Inferest M4 Manual PDF

ESTADISTICAS DE MERCADO
MANUAL DE ESTUDIO- MODULO IV

1

MDULO CUATRO
TCNICAS DE MUESTREO ESTADSTICO

INTRODUCCIN

El principal objetivo de la inferencia estadstica como su nombre lo indica es inferir, es
decir, deducir informacin respecto a las caractersticas desconocidas de la poblacin de
estudio. Para poder describir la poblacin de estudio se realiza un censo, lo cual permite
analizar todos los elementos de una poblacin, sin embargo, esta accin no siempre
puede ser realizada debido a diversos factores tales como: tiempo, costos, materiales, etc.
Para obtener informacin fidedigna de la poblacin se selecciona una muestra que sea
una parte representativa de la poblacin esta debe reflejar las similitudes y diferencias
encontradas en la poblacin ejemplificando las caractersticas de sta.

El estudio de seleccin de muestras representativas para una investigacin se denomina
muestreo.

El muestreo como herramienta de investigacin cientfica tiene como objetivo determinar
que parte de una poblacin debe examinarse, con la finalidad de hacer inferencias sobre
dicha poblacin.

En este mdulo centraremos nuestra atencin al estudio de las Tcnicas de muestreo
Estadstico.

Se comenzar este mdulo definiendo los conceptos bsicos de muestro estadstico, luego
se estudiaran cuatro tcnicas estadsticas de muestreo de mayor uso actualmente siendo
stas, Muestreo Aleatorio Simple, Muestreo Estratificado, Muestreo por Conglomerado y
Muestreo Sistemtico.


2

ESQUEMA GENERAL DEL MODULO

Tcnicas de muestreo Conceptos y definiciones
Muestreo
-Muestro Aleatorio Simple.
-Muestreo Estratificado.
-Muestreo por conglomerado.
-Muestro Sistemtico.
-La importancia del muestro y su aplicacin.
-Elementos de la teora de muestro.
-Ventajas Muestreo vs Censo.
-Tipos de muestro.
-Principales etapas de un estudio por
muestro.


3

OBJETIVO GENERAL

Conocer las tcnicas bsicas de muestro estadstico y su aplicacin.

CONTENIDOS

1. Muestreo
1.1. La importancia del muestro y su aplicacin
1.2. Elementos de la teora de muestro
1.3. Ventajas Muestreo vs Censo
1.4. Tipos de muestro
1.5. Principales etapas de un estudio por muestro

2. Tcnicas de Muestreo
2.1. Muestreo Aleatorio Simple
2.2. Muestreo Estratificado
2.3. Muestreo por conglomerado
2.4. Muestreo Sistemtico


4

1. Muestreo

Conceptos preliminares de Muestreo

Figura 1.1 Poblacin y Muestra

Se define como Poblacin al conjunto de todos los individuos o elementos respecto de los
cuales se desea inferir o de inters para el estudio. La poblacin debe ser bien definida al
iniciar el estudio. Como muestra la Figura 1.1, una muestra es un subconjunto de la
Poblacin. Este subconjunto ser utilizado para, en base a los hallazgos en este conjunto,
proyectar las conclusiones a la poblacin completa.

Para que tenga sentido realizar esta proyeccin, la muestra debe cumplir con ciertas
propiedades. En particular, debe ser representativa de la poblacin, es decir, una
poblacin en tamao pequeo. Para que con una alta probabilidad se den en la muestra
caractersticas semejantes a las de la poblacin, esta muestra debe satisfacer que, todos
los individuos o elementos de la poblacin deben tener la misma probabilidad de
pertenecer a ella. Para lograr esto, en un nivel muy bsico, es necesario escoger la
muestra al azar. Es por esto que se habla de muestra aleatoria.

El objetivo del estudio siempre se refiere a ciertas caractersticas de la poblacin, las
cuales son medidas a los individuos de la muestra. Los individuos o elementos de la
poblacin son las unidades a ser medidas. En ocasiones, la seleccin de elementos
requiere acceder primero a unidades ms grandes que incluyen varios elementos, en este
caso se habla de unidades de muestreo.

El conjunto del cual se extrae la muestra se denomina marco muestral, y consiste de algn
tipo de lista de los elementos de la poblacin. En muchas ocasiones el marco muestral no
es igual a la poblacin, y se puede requerir ms de un marco muestral para acceder a la
poblacin completa. Cuando no existe un marco muestral completo para una poblacin,
ser necesario redefinir la poblacin a la cual se proyectarn las conclusiones.


5

Las caractersticas que se miden a los individuos, se denominan variables. Por ejemplo:

- sueldo (variable) de los obreros de la ciudad (elemento de la poblacin),

- nmero de integrantes (variable) de la familia (elemento de la poblacin),

- postura poltica (variable) de un residente (elemento de la poblacin).

Respecto de las variables, el inters no est centrado en valores particulares medidos en
ciertos individuos, sino en ciertos parmetros o medidas poblacionales de ellas.

Ejemplos

- sueldo de los obreros -> Parmetro: sueldo promedio de todos los obreros de la ciudad.

- nmero de integrantes de la familia -> Parmetro: nmero total de habitantes de la villa.

- postura poltica de los residentes -> Parmetro: porcentaje de los residentes que son de
derecha.

Los parmetros son caractersticas poblacionales de la variable de inters. Por lo general
son desconocidos (se requerira un censo para conocer su valor) pero su valor es fijo o
constante.

Se define como estadstico a una funcin matemtica de los valores de la muestra, por
ejemplo la suma de ellos, el valor mayor, la multiplicacin de ellos, etc. Como la muestra
es aleatoria, es decir, no es fija, puede constar de diferentes elementos, entonces el
estadstico, como depende de ella o se calcula en base a ella, tambin es aleatorio, es
decir, puede tomar diferentes valores.

Existen infinitos estadsticos, tantos como funciones matemticas uno pueda crear; sin
embargo algunos de ellos son de inters, en particular aquellos que de algn modo son
anlogos a los parmetros. A estos estadsticos se les conoce como estimadores. Cada
parmetro tiene asociado un estimador. Finalmente los estimadores son estadsticos que
sirven para estimar un parmetro.

