Muestreo Simple Aleatorio

UNIVERSIDAD RURAL DE GUATEMALA

MAESTRIA EN INVESTIGACIN Y PROYECTOS
CURSO: TCNICAS Y MTODOS DE INVESTIGACIN.
CATEDRTICO: INGENIERO LUIS M. REYES
MUESTREO SIMPLE ALEATORIO

EDGAR LEONEL GOMEZ NARCISO

Introduccin:

La estadstica trabaja sobre poblaciones, extrae conclusiones sobre

la base de un anlisis de un muestrario de datos de una poblacin.
Hay muchas maneras de tomar una muestra de una poblacin.
Adems las conclusiones que se extraen acerca de la poblacin
dependen de como se selecciona la muestra, as mismo deseamos
que la muestra sea representativa de la poblacin.
Partiendo de la importancia que tiene para cualquier profesional e
investigador conocer varios conceptos importantes de la estadstica
para poder desarrollar exitosamente una investigacin de cualquier
ndole, en el presente trabajo de muestreo del texto paralelo de la
maestra en investigacin y proyectos nos proponemos dar
tratamiento a algunos elementos de la estadstica matemtica de la
forma mas elemental posible para que pueda ser asimilada por
cualquier profesional sin tener en cuenta su especialidad ya sea de
las ciencias Sociales como de las ciencias exactas.
Nuestro propsito es encaminar al profesional para que conozca el
aparato conceptual necesario desde el punto de vista estadstico
para emprender de forma slida y cientfica una investigacin.

Teora bsica del muestreo

Introduccin al muestreo.
Concepto e importancia
Es la actividad por la cual se toman ciertas muestras de una poblacin de elementos de los
cuales vamos a tomar ciertos criterios de decisin, el muestreo es importante porque a travs
de l podemos hacer anlisis de situaciones de una empresa o de algn campo de la sociedad.
Una parte fundamental para realizar un estudio estadstico de cualquier tipo es obtener unos
resultados confiables y que puedan ser aplicables. Como ya se coment anteriormente, resulta
casi imposible o imprctico llevar a cabo algunos estudios sobre toda una poblacin, por lo que

la solucin es llevar a cabo el estudio basndose en un subconjunto de sta denominada

muestra.
Sin embargo, para que los estudios tengan la validez y confiabilidad buscada es necesario que
tal subconjunto de datos, o muestra, posea algunas caractersticas especficas que permitan, al
final, generalizar los resultados hacia la poblacin en total. Esas caractersticas tienen que ver
principalmente con el tamao de la muestra y con la manera de obtenerla.
El muestreo es una herramienta de la investigacin cientfica. Su funcin bsica es determinar
que parte de una realidad en estudio (poblacin o universo) debe examinarse con la finalidad
de hacer inferencias sobre dicha poblacin. El error que se comete debido a hecho de que se
obtienen conclusiones sobre cierta realidad a partir de la observacin de slo una parte de ella,
se denomina error de muestreo. Obtener una muestra adecuada significa lograr una versin
simplificada de la poblacin, que reproduzca de algn modo sus rasgos bsicos.
Muestra: En todas las ocasiones en que no es posible o conveniente realizar un censo, lo que
hacemos es trabajar con una muestra, entendiendo por tal una parte representativa de la
poblacin. Para que una muestra sea representativa, 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.
Los estadsticos emplean la palabra muestra para describir una porcin escogida de la
poblacin. Matemticamente, podemos describir muestras y poblaciones al emplear
mediciones como la Media, Mediana, la moda, la desviacin estndar. Cuando stos trminos
describen una muestra se denominan estadsticas.
Una estadstica es una caracterstica de una muestra, los estadsticos emplean letras latinas
minsculas para denotar estadsticas y muestras.
Tipos de muestreo Los autores proponen diferentes criterios de clasificacin de los diferentes
tipos de muestreo, aunque en general pueden dividirse en dos grandes grupos: mtodos de
muestreo probabilsticos y mtodos de muestreo no probabilsticos.
Muestreo probabilstico
Los mtodos de muestreo probabilsticos son aquellos que se basan en el principio de
equiprobabilidad. Es decir, aquellos en los que todos los individuos tienen la misma
probabilidad de ser elegidos para formar parte de una muestra y, consiguientemente, todas las
posibles muestras de tamao n tienen la misma probabilidad de ser elegidas. Slo estos
mtodos de muestreo probabilsticos nos aseguran la representatividad de la muestra extrada
y son, por tanto, los ms recomendables. Dentro de los mtodos de muestreo probabilsticos
encontramos los siguientes tipos:
El mtodo otorga una probabilidad conocida de integrar la muestra a cada elemento de la
poblacin, y dicha probabilidad no es nula para ningn elemento.
Los mtodos de muestreo no probabilisticos no garantizan la representatividad de la muestra y
por lo tanto no permiten realizar estimaciones inferenciales sobre la poblacin.
(En algunas circunstancias los mtodos estadsticos y epidemiolgicos permiten resolver los
problemas de representatividad aun en situaciones de muestreo no probabilistico, por ejemplo
los estudios de caso-control, donde los casos no son seleccionados aleatoriamente de la
poblacin.)

Entre los mtodos de muestreo probabilsticos ms utilizados en investigacin encontramos:

Muestreo aleatorio simple
Muestreo estratificado
Muestreo sistemtico
Muestreo polietpico o por conglomerados
Ventajas e inconvenientes de los distintos tipos de muestreo probabilstico

Tamao de las muestras

Para calcular el tamao de una muestra hay que tomar en cuenta tres factores:

1.

El porcentaje de confianza con el cual se quiere generalizar los datos desde la muestra hacia la
poblacin total.
2. El porcentaje de error que se pretende aceptar al momento de hacer la generalizacin.
3. El nivel de variabilidad que se calcula para comprobar la hiptesis.
La confianza o el porcentaje de confianza es el porcentaje de seguridad que existe para
generalizar los resultados obtenidos. Esto quiere decir que un porcentaje del 100% equivale a
decir que no existe ninguna duda para generalizar tales resultados, pero tambin implica
estudiar a la totalidad de los casos de la poblacin.
Para evitar un costo muy alto para el estudio o debido a que en ocasiones llega a ser
prcticamente imposible el estudio de todos los casos, entonces se busca un porcentaje de
confianza menor. Comnmente en las investigaciones sociales se busca un 95%.
El error o porcentaje de error equivale a elegir una probabilidad de aceptar una hiptesis que
sea falsa como si fuera verdadera, o la inversa: rechazar a hiptesis verdadera por considerarla
falsa. Al igual que en el caso de la confianza, si se quiere eliminar el riesgo del error y
considerarlo como 0%, entonces la muestra es del mismo tamao que la poblacin, por lo que
conviene correr un cierto riesgo de equivocarse.

