MUESTREO PROBABILÍSTICO:
MUESTREO ALEATORIO SIMPLE
Es la técnica de muestreo en la que todos los
elementos que forman el universo y que, por lo
tanto, están descritos en el marco muestral,
tienen idéntica probabilidad de ser seleccionados
para la muestra. Sería algo así como hacer un
sorteo justo entre los individuos del universo:
asignamos a cada persona un boleto con un
número correlativo, introducimos los números en
una urna y empezamos a extraer al azar boletos.
Todos los individuos que tengan un número
extraído de la urna formarían la muestra. [1]
Es la modalidad de muestreo más conocida y que
alcanza mayor rigor científico, garantizando la
equis probabilidad de elección de cualquier
elemento, y la independencia de selección de
cualquier otro. [2]
Este muestreo se lo conoce por ser sencillo, pero
en la práctica es complicada, debido a que esta
necesita un marco muestral, lo cual en la mayoría
de los casos es imposible obtenerlo, pero puede
ser utilizado
Garantiza que todos los individuos que
componen la población blanco tienen la misma
oportunidad de ser incluidos en la muestra.
Fig. 1. Fórmula de Muestreo Aleatorio Simple
Beneficios
 La generación de números aleatorios
mediante software sean estrictamente son
números pseudo-aleatorios.
 Aseguramos la obtención de muestras
representativas, de manera que la única
fuente de error que va a afectar a mis
resultados va a ser el azar.
MUESTREO PROBABILÍSTICO:
MUESTREO ESTRATIFICADO
Consiste en dividir toda la población objeto de
estudio en diferentes subgrupos o estratos
disjuntos, de manera que un individuo sólo puede
pertenecer a un estrato. Una vez definidos los
estratos, para crear la muestra se seleccionan
individuos empleando una técnica de muestreo
cualquiera a cada uno de los estratos por
separado. [1]
Se divide la población en grupos en función de
un carácter determinado y después se muestrea
cada grupo aleatoriamente, para obtener la parte
proporcional de la muestra. Este método se aplica
para evitar que por azar algún grupo de animales
este menos representado que los otros. [3]
N1+ N2+ …+ NL = N
Fig. 2. Fórmula de Muestreo Aleatorio Estratificado.
Prácticamente este muestreo divide toda la
población en segmentos y consigo se escoge una
muestra aleatoriamente, para que luego todas las
muestras seleccionadas se combinen en una sola
muestra.
Beneficios
 Si se desea cierta precisión en alguna
subdivisión, es necesario tratarla como si
fuera una “población” por sí sola.
 Las conveniencias de tipo administrativo.
 La diversidad de determinados grupos (por
ejemplo, hoteles, hospitales, prisiones, etc.)
hace necesario un enfoque diferente al de las
personas normales. O, por ejemplo, las
grandes compañías conviene separarlas en
un estrato diferente, para las pequeñas
empresas se puede utilizar un tipo de
muestreo por áreas.
 La estratificación puede dar lugar a una
ganancia en precisión de los estimadores de
la población. Esto ocurre cuando una
población heterogénea es dividida en
subpoblaciones cada una de las cuales es
internamente homogénea. [4]
Tipos de Muestreo Estratificado
1.- Muestreo estratificado proporcionado
Cuando seleccionamos una característica de los
individuos para definir los estratos, suele ocurrir
que el tamaño de las subpoblaciones resultantes
en el universo son diferentes.
2.- Muestreo estratificado uniforme
Cuando asignamos el