Universidad Nacional de Salta

Facultad de Ciencias Económicas

Cátedra de Estadística

INTRODUCCIÓN AL MUESTREO
Notas Complementarias

Estadística I

Ricardo Jiménez González

Setiembre 2015
1. ELEMENTOS CONCEPTUALES

Nos referimos aquí al muestreo probabilístico de poblaciones finitas, en el sentido de

que el número de objetos que contienen es limitado. El muestreo no es un fin en sí mismo. Los
datos que se obtienen de las muestras son empleados para revisar un conocimiento anterior de
quien toma decisiones sobre los estados de naturaleza o para generalizar acerca de
parámetros de población desconocidos (Chou, 1977).

En su sentido más amplio la finalidad de una encuesta por muestreo es obtener

información para satisfacer una necesidad definida (Raj, 1980). La teoría del muestreo que
hace posible esta clase de inferencia tiene su fundamento en las características permanentes
de los datos de masa, que pueden resumirse sencilla y precisamente por la frase “unidad en la
diversidad” (Chou, 1977). Por otra parte, satisfacer esa necesidad rigurosamente definida nos
lleva a la consideración de las etapas de un muestreo. Sin embargo, es conveniente señalar
antes las ventajas de un procedimiento de muestreo en comparación con la enumeración
completa o censo.

Entonces, ¿cuáles son las razones para el muestreo?

a) Costo reducido: si los datos se obtienen únicamente de una pequeña fracción

del total, los gastos son menores que los que se realizarían si se llevara a cabo
un censo completo;

b) Mayor rapidez: los datos pueden ser recolectados y resumidos más

rápidamente con una muestra que con una enumeración completa;

c) Más posibilidades: las encuestas basadas en el muestreo tienen más

posibilidades y flexibilidad respecto a la información que puede obtenerse
mediante un censo, puesto que el personal encargado de obtener información
será mejor capacitado por ser un grupo reducido;

d) Mayor exactitud: al reducir el volumen de trabajo se empleará personal más

capacitado y someterlo a un entrenamiento intensivo lleva a ser factible la
supervisión de campo y del procesamiento de la información en una encuesta
por muestreo. Así, las estimaciones obtenidas son de alta calidad y precisión.
(Cochran, 1980; Díaz Busto, 2003).

Adicionalmente, es imposible tomar una muestra que sea tan grande como una
población infinita; es posible, pero por lo general impracticable, tomar una muestra tan grande
como una población finita. Así pues ya sea finita o infinita la población que se considere, las
investigaciones estadísticas requieren la generalización partiendo de información de muestras
(Chao, 1975). También sería imposible tomar un censo donde al examinar las unidades, éstas
deban ser destruidas. Piénsese, por ejemplo, en el control de calidad de bombillas de luz,
donde no tiene sentido probar la duración promedio de todas las que salen del proceso de
fabricación, porque ello conllevaría la destrucción del lote completo. De manera que quedan
muy claras y explícitas las razones por las cuales se prefiere en la gran mayoría de los casos
tomar una encuesta por muestreo, en lugar de una enumeración completa. Será bueno
recordar un principio general que refuerzan aquellas razones, ya enunciadas más arriba, para
efectuar un muestreo: Al tratar con datos numéricos siempre se llega a un punto más allá del
cual el aumento de la información por observaciones adicionales no merece el aumento de los
costos (Chou, 1977).

Pasemos ahora a considerar algunos de los principales pasos implicados en la

planificación y ejecución de encuestas por muestreo.

1) Objetivos. Esto consiste, ante todo, en establecer objetivos tan concisamente

como sea posible, en que cada objetivo se enuncia como una hipótesis que va
a probarse, un intervalo de confianza que ha de calcularse, o una decisión que
debe tomarse (Steel y Torrie, 1988);

2
2) Población que se cubrirá. Los objetivos de la encuesta por muestreo deben
definir la población que se quiere cubrir. Pero las dificultades prácticas para
manejar ciertos segmentos de la población podrían apuntar a su eliminación
del campo de la encuesta. De este modo, la población que se procurará cubrir
será por lo general diferente de la que es en realidad objeto de muestreo. Los
resultados que se obtengan se aplicarán a la población que fue objeto de
muestreo (Raj, 1980). La población que se muestrea (la población muestreada)
debe coincidir con la población sobre la cual se desea información (la
población objetivo). Pero esto no siempre es posible. Entonces, toda
información que se obtenga respecto a las diferencias entre ambas
poblaciones será de utilidad (Cochran, 1980).