Comnmente se aceptan entre el 4% y el 6% como error, tomando en cuenta de que no son

complementarios la confianza y el error.
La variabilidad es la probabilidad (o porcentaje) con el que se acept y se rechaz la hiptesis
que se quiere investigar en alguna investigacin anterior o en un ensayo previo a la
investigacin actual.
El porcentaje con que se acept tal hiptesis se denomina variabilidad positiva y se denota
porp, y el porcentaje con el que se rechaz se la hiptesis es la variabilidad negativa,
denotada porq.
Hay que considerar que p y q son complementarios, es decir, que su suma es igual a la
unidad:p+q=1. Adems, cuando se habla de la mxima variabilidad, en el caso de no existir
antecedentes sobre la investigacin (no hay otras o no se pudo aplicar una prueba previa),
entonces los valores de variabilidad es p=q=0.5.
Una vez que se han determinado estos tres factores, entonces se puede calcular el tamao de
la muestra como a continuacin se expone.
Hablando de una poblacin de alrededor de 10,000 casos, o mnimamente esa cantidad,
podemos pensar en la manera de calcular el tamao de la muestra a travs de las siguientes
frmulas. Hay que mencionar que estas frmulas se pueden aplicar de manera aceptable
pensando en instrumentos que no incluyan preguntas abiertas y que sean un total de alrededor
de 30.
Vamos a presentar dos frmulas, siendo la primera la que se aplica en el caso de que no se
conozca con precisin el tamao de la poblacin, y es:

donde:
n es el tamao de la muestra;
Z es el nivel de confianza;
p es la variabilidad positiva;
q es la variabilidad negativa;
E es la precisin o error.
Hay que tomar nota de que debido a que la variabilidad y el error se pueden expresar por
medio de porcentajes, hay que convertir todos esos valores a proporciones en el caso
necesario.

Tambin hay que tomar en cuenta que el nivel de confianza no es ni un porcentaje, ni la

proporcin que le correspondera, a pesar de que se expresa en trminos de porcentajes. El
nivel de confianza se obtiene a partir de la distribucin normal estndar, pues la proporcin
correspondiente al porcentaje de confianza es el rea simtrica bajo la curva normal que se
toma como la confianza, y la intencin es buscar el valor Z de la variable aleatoria que
corresponda a tal rea.
Por ejemplo: Si se quiere un porcentaje de confianza del 95%, entonces hay que considerar la
proporcin correspondiente, que es 0.95. Lo que se buscara en seguida es el valor Z para la
variable aleatoria z tal que el rea simtrica bajo la curva normal desde -Z hasta Z sea igual a
0.95, es decir, P(-Z<z<Z)=0.95.
Utilizando las tablas, o la funcin DISTR.NORM.ESTAND.INV() del Excel, se puede calcular el
valor de Z, que sera 1.96 (con una aproximacin a dos decimales).
Esto quiere decir que P (-1.96<z<1.96)=0.95.
En el caso de que s se conozca el tamao de la poblacin entonces se aplica la siguiente
frmula:

donde
n es el tamao de la muestra;
Z es el nivel de confianza;
p es la variabilidad positiva;
q es la variabilidad negativa;
N es el tamao de la poblacin;
E es la precisin o el error.
La ventaja sobre la primera frmula es que al conocer exactamente el tamao de la poblacin,
el tamao de la muestra resulta con mayor precisin y se pueden incluso ahorrarse recursos y
tiempo para la aplicacin y desarrollo de una investigacin.
Por ejemplo: En el Colegio de Bachilleres, una institucin de nivel medio superior, se desea
realizar una investigacin sobre los alumnos inscritos en primer y segundo aos, para lo cual
se aplicar un cuestionario de manera aleatoria a una muestra, pues los recursos econmicos
y el tiempo para procesar la informacin resultara insuficiente en el caso de aplicrsele a la
poblacin estudiantil completa.
En primera instancia, suponiendo que no se conoce el tamao exacto de la poblacin, pero con
la seguridad de que sta se encuentra cerca a los diez millares, se aplicar la primera frmula.
Se considerar una confianza del 95%, un porcentaje de error del 5% y la mxima variabilidad
por no existir antecedentes en la institucin sobre la investigacin y porque no se puede aplicar
una prueba previa.
Primero habr que obtener el valor de Z de tal forma que la confianza sea del 95%, es decir,
buscar un valor de Z tal que P(-Z<z<Z)=0.95. Utilizando las tablas o las funciones de Excel se
pueden obtener, o viendo (en este caso) el ejemplo anterior, resulta que Z=1.96.
De esta manera se realiza la sustitucin y se obtiene:

Esto quiere decir que el tamao de la muestra es de 385 alumnos.

Supongamos ahora que s se conoce el tamao de la poblacin estudiantil y es de 9,408,
entonces se aplicar la segunda frmula. Utilizando los mismos parmetros la sustitucin
queda como:

Con lo que se tiene una cota mnima de 370 alumnos para la muestra y as poder realizar la
investigacin sin ms costo del necesario, pero con la seguridad de que las condiciones
aceptadas para la generalizacin (confiabilidad, variabilidad y error) se mantienen.

