Muestreo aleatorio estratificado

Se clasifica la poblacin en grupos (estratos). Se trata de asegurar que todos

los estratos de inters queden correctamente recogidos y, por tanto,
representados en la particin.

Desde un punto de vista probabilstico, se considera que existen

subpoblaciones muy definidas dentro de la poblacin donde la distribucin de
la variable que se analiza experimenta variaciones.

Cada estrato funciona independientemente de los dems. Por tanto, se eligirn

muestras aleatorias simples para cada uno de los estratos.

La distribucin de la muestra en funcin de los distintos estratos se denomina

afijacin.

Tipos de afijacin

Los tipos de afijacin ms utilizados son los siguientes:

Afijacin simple: A cada estrato le corresponde el mismo nmero de

elementos de la muestra.
Afijacin proporcional: El nmero de elementos muestrales de cada
estrato es directamente proporcional al tamao del estrato dentro de la
poblacin.
 1) Introducid el tamao de la poblacin
N y tamao de la muestra n, con la
condicin n N

2) Introducid los tamaos de las 4

primeras subpoblaciones.

3) Presionad el botn Calcula.

4) Se obtienen los tamaos muestrales

para cada subpoblacin por afijacin
proporcional.

7.4.4 Muestreo aleatorio estratificado

Un muestreo aleatorio estratificado es aquel en el que se divide la poblacin de N
individuos, en k subpoblaciones o estratos, atendiendo a criterios que puedan ser
importantes en el estudio, de tamaos respectivos N1, ..., Nk,

y realizando en cada una de estas subpoblaciones muestreos aleatorios simples de

tamao ni .

A continuacin nos planteamos el problema de cuantos elementos de muestra se han de

elegir de cada uno de los estratos. Para ello tenemos fundamentalmente dos tcnicas: la
asignacin proporcional y la asignacin optima.

7.4.4.1 Ejemplo

Supongamos que realizamos un estudio sobre la poblacin de estudiantes de una

Universidad, en el que a travs de una muestra de 10 de ellos queremos obtener
informacin sobre el uso de barras de labios.

En primera aproximacin lo que procede es hacer un muestreo aleatorio simple, pero en

su lugar podemos reflexionar sobre el hecho de que el comportamiento de la poblacin
con respecto a este carcter no es homogneo, y atendiendo a l, podemos dividir a la
poblacin en dos estratos:
 Estudiantes masculinos (60% del total);
Estudiantes femeninos (40% restante).

de modo que se repartan proporcionalmente ambos grupos el nmero total de muestras,

en funcin de sus respectivos tamaos (6 varones y 4 mujeres). Esto es lo que se
denomina asignacin proporcional.

Si observamos con ms atencin, nos encontramos (salvo sorpresas de probabilidad

reducida) que el comportamiento de los varones con respecto al carcter que se estudia
es muy homogneo y diferenciado del grupo de las mujeres.

Por otra parte, con toda seguridad la precisin sobre el carcter que estudiamos, ser
muy alta en el grupo de los varones aunque en la muestra haya muy pocos (pequea
varianza), mientras que en el grupo de las mujeres habr mayor dispersin. Cuando las
varianzas poblacionales son pequens, con pocos elementos de una muestra se obtiene
una informacin ms precisa del total de la poblacin que cuando la varianza es grande.
Por tanto, si nuestros medios slo nos permiten tomar una muestra de 10 alumnos, ser
ms conveniente dividir la muestra en dos estratos, y tomar mediante muestreo
aleatorio simple cierto nmero de individuos de cada estrato, de modo que se elegirn
ms individuos en los grupos de mayor variabilidad. As probablemente obtendramos
mejores resultados estudiando una muestra de

1 varn.
9 hembras.

Esto es lo que se denomina asignacin ptima.

7.4.4.2 Asignacin proporcional

Sea n el nmero de individuos de la poblacin total que forman parte de alguna muestra:

Cuando la asignacin es proporcional el tamao de la muestra de cada estrato es

proporcional al tamao del estrato correspondiente con respecto a la poblacin total:
7.4.4.3 Asignacin ptima

Cuando se realiza un muestreo estratificado, los tamaos muestrales en cada uno de los
estratos, ni, los elige quien hace el muestreo, y para ello puede basarse en alguno de los
siguientes criterios:

Elegir los ni de tal modo que se minimice la varianza del estimador, para un
coste especificado, o bien,
habiendo fijado la varianza que podemos admitir para el estimador, minimizar el
coste en la obtencin de las muestras.