3) El Marco de muestreo. Debe seleccionarse de tal manera que la lista de

unidades muestrales y la población objetivo concuerden lo más posible (Díaz
Busto, 2003). Antes de seleccionar la muestra, la población debe ser dividida
en partes llamadas unidades de muestreo. Estas deben cubrir la totalidad de la
población y no traslaparse en el sentido de que todo elemento de la población
pertenezca a una y solamente a una unidad. La construcción de esta lista de
unidades de muestreo, llamada marco, es uno de los principales problemas
prácticos (Cochran, 1980).

4) Selección de la muestra. Las formas en que pueden extraerse una muestra

se llaman diseños muestrales (Steel y Torrie, 1988). Aquí se trata de diseños
probabilísticos o muestreo de probabilidad. Incluye la definición sobre la
selección del tamaño de muestra, que a su vez se relaciona con los recursos
disponibles.

5) Grado de precisión deseado. Los resultados de una encuesta por muestreo

están siempre sujetos a cierta incertidumbre porque sólo se mide una parte de
la población, y por los errores en las mediciones realizadas. Esta falta de
certeza se puede reducir al tomar muestras más grandes y emplear mejores
dispositivos de medición. Pero esto suele costar tiempo y dinero, en
consecuencia, la especificación del grado de precisión deseado, es un paso
importante en la preparación de la encuesta (Cochran, 1980).

6) La información que se recopilará. Sólo deben obtenerse datos de interés

para el propósito de la encuesta, evitando cuestionarios demasiado largos que
haga que los encuestados pierdan interés en responderlos. Tampoco deben
omitirse preguntas que son fundamentales para el estudio.

7) Método para obtener la información. El método de obtener la información (ya

sea por correo, por entrevistas o de alguna otra manera) debe decidirse
teniendo en cuenta los costos y la exactitud buscada (Raj, 1980).

8) Realización del estudio. En esta etapa será necesario capacitar al personal

que realizará la encuesta, con el objeto de lograr uniformidad en la localización
o identificación de las unidades de muestreo y en el registro de las respuestas
a cuestionarios u otros datos. Será necesario un cronograma de actividades y
una adecuada supervisión del trabajo de campo (Steel y Torrie, 1988). Es de
gran utilidad probar el cuestionario y los métodos de campo en pequeña
escala, lo que se denomina la encuesta piloto (Cochran, 1980).

9) Resumen y análisis de los datos. Cuando los datos se transfieren a una

computadora, deben mantenerse bajo control los errores de carga (Raj, 1980).
Habrá necesidad de tomar ciertas decisiones respecto al procedimiento de
cálculo en los casos de omisión de respuestas de quienes responden o de
eliminación de datos en el proceso de edición. Después se realizarán los
cálculos que conduzcan a las estimaciones. Una práctica aconsejable en la
presentación de los datos es informar la magnitud esperada de error en las
estimaciones más importantes (Cochran, 1980). Como un instrumento para

3
 descubrir hechos, la encuesta por muestreo no se ocupa principalmente de la
interpretación económica o sociológica de los hechos que demuestra, aunque
debiera proporcionar información adecuada para esas interpretaciones por
parte de un equipo interdisciplinario (Raj, 1980).

Veamos sucintamente los aspectos teóricos de los métodos básicos de selección de

la muestra o diseños de muestreo:

I. Muestreo Aleatorio Simple. Es un procedimiento por el cual al tomar una

muestra en cada unidad disponible para el muestreo, aquella tiene igual
probabilidad que otra de ser tomada. O bien se puede decir que es un
muestreo en el que si se saca al azar una muestra de n unidades, toda posible
muestra de n unidades tiene la misma probabilidad de ser seleccionada. La
clave de un procedimiento semejante es naturalmente la técnica de azar
(Chao, 1975). El muestreo aleatorio simple puede ser de dos formas, sin
reposición (muestreo irrestricto aleatorio) y muestreo con reposición. El
procedimiento de selección para obtener una muestra aleatoria simple,
consiste en enumerar las unidades de la población, desde 1 a N. Usando una
tabla de números aleatorios, seleccionar la primera unidad para la muestra.
Continuar la selección excluyendo las unidades repetidas (si es sin reposición)
o incluyendo dichas unidades (si es con reposición), hasta completar el tamaño
de muestra n (Díaz Busto, 2003).