Ejemplos

- Parmetro: sueldo promedio de todos los obreros de la ciudad
-> Estimador: sueldo promedio de los obreros en la muestra.


6

- Parmetro: nmero total de habitantes de la villa
-> Estimador: promedio de habitantes por casa en la muestra multiplicado por el nmero
de casas de la villa.

- Parmetro: porcentaje de los residentes que son de derecha
-> Estimador: porcentaje de individuos de derecha en la muestra.

Naturalmente, al ser estadsticos, los estimadores tambin son aleatorios.
1.1. Importancia del muestreo y su aplicacin

En las empresas se emplean muestras como medio de obtener informacin de diversos
mbitos, por ejemplo en una empresa de estudios de mercado para poder posicionar un
producto especifico que saldr al mercado, se requiere construir un plan de muestreo,
que no es ms que el proceso de seleccin de personas que participarn y de las cuales se
obtendr la informacin requerida del estudio de mercado.
(1).

Sin embargo para que a travs de las muestras sea posible reproducir la realidad con la
precisin que se requiere en cada caso es necesario que el diseo muestral se base en los
principios recogidos de las tcnicas de muestreo.

La teora de muestreo es el estudio de la relacin que existe entre una poblacin y las
muestras que se obtienen de esa poblacin. Esta se emplea en muchos contextos, por
ejemplo, en la estimacin de cantidades poblacionales desconocidas (como la media y la
varianza poblacional), a las que se les conoce como parmetros, a partir de las
correspondientes cantidades muestrales (como la media y la varianza muestral) conocidos
como estadsticos.

La teora del muestreo sirve adems para determinar si las diferencias que se observan
entre dos muestras se deben a variaciones casuales o si son diferencias realmente
significativas. Estas preguntas surgen, por ejemplo, al probar un nuevo suero para el
tratamiento de una enfermedad o cuando se tiene que decidir si un proceso de
produccin es mejor que otro. Para responder estas preguntas se usan las llamadas
pruebas de significacin o pruebas de hiptesis estudiadas en el mdulo 2 y 3.


7

Ejercicio: Busque ejemplos de Aplicaciones de muestreo en el rea financiera y/o
administrativa.

(1)
http://www.stelladominguez.com/2011/03/muestreo/

1.2. Elementos de la teora de muestreo

Para poder estudiar las distintas tcnicas de muestreo estadstico es necesario revisar
algunos conceptos importantes.

a) Muestreo: Es un procedimiento por medio del cual se estudia una parte de la
poblacin llamada muestra, con el objetivo de inferir acerca de los parmetros de
la poblacin a travs de los estadsticos.

b) Censo: Es la enumeracin completa de todos los elementos de la poblacin de
inters.

c) Poblacin: Universo de objetos al cual se refiere el estudio que se desea realizar.
Es decir, es el conjunto de todos los elementos de inters para un determinado
problema.

d) Muestra: Un subconjunto de la poblacin o universo que se selecciona para ser
estudiada. Es necesario obtenerla cuando la poblacin es demasiado grande y no
se puede obtener la totalidad de la informacin, ya sea por el costo, alcance etc.

e) Plan de muestreo: Proceso de seleccin de una muestra para realizar un estudio
de investigacin.

f) Parametro: es una medida que describe alguna caracterstica de la poblacin.

g) Estadstico: es una medida que describe alguna caracterstica de la muestra.

h) Unidad de muestreo: Una unidad de muestreo es el elemento o los elementos
disponibles para su seleccin en alguna etapa del proceso del muestreo.

i) Marco Muestral: Es una lista de unidades muestrales.

j) Elemento: es un objeto sobre el cual se toman las mediciones.


8

k) Observacin: Para que una muestra sea representativa de la poblacin, y por lo
tanto til, debe de reflejar las similitudes y diferencias encontradas en la
poblacin, ejemplificar las caractersticas de la misma. Cuando decimos que una
muestra es representativa indicamos que rene aproximadamente las
caractersticas de la poblacin que son importantes para la investigacin.
Finalmente es cualquier valor cualitativo o cuantitativo asociado a una variable.

Ejemplo

Supongamos que deseamos medir el rendimiento acadmico de todos los alumnos de
cursos con presencialidad del Instituto Profesional Providencia, como programa piloto
slo es posible acceder a la informacin de 5 sedes.

El encargado del estudio se pregunta, como poder escoger un plan de muestreo adecuado
que permita recabar la informacin ms fidedigna del actual rendimiento de los alumnos
de cursos con presencialidad del instituto Profesional Providencia.

Adems se pregunta:

1) A quin deseo generalizar los resultados?
A todos los alumnos de cursos con presencialidad del Instituto Profesional Providencia.
(Poblacin terica)

2) A quin puedo acceder en el estudio?
Alumnos de cursos con presencialidad del Instituto Profesional Providencia de 5 sedes.
(Poblacin estudiada)

3) Cmo puedo acceder a ella?
Numerando los sujetos accesibles (espacio o marco muestral)

4) Quin forma parte del estudio?
Elijo un grupo de los sujetos enumerados (muestra)

5) Cules son las etapas de un plan de muestreo?
Un plan de muestreo consta de 5 etapas: Definir la poblacin objetivo, Identificar las
unidades de prueba, Seleccionar la tcnica de muestreo, Calcular el tamao de muestra,
Ejecutar el proceso de muestreo.


9

1.3. Ventajas Muestreo vs Censo

Ventajas del muestreo
a) Costos reducidos
b) Mayor rapidez para obtener los resultados.
c) Mayor exactitud o mejor calidad de la informacin debido a los siguientes factores:
i) Volumen de trabajo reducido.
ii) Puede existir mayor supervisin en el trabajo.
iii) Se puede dar ms entrenamiento a las personas.

Ventajas del censo
a) Existe una cobertura total
b) Tiene aceptacin pblica
c) No se requiere de grandes conocimientos estadsticos.