Importancia del muestreo

A lo largo del curso se hacen uso de dos tipos de razonamiento: el deductivo y
el inductivo. El primero est relacionado directamente con la teora de probabilidad, que a
partir de las caractersticas de la poblacin se obtienen las posibles caractersticas de una
muestra.
El segundo tipo de razonamiento se relaciona con la denominada inferencia estadstica:
encaminado a utilizar las caractersticas de un subconjunto de la poblacin (la muestra) para
hacer afirmaciones (inferir) sobre la poblacin en general. ste ser el caso de esta unidad.
El muestro, como ya se mencion, implica algo de incertidumbre que debe ser aceptada para
poder realizar el trabajo, pues aparte de estudiar una poblacin resulta ser un trabajo en
ocasiones demasiado grande, Wonnacott y Wonnacott ofrecen las siguientes razones extras:
Recursos limitados: Es decir, no existen los recursos humanos, materiales o econmicos
para realizar el estudio sobre el total de la poblacin. Es como cuando se compra un aparato,
un automvil usado (por ejemplo), que se prueba unos minutos (el encendido, una carrerita,
etc.) para ver si funciona correctamente y luego se adquiere, pero no se espera a probarlo toda
la vida (encendindolo y apagndolo o, simplemente, dejndolo encendida) antes de realizar la
adquisicin.
Escasez:
Es el caso en que se dispone de una sola muestra. Por ejemplo, para el estudio
paleontolgico de los dinosaurios (el Tiranosaurio Rex por ejemplo) sera muy bueno contar
con, al menos, muchos restos fsiles y as realizar tales investigaciones; sin embargo, se
cuenta slo con una docena de esqueletos fosilizados (casi todos incompletos) de esas
criaturas en todo el mundo.
Pruebas destructivas: Es el caso en el que realizar el estudio sobre toda la poblacin
llevara a la destruccin misma de la poblacin. Por ejemplo, si se quisiese saber el conteo
exacto de hemoglobina de una persona habra que extraerle toda la sangre.
El muestreo puede ser ms exacto: Esto es en el caso en el que el estudio sobre la
poblacin total puede causar errores por su tamao o, en el caso de los censos, que sea
necesario utilizar personal no lo suficientemente capacitado; mientras que, por otro lado, el
estudio sobre una muestra podra ser realizada con menos personal pero ms capacitado.
Ya que hemos mencionado la necesidad de realizar muestras, continuaremos con algunas
caractersticas que deben tener stas para que, realmente, se puedan realizar inferencias
(inducciones) sobre ellas hacia la poblacin total.

Muestra y Censo
Aparentemente puede parecer ms conveniente inspeccionar de manera
completa todos los elementos de una poblacin que estudiar una muestra.
En la prctica es lo contrario es ms conveniente el muestreo que un censo
por las siguientes razones:
1.
La poblacin puede ser infinita en cuyo caso sera imposible efectuar un censo.
2.
Una muestra puede ser ms oportuna que un censo. Esto dado en funcin del
tiempo de obtener los resultados.
3.
Pueden incluir ensayos destructivos.
4.
El costo de efectuar un censo puede ser alto.
5.
La exactitud de los resultados puede afectarse al realizar un censo.
6.
El tipo de informacin puede depender de si se utiliza una muestra o censo.
Hay algunas situaciones en las que resulta ms ventajoso realizar un censo:
1.
Que la poblacin sea pequea y el costo no sea alto.
2.
Si el tamao de la muestra es grande en relacin al tamao de la poblacin, el
esfuerzo al realizar un censo es pequeo.
3.
Si se requiere exactitud completa, solo con el censo se logra.

4.
Ocasionalmente se dispone de la informacin completa, por lo que no es
necesario muestrear.

Muestras y Poblaciones
Un censo comprende el examen de todos los elementos de un determinado
grupo, mientras que el muestreo comprende el anlisis de una pequea parte
de ellos.
El objetivo del muestreo es establecer generalizaciones con respecto a un
grupo total de elementos sin tener que examinarlos uno por uno.
La parte del grupo de elementos que se examinan recibe el nombre de muestra, y el grupo total
de la cual se obtuvo la muestra es la poblacin.
Los elementos de una poblacin pueden ser personas, ciudades o cualquier cosa que se
pueda medir, contar o jerarquizar.
El fin del muestreo es generalizar con respecto a la poblacin fundamental, es axiomtico que
la poblacin objetivo se deba establecer de manera que se puedan hacer generalizaciones
significativas.
Las poblaciones de tamao limitado se conocen como poblaciones finitas, sin embargo las de
tamao ilimitado se conocen como poblaciones infinitas.
Las poblaciones infinitas generalmente son de cierto tipo de proceso que produce elementos o
resultados como la tirada de monedas, en el cual el nmero de resultados (caras o cruces) que
se obtienen es ilimitado.

Muestreo a partir de una poblacin finita:

Si el tamao de la muestra es pequea en relacin con el de la poblacin, el no regresar los
objetos muestreados tendr un efecto insignificante sobre las probabilidades de los objetos
restantes y muestrear sin reposicin no causar serias dificultades.
Muestras relativamente grandes tiende a distorsionar las probabilidades de los elementos
restantes, de esa cuenta una regla aceptada es que si la muestra excede del 5% se debe
sustituir unidades.
Razones del muestreo sin reposicin:
1.
Los efectos son insignificantes.
2.
Si se realizan ensayos destructivos, ser posible regresar los elementos
muestreados a la poblacin.
3.
Al regresar un objeto muestreado hay la posibilidad de incluirlo en estudios
posteriores.
El muestreo sin reposicin es necesario cuando el tamao de la muestra es relativamente
grande en comparacin con el tamao de la poblacin.
METODOS DE MUESTREO
Es el proceso por el cual se seleccionan los individuos que formarn una muestra.
Para que se puedan obtener conclusiones fiables para la poblacin a partir de la muestra, es
importante tanto su tamao como el modo en que han sido seleccionados los individuos que la
componen.
El tamao de la muestra depende de la precisin que se quiera conseguir en la estimacin que
se realice a partir de ella. Para su determinacin se requieren tcnicas estadsticas superiores,
pero resulta sorprendente cmo, con muestras notablemente pequeas, se pueden conseguir
resultados suficientemente precisos. Por ejemplo, con muestras de unos pocos miles de
personas se pueden estimar con muchsima precisin los resultados de unas votaciones en las
que participarn decenas de millones de votantes.
Para seleccionar los individuos de la muestra es fundamental proceder aleatoriamente, es
decir, decidir al azar qu individuos de entre toda la poblacin forman parte de la muestra.

Si se procede como si de un sorteo se tratara, eligiendo directamente de la poblacin sin

ningn otro condicionante, el muestreo se llama aleatorio simple o irrestrictamente
aleatorio.
Cuando la poblacin se puede subdividir en clases (estratos) con caractersticas especiales, se
puede muestrear de modo que el nmero de individuos de cada estrato en la muestra
mantenga la proporcin que exista en la poblacin. Una vez fijado el nmero que corresponde
a cada estrato, los individuos se designan aleatoriamente. Este tipo de muestreo se denomina
aleatorio estratificado con asignacin proporcional.
Las inferencias realizadas mediante muestras seleccionadas aleatoriamente estn sujetas a
errores, llamados errores de muestreo, que estn controlados. Si la muestra est mal elegida
no es significativa se producen errores sistemticos no controlados.