II. Muestreo Sistemático. Muy a menudo, si se desea un muestreo aleatorio

simple se sigue un procedimiento sistemático en vez de un método de azar.
Según el procedimiento sistemático, se obtiene una muestra tomando cada una
de las k-ésima unidades de la población tras numerar las unidades de la
población o haberlas ordenado de alguna manera. La letra k representa un
número entero, que es aproximadamente la razón de muestreo entre el tamaño
de la población y el tamaño de la muestra - N/n para (k<=N/n). Para que toda
unidad de la población tenga igual probabilidad de salir, el procedimiento debe
empezar al azar (Chao, 1975).

III. Muestreo Estratificado. El muestreo estratificado al azar es uno de los

métodos aleatorios que, usando la información disponible sobre la población,
trata de diseñar una muestra más eficiente que la obtenida por el
procedimiento simple al azar. El proceso de estratificación requiere que la
población sea dividida en grupos o clases llamados estratos. Entonces, se
toma una muestra de cada estrato por métodos simples al azar, y la muestra
resultante se llama muestra estratificada. Una muestra estratificada puede ser
proporcional o desproporcionada (Chou, 1977). Las mediciones dentro de los
estratos deben ser homogéneas (baja variabilidad) y entre estratos
heterogéneas (alta variabilidad). El esquema de afijación proporcional consiste
en repartir el tamaño de muestra n en forma proporcional al tamaño de los
estratos de la población: ni = n (Ni / N) (Díaz Busto, 2003). También puede
usarse la afijación óptima que tiene en cuenta la varianza de cada estrato y el
costo de muestreo de cada unidad dentro de los estratos (Scheaffer y otros,
2007).

IV. Muestreo por Conglomerados. En la mayoría de las encuestas por muestreo,

las unidades de muestreo suelen ser un grupo de elementos que comúnmente
es llamado conglomerado de elementos (Díaz Busto, 2003). Se emplea
frecuentemente para reducir el costo de muestrear una población dispersa en
un área geográfica grande. El muestreo por conglomerados se realiza
subdividiendo una región extensa en áreas menores, que se denominan
unidades primarias (Mason, Lind y Marchal, 2001). Lo usual en estos
conglomerados es que los elementos presentan características similares, por lo
tanto no sería conveniente tomar información de todos los elementos del
conglomerado. Una práctica usual consiste en seleccionar una muestra
(submuestra) de elementos de cada conglomerado seleccionado. A este tipo

4
 de muestreo se le denomina muestreo en dos etapas o bietápico (Díaz Busto,
2003).

2. NORMAS PROFESIONALES

En cuanto al uso del muestreo por parte de los Contadores en su función de

Auditores de Estados Contables y otras tareas relacionadas, la Resolución Técnica N° 37 del
22/03/2013, denominada “Normas de Auditoría, Revisión, Otros Encargos de Aseguramiento,
Certificación y Servicios Relacionados”, establece en el punto II.B.5.: “En la aplicación de los
procedimientos seleccionados para los encargos de auditoría, revisión, otros encargos de
aseguramiento y servicios relacionados, el contador debe tener en cuenta que puede actuar
sobre bases selectivas, determinadas exclusivamente según su criterio (excepto en los
encargos para realizar procedimientos acordados, donde la utilización de bases selectivas
también debe ser de común acuerdo) o apoyándolo con el uso de métodos estadísticos.”

Por su parte las Normas Internacionales de Auditoría, adoptadas por la Resolución

Técnica N° 32 del 30/11/2012, establecen distintas pautas a tener en cuenta por los Auditores.

