Muestreo probabilstico: muestreo aleatorio simple

Escrito por Carlos Ochoa el 8 de abril 2015

Siguiendo con nuestra serie de posts dedicados al muestreo, hoy revisaremos la primera
de las tcnicas de muestreo probabilstico: el muestreo aleatorio simple. Esta tcnica es
una de las ms populares y sirve de referencia a todas las dems aunque, como ya
comentamos, en la prctica difcilmente puede utilizarse.

Definicin
El muestreo aleatorio simple (M.A.S.) es la tcnica de muestreo en la que todos los
elementos que forman el universo y que, por lo tanto, estn descritos en el marco
muestral, tienen idntica probabilidad de ser seleccionados para la muestra. Sera algo
as como hacer un sorteo justo entre los individuos del universo: asignamos a cada
persona un boleto con un nmero correlativo, introducimos los nmeros en una urna y
empezamos a extraer al azar boletos. Todos los individuos que tengan un nmero
extrado de la urna formaran la muestra. Obviamente, en la prctica estos mtodos
pueden automatizarse mediante el uso de ordenadores.

Dependiendo de si los individuos del universo pueden ser seleccionados ms de una vez
en la muestra, hablaremos de M.A.S. con reposicin o sin reposicin. Si usamos

reposicin, el hecho de que seleccione un individuo al azar para mi muestra no

impedira que este mismo individuo pudiese volver a ser seleccionado en una siguiente
seleccin. Sera equivalente a decir que cada vez que extraigo un nmero al azar de mi
urna, vuelvo a colocar el nmero antes de la siguiente extraccin. Si por el contrario no
usamos reposicin, un individuo seleccionado para la muestra una vez ya no entrara
nuevamente en el sorteo.
La pregunta obvia es, qu es mejor, usar reposicin o no usar reposicin? Es un simple
problema matemtico. Csar Prez Lpez, en su libro Muestreo Estadstico (Pearson,
2005) desarrolla de forma muy clara una comparacin entre ambas tcnicas. Tanto si lo
miramos desde el punto de vista de qu tcnica genera estimaciones ms precisas como
desde el punto de vista de qu tcnica me permite tener la misma precisin con menor
tamao de muestra, se puede concluir que el muestreo aleatorio simple sin reposicin
siempre es ms eficiente.
Para poder observar este resultado, partimos de la siguiente expresin para el tamao de
muestra en un M.A.S. sin reposicin. La frmula relaciona el tamao de muestra
necesario cuando el universo es finito con el tamao necesario cuando el universo es
infinito:

donde n0 es el tamao de muestra necesario para un universo infinito y N es el tamao

del universo finito. Es posible demostrar que el tamao de muestra cuando usamos
reemplazo (nr) es siempre igual al tamao necesario para universo infinito (nr=n0). Si
eso sucede, podemos afirmar que

Por lo tanto, el tamao de muestra cuando no usamos reposicin siempre es menor al

necesario si usamos reposicin. Este resultado coincide con la intuicin: si estamos
empleando reposicin y por azar incluimos un individuo ms de una vez en la misma
muestra, el efecto es similar a reducir el tamao de la muestra ya que observo menor
diversidad de individuos. Del mismo modo, si el universo es infinito, ambos mtodos
coinciden, dado que la probabilidad de seleccionar al mismo individuo dos veces en la
misma muestra tiende a ser infinitamente pequea.

Beneficios del muestreo aleatorio simple

El desarrollo de la informtica ha permitido que disear una muestra aleatoria simple
sea extremadamente rpido y fiable. La generacin de nmeros aleatorios mediante
software estrictamente son nmeros pseudo-aleatorios es cada vez ms fiable.
De esta forma, al usar M.A.S. nos aseguramos la obtencin de muestras
representativas, de manera que la nica fuente de error que va a afectar a mis
resultados va a ser el azar. Y lo que es ms importante, este error debido al azar puede
calcularse de forma precisa (o al menos acotarse). Puedes consultar el siguiente post
para obtener ms informacin.

Inconvenientes del muestreo aleatorio simple

El nico inconveniente del M.A.S. es la dificultad de llevarlo a la prctica en
investigaciones reales. Recordemos: al ser una tcnica probabilstica, necesito un
marco muestral con todos los individuos y que todos ellos sean seleccionables para mi
muestra. Un requisito que difcilmente puede cumplirse en la mayora de estudios de
mercado y opinin reales, lo que nos obligar a emplear otras tcnicas.