Muestreo
El diseo de muestra o diseo de encuesta especifica el mtodo de obtencin de la muestra.
El diseo no especifica la forma de recolectar o medir los datos reales. Especifica nicamente
el mtodo de recoleccin de los objetos que contienen la informacin requerida. Estos objetos
se llaman elementos.
Un elemento es un objeto del cual se toma una medicin.
Los elementos pueden ocurrir individualmente o en grupos en la poblacin. Un grupo de
elementos, como una familia o una caja de cerillos se llama unidad de muestreo.
Las unidades de muestreo son colecciones disjuntas de elementos de la poblacin. En algunos
casos una unidad muestral esta constituida por un solo elemento.
Para seleccionar una muestra aleatoria de unidades de elementos muestrales, es necesaria
una lista de todas las unidades muestrales contenidas en la poblacin. Esta lista se le
denomina marco muestral.
Un marco muestral es una lista de unidades mustrales.

Terminologa bsica para el muestreo

Los nuevos trminos, los cuales son frecuentemente usados en inferencia estadstica son:
Estadstico:
Un estadstico es una medida usada para describir alguna caracterstica de una muestra , tal
como una media aritmtica, una mediana o una desviacin estndar de una muestra. Es
decir los datos o medidas que se obtienen sobre una muestra y por lo tanto una estimacin de
los parmetros.

Parmetro:
Son las medidas o datos que se obtienen sobre la distribucin de probabilidades de la
poblacin, tales como la media, la varianza, la proporcin, etc.
Un parmetro es
una medida usada para describir alguna caracterstica de una poblacin, tal como una media
aritmtica, una mediana o una desviacin estndar de una poblacin.
Cuando los dos nuevos trminos de arriba son usados, por ejemplo, el proceso de estimacin
en inferencia estadstica puede ser descrito como le proceso de estimar un parmetro a partir
del estadstico correspondiente, tal como usar una media muestral (un estadstico para estimar
la media de la poblacin (un parmetro).Los smbolos usados para representar los estadsticos
y los parmetros, en ste y los siguientes captulos, son resumidos en la tabla siguiente:
Tabla 1
Smbolos para estadsticos y parmetros correspondientes
Medida Smbolo para el estadstico Smbolo para el parmetro
(muestra) (Poblacin)
Media X
Desviacin estndar s
Nmero de elementos n N
Proporcin p P
Nivel de Confianza.
Probabilidad de que la estimacin efectuada se ajuste a la realidad. Cualquier informacin que
queremos recoger est distribuida segn una ley de probabilidad (Gauss o Student), as
llamamos nivel de confianza a la probabilidad de que el intervalo construido en torno a un
estadstico capte el verdadero valor del parmetro.
Varianza Poblacional.
Cuando una poblacin es ms homognea la varianza es menor y el nmero de entrevistas
necesarias para construir un modelo reducido del universo, o de la poblacin, ser ms

pequeo. Generalmente es un valor desconocido y hay que estimarlo a partir de datos de

estudios previos.
Inferencia estadstica.
Trata el problema de la extraccin de la informacin sobre la poblacin contenida en las
muestras.
Para que los resultados obtenidos de los datos muestrales se puedan extender a la poblacin,
la muestra debe ser representativa de la poblacin en lo que se refiere a la caracterstica en
estudio, o sea, la distribucin de la caracterstica en la muestra debe ser aproximadamente
igual a la distribucin de la caracterstica en la poblacin.
La representatividad en estadstica se logra con el tipo de muestreo adecuado que siempre
incluye la aleatoriedad en la seleccin de los elementos de la poblacin que formaran la
muestra. No obstante, tales mtodos solo nos garantizan una representatividad muy probable
pero no completamente segura.
Despus de estos preliminares imprescindibles es posible pasar a tratar algunas de las formas
que desde el punto de vista cientfico se puede extraer una muestra.
Al realizar un muestreo en una poblacin podemos hablar de muestreos probabilsticos y no
probabilsticos, en nuestro caso nos referiremos a los muestreos probabilsticos y dentro del
mismo estudiaremos el muestreo aleatorio simple (MAS), como mtodo bsico en la
estadstica, dejando afuera el muestreo estratificado y el muestreo por racimos ya que no es
parte de sta investigacin.

Distribucin en el muestreo:
Cuando el tamao de la muestra (n) es ms pequeo que el tamao de la poblacin (N), dos o
ms muestras pueden ser extradas de la misma poblacin. Un cierto estadstico puede ser
calculado para cada una de las muestras posibles extradas de la poblacin. Una distribucin
del estadstico obtenida de las muestras es llamada la distribucin en el muestreo del
estadstico.
Por ejemplo, si la muestra es de tamao 2 y la poblacin de tamao 3 (elementos A, B, C), es
posible extraer 3 muestras (AB, BC Y AC) de la poblacin. Podemos calcular la media para
cada muestra. Por lo tanto, tenemos 3 medias mustrales para las 3 muestras. Las 3 medias
mustrales forman una distribucin. La distribucin de las medias es llamada la distribucin de
las medias mustrales, o la distribucin en el muestreo de la media. De la misma manera, la
distribucin de las proporciones (o porcentajes) obtenida de todas las muestras posibles del
mismo tamao, extradas de una poblacin, es llamada la distribucin en el muestreo de la
proporcin.
Error Estndar:
La desviacin estndar de una distribucin, en el muestreo de un estadstico, es
frecuentemente llamada el error estndar del estadstico. Por ejemplo, la desviacin estndar
de las medias de todas la muestras posibles del mismo tamao, extradas de una poblacin, es
llamada el error estndar de la media. De la misma manera, la desviacin estndar de las
proporciones de todas las muestras posibles del mismo tamao, extradas de una poblacin, es
llamada el error estndar de la proporcin. La diferencia entre los trminos "desviacin
estndar" y "error de estndar" es que la primera se refiere a los valores originales, mientras
que la ltima est relacionada con valores calculados. Un estadstico es un valor calculado,
obtenido con los elementos incluidos en una muestra.
Error Muestral, de estimacin o Standard.
Es la diferencia entre un estadstico y su parmetro correspondiente. Es una medida de la
variabilidad de las estimaciones de muestras repetidas en torno al valor de la poblacin, nos da
una nocin clara de hasta dnde y con qu probabilidad una estimacin basada en una
muestra se aleja del valor que se hubiera obtenido por medio de un censo completo. Siempre
se comete un error, pero la naturaleza de la investigacin nos indicar hasta qu medida
podemos cometerlo (los resultados se someten a error muestral e intervalos de confianza que
varan muestra a muestra). Vara segn se calcule al principio o al final. Un estadstico ser
ms preciso en cuanto y tanto su error es ms pequeo. Podramos decir que es la desviacin
de la distribucin muestral de un estadstico y su fiabilidad.
La diferencia entre el resultado obtenido de una muestra (un estadstico) y el resultado el cual
deberamos haber obtenido de la poblacin (el parmetro correspondiente) se llama el error
muestral o error de muestreo. Un error de muestreo usualmente ocurre cuando no se lleva a
cabo la encuesta completa de la poblacin, sino que se toma una muestra para estimar las

