𝑁2 100
𝑛2 = 𝑛= ∗ 60 = 15
𝑁 400
Por consiguiente se seleccionara del estrato 1 (45 varones) y del estrato 2 (15
mujeres)
AFIJACIÓN ÓPTIMA (afijación de Neyman o de mínima varianza)

Consiste en determinar los valores de 𝑛ℎ de forma que para un tamaño de


muestra fijo igual a n la varianza de los estimadores sea mínima.
Para distribuir el tamaño de muestra n entre los L estratos se toma en cuenta el
tamaño de cada estrato y su respectiva variabilidad que está representada
mediante su respectiva desviación estándar.

𝑬𝒔𝒕𝒓𝒂𝒕𝒐 𝑵𝒉 𝒏𝒉 𝑺𝒉
𝟏 𝑁1 𝑛1 𝑆1
𝟐 𝑁2 𝑛2 𝑆2
𝟑 𝑁3 𝑛3 𝑆3
. . . .
. . . .
. . . .
𝑳 𝑁𝐿 𝑛𝐿 𝑆𝐿

Por consiguiente, la formula seria:


𝑵𝒉 𝑺𝒉
𝒏𝒉 = 𝑳 𝒏
∑𝒉=𝟏 𝑵𝒉 𝑺𝒉

Observación: si las desviaciones son iguales entonces la afijación óptima es igual


a la afijación proporcional.
Ejemplo: con relacional ejemplo anterior, supongamos que en un estudio piloto
se determinó la desviación estándar de cada estrato, esto es:

𝑆1 = 20 y 𝑆2 = 14
Entonces
𝑁1 𝑆1 300(20) 6000
𝑛1 = 2 𝑛= ∗ 60 = ∗ 60 = 49
∑ℎ=1 𝑁ℎ 𝑆ℎ 300(20) + 100(14) 7400
𝑁2 𝑆2 100(14) 1400
𝑛2 = 2 𝑛= ∗ 60 = ∗ 60 = 11
∑ℎ=1 𝑁ℎ 𝑆ℎ 300(20) + 100(14) 7400

Por lo tanto se seleccionara del estrato 1 (49 varones) y del estrato 2 (11
mujeres).
MUESTREO SISTEMÁTICO
Definición: Una muestra obtenida al seleccionar aleatoriamente un elemento de
los primeros 𝑘 elementos en el marco y después cada 𝑘 − é𝑠𝑖𝑚𝑜 elemento se
denomina muestra sistemática de 1 en 𝑘.
El muestreo sistemático proporciona una opción útil para el muestreo irrestricto
aleatorio por las siguientes razones:
1. El muestreo sistemático es más fácil de llevar a cabo en el campo, y por
lo tanto, a diferencia de las muestras irrestrictas aleatorias y las muestras
aleatorias estratificadas, esta menos expuesto a los errores de selección
que cometen los investigadores de campo.
2. El muestreo sistemático puede proporcionar mayor información que la que
puede proporcionar el muestreo irrestricto aleatorio por unidad de costo.

La obtención de una muestra sistemática de tamaño n de una población de N


elementos se consigue siguiendo el siguiente procedimiento.
1. Conseguir un listado ordenado de los N elementos de la población.
2. Determinar el tamaño de la muestra n.
3. Definir el tamaño del salto sistemático k dado por k=N/n
4. Elegir un número aleatorio entre 1 y k. este número permite obtener la
primera unidad muestral.
5. A partir del número aleatorio elegido, dando un salto de k unidades,
obtenemos la segunda unidad de la muestra, y de esta forma saltando de
k en k unidades obtenemos el resto de la muestra.

EJEMPLO: si tenemos una población formada por 100 elementos y queremos


extraer una muestra de 25 elementos, en primer lugar debemos establecer el
intervalo de selección que será igual a 100/25=4. A continuación elegimos el
elemento de arranque, tomando aleatoriamente un numero entre 1 y 4, y a partir
del obtenemos los restantes elementos de la muestra.
En ejemplo anterior apreciamos que el tamaño del salto sistemático es un
número entero, ¿pero qué ocurre si este tamaño 𝑘 no es entero?
Una alternativa para solucionar este problema consiste en considerar el listado
ordenado de todos los elementos de la población como circular (es decir el
elemento 𝑁 + 1 coincide con el elemento1). En este caso el procedimiento se
desarrolla de la siguiente manera:

1. Definir el tamaño del salto sistemático, 𝑘, como el entero más cercano a


𝑁/𝑛.
2. Elegir un numero aleatorio 𝑚 entre 1 y 𝑁.
3. Seleccionar los elementos de la lista 𝑚, 𝑚 + 𝑘, 𝑚 + 2𝑘, …

Del ejemplo anterior, supongamos que el tamaño de la población es 110 y


deseamos una muestra de 25 elementos, entonces, elegimos aleatoriamente un
número entre 1 y 110, sea 30 el número elegido, luego k=110/25=4.4 entonces
k=4, así, 30 es el primer número, 34 el segundo número y así sucesivamente
hasta elegir los 25 restantes con la condición de que el elemento que ocupa el
puesto 110 sea igual a elemento que ocupa el puesto 1
MUESTREO POR CONGLOMERADOS

Los métodos presentados hasta ahora están presentados para seleccionar


directamente los elementos de la población, es decir que las unidades
muestrales son los elementos de la población. 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. Las unidades
hospitalarias, los departamentos universitarios, una caja de determinado
producto, etc., son conglomerados naturales. En otras ocasiones se puede
utilizar conglomerados no naturales como, por ejemplo, las urnas electorales.
Cuando los conglomerados son áreas geográficas suele hablarse de “muestreo
por áreas”.
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: en una investigación en la que se trata de conocer el grado de
satisfacción laboral, los profesores de instituto necesitamos una muestra de 700
sujetos. Ante la dificultad de acceder individualmente a estos sujetos se decide
hacer una muestra por conglomerados. Sabiendo que el número de profesores
por instituto es aproximadamente de 35, los pasos a seguir serían los siguientes:
1. Recoger un listado de todos los institutos.
2. Asignar un número a cada uno de ellos.
3. Elegir por muestreo aleatorio simple o sistemático los 20 institutos
(700/35=20) que nos proporcionan los 700 profesores que necesitamos.

Definición: Una muestra por conglomerados es una muestra aleatoria en la cual


cada unidad de muestreo es una colección, o conglomerado, de elementos.
Para finalizar con la exposición de los métodos de muestreo probabilístico es
necesario comentar que ante lo complejo que puede llegar a ser la situación real
de muestreo con la que nos enfrentamos es muy común emplear lo que se
denomina muestreo polietápico. Este tipo de muestreo se caracteriza por operar
en sucesivas etapas, empleando en cada una de ellas el método de muestreo
probabilístico más adecuado.