Ejercicio: Defina un estudio que requiera realizar en el mbito de su trabajo e identifique
los elementos de la teora de muestreo y conteste en base a los objetivos de su
investigacin las cinco preguntas anteriores.

1.4. Tipos de muestro

Los elementos de una muestra son seleccionados por procedimientos al azar con
probabilidades conocidas de seleccin. Por lo tanto es imposible determinar el grado de
representatividad de la muestra.
Existen dos grandes tipos de muestreo No probabilstico y Probabilstico.
El muestreo no probabilstico no representa fielmente a la poblacin ya involucra juicios
de valor arbitrarios en la seleccin de la muestra. Se usa normalmente en instigaciones
exploratorias, estudios piloto, llamados de opinin, etc.

Dentro de los tipos de muestreo no probabilstico, podemos mencionar los siguientes:
I. Muestreo por Juicio, Seleccin experta o Seleccin intencional
El investigador toma la muestra seleccionando los elementos que a l le parecen
representativos o tpicos de la poblacin, por lo que depende del criterio del investigador.

II. Muestreo casual o fortuito.
Se usa en los casos que no es posible seleccionar los elementos, y deben sacarse
conclusiones con los elementos que estn disponibles. Por ejemplo: en el caso de
voluntarios para pruebas de medicamentos de enfermedades como el corazn, cncer,
etc.


10

III. Muestreo de poblaciones mviles.
Este tipo de muestreo utiliza mtodos de captura, marca y recaptura. Se utiliza en el
estudio de migracin de poblaciones de animales y otra caracterstica.

IV. Muestreo probabilstico, aleatorio, o estocsticos.
a) Existe la posibilidad de definir inequvocamente un conjunto de muestras M
1
, M
2
, ,
M
t
mediante la aplicacin del procedimiento a una poblacin. Esto significa que
podemos indicar cuales unidades de muestreo pertenecen a M
1
, M
2
, y as
sucesivamente.
b) A cada posible muestra M
i
se le asigna una probabilidad conocida de seleccin P
i
.
c) Seleccionamos una de las M
i
por un proceso mediante el cual, cada M
i
tiene una
probabilidad P
i
de ser seleccionada.
d) El mtodo de estimacin se realiza sobre la base de la muestra, siendo el nico para
cualquiera de las posibles muestras M
i
.

Ejercicio: Defina un ejemplo adhoc a su empleo para cada uno de los muestreos no
probabilsticos.

En el muestro probabilstico cada elemento de la poblacin tiene la misma probabilidad
de ser seleccionado para participar en el estudio. Este tipo de muestreo favorece el
anlisis estadstico porque permite calcular el margen de error, el intervalo de confianza y
representa con mayor precisin a la poblacin, por lo que se considera una muestra
heterognea.
(1)

Los tipos de muestreo probabilstico que estudiaremos son:

a) Muestreo Aleatorio Simple
b) Muestreo Estratificado
c) Muestreo por Conglomerado
d) Muestreo Sistemtico

1.5. Principales etapas de un estudio por muestro

Las principales etapas de un estudio por muestro son:

Definicin del objetivo
Esta etapa comprende la identificacin del problema y el establecimiento de las metas del
estudio.


11

Definicin del marco de muestreo
El marco de muestreo es el conjunto de las unidades de muestreo que constituyen una
poblacin. Este generalmente puede ser de dos tipos:
a) Marco lista: es una lista depurada (sin traslapes o duplicaciones) que permite
identificar a cada unidad de muestreo. Por ejemplo, una lista que contenga el nombre
de todos los proveedores de remolacha de la IANSA. Es recomendable que adems de
identificar a cada unidad muestral, incluya algunas otras caractersticas de inters,
por ejemplo tamao del predio de cada proveedor, etc.
b) En el plano o mapa que permite identificar pequeas reas usadas como unidades de
muestreo en las que se ha dividido el rea total.

Variables a medir y mtodos de medicin
Es importante considerar el tipo de variable a medir, por ejemplo: si se va estudiar el
rendimiento de la remolacha para producir azcar, la variable es de tipo continuo, si
interesa estimar la proporcin de agricultores que utilizan herbicidas para el control de la
maleza, se medir una variable binomial. El tipo de variable a medir ayuda a definir el
esquema o tipo de muestreo.
Tipo o esquema de muestreo
Existen actualmente una gran variedad de tipos o esquemas de muestreo que han sido
desarrollados para diferentes situaciones, entre los ms utilizados estn: muestreo
aleatorio simple, muestreo estratificado, muestreo sistemtico, muestreo por
conglomerados.

Determinacin del tamao de muestra
Este punto lo describiremos ms adelante, y depende de que deseamos estimar y el
esquema de muestreo a utilizar.

Seleccin de las unidades de muestreo
Consiste en extraer unidades muestrales de una poblacin de tamao .

Premuestreo o muestra piloto y pruebas de campo
En un estudio, es conveniente someter el mtodo a una prueba previa por las siguientes
razones:
a) Algunas veces es imprescindible realizar un premuestreo para tener una estimacin
preliminar de la variabilidad de la poblacin.
b) Verificar la funcionalidad de un mtodo de muestreo.
c) Estimar los costos.
d) Conocer la eficiencia de la organizacin del trabajo de campo.
e) Captar la aceptacin, rechazo o dificultad para obtener la informacin.


12

Organizacin en el trabajo de campo
Incluye la capacitacin del personal y toda la informacin necesaria para obtener la
informacin buscada.

Anlisis y edicin de los resultados
Puede consistir slo en la presentacin e interpretacin de distribuciones simples,
tabulaciones, grficas o puede considerar un anlisis estadstico ms complejo como
estimacin, pruebas de hiptesis, etc.

2. Tcnicas de Muestreo

No en todos los casos el diseo del muestreo es el mismo, en efecto hay varios tipos de
muestreo. La seleccin del diseo a utilizar se basa en la estructura de la poblacin, si
est constituida o no de subgrupos, el grado de heterogeneidad de stos y la accesibilidad
de los elementos, etc.

A continuacin se mencionan las definiciones bsicas de los tipos de muestreos que
estudiaremos en este curso.