caractersticas de la poblacin. El error muestral es medido por el error estadstico, en trminos

de probabilidad, bajo la curva normal. El resultado de la media indica la precisin de la
estimacin de la poblacin basada en el estudio de la muestra. Mientras ms pequeo es el
error de muestras, mayor es la precisin de la estimacin. Deber hacerse notar que los
errores cometidos en una encuesta por muestreo, tales como respuestas inconsistentes,
incompletas o no determinadas, no son considerados como errores mustrales. Los errores no
mustrales pueden tambin ocurrir en una encuesta completa de la poblacin.

Mtodos de seleccin de muestras.

Una muestra debe ser representativa si va a ser usada para estimar las caractersticas de la
poblacin. Los mtodos para seleccionar una muestra representativa son numerosos,
dependiendo del tiempo, dinero y habilidad disponibles para tomar una muestra y la naturaleza
de los elementos individuales de la poblacin.
Por lo tanto, se requiere un gran volumen para incluir todos los tipos de mtodos de muestreo.
Los mtodos de seleccin de muestras pueden ser clasificados de acuerdo a:
1.
El nmero de muestras tomadas de una poblacin dada para un estudio.
2.
La manera usada en seleccionar los elementos incluidos en la muestra.
Mtodos de muestreo clasificados de acuerdo con el nmero de muestras tomadas de
una poblacin.
Bajo esta clasificacin, hay tres tipos comunes de mtodos de muestreo, estos son, muestreo
simple, doble y mltiple.
Muestreo simple
Este tipo de muestreo toma solamente una muestra de una poblacin dada para el
propsito de inferencia estadstica. Puesto que solamente una muestra es tomada, el tamao
de muestra debe ser lo suficientemente grande para extraer una conclusin. Una muestra
grande muchas veces cuesta demasiado dinero y tiempo.
Muestreo doble
Bajo este tipo de muestreo, cuando el resultado del estudio de la primera muestra no es
decisivo, una segunda muestra es extrada de la misma poblacin. Las dos muestras son
combinadas para analizar los resultados. Este mtodo permite a una persona principiar con
una muestra relativamente pequea para ahorrar costos y tiempo. Si la primera muestra arroja
una resultado definitivo, la segunda muestra puede no necesitarse.
Por ejemplo, al probar la calidad de un lote de productos manufacturados, si la primera
muestra arroja una calidad muy alta, el lote es aceptado; si arroja una calidad muy pobre, el
lote es rechazado. Solamente si la primera muestra arroja una calidad intermedia, ser
requerir la segunda muestra. Un plan tpico de muestreo doble puede ser obtenido de la
Military Standard Sampling Procedures and Tables for Inspection by Attributes, publicada por el
Departamento de Defensa y tambin usado por muchas industrias privadas. Al probar la
calidad de un lote consistente de 3,000 unidades manufacturadas, cuando el nmero de
defectos encontrados en la primera muestra de 80 unidades es de 5 o menos, el lote es
considerado bueno y es aceptado; si el nmero de defectos es 9 o ms, el lote es considerado
pobre y es rechazado; si el nmero est entre 5 y 9, no puede llegarse a una decisin y una
segunda muestra de 80 unidades es extrada del lote. Si el nmero de defectos en las dos
muestras combinadas (incluyendo 80 + 80 = 160 unidades) es 12 o menos, el lote es aceptado
si el nmero combinado es 13 o ms, el lote es rechazado.
Muestreo mltiple
El procedimiento bajo este mtodo es similar al expuesto en el muestreo doble, excepto que el
nmero de muestras sucesivas requerido para llegar a una decisin es ms de dos muestras.
Mtodos de muestreo clasificados de acuerdo con las maneras usadas en seleccionar los
elementos de una muestra.
Los elementos de una muestra pueden ser seleccionados de dos maneras diferentes:
a. Basados en el juicio de una persona.
b. Seleccin aleatoria (al azar)
Muestreo de juicio
Una muestra es llamada muestra de juicio cuando sus elementos son seleccionados mediante
juicio personal. La persona que selecciona los elementos de la muestra, usualmente es un
experto en la medida dada. Una muestra de juicio es llamada una muestra probabilstica,
puesto que este mtodo est basado en los puntos de vista subjetivos de una persona y la
teora de la probabilidad no puede ser empleada para medir el error de muestreo, Las

principales ventajas de una muestra de juicio son la facilidad de obtenerla y que el costo
usualmente es bajo.

Muestreo aleatorio
Consideremos una poblacin finita, de la que deseamos extraer una muestra. Cuando el
proceso de extraccin es tal que garantiza a cada uno de los elementos de la poblacin la
misma oportunidad de ser incluidos en dicha muestra, denominamos al proceso de
seleccin muestreo aleatorio.
El muestreo aleatorio se puede plantear bajo dos puntos de vista:

Sin reposicin de los elementos;

Con reposicin.

Muestreo aleatorio sin reposicin

Consideremos una poblacin E formada por N elementos. Si observamos un elemento
particular, e E, en un muestreo aleatorio sin reposicin se da la siguiente circunstancia:

La probabilidad de que e sea elegido en primer lugar es 1/N ;

Si no ha sido elegido en primer lugar (lo que ocurre con una probabilidad de (N-1)/N, la
probabilidad de que sea elegido en el segundo intento es de 1/(N-1)

en el (i+1)-simo intento, la poblacin consta de N-i elementos, con lo cual si e no ha

sido seleccionado previamente, la probabilidad de que lo sea en este momento es de

1/(n-i).
Si consideramos una muestra de n<N elementos, donde el orden en la eleccin de los mismos
tiene importancia, la probabilidad de eleccin de una muestra cualquiera es

Lo que corresponde en el sentido de la definicin de probabilidad de Laplace a un caso posible

entre las VN,n posibles n-uplas de N elementos de la poblacin.
Si el orden no interviene, la probabilidad de que una muestra

sea elegida es la suma de las probabilidades de elegir una cualquiera de sus n-uplas, tantas
veces como permutaciones en el orden de sus elementos sea posible, es decir

