NOCIONES DE MUESTREO

Lic. Pedro Saenz Rivera saenzconsultor@hotmail.com

DEFINICIN DE TRMINOS:
QU ES UNA MUESTRA?

Es un subconjunto de la poblacin que permite

brindar informacin sobre toda la poblacin.

OBS: -Siempre origina cierto grado de incertidumbre o riesgo. -Deseamos que sea representativa de la poblacin.

DEFINICIN DE TRMINOS:

Marco Muestral: identifica a los elementos de la

poblacin y que puede ser una lista de personas, una relacin de viviendas, un archivo, un plano de una determinada comunidad, etc. El marco debe estar completamente actualizado porque de l se seleccionara la muestra.

RAZONES PARA UN MUESTREO

La muestra puede ahorrar dinero. La muestra puede ahorrar tiempo. Como el proceso de investigacin a veces es destructivo, la

muestra puede ahorrar producto. opcin.

Si el acceso a la poblacin es imposible, la muestra es la nica Mayor precisin que estudiar a toda la poblacin.

Poblaciones muy grandes.

Dispersin geogrfica de la poblacin.

 REQUISITOS QUE DEBE CUMPLIR UNA MUESTRA: a. Ser representativa b. La muestra debe ser viable, es decir que se pueda

recoger en la practica los datos muestrales.

c. Debe ser eficiente: Indica que debemos recolectar

la mayor cantidad de informacin al menor costo posible.

Se podra estar interesado en realizar una encuesta de opinin de la gestin del alcaldesa de Lima. La poblacin estara constituida por todas las personas de ambos sexos de 18 aos o mas de Lima en un determinado periodo. Para ejecutar este estudio se presentan 2 posibilidades: 1.- Estudiar a todos los elementos de la poblacin: Significa que se cuenta con: los recursos econmicos y el tiempo necesario. 2.- Estudiar a un subconjunto de datos, que constituye una muestra. Significa contar con los recursos necesarios.

OPERACIONES BSICAS QUE DEBE TENER EN CUENTA PARA DISEAR UNA MUESTRA: Tamao de la muestra: Depende del tipo de poblacin que se est estudiando, es decir, si la poblacin es homognea de acuerdo con ciertas caractersticas se requerir pocas unidades en la muestra y si la poblacin es heterognea ( es decir, hay presencia de mayor variabilidad en la caracterstica que se esta estudiando). Se requerir de mayor nmero de unidades de muestreo. Seleccin de la Muestra: El proceso de seleccin de la muestra tambin tiene que ver con el tipo de poblacin. Si la poblacin es homognea se requerir un determinado tipo de seleccin y si es heterognea requerir otra forma de seleccin. Estimacin de parmetros: pasar de los estadsticos que se obtienen en una muestra a los parmetros que describen una caracterstica en la poblacin.

Tcnicas de muestreo MUESTREO

El muestreo es el proceso mediante el cual el investigador podr seleccionar las unidades estadsticas o sujetos de estudio a partir de la muestra calculada previamente. Si el muestreo no se realiza con criterio, los resultados de la investigacin no sern vlidos, ya que se pueden cometer errores de sesgo o de imparcialidad al momento de elegir los sujetos o elementos.

Tcnicas de muestreo
Tipos de Muestreo
Probabilstico (Aleatorio) Aleatorio Simple No Probabilstico Accidental

Sistemtico

Por conveniencia

Estratificado Por conglomerados

9

Por cuotas
Bola de Nieve
21/03/2012

Tcnicas de muestreo

Muestreo Probabilstico Tambin se conoce como muestreo aleatorio, la caracterstica de este muestreo es que todos los sujetos de la poblacin de estudio tienen una probabilidad de ser seleccionados para formar parte de la muestra. Muestreo No Probabilstico No toda unidad de poblacin tiene probabilidad de ser seleccionada en la muestra. Los miembros de muestras no aleatorios no son seleccionados al azar. Por ejemplo, podran seleccionarse porque estn en el lugar apropiado en el momento apropiado o porque conocen a las personas que conducen la investigacin.
10

1. Muestreo Aleatorio Simple (MAS) La tcnica ms elemental de muestreo aleatorio es el muestreo aleatorio simple, el cual se puede visualizar como la base para las otras tcnicas de muestreo aleatorio. Con muestreo aleatorio simple, cada unidad del marco se numera del 1 a N (donde N es el tamao de la poblacin). En seguida, se realiza un cuadro con nmeros aleatorios o un generador de nmero aleatorio se utiliza para seleccionar n artculos en la muestra. Un generador de nmeros aleatorios suele ser un programa de cmputo.

11

1. Muestreo Aleatorio Simple (MAS)

12

2. Muestreo Estratificado
Un segundo tipo de muestreo aleatorio es el muestreo aleatorio estratificado, en el que la poblacin se divide en subpoblaciones que no se traslapan y se denominan estratos.

El investigador extrae entonces una muestra aleatoria simple de cada una de las subpoblaciones.

13

2. Muestreo Estratificado
La razn principal para usar muestreo aleatorio estratificado es que sirve para reducir el error muestral. El error muestral se presenta cuando, al azar, la muestra no representa la poblacin. Con muestreo aleatorio estratificado, la representatividad de la muestra de la poblacin es mayor de lo que es con muestreo aleatorio simple porque se toman partes del total de los diferentes subgrupos poblacionales. Desventajas: No obstante, el muestreo aleatorio estratificado es por lo general ms costoso que el aleatorio simple porque a cada unidad de la poblacin se le debe asignar un estrato antes que se inicie el proceso de seleccin aleatoria.