1) Muestreo Aleatorio Simple (M.A.S.)
La poblacin no presenta subgrupos o estos son desconocidos para el investigador y la
variable a ser medida en ella tiene un comportamiento relativamente homogneo.

Ejemplo
Interesa estudiar la postura poltica de los mineros de Lota, los cuales son todos
varones. Se realiza un empadronamiento y se selecciona una muestra al azar de mineros
de dicha lista.

2) Muestro Aleatorio Estratificado (M.A.E.)
La poblacin presenta subgrupos llamados estratos que, respecto de la variable medida,
tienen la caracterstica de ser heterogneos entre ellos (diferentes) y homogneos dentro
de ellos. La estratificacin agrupa a los individuos con aquellos similares a ellos.

Ejemplo
Interesa estudiar los sueldos de la totalidad de los trabajadores de un hospital. Estos
individuos se pueden estratificar por estamento. Para ello se establecen los tamaos de


13

cada estamento (
mdicos,

enfermeros,
auxiliares de enfermera,

otros
profesionales de la salud,

administrativos,

auxiliares de limpieza,
guardias, y se
seleccionan muestras en cada uno, de tamaos proporcionales,
, tales que

, y

Para todo .

3) Muestreo por Conglomerados (M.C.)
La poblacin presenta subgrupos llamados conglomerados que, respecto de la variable
medida, tienen la caracterstica de ser heterogneos dentro de ellos (variados
representando cada conglomerado a una poblacin en miniatura) y homogneos entre
ellos (los conglomerados son semejantes entre ellos de modo que da lo mismo seleccionar
uno u otro). Adems, existen problemas de acceso a los elementos, y la seleccin de
conglomerados los soluciona, en muchas ocasiones los conglomerados son unidades de
muestreo.

Ejemplo
Se conduce un estudio de la necesidad de un centro abierto para nios en una poblacin
que est compuesta de 50 edificios de departamentos. Interesa obtener una muestra del
10% de las familias, para lo cual se seleccionan al azar 5 de los 50 edificios y luego se
realiza la consulta en todos los departamentos de los edificios en la muestra.

4) Muestreo Sistemtico (M.S.)
La poblacin no presenta subgrupos o estos son desconocidos para el investigador y la
variable a ser medida en ella tiene un comportamiento relativamente homogneo.
Adems se cuenta con un marco muestral completo ordenado en el cual los individuos
estn numerados o pueden numerarse fcilmente. Finalmente, el ordenamiento en el
marco muestral no guarda relacin con la variable de inters, en el sentido de que no se
observa algn tipo de patrn, por ejemplo cclico, en ellos.

Ejemplo
Se desea estudiar el rendimiento de los estudiantes de primer ao de cierta
Universidad, los cuales estn ordenados en un listado en orden alfabtico. La muestra
corresponder a un 5% de la poblacin ( ). Esto significa que se seleccionar en
forma sistemtica uno de cada individuos, es decir:


14

Para definir el nmero inicial, se selecciona un nmero al azar entre 1 y , sale
elegido el nmero 16. El primer individuo en la muestra es el que corresponde en la lista al
16. A partir de este nmero se salta cada vez 20 para elegir el que sigue, es decir, se
escoge a los individuos nmero 16, 36, 56, 76, 96, 116, ... , 4.896.

Diseo del Muestreo

El objetivo del muestreo es la estimacin de parmetros de la poblacin.

La estimacin se basa en la informacin muestral. La precisin de esta estimacin es
determinada por el investigador como el error mximo de estimacin .

|
|

La probabilidad de que la estimacin tenga un error que no supere a esta cota se
denomina nivel de confianza.

( ) (|
| )

Como se vio anteriormente, si consideramos (
), y

El tamao de muestra es grande, o la distribucin es normal, se tiene que la
probabilidad es

El tamao de muestra es pequeo, se tiene que la probabilidad es

Note que la cantidad (
), corresponde al error de muestreo, lo cual es muy

diferente del error de medicin.

Observacin Importante: En este curso no profundizaremos en la estimacin de
parmetros por cada muestreo sino ms bien los conceptos previos relacionados con el
proceso de muestreo.


15

Intervalos de Confianza

Una forma general de escribir un Intervalo de Confianza de probabilidad o nivel
para (las cotas que probablemente contengan al parmetro), es la siguiente:

[
] [
)]

Tamao de la Muestra

Cada elemento de la poblacin contiene una cierta cantidad de informacin relativa a ella,
a las variables en juego, a sus distribuciones y a sus parmetros; sin embargo cada unidad
muestreada implica un costo, lo que motiva la determinacin del mnimo tamao
muestral que permita el logro de los objetivos de la estimacin (precisin y confianza
deseadas), dada la variabilidad (desviacin estndar del estimador) existente y el tamao
de la Poblacin.

De estos factores, dos son propios del problema y no se pueden alterar (variabilidad,
tamao de la poblacin), mientras que los otros dos son definidos por el investigador
(precisin y confianza).

El ideal es que se pueda contar con que las mediciones hayan sido realizadas en forma
exacta. En caso contrario, se habla de error de medicin. Este tipo de error debe
minimizarse.

2.1. Muestreo Aleatorio Simple (M.A.S.)

El muestreo aleatorio simple es la forma ms sencilla de muestreo de probabilidad y
proporciona la base terica de las formas ms complejas.

Existen dos formas de extraer una muestra aleatoria simple: con reemplazo, donde la
misma unidad se puede incluir ms de una vez en la muestra, y sin reemplazo donde
todas las unidades de la muestra son distintas.

Una muestra aleatoria simple con reemplazo, de tamao , obtenida de una
poblacin de unidades se puede pensar como la extraccin de muestras
independientes de tamao 1. Una unidad se extrae al azar de la poblacin con
probabilidad
. Luego se devuelve a la poblacin y se extrae una segunda unidad


16

con probabilidad
. Este procedimiento se repite hasta que la muestra tiene

unidades.

Una muestra aleatoria simple sin reemplazo, de tamao se elige de modo que
cada subconjunto posible de unidades distintas tienen la misma probabilidad de
ser elegida en la muestra.