Así la NIA 500: “Evidencia de Auditoría”, en el Apartado A52 dice: “Selección de los
elementos sobre los que se realizarán pruebas para obtener evidencia de auditoría (Ref:
Apartado 10). A52. Una prueba será eficaz si proporciona evidencia de auditoría adecuada, de
tal modo que, considerada junto con otra evidencia de auditoría obtenida o que se vaya a
obtener, sea suficiente para los fines del auditor. Para la selección de los elementos sobre los
que se realizarán las pruebas, el auditor deberá, de conformidad con el apartado 7, determinar
la relevancia y fiabilidad de la información que se utilizará como evidencia de auditoría; el otro
aspecto de la eficacia (la suficiencia) es una consideración importante a tener en cuenta para la
selección de los elementos sobre las que se realizarán pruebas. Los medios a disposición del
auditor para seleccionar dichos elementos son: (a) la selección de todos los elementos
(examen del 100%); (b) la selección de elementos específicos; y (c) el muestreo de auditoría.
La aplicación de cualquiera de estos medios o de varios en combinación puede ser adecuada
dependiendo de las circunstancias concretas; por ejemplo, de los riesgos de incorrección
material con respecto a la afirmación sobre la que se están realizando pruebas, así como de la
viabilidad y la eficacia de los distintos medios”. Cada uno de los temas indicados en (a), (b) y
(c) están desarrollados en los Apartados A53 a A56.

La NIA 530 refiere específicamente al “Muestreo de Auditoría” (NIA 500 A56).

3. UNA APLICACIÓN

Realizaremos ahora una aplicación concreta de un muestreo probabilístico sobre una

población finita. Es el momento de especificar detalladamente el problema a tratar.

El caso puede presentarse como sigue: Una importante Editorial dedicada

fundamentalmente a la publicación de libros para el área de ciencias económicas, está
evaluando la posibilidad de editar y distribuir un texto de estadística aplicada a la
administración y a la economía, y cuyos destinatarios directos serían los alumnos universitarios
de la Facultad de Ciencias Económicas que están cursando la mencionada asignatura.

A fin de poder evaluar eficientemente este proyecto de inversión, la Editorial ha

firmado un convenio con la Facultad de Ciencias Económicas, con el objeto de poder contar
con información de base de la población objetivo. La Facultad por su parte se verá beneficiada
con la donación de una importante cantidad de material bibliográfico, cuyos títulos han sido
previamente consensuados.

Con la información suministrada por la Facultad, la Editorial realizará una encuesta

por muestreo para estimar la posible demanda del libro en cuestión.

5
 Claramente, la Editorial realizará a través de los datos de la muestra probabilística
una estimación por límites de confianza, de la verdadera proporción en la población (), de los
alumnos que estarían dispuestos a adquirir el texto de estadística.

La Facultad pone a disposición de la Editorial el listado de los alumnos inscriptos en el

curso 2003 de la asignatura Estadística (Población objetivo). Adicionalmente, la Cátedra de
Estadística realiza una encuesta por censo de todos aquellos alumnos que habiendo cumplido
los requisitos de inscripción para el curso, luego asisten realmente a los teóricos y prácticos, y
por lo tanto, pueden ser objeto de un seguimiento académico (Población a muestrear o Marco).
Los diseños y procesamientos que se utilizan en este trabajo han sido realizados mediante el
“ESPA” – Sistema para la Enseñanza de Estadística – (Rodríguez y Capilla, 2003). Esta
información también se pone a disposición de la Editorial.

El formato de hoja de encuesta por censo que la Cátedra de Estadística tomó a los
alumnos del curso 2003, donde se muestran las variables de interés, es la siguiente:

6
 El cuadro que sigue, muestra la identificación (parcial) de los elementos de la población
marco, N = 621 alumnos.

7
METODOLOGÍA

Seguiremos los pasos enunciados más arriba, para la discusión del presente caso.

 Ya dijimos algo con respecto a la población que se cubrirá. En nuestro caso la

población objetivo no coincidirá con la población a ser muestreada, por la razón
apuntada que los alumnos inscriptos al inicio del curso, no siempre inician
efectivamente las clases. No obstante la diferencia observada no alcanza al 10%
entre ambas poblaciones. Se considera no significativa esta desviación, atendiendo
al tipo de decisión que se quiere tomar;

 Con la restricción mencionada en el punto anterior, se ha construido el marco a

partir de la mencionada encuesta de censo que la Cátedra de Estadística tomó
para el curso 2003. Las unidades de muestreo constituyen los alumnos inscriptos
efectivamente en dicho curso y la lista completa (N = 621) se identifica por el
número de libreta universitaria. El cuadro que antecede muestra, parcialmente a
título de ejemplo, esta distribución.