Muestreo aleatorio con reposicin

Sobre una poblacin E de tamao N podemos realizar extracciones de n elementos, pero de
modo que cada vez el elemento extrado es repuesto al total de la poblacin. De esta forma un
elemento puede ser extrado varias veces. Si el orden en la extraccin de la muestra interviene,
la probabilidad de una cualquiera de ellas, formada por n elementos es:

Si el orden no interviene, la probabilidad de una muestra cualquiera, ser la suma de la

anterior, repitindola tantas veces como manera de combinar sus elementos sea posible. Es
decir,
Sea n1 el nmero de veces que se repite cierto elemento e1 en la muestra;
Sea n2 el nmero de veces que se repite cierto elemento e2;
Sea nk el nmero de veces que se repite cierto elemento ek,
de modo que n=n1+....+nk. Entonces la probabilidad de obtener la muestra

es

es decir,

El muestreo aleatorio con reposicin es tambin denominado muestreo aleatorio simple, que
como hemos mencionado se caracteriza por que

cada elemento de la poblacin tiene la misma probabilidad de ser elegido, y

las observaciones se realizan con reemplazamiento. De este modo, cada observacin

es realizada sobre la misma poblacin (no disminuye con las extracciones sucesivas).
En una muestra aleatoria simple, cada observacin tiene la distribucin de probabilidad de la
poblacin:
Adems todos las observaciones de la v.a. son independientes

MUESTREO ALEATORIO SIMPLE (M.A.S.)

La inferencia estadstica establece ciertos juicios despus de examinar solamente una parte o
muestra de ello. As se prueba un pedazo de pastel para saber si ya est fro, el cocinero
prueba la sopa para saber si necesita ms sazn. El muestreo estadstico es semejante a
cada uno de los anteriores, aunque sus mtodos son ms formales y precisos y generalmente
incluyen una proporcin de la probabilidad. El muestreo y la probabilidad estn unidos
estrechamente constituyendo la Teora de la Inferencia.
Es aquel en que cada elemento de la poblacin tiene la misma probabilidad de ser
seleccionado para integrar la muestra.
Una muestra simple aleatoria es aquella en que sus elementos son seleccionados mediante el
muestreo aleatorio simple.
En la prctica no nos interesa el individuo o elemento de la poblacin seleccionado en general,
sino solo una caracterstica que mediremos u observaremos en l y cuyo valor ser el valor de
una variable aleatoria que en cada individuo o elemento de la poblacin puede tomar un valor
que ser un elemento de cierto conjunto de valores. De modo que una muestra simple
aleatoria se
puede
interpretar
como
un
conjunto
de
valores
de variables
aleatorias independientes, cada una de las cuales tiene la misma distribucin que es llamada
distribucin poblacional.
Existen dos formas de extraer una muestra de una poblacin: con reposicin y sin reposicin.
Una muestra aleatoria simple es seleccionada de tal manera que cada muestra posible del
mismo tamao tiene igual probabilidad de ser seleccionada de la poblacin.

Un mtodo simple para obtener una muestra aleatoria simple es primero escribir el nombre o
un nmero codificado de cada elemento en la poblacin sobre una tarjeta. Las tarjetas son
colocadas en una caja. Una muestra entonces extrada de la caja despus de que las tarjetas
han sido perfectamente mezcladas. Por conveniencia este mtodo puede ser reemplazado por
una tabla de nmeros aleatorios, tales como los que se muestran adelante.
La tabla se construye extrayendo cada uno de los dgitos del 0 al 9 sobre una base de
igualmente probables; es decir, cada uno de los 10 dgitos tienen la misma
probabilidad (1/10) de ser seleccionados.
Los 10 dgitos son escritos en tarjetas separadas y son mezclados en una caja. Una tarjeta es
extrada y se registra el dgito que aparece en la tarjeta. Una segunda tarjeta es extrada
despus de que la primera tarjeta ha sido regresada a la caja los10 dgitos en la caja son de
nuevo mezclados perfectamente. Cuando se han registrado 5 dgitos, el siguiente dgito se
registra en un grupo separado hasta que se obtiene un gran nmero de grupos.
Obtener una muestra aleatoria simple no es una tarea fcil o prctica bajo muchas
circunstancias. Puede ser una tarea tardada o costosa y algunas veces es tericamente
imposible.
Cuando la poblacin es infinita, es obvio que la tarea de numerar cada elemento de la
poblacin es imposible.
Llamamos muestreo aleatorio simple al que se utiliza con reemplazamiento, consistente en
seleccionar n elementos de entre N que componen la poblacin, de tal forma que todas las
muestras de tamao n que se puedan formar tengan la misma probabilidad de salir elegidas y
las mismas sean independientes, en el caso de que N sea grande no es preocupante que se
haga sin reemplazamiento, ya que por ejemplo 1/N no difiere mucho de 1/N-1. Esta
probabilidad es: p =n/N
En la prctica equivale a numerar la poblacin objeto de estudio, sacando al azar cada uno de
los nmeros que van a formar la muestra y aunque en la prctica, a pesar de ser el muestro
con reemplazamiento, si el elemento (caso de que sea un individuo para hacer un test u otro
caso similar) pueda volver a ser elegido este se desprecia ya que no tiene sentido entrevistar al
mismo en ms de una ocasin y es por este consenso que se tiende a confundir y expresar
que el muestreo aleatorio simple tiene como condicin que se hace sin reemplazamiento.
Para llevar a cabo esta labor varios procedimientos como el del bombo, consistente en
introducir tantas bolas como elementos tenga la poblacin en un bombo y elegir tantas bolas
como elementos tenga la muestra.

Este procedimiento adems de ser muy laborioso puede inducir a error debido a defectos de
las bolas, al bombo o a cualquier otro factor, por lo que es preciso sustituirlo por otro mucho
ms aleatorio.
El procedimiento ms utilizado es el de las tablas de nmeros aleatorios que consiste en
seleccionar en una tabla de nmeros en grupos de cuatro dgitos formando filas y columnas;
estas se encuentran en muchos libros de Estadstica sobre todo, los que tienen como captulo
La Teora del Muestreo.