Una vez elegida una muestra interesa estimar puntualmente o por intervalos los
parmetros de la poblacin.

Consideremos, por ejemplo, que se quiere estimar la longitud promedio de una cohorte,
para obtener un estimador insesgado de esta longitud promedio, la muestra debe
corresponder a una muestra aleatoria, es decir, cualquier objeto de la poblacin a
examinar debe tener la misma probabilidad de ser muestreado.

Recordemos que un estimador es insesgado si las rplicas de estos estimadores slo se
desvan del verdadero valor en forma aleatoria, es decir, si (
) . El valor verdadero
es el valor del parmetro. Un estimador es sesgado si se desva del valor verdadero en
forma sistemtica. Con un estimador insesgado podemos aproximarnos al valor verdadero
tanto como queramos, aumentando el tamao de la muestra. Con el estimador sesgado,
siempre habr una desviacin entre el verdadero y el estimado, y la desviacin es
independiente del tamao de la muestra.

Anlisis de Caso 1

Supongamos que queremos la longitud promedio de la cohorte que no desve ms del 7%
de la longitud promedio verdadera y que adems se necesita una certeza del 95%. Es
decir, se precisa que los lmites de confianza al 95%, no se desven ms del 7% del
promedio estimado .

A partir del intervalo de confianza para la media de una distribucin normal se tiene:

Varianza conocida
]

Varianza desconocida
[
]


17

Asumiendo varianza desconocida, la desviacin
debiera tener un valor mximo

de , o bien

Se define entonces
donde es el error mximo relativo

Despejando el tamao de la muestra se obtiene:

[

Donde es el error mximo de estimacin

Observacin: Para estimar el tamao de muestra necesitamos conocer la desviacin
estndar muestral la que se puede estimar de una muestra piloto o de alguna
informacin anterior.

Ejemplo

Considerando el Caso 1 con un nivel de confianza del 95%.

a) Determine el error mximo relativo usando como estimadores y
; para una muestra de tamao .

b) Evalu el comportamiento del error mximo relativo para distintos tamaos de
muestra dados por la tabla.

6 7 8 9 10
11 21 31 41 51
61 71 81 91 101
111 121 131 141 146

c) Realice el grfico error relativa (eje Y) versus tamao de muestra (eje X).


18

d) Comente que observa del grfico.

Desarrollo

a) El error mximo relativo sustituyendo , y est dado por:

b) Haciendo uso de Excel se obtendrn los valores de la estadstica para los
diferentes grados de libertad en base a la probabilidad.

c)


19

d) Observaciones

-Ntese que se ha ganado relativamente poco al incrementar n cuando . Pero
al aumentar de , se ha reducido el error relativo.

-Si se pueden obtener muestras aleatorias insesgadas, no hay problema en estimar el
tamao de la muestral requerido para cualquier error pre especificado.

-Sin embargo, generalmente las muestras son sesgadas de un modo u otro. Por
ejemplo si los peces pequeos pueden escaparse a travs de red, se puede obtener
una sobreestimacin de la talla promedio de la poblacin de peces estudiada. (Este es
un ejemplo de sesgo). Por otro lado tambin puede suceder que los peces ms
grandes naden ms rpido que la red que es arrastrada y por lo tanto de esta forma
evitan ser capturados, en este caso se obtiene otro tipo de sesgo.

Idea fundamental del Muestreo Aleatorio Simple

La idea fundamental del muestreo aleatorio simple es que, en la eleccin de una muestra
de unidades, todas las posibles combinaciones de unidades tienen la misma
posibilidad de ser seleccionada de la poblacin de tamao .

Sea (
) una muestra aleatoria de tamao extrada de una poblacin

de tamao , entonces el nmero de muestras posibles es:

(
( )

La probabilidad de escoger alguna de estas muestras es:
()
)

Recordemos (
) que corresponde al total de combinaciones posibles de escoger una

muestra de elementos a partir una poblacin tamao .


20

Ejercicio
Se desea realizar un estudio para conocer la opinin de las personas mayores de 18 aos
con respecto a la reforma tributaria. La investigacin solo quiere escoger 7 regiones para
realizar el estudio.

a) Cuntas posibles muestras de 7 regiones se
puede obtener?
b) Cul es la probabilidad de escoger alguna de las
muestras?
c) Genere 3 muestras aleatorias simples de 7
regiones.

http://www.leychile.cl/Consulta

Notaciones y definiciones.

Como ya se indico, el muestreo se realiza con frecuencia para estimar ciertos parmetros
poblacionales. A continuacin se dan notaciones y definiciones de ellos en M.A.S.

Poblacin Muestra
Tamao
Total

Media

Proporcin

Varianza

Varianza insesgada

x


21

Caractersticas del muestreo aleatorio simple

a) Cada uno de los elementos de la muestra, se selecciona aleatoriamente uno por otro.
b) Todos los elementos de la poblacin tiene la misma probabilidad de ser incluidos en la
muestra.

Estimacin del tamao de muestra para

Deseamos estimar la media poblacional
mediante la media muestral , con un error

mximo admisible de B y con un con un coeficiente de confianza de es decir:

(|
| ) , pero sabemos que para
se tiene:

(
|
|
()

)

Despejando se tiene que
(|
())

As,

()

Con
() ( )

As, el tamao de muestra


22

Donde:

Tamao de la muestra
Tamao de la poblacin
: Variable estandarizada de la distribucin normal.
Varianza de la muestra
Error de estimacin

Generalmente es necesario hacer un premuestreo de por lo menos 30 elementos o un
10% de la poblacin, con el objetivo de hacer una primera estimacin de
.

Haciendo

Se obtiene que,

Notar que cuando es muy grande se aproxima a
. A
se le conoce como tamao

de muestra para poblacin infinita.

Ejemplo

En un lote de frascos para medicina, con una poblacin de 8000 unidades, se desea
estimar la media de la capacidad en centmetros cbicos de los mismos.

A travs de un premuestreo de tamao 35 se estim que la desviacin estndar es de 2
cm
3
. Si queremos tener una precisin de 0,25 cms
3
, y un nivel de significacin del 5%.