 Los diseños muestrales que se aplicarán en este trabajo, son los descritos más
arriba a saber: Muestreo Simple al Azar, Muestreo Sistemático y Muestreo
Estratificado. En la sección de Resultados se indicarán las muestras obtenidas por
cada uno de ellos y en la sección de Conclusiones se discutirán las ventajas y
desventajas con relación a este trabajo;

 Tratándose de un muestreo probabilístico es necesario escoger el grado de

precisión deseado. Dado que nuestra variable a estudiar es dicotómica (x: número
de alumnos en la muestra que manifiestan sus preferencias por adquirir el texto de
estadística), y por ende con una distribución Binomial, es posible que si el tamaño
de la muestra n es lo suficientemente grande, por el Teorema Central del Límite, el
estimador ps = x/n, tienda a una distribución Normal. Por lo tanto se juzga suficiente
un Nivel de Confianza del orden del 95%, lo que nos ubica aproximadamente 2
alrededor de la media. Teniendo en cuenta que estamos en presencia de una
población finita al calcular n, tendremos que aplicar el fpc (finite population
correction factor por sus siglas en inglés. En español: Factor de Corrección para
Población Finita). Así  = 0,05.

 Un posible modelo de hoja de encuesta, para los fines perseguidos por la Editorial,
se muestra en los cuadros que siguen, con indicación de las variables de interés.

8
 Para obtener la información deseada, la Editorial ha decidido contratar a alumnos de la
Facultad que están cursando el último año, los que harán entrevistas personales a los
compañeros que se seleccionen en la muestra;

 Previo a la realización de la encuesta, se ha efectuado una prueba piloto en pequeña

escala. Esta experiencia, ha permitido ajustar las preguntas de la hoja de encuesta y
como un valor agregado en la capacitación de los encuestadores. Adicionalmente el
valor ps = 0,40 obtenida de esta muestra provisoria se tomará como valor estimado
para el cálculo del tamaño n de la muestra.

9
 RESULTADOS

Antes de exponer los resultados para cada uno de los tres diseños de muestreo
seleccionados para este trabajo, a fin de obtener un mayor conocimiento de la población a
muestrear, convendría mostrar algunas tablas de contingencia con información relevante sobre
la composición y características de la mencionada población, que pueden ser útiles tanto en el
diseño como en el análisis de los resultados.

Se presentará aquí algunas tablas de contingencia, combinando edad y cantidad de

horas semanales de trabajo. Los datos se exponen como distribuciones conjuntas absolutas y
porcentuales, como también marginales por filas y por columnas.

10
11
12
 Muestreo Aleatorio Simple. Se ha definido la población a muestrear como el colectivo
de alumnos del curso 2003 de la asignatura Estadística que efectivamente comenzaron
el citado curso. Se trata claramente de una población finita donde N = 621 y de la cual
se dispone un listado completo de las unidades de muestreo, esto es, cada uno de los
alumnos (unidades elementales del muestreo) están perfectamente identificados a
través de su libreta universitaria, como se indica en una tabla consignada más arriba.
Consecuentemente se definió la variable aleatoria, x: número de alumnos en la
muestra que manifiestan sus preferencias por adquirir el texto de estadística y se
estableció el error de estimación en  = 0,05, con un nivel de confianza del 95,5%. En
el próximo curso de Estadística II se demostrará que bajo estas condiciones, el tamaño
de muestra se determina como sigue. Para ello utilizaremos el valor ps = 0,40 de la
prueba piloto. Así n = 4Npq / E2 (N-1) + 4pq que incluye el fpc (Díaz Busto, 2003).

n = 4*621*0,40*0,60 / 0,052 * (621-1) + 4*0,40*0,60

n = 237,51; n .=. 238

Determinemos, entonces, las unidades a seleccionar, utilizando los valores que

anteceden y una tabla de números al azar.