Obtencin de una muestra aleatoria

Si una poblacin es infinita, anotando los elementos en el orden en que
ocurren, es posible obtener una muestra que sea representativa del
proceso (muestra aleatoria). En tanto que el proceso en consideracin se
mantienen estable durante el perodo en el que se hacen las observaciones
(de manera que la probabilidad de cada resultado posible permanece
constante), es posible considerar el proceso y la muestra resultante como
aleatorias. As es exactamente como se considerar las tiradas sucesivas de
una moneda normal y las de dados no cargados.
Si la poblacin objetiva es finita, esencialmente hay dos formas de seleccionar
una muestra aleatoria simple. Un mtodo consiste en elaborar una lista, o
marco de referencia de cada uno de los elementos de la poblacin, y aplicar
despus un mtodo aleatorio a la lista, para seleccionar los elementos que se
habrn de muestrear. El segundo mtodo se utiliza cuando los objetos que
forman la poblacin no se identifican claramente, lo que imposibilita un listado.

Mtodo de seleccin en el Muestreo Aleatorio Simple.

Un procedimiento de extraer una muestra aleatoria de una poblacin finita es el de enumerar
todos los elementos que conforman la poblacin, escribir esos nmeros en bolas o papelitos
echarlos en un bombo o bolsa mezclarlos bien removindolos y sacar uno a uno tantos como lo
indique el tamao de la muestra. En este caso los elementos de la muestra lo constituirn los
elementos de la poblacin cuyos nmeros coincidan con los extrados de la bolsa o bombo.
Otro procedimiento para obtener una muestra de una poblacin ya sea el muestreo con replazo
o sin reemplazo es mediante la utilizacin de la tabla de nmeros aleatorios pero solamente
para poblaciones finitas, la utilizacin de estas tablas puede realizarse de diferentes modos
pero en el presente trabajo solo expondremos el que consideramos mas eficiente ya que no se
necesita de la bsqueda de una gran cantidad innecesaria de nmeros aleatorios en la tabla, el
cual ser ejemplificado.
Existen diferentes tablas de nmeros aleatorios nosotros en nuestro trabajo utilizaremos como
referencia la tabla de M. G. Kendall y B. Babington Smith que se encuentra en el texto de
tablas estadsticas, la misma est constituida por 4 bloques de 1000 nmeros aleatorios
dispuestos en 25 filas y 40 columnas.
Veamos como se procede para la utilizacin de la tabla. Consideremos que se desea extraer
de una poblacin de tamao N una muestra de tamao n se selecciona el bloque, la fila y la
columna de la tabla que se va a comenzar, a partir de esta seleccin (que la hace el
muestrista) se toman tantas columnas como dgitos tiene N. Comenzando por el primer nmero
de las columnas seleccionadas se irn incluyendo en la muestra aquellos individuos que en la
lista de la poblacin ( ya sea de forma horizontal o vertical) ocupa la posicin de los n nmeros
de las columnas seleccionadas que resultan menores que N, en los caso que al seleccionar un
nmero en la tabla de nmeros aleatorios sea mayor que N se divide este por N y el resto de la
divisin que ser un nmero entre 0 y N-1 ser la posicin del individuo a seleccionar tomando
el convenio de que el resto 0 corresponde a la posicin N. Para la aplicacin de este
procedimiento requiere que se fije previamente el mayor mltiplo de N que se considerar, para
as garantizar que todos los restos desde 0 a N -1 tengan la misma probabilidad de ser
seleccionados, por ejemplo si N = 150 y tomando 3 columnas se consideraran slo aquellos
nmeros menores o iguales que 900, los nmeros mayores que 900 no sern analizados en la
seleccin de la muestra.

Ejemplo 1.1: Dada la siguiente poblacin formada por la edad del hijo mayor de 200 ncleos
familiares de una cierta regin.
Seleccione una muestra aleatoria de tamao 10 (use la tabla de nmeros aleatorios, escoja la
tercera fila, tercera columna del segundo bloque de a 1000) numere la poblacin
horizontalmente.

48

49

50

51

50

46

47

56

47

38

53

50

47

46

48

47

48

46

46

50

42

51

51

49

47

51

48

47

42

49

46

48

50

47

48

47

51

56

45

49

45

54

61

46

48

46

46

47

50

34

46

46

51

39

53

55

52

49

47

46

33

40

52

46

44

52

44

54

41

33

48

49

52

42

42

49

47

47

38

48

44

43

44

40

44

45

49

44

43

42

49

49

48

41

51

51

52

42

40

47

37

48

45

46

50

45

47

53

43

47

44

40

46

46

45

48

47

42

47

46

52

53

47

49

46

47

49

42

43

42

43

38

52

50

44

52

44

53

43

45

41

57

47

48

52

53

40

49

40

50

45

42

44

53

57

46

62

47

50

47

45

51

43

45

39

39

41

44

35

41

54

48

51

53

54

42

48

51

37

38

42

37

52

50

45

55

51

46

38

43

53

43

42

39

46

52

53

39

51

40

Para extraer la muestra lo primero que hacemos es disponer tres columnas en las cuales la
primera se ubicaran los nmeros aleatorios, es decir los nmeros extrados de la tabla de
nmeros aleatorios; en la segunda columna pondremos
Los nmeros aleatorios rectificados que sern aquellos nmeros aleatorios menores que N
=200 y los restos de las divisiones de los nmeros aleatorios mayores que N =200 y menores
que el mayor mltiplo de N es decir 800 y en la tercera columna de encontrara los valores de la
muestra.
En la tabla de nmeros aleatorios la tercera fila, tercera columna del segundo bloque de a 1000
le corresponde al nmero 3 pero como tenemos que coger el nmero aleatorio de tres dgitos el
primer nmero aleatorio sera el 017, los dems serian, 984, 955, 130, 850, 374, 665, 910, 288,
753, 765, 691, 496, 001, hemos escogido 14 nmeros de la tabla de nmeros aleatorios debido
a que hay 4 que son mayores que 800. Veamos a continuacin como extraemos la muestra de
la poblacin:
Para el primer nmero aleatorio 017 se busca en la poblacin el valor que ocupa la posicin
017 leda la poblacin horizontalmente que seria la edad de 48 aos, el nmero aleatorio 984
no se contempla dentro del anlisis ya que es mayor que 800, al igual que el nmero 955, el

nmero 130, le corresponde la edad de 52 aos, al nmero 850 no se contempla dentro del
anlisis, el 374 como es mayor que 200 se divide por 200 y se obtiene reto 174 y este es el
nmero aleatorio rectificado correspondindole la edad de 53 aos, al nmero 665 se divide
por 200 y se obtiene resto 65 que es el nmero aleatorio rectificado correspondindole la edad
de 44 aos en la poblacin, a continuacin presentaremos la tabla de las tres columnas a la
cual nos referimos anteriormente como una va fcil y prctica para obtener la muestra
deseada.