De qu tamao debe ser la muestra?


23

Solo faltaran muestrear 203 frascos, pues los datos de los 35 frascos del premuestreo
siguen siendo vlidos.

Estimacin del tamao de muestra para el total

Para estimar el tamao de la muestra , en este caso con error mximo de muestreo
admisible y coeficiente de confianza se procede como se hizo en el caso anterior.

(

Con

Estimacin del tamao de la muestra para Proporcin

Si
{

Entonces

Para estimar el tamao de la muestra n, en este caso con error mximo de muestreo
admisible e y coeficiente de confianza basta reemplazar el valor de la varianza en
la frmula:

(

Con


24

Observacin. Si no se tienen antecedentes de , utilizar
, as
. En caso contrario tomar una muestra piloto como se indic anteriormente.

Ejemplo

Se desea determinar el tamao de muestra para estimar mediante un intervalo de
confianza del 95% la proporcin de recetas que no utilizan productos animales de las
1.251 recetas publicadas en el sitio Web del Chef Carlo Von Mhlenbrock, considerando
un error de 0,03 en la estimacin.

Solucin

Calculamos

El tamao de muestra, ignorando la correccin para poblaciones finitas, es grande al
compararlo con el tamao de la poblacin, as es que en este caso ajustamos segn la
correccin indicada para poblaciones finitas.

Calculamos


25

2.2. Muestreo Estratificado

La eleccin del diseo de muestreo depende de factores relativos a la estructura de la
poblacin. En este captulo abordaremos el caso en el cual la poblacin est compuesta de
grupos que son heterogneos entre ellos respecto de la variable de inters, pero que
presentan un comportamiento homogneo de la variable dentro de ellos. Estos grupos se
conocen como Estratos.

En estos casos se suele utilizar el mtodo conocido como Muestreo Aleatorio
Estratificado, el cual consiste en la seleccin de muestras aleatorias simples
independientes dentro de los subgrupos o Estratos.

La utilizacin del Muestreo Aleatorio Estratificado (MAE) permite reducir la variabilidad
total del estimador utilizado, ya que sta depende de la variabilidad de la variable de
inters, la cual es baja dentro de los grupos. Como sabemos, la variabilidad del estimador
incide en el error de estimacin, de modo que se obtendr una estimacin mucho ms
precisa.

Ventajas de la Estratificacin
Por supuesto, la estratificacin se realiza debido a sus ventajas y cuando stas lo ameritan.
Algunos de estos beneficios son:

1) Mayor precisin: Para un mismo tamao muestral, la estratificacin produce un lmite
ms pequeo para el error de estimacin que el que se generara a partir de un MAS. Este
resultado es ms efectivo mientras ms homogneos sean internamente los estratos, es
decir, mientras ms adecuada y necesaria sea la estratificacin.

Por ejemplo, estratificar por sexo en un estudio relacionado con el peso reducir
notablemente la variabilidad; en un estudio relacionado con sueldos, si se cree que existe
discriminacin al respecto.

2) Reduccin de costos: La estratificacin en grupos convenientes permite reducir los
costos monetarios y temporales de la recoleccin de datos.

Por ejemplo, si se trata de individuos que viven en diferentes sectores, organizar el
proceso de recoleccin en cada sector por separado resulta ms econmico.

3) Estimaciones para los estratos: La estratificacin permite, a la vez que estimar respecto
del grupo total, obtener estimaciones de los estratos mismos. Cuando stos son grupos de
inters, estos resultados resultan muy tiles. Si la estratificacin es por grupos


26

socioeconmicos, ser mucho ms til contar con las mediciones para cada grupo
particular que para el grupo total.

Proceso de Estratificacin
El proceso de estratificacin es un diseo de muestreo en etapas. Una vez que se ha
determinado que el MAE es el diseo ms adecuado, las etapas son las siguientes:

1) Definicin de Estratos: Definir claramente los estratos existentes en la poblacin, de
modo que cada elemento de la poblacin pertenezca a un estrato y slo a un estrato.

2) Tamao de los Estratos: Determinar o estimar el tamao de cada estrato
,
donde naturalmente el tamao de la poblacin es la suma de los tamaos de los estratos:

3) Tamao muestral: Determinar el tamao muestral total y por estrato es un proceso que
se realiza de diferentes formas, las cuales sern mencionadas ms adelante.

4) Seleccin de la muestra: Seleccionar la muestra dentro de cada uno de los estratos en
forma independiente mediante un diseo de MAS.

Estimadores e intervalos

El objetivo de este diseo de muestreo es la estimacin de parmetros de la poblacin y
de los estratos. Los estimadores son insesgados y, dependiendo de las prioridades
establecidas, de varianza mnima o con costo mnimo. Dependiendo de si el tamao
muestral por estrato es grande o pequeo, se generan intervalos con nivel de confianza
95% 75%, respectivamente.

Para las estimaciones, es necesario precisar la notacin por estratos. Las medias,
desviaciones estndar y proporciones para las muestras del i-simo estrato se denotan,
respectivamente, por
; mientras que los respectivos parmetros se denotan por
.

En ocasiones se cuenta con poca informacin previa, lo cual dificulta la estimacin de las
desviaciones estndar. En estos casos se puede usar la siguiente regla:


27

Tambin se contar con estimaciones para el caso en que los tamaos de los estratos son
muy grandes respecto de las muestras (
para todos los estratos) y para el caso en

que no es as (
para algn estrato)

2.3. Muestreo por conglomerados

Existen ocasiones en las cuales la poblacin a estudiar es de difcil acceso e incluso no se
conoce su tamao ni se dispone de un marco muestral; sin embargo, existen muchos
pequeos grupos dentro de ella que no deberan diferir mayormente entre ellos (respecto
de la variable de inters) y que, por otra parte, si se encuentran al menos listados en
alguna parte, por lo cual si se considerara como unidad de muestreo a estos grupos sera
ms sencillo realizar el muestreo. En estos casos es conveniente realizar un muestreo por
conglomerados.