13
 Pueden observarse el orden de la muestra de n = 238 y los elementos de la población
que deben ser seleccionados de acuerdo al listado consignado más arriba.

14
 Muestreo Sistemático. Este procedimiento de selección implica elegir dentro de una
población N a un número n de elementos a partir de un intervalo k, que va a estar
determinado por el tamaño de la población y el tamaño de la muestra.

k = N/n

En nuestro caso: k = 621/238; k = 2,61; k .=. 3

Para que toda unidad de la población tenga igual probabilidad de salir, el procedimiento
debe empezar al azar (Chao, 1975).

Debemos escoger ahora un número al azar entre 1 y 3. Para ello, volvemos a utilizar
una tabla de números al azar y seleccionamos aquel valor que esté comprendido entre
los límites mencionados y que esté ubicado en la última fila de la última columna de la
mencionada tabla, comenzando por la derecha. Este valor es 3.

De manera que teniendo el listado ordenado de la población a ser muestreada,

podremos determinar las unidades de muestreo.

15
 Así, entonces, nuestra primera selección será el elemento que está en el tercer lugar.
En nuestro caso, el primer alumno seleccionado será el que posea la L.U. N° 506.345,
el segundo será el tercero a partir de éste último y así sucesivamente hasta cubrir el
tamaño n = 238 de la muestra, o agotar la población, lo que ocurra antes. Para este
caso, n = 207.

 Muestreo Estratificado. Una muestra estratificada es obtenida mediante la separación

de elementos en grupos llamados estratos, y la selección posterior de una muestra
aleatoria al azar de cada estrato (Díaz Busto, 2003).

Para nuestro caso, se considera conveniente estratificar la población de acuerdo al tipo

de Institución de la cual egresó el alumno, esto es Pública o Privada. Se estima que
este enfoque dará cierta información sobre el nivel de ingresos del grupo familiar del
cual procede el alumno. Por otra parte, dividir la población en estos dos estratos
mutuamente excluyentes y colectivamente exhaustivos, hace que podamos tomar una
muestra aleatoria independiente de cada estrato. Así mismo, no solo nos garantiza la
independencia entre los estratos, sino que se puede inferir que dentro de los estratos
podrían encontrarse mediciones lo suficientemente homogéneas y bastante más
heterogéneas entre estratos.

Presentamos una tabla de resumen, que nos muestra la distribución de la población

entre estos estratos en valores absolutos y porcentuales y una serie de gráficos.

16
Determinemos ahora, las unidades que componen cada estrato.

17
 Podemos repartir el tamaño de la muestra n = 238 en forma proporcional al tamaño de
los estratos de la población N = 621, donde N1 = 337 (Institución Pública) y N2 = 284 (Institución
Privada).

Usando el Esquema de Afijación Proporcional (Díaz Busto, 2003), tendremos:

n1 = n (N1/N); n1 = 238* (337/621); n1 = 129,16; n1 .=. 129

n2 = n (N2/N); n2 = 238* (284/621); n2 = 108,84; n2 .=. 109

18
 Ahora determinemos para cada estrato una muestra aleatoria al azar, de acuerdo a los
valores calculados.

19
4. CONCLUSIONES

 En esta aplicación se han usado tres clases diferentes de diseños muestrales, como el
Muestreo Simple al Azar, el Muestreo Sistemático y el Muestreo Estratificado,
habiéndose dejado de lado el Muestreo por Conglomerados. Debemos justificar aquí el
uso de aquellos y la omisión de éste último.

 Generalmente, el Muestreo Aleatorio Simple es aplicable a encuestas por muestreo de

dimensiones no muy grandes. En nuestro caso es perfectamente aplicable, además por
el hecho sustancial que este tipo de muestreo tiende a ser muy eficiente cuando la
población es homogénea.

 Por otra parte, las unidades del muestreo han podido ser identificadas perfectamente, y
el costo de lograr esta identificación no excede su beneficio. Sin embargo, el Muestreo
Aleatorio Simple, supone, como dijimos, una población relativamente pequeña y
homogénea. Cuando la población es de dimensiones más importante y el supuesto de
homogeneidad puede estar en tela de juicio, serán apropiados otros diseños de
muestreo, menos costosos y más eficientes (Chao, 1975).