As en un estrato dado, se tiende a tomar una muestra ms grande cuando:

El estrato es ms grande;
El estrato posee mayor variabilidad interna (varianza);
El muestreo es ms barato en ese estrato.

Para ajustar el tamao de los estratos cuando conocemos la dispersin interna de cada
uno de los mismos, tenemos el siguiente resultado:

7.4.4.4 Teorema

[Asignacin de Neyman] Sea E una poblacin con N elementos, dividida en k estratos,

con Ni elementos cada uno de ellos,

Sea n el nmero total de elementos al realizar el muestreo, y que se dividen en cada

estrato como

Sea X la v.a. que representa el carcter que intentamos estudiar. Sobre cada estrato
puede definirse entonces la v.a.
 como el valor medio de X obtenida en una muestra de tamao ni en el estrato Ei. Sea

la varianza de dicha v.a.; Entonces

se minimiza cuando

donde

es la cuasi-varianza del estrato Ei.

El muestreo estratificado es una tcnica de muestreo probabilstico en donde el investigador

divide a toda la poblacin en diferentes subgrupos o estratos. Luego, selecciona
aleatoriamente a los sujetos finales de los diferentes estratos en forma proporcional.

Muestreo aleatorio estratificado: usos

Se utiliza el muestreo aleatorio estratificado cuando el investigador desea resaltar un subgrupo

especfico dentro de la poblacin. Esta tcnica es til en tales investigaciones porque garantiza la
presencia del subgrupo clave dentro de la muestra.

Los investigadores tambin emplean un muestreo aleatorio estratificado cuando quieren observar
relaciones entre dos o ms subgrupos. Con la tcnica de muestreo aleatorio simple, el investigador
no est seguro de si los subgrupos que quiere observar son representados equitativa y
proporcionalmente dentro de la muestra.
 Con el muestreo estratificado, el investigador puede probar de forma representativa hasta a los
subgrupos ms pequeos y ms inaccesibles de la poblacin. Esto permite que los investigadores
prueben a los extremos de la poblacin.
Con esta tcnica, tienes una precisin estadstica ms elevada en comparacin con el muestreo
aleatorio simple. Esto se debe a que la variabilidad dentro de los subgrupos es menor en
comparacin con las variaciones cuando se trata de toda la poblacin.

Debido a que esta tcnica tiene una alta precisin estadstica, exige un tamao de la muestra
menor que puede ahorrar mucho tiempo, dinero y esfuerzo de los investigadores.
Muestreo estratificado: tipos
Muestreo aleatorio estratificado proporcionado

En esta tcnica, el tamao de la muestra de cada estrato es proporcional al tamao de la

poblacin del estrato si se compara con la poblacin total. Esto significa que el cada
estrato tiene la misma fraccin de muestreo.

Supongamos que tienes 3 estratos con 100, 200 y 300 tamaos de la poblacin,
respectivamente. El investigador eligi una fraccin de muestreo de . Luego, el
investigador debe probar al azar 50, 100 y 150 sujetos de cada estrato, respectivamente.

Estrato A B C

Tamao de la poblacin 100 200 300

Fraccin de muestreo

Tamao final de la muestra 50 100 150

En esta tcnica, lo importante es recordar el uso de la misma fraccin de muestreo en

cada estrato, independientemente de las diferencias en el tamao de la poblacin de los
estratos. Es muy parecido a reunir una poblacin ms pequea que sea especfica de las
proporciones relativas de los subgrupos dentro de la poblacin.

Muestreo aleatorio estratificado desproporcionado

La nica diferencia entre el muestreo aleatorio estratificado proporcionado y el

desproporcionado son sus fracciones de muestreo. En el muestreo desproporcionado, los
diferentes estratos tienen diferentes fracciones de muestreo.

La precisin de este diseo es altamente dependiente de la asignacin de fraccin de

muestreo del investigador. Si el investigador comete errores en la asignacin de
fracciones de muestreo, un estrato puede ser representado en exceso o insuficientemente
y dar resultados sesgados.