Definicin de Conglomerado

Es importante diferenciar con claridad un conglomerado de un estrato. Como vimos
anteriormente, los estratos son subconjuntos de la poblacin que son (dentro de ellos)
relativamente homogneos respecto de la variable de inters, pero diferentes unos de
otros (heterogneos entre ellos). En esos casos, cada estrato es abordado como una
poblacin distinta al momento de disear el muestreo y es muy importante que todos
ellos sean representados en la muestra, precisamente debido a sus diferencias.

Por el contrario, cuando hablamos de conglomerados, estamos frente a subconjuntos de
la poblacin con caractersticas tales que entre ellos son muy similares (homogneos),
pero donde la diversidad se presenta dentro de ellos (heterogneos).

En estos casos cada uno de los conglomerados es una pequea copia de miniatura de la
poblacin. De este hecho se deriva que:

- Debido a su heterogeneidad interna, la totalidad del conglomerado aporta
informacin sobre la poblacin completa, de modo que es conveniente incluirlos
ntegramente en la muestra. En esto difiere notablemente del muestreo
estratificado, donde la similitud interna no hace necesario incluir los estratos
completos, bastan algunas unidades para representarlos.


28

- Debido a su tamao, el cual generalmente es reducido, pocos conglomerados no
son, en general, suficientes para realizar las estimaciones. Los estratos tienden a
ser de mayor tamao.

- Debido a su similaridad, la inclusin de uno u otro en la muestra es equivalente,
por lo cual se puede seleccionar al azar a algunos de ellos. En el caso del muestreo
estratificado, por el contrario, todos los estratos deben estar representados, pues
corresponden a diferentes realidades.

Utilizacin del muestreo por Conglomerados

El muestreo por conglomerados se utiliza cuando:

- No existen estratos claramente definidos, o bien se est muestreando dentro de
ellos (en cuyo caso los estratos se estn tratando como si fueran poblaciones).

- La poblacin es grande y est conformada por pequeos subconjuntos con las
caractersticas de conglomerados.

- Puede que no se cuente con un marco muestral.

- Se cuenta con una lista o marco de los conglomerados.

- Las distancias entre las unidades hacen que se pueda reducir notablemente los
costos si, en lugar de acceder a unidades escogidas aleatoriamente en la poblacin
se accede a todas las unidades de un grupo de conglomerados elegidos al azar.

Notacin

Al seleccionar una muestra por conglomerados, la unidad de muestreo es el
conglomerado, por lo que se elige al azar un nmero de n conglomerados desde una
poblacin de conglomerados, la cual se encuentra ordenada y numerada en un marco
muestral, el cual en muchos casos es un mapa (manzanas por ejemplo).

Es as como en este caso el nmero de individuos en la muestra corresponde a la suma de
todos los individuos en los conglomerados seleccionados.

Se denota por
al nmero de elementos o individuos en el i-simo conglomerado de la

poblacin, se denota por al nmero total de individuos en la poblacin (valor


29

desconocido) y por
al tamao promedio de los conglomerados en la poblacin (tambin

desconocido):

y .

Por otra parte, se denota por al tamao promedio de los conglomerados en la muestra
(valor que se puede observar):

Ahora bien, el total de la variable medida en los individuos del conglomerado i-simo se
denota por y
i
, y corresponde a la suma de las mediciones en el conglomerado, de donde el
promedio de la variable y estimador de la media corresponde a la suma de totales dividida
por la suma de los tamaos. El total de la poblacin, por su parte, sale de multiplicar el
promedio por el nmero de individuos en la poblacin.

2.4. Muestreo Sistemtico

Existen ocasiones en las cuales la muestra a seleccionar y la poblacin son muy grandes,
por lo cual seleccionar una muestra aleatoria simple resulta largo. Tambin en muchas
ocasiones se cuenta con un marco muestral ordenado. En estos casos resulta mucho ms
sencillo considerar un mtodo que en muchos casos es equivalente al muestreo aleatorio
simple en cuanto a precisin, pero que en trminos de facilidad para obtener la muestra
resulta muchsimos ms sencillo, y se trata del muestreo aleatorio sistemtico

Obtencin de la muestra
Para seleccionar una muestra aleatoria sistemtica de tamao n desde una poblacin de
tamao , la cual se encuentra ordenada y numerada en un marco muestral:

- Se obtiene la frecuencia
.

- Se elige un nmero al azar entre , digamos .

- La muestra consiste de los valores:

- En este caso se habla de una muestra sistemtica de .


30

Por ejemplo, si y , entonces
Supongamos que al
elegir un nmero al azar entre 1 y 9, se obtiene el valor ; entonces el primer valor
de la muestra es 6 y los dems valores se obtienen sumando sucesivamente 9 hasta
completar los valores, correspondientes a los individuos numerados como: 6, 15,
24, 33, 42, 51, 60, 69, 78, 87, 96, 105, 114. Esta es una muestra sistemtica de 1 en 9.

Utilizacin del muestreo sistemtico

El muestreo sistemtico lleva a resultados absolutamente equivalentes a los del muestreo
aleatorio simple si la poblacin se encuentra ordenada y numerada en un marco muestral
en el cual el orden no guarda relacin con la variable de inters.

En este caso, tanto el tamao muestras, como las estimaciones, sus errores estndar y los
errores de estimacin coinciden con el muestreo aleatorio simple.

Tipos de poblacin

Para clasificar las poblaciones, nos referiremos al marco muestral. Este puede ser de tres
tipos, respecto del orden de las unidades y el valor medido:

a) Aleatorio: las unidades no siguen ningn patrn en el marco muestral. En este caso no
existe ninguna diferencia terica entre muestreo aleatorio simple y sistemtico, aunque la
seleccin es ms sencilla.

b) Ordenado: las unidades en el marco muestral se encuentran ordenadas en forma
creciente respecto de la variable de inters (Figura 2.4.1): en este caso, dada la
uniformidad con que es seleccionada la muestra, se ven representados en forma casi
equitativa todos los posibles valores de la variable de inters, por lo cual la precisin de la
estimacin es mayor a la del muestreo aleatorio simple, es decir:

-El tamao muestral requerido es menor.
-El error estndar es menor.
-El error de estimacin es menor.