 Hemos aplicado, también, el Muestreo Sistemático. Este procedimiento es

ampliamente utilizado porque facilita enormemente la selección de la muestra y por
consiguiente habrá menos errores en la determinación de la misma. La precisión que
proporciona el Muestreo Sistemático depende del orden de las unidades de muestreo
en el marco. Si la población, como creemos que es nuestro caso, tiene una buena
ordenación, la muestra sistemática se extenderá uniformemente sobre toda la
población y, por lo tanto, puede proporcionar más información acerca de la población
que una cantidad equivalente de datos contenida en una muestra aleatoria al azar
(Díaz Busto, 2003). Pero hay que tener cuidado, porque la muestra sistemática es
menos representativa que la muestra aleatoria simple en situaciones en que hay
periodicidad oculta en la población. Esto es un movimiento cíclico o periódico de los
datos con la longitud del ciclo aproximándose a la razón de muestreo k (Chao, 1975).

 Por último, aplicamos el Muestreo Estratificado en forma proporcional. Está claro, que
esta estratificación proporcional que se ha realizado, representa el conjunto con
respecto a la proporción de cada estrato de la población. Esto significa que podemos
estratificar la población, como se ha hecho aquí, de tal manera que dentro de cada
estrato haya la mayor uniformidad posible (Instituciones Públicas o Privadas), y entre
los estratos las diferencias sean lo más grande posible. Para aplicar el procedimiento
de estratificación, es absolutamente necesario poseer algún conocimiento de las
características de la población (Chou, 1977). Esto se logra, creemos, con la abundante
información que nos proporciona la encuesta por censo que la Cátedra de Estadística
ha tomado a los alumnos del curso 2003, y cuyos listados, cuadros de resumen,
gráficos y tablas de contingencia se exponen más arriba.

 Se ha omitido el Muestreo por Conglomerados. No se considera aplicable en este caso.

Para lograr los mejores resultados en el plan del Muestreo por Conglomerados, se
hacen tan pequeñas como sea posible las diferencias entre conglomerados, en tanto
que las diferencias entre los elementos individuales dentro de cada conglomerado se
hacen tan grandes como sea posible. La ventaja principal de este método es la
reducción de costos, para determinado nivel de confianza. Pero su principal desventaja
está en que la varianza de una muestra por conglomerados tiende a ser mayor que la
de una muestra aleatoria tomada por cualquier otro procedimiento antes vistos (Chao,
1975).

20
5. BIBLIOGRAFÍA

 Hugo Miguel Rodríguez y María Esther Capilla, ESPA – Sistema para la Enseñanza de
Estadística. Universidad Nacional de Salta. 2003.

 William G. Cochran, Técnicas de Muestreo. C.E.C.S.A. México. 1980.

 Robert D. Mason, Douglas A. Lind y William G. Marchal, Estadística para

Administración y Economía. Alfaomega. 10° Edición. México. 2001.

 Ya-Lun Chou, Análisis Estadístico. Interamericana. México. 1977.

 Lincoln L. Chao, Estadística para las Ciencias Administrativas. McGraw-Hill. México.

1975.

 Des Raj, Teoría del Muestreo. Fondo de Cultura Económica. México. 1980.

 Robert G. D. Steel y James H. Torrie, Bioestadística: Principios y Procedimientos.

McGraw-Hill. México. 1988.

 Leonard J. Kazmier y Alfredo Díaz Mata, Estadística aplicada a la Administración y a la

Economía. McGraw-Hill. México. 1993.

 Pedro Díaz Busto, Muestreo. Universidad Nacional de Ingeniería, Facultad de

Ingeniería Económica y Ciencias Sociales, Perú, www.quipu.uni.edu.pe, 2003.

 Mark L. Berenson y David M. Levine, Estadística Básica en Administración. Conceptos

y Aplicaciones. Prentice Hall. México. 1996.

 Allen L. Webster, Estadística aplicada a los negocios y la economía. McGraw-Hill.

Colombia. 2000.

 Richard L. Scheaffer, William Mendenhal III y R. Lyman Ott, Elementos de Muestreo.

Thomson. 6° Edición. Madrid. 2007.

 www.facpce.org.ar

21