Nmero aleatorio

Nmero aleatorio
rectificado

muestra

017

017

48

984

--

955

--

130

130

850

--

374

174

53

665

065

53

910

--

288

088

44

753

153

44

765

165

39

691

091

49

496

096

51

001

001

48

42

Nota: obsrvese que en la muestra existen edades que se repiten esto puede pasar si el
muestreo es con reemplazo si el muestreo es sin reemplazo debemos seguir buscando de la
misma manera en la tabla de nmeros aleatorios seguido del nmero 001, hasta lograr tener la
muestra con 10 valores de la poblacin no repetidos.

Este muestreo se puede realizar utilizando Microsoft Excel

siguiendo los pasos siguiente:
a.
Se instala la opcin de anlisis de datos para ello se va a herramienta luego a
complemento y se activa en la ventana complemento la opcin herramienta para
anlisis.
b.
Se abre una hoja Excel y se introducen los datos de la poblacin en columna.
c.
Se va a herramienta y se elige anlisis de datos y en esta ventana se
selecciona la opcin muestra.
d.
En la ventana muestra se introduce el rango de entrada que sera seleccionar
todos los valores de la poblacin, si al suministrar en la hoja Excel los datos de la
poblacin al inicio se le designan a estos alguna variable o comentario debe activarse
la opcin rtulo de lo contrario no debe ser activada, se activa la casilla de muestreo
aleatorio y se introduce el tamao de muestra deseado.

e.
Se selecciona el rango de salida que consiste en seleccionar una celda en la
hoja Excel que no est afectada por ninguna informacin ni hacia abajo ni a la derecha
de la misma.
Se selecciona aceptar en esta ventana y saldr el resultado deseado que sera las muestras
elegidas por el programa en la poblacin.
Muestreo con reemplazo: Es aquel en que un elemento puede ser seleccionado ms de
una vez en la muestra para ello se extrae un elemento de la poblacin se observa y se
devuelve a la poblacin, por lo que de esta forma se pueden hacer infinitas extracciones de la
poblacin aun siendo esta finita.
Muestreo sin reemplazo: No se devuelve los elementos extrados a la poblacin hasta que
no se hallan extrados todos los elementos de la poblacin que conforman la muestra.
Muestreo equiprobabilstico: Si se selecciona una muestra de tamao n de una poblacin N
unidades, cada elemento tiene una probabilidad de inclusin legal y conocida n/N.

Mecanismo ideal en el muestreo aleatorio simple:

-

Cada elemento de la poblacin tiene la misma probabilidad de ser escogido

Todas las posibles muestras del tamao muestral escogido (n) tienen la misma probabilidad de
ser seleccionadas
Ventajas
- Sencillo y de fcil comprensin
Clculo rpido de medias y varianza.
Se basa en la teora estadstica, y por tanto existen paquetes informticos
para
. analizar los datos.
Desventajas
- Requiere que se posea de antemano un listado completo de toda la poblacin. - Cuando se
trabaja con muestras pequeas es posible que no represente a la poblacin adecuadamente.
Estimacin basada en una Muestra Aleatoria Simple
Al usar muestreo aleatorio simple para estimar la medida poblacional, se obtiene el siguiente
estimador:
Estimacin de la medida poblacional para un muestreo aleatorio simple
Estimador
Varianza estimada
del estimador: con Cotas para el error estimacin:
Estimacin del Total Poblacional para una muestra aleatoria simple
Estimador
Varianza
Estimada del Estimador:
Cota para el Error de
Estimacin:
Estimacin de la proporcin poblacional para una muestra aleatoria simple
Estimador
Varianza
estimado del estimador: con Cotas para el error de estimacin: En este caso y es l numero
total de los elementos de la muestra que tienen determinada caracterstica.
Determinacin del Tamao de Muestra
Tamao de muestra para estimar en el muestreo aleatorio simple
donde es la varianza poblacional, N es l numero de elementos de la poblacin, y B en la cota
para el error de estimacin.
Si N es grande, la
formula del tamao de muestra se reduce.
Tamao de muestra para estimar en un muestreo aleatorio simple cuando N es muy
grande
Cuando el objetivo es estimar el total poblacional, con una cota B para el error de estimacin,
se debe sustituir en la formula del tamao.

EL
BIBLIOGRAFIA
1. http://www.hsa.es/id/investigacion/uai/uai_docs/muestreo/muestreo.htm
2. manual de la Universidad de Mlaga: Bioestadstica: Mtodos y Aplicaciones U.D.
Bioestadstica. Facultad de Medicina. Universidad de Mlaga.

3. http://academico.uno.mx/ravila/est_desc/muestra.htm
4. http://www.uaq.mx/matematicas/estadisticas/xu5.html
5. http://html.rincondelvago.com/conceptos-y-muestreo.html
6. Carrasco JL. El mtodo estadstico en la investigacin mdica. 5 ed. Madrid. Editorial
Ciencia.
7. Hulley SB, Cummings SR. Diseo de la investigacin clnica. Ed Doyma. Barcelona 1993.
8. Kelsey IL, Thompson WD, Evans A. Methods in observational epidemiology. New
York.Oxford University Press 1986.
9. Mira JJ, Gmez J, Aranaz J, Prez E. Auditoria de historias clnicas: Cul es el tamao
adecuado de la muestra? Todo Hospital 1997; octubre: 58-64.
10. STEVENSON Willian J. Estadstica para Administracin y Economa. Editorial Harla (Harper
& Row Latinoamrica) Mxico, DF. 1981.
11. SHAO stephen p. Estadstica para Economistas y Administradores de Empresas.Editorial
Herrero Hermanos Sucs.Mxico, DF. 1980.
12. Calero Vinelo, Arstides. Tcnicas de Muestreo / Arstides Calero Vinelo.- La Habana: Editorial.
Pueblo y Educacin, 1978.- 514p.
13. Metodologa de la Investigacin / M. En C. Roberto Hernndez Sampiere... et al.
Mxico:/5.n/, 1997.---505p
14. Snchez lvarez, Rafael. Estadstica Elemental 7 Rafael Snchez lvarez y Jos A. Torres
Delgado.- La Habana: Ed. Pueblo y Educacin, 1989.- 326p.
15. Taro, Yamane. Elementary Sampling Theory / Yamane Taro.- La Habana: Editorial Pueblo y
Educacin, 1989.- 405p.