14

3.- Muestreo Sistemtico El muestreo sistemtico es una tercer tcnica muestral aleatoria. A diferencia del muestreo aleatorio estratificado, el muestreo sistemtico no se realiza para reducir el error muestral. Ms bien, el muestreo sistemtico se emplea por su comodidad y relativa facilidad de administracin. Con el muestreo sistemtico, cada ksimo elemento se selecciona para producir una muestra de tamao n de la poblacin de tamao N. Se selecciona individuos del marco muestral a intervalos regulares. Ejemplo 5, 10, 15, 20, 25, ............ Desventaja: Lleva a sesgo de seleccin si el marco muestral est distribuido siguiendo algn patrn particular.
15

3.- Muestreo Sistemtico

16

4. Muestreo por conglomerados El muestreo por conglomerados es un cuarto tipo de muestreo aleatorio. Este comprende un muestreo en reas o grupos que no se traslapan. No obstante, en contraste con el muestreo aleatorio estratificado donde los estratos son homogneos, el muestreo por conglomerados identifica grupos que tienden a ser internamente heterogneos. En teora, cada grupo contiene una amplia variedad de elementos, y el grupo es una miniatura, o microcosmos, de la poblacin. En lugar de individuos se seleccionan conglomerados que estn agrupados de forma natural (cuadras de casas, departamentos, hospitales, provincias, etc.) Se selecciona en primer lugar una muestra de conglomerados, a partir de estos se selecciona un subgrupo. A partir de este subgrupo se selecciona otro subgrupo y as sucesivamente, hasta llegar a las unidades de anlisis.
17

4. Muestreo por conglomerados

18

Ejemplo En una investigacin en la que se trata de conocer el grado de satisfaccin 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 nmero de profesores por instituto es aproximadamente de 35, los pasos a seguir seran los siguientes: 1. Recoger un listado de todos los institutos. 2. Asignar un nmero a cada uno de ellos. 3. Elegir por muestreo aleatorio simple o sistemtico los 20 institutos (700/35=20) que nos proporcionarn los 700 profesores que necesitamos

19

Muestreo No Probabilstico

No existe el criterio de que todos los sujetos tengan una posibilidad de ser elegidos para formar parte de la muestra, ya que en este tipo de muestreo hay uno o ms Criterios de decisin por parte del investigador para que un determinado sujeto pueda o no formar parte del estudio.

20

1. Muestreo Accidental
Se hace sobre la base de la presencia o no, en un lugar y momento determinados. Aunque se parece a un muestreo probabilstico, no todas las personas tienen la misma probabilidad de estar en el momento y lugar donde se seleccionan a los sujetos. Ejemplo: Entrevistar a los primeros 50 transentes que pasan en una calle

21

2. Muestreo por conveniencia

El investigador decide en base a los conocimientos de la poblacin, quienes son los que deben formar parte de la muestra. Se tiene en cuenta los criterios de inclusin y exclusin, los cuales deben estar bien establecidos y se deben cumplir rigurosamente.
Ejemplo: El caso ms frecuente de este procedimiento es el utilizar como muestra individuos a los que se tiene fcil acceso (los profesores de universidad emplean con mucha frecuencia a sus propios alumnos). Un caso particular es el de los voluntarios.

22

3. Muestreo por cuotas

La muestra se selecciona tomando en cuenta caractersticas (variables) especficas de la poblacin. Tiene similitud con el muestreo estratificado solo que en este caso la seleccin dentro de cada cuota (estrato) se hace de manera accidental. Generalmente se usa para encuestas de opinin y mercado. Ejemplo: encuesta de gustos y preferencias en un supermercado

23

4. Muestreo por Bola de Nieve

Se utiliza cuando la poblacin es de difcil acceso por razones sociales (prostitutas, alcohlicos, drogadictos, etc.) En este caso se contacta con una persona del grupo a estudiar, puede ser el lder de una pandilla, el amigo de un colaborador, etc. Y a partir de ste se poco a poco se va llegando a un nmero mayor de individuos. Este tipo se emplea muy frecuentemente cuando se hacen estudios con poblaciones "marginales", delincuentes, sectas, determinados tipos de enfermos, etc.

24

PREGUNTA EN CLASE:
Es actualmente 2013 el grado de formalizacin de la PEA ocupada en el Per muy bajo?. Se desea conocer el porcentaje de trabajadores formales para el 2013. Se dispone de informacin del 2002. Para responder esta pregunta se planea hacer un muestreo, Que elementos de la teora del muestreo identificara usted en este problema, es decir cual seria su poblacin, su muestra, ..etc.

25

TEOREMA CENTRAL DEL LIMITE

El teorema del lmite central hace hincapi en que, en el caso de muestras aleatorias grandes ,la forma de la distribucin muestral de la media se aproxima a la distribucin de probabilidad normal. La aproximacin es ms exacta en el caso de muestras grandes (n30) que en el de muestras pequeas. sta es una de las conclusiones ms tiles de la estadstica . Permite razonar sobre la distribucin de las medias muestrales sin ninguna informacin acerca de la forma de la distribucin de poblacin de la que se toma la muestra. En otras palabras, el teorema del Lmite central se cumple en el caso de todas las distribuciones

TEOREMA CENTRAL DEL LMITE: Si todas las muestras de un tamao en particular se seleccionan de cualquier poblacin, la distribucin muestral de la media se aproxima a una distribucin normal. Esta aproximacin mejora con muestras ms grandes
26

27