31

Figura 2.4.1: Muestreo sistemtico en marco muestral creciente

c) Peridico: las unidades en el marco muestral se encuentran ordenadas de tal manera
que los valores de la variable varan en forma cclica con respecto de la variable de inters
(Figura 2.4.2): en este caso, dependiendo del punto inicial y de la frecuencia, diferentes
muestras arrojan estimaciones muy diferentes y por lo tanto la variabilidad es muy
grande, mayor a la del muestreo aleatorio simple y por lo tanto la precisin de la
estimacin es inferior, es decir:

-El tamao muestral requerido es mayor.
-El error estndar es mayor.
-El error de estimacin es mayor.


32

Figura 2.4.2: Muestreo sistemtico en marco muestral cclico

Entonces es claro que, cuando existe algn comportamiento de tipo cclico en la variable,
el muestreo sistemtico debe evitarse, a menos que se utilicen tcnicas correctivas:

Cada cierta cantidad de unidades se elige un nuevo valor inicial.

Ejemplo

. El primer valor elegido al azar entre 1 y 9 es
, se elige entonces 6, 15, 24, luego entre los valores 25 a 33 se elige un valor al azar,
supongamos que es c = 26, entonces se agrega a la muestra 26, 35, 44; en este punto se
elige otro valor inicial entre 44 y 52, supongamos que sale escogido el valor 50, entonces
se agrega el 59 y 68. Ahora se elige un valor al azar entre 69 y 77, supongamos que sale el
73, se agrega entonces el 82 y 91. Se elige un ltimo valor inicial entre 92 y 100 y
supongamos que sale el 94. Al sumarle 9 se obtiene 103, es decir nos pasamos en 3.
Empezando de nuevo se debe agregar el valor 3. La muestra final seleccionada son los
individuos numerados: 3, 6, 15, 24, 26, 35, 44, 50, 59, 68, 73, 82, 91.

Se toman muestras sistemticas con rplicas, es decir, en lugar de una muestra
sistemtica se toman varias con diferentes puntos iniciales.


33

Ejemplo

, se toman 4 rplicas, es decir, cada una tiene
datos.
. Los cuatro valores iniciales se eligen al azar entre 1 y 33.

Supongamos que sale el 2, el 31, el 14 y el 22. Entonces las rplicas de las muestras
contienen a los individuos numerados con los valores: 2, 35, 68; 31, 65, 98; 14, 47, 80; 22,
55, 88.

Correcciones en el tamao muestral

Dependiendo de la relacin que guarden los valores en la muestra sistemtica, se
obtienen valores alternativos del tamao muestral, en base a la expresin siguiente:

( )

Una forma para estimar el valor de es la siguiente:

( )

donde

es la varianza de la poblacin, la cual se puede estimar mediante una muestra
piloto aleatoria simple o bien obtener de estudios anteriores, y donde es la varianza
obtenida a partir de la muestra aleatoria sistemtica. Claramente la estimacin de se
obtiene en forma posterior a la toma de la muestra sistemtica, por lo cual ser til para
un estudio posterior. Algunas ayudas, si an no se cuenta con un valor de , son las
siguientes:

- Si los valores obtenidos en la muestra son muy parecidos, sin embargo, la
variabilidad de la poblacin es mucho mayor que la de la muestra, se evidencia que
existe un comportamiento cclico o peridico. En este caso la correlacin de la
muestra es grande, y por lo tanto crece.

- Si los valores obtenidos en la muestra estn ordenados de menor a mayor o al
revs, ocurre que los valores son cada vez ms diferentes y la variabilidad de la
poblacin es igual a la de la muestra. En este caso se evidencia un comportamiento
ordenado y en este caso la correlacin de la muestra es negativa aunque cercana a
0, y por lo tanto decrece.

- Si los valores obtenidos en la muestra varan sin un patrn y la variabilidad de la
poblacin es igual a la de la muestra, se trata de un comportamiento aleatorio, y


34

en este caso la correlacin de la muestra es y el tamao de la muestra es el
mismo que en el caso del muestreo aleatorio simple.

GLOSARIO DE TERMINOS

Ayuda de memoria
-Elemento: Objeto al cual se le pueden tomar (y eventualmente se le toman) las
mediciones.
-Poblacin: Coleccin de elementos acerca de los cuales se desea realizar inferencias.
Unidades de muestreo: Colecciones no traslapadas de elementos que cubren la poblacin
completa.
-Marco muestral: Lista de unidades de muestreo.
-Muestra: Una coleccin de unidades seleccionadas de uno o de varios marcos muestrales.

BIBLIOGRAFIA

1. Canavos, G., Probabilidad y Estadstica. Aplicaciones y Mtodos. (Mac Graw Hill).
2. Apuntes, Departamento de Estadstica, Universidad de Concepcin.
3. Devore, J., Probabilidad y Estadstica para ingeniera y ciencias. (THOMSON).

Inferest M4 Manual PDF

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Inferest M4 Manual PDF

Hochgeladen von

Copyright:

Verfügbare Formate

ESTADISTICAS DE MERCADO

MANUAL DE ESTUDIO- MODULO IV

), corresponde al error de muestreo, lo cual es muy

. Luego se devuelve a la poblacin y se extrae una segunda unidad

. Este procedimiento se repite hasta que la muestra tiene

debiera tener un valor mximo

donde es el error mximo relativo

) una muestra aleatoria de tamao extrada de una poblacin

) que corresponde al total de combinaciones posibles de escoger una

mediante la media muestral , con un error

| ) , pero sabemos que para

: Variable estandarizada de la distribucin normal.

se le conoce como tamao

. En caso contrario tomar una muestra piloto como se indic anteriormente.

; mientras que los respectivos parmetros se denotan por

para todos los estratos) y para el caso en

para algn estrato)

al nmero de elementos o individuos en el i-simo conglomerado de la

al tamao promedio de los conglomerados en la poblacin (tambin

. Los cuatro valores iniciales se eligen al azar entre 1 y 33.

Das könnte Ihnen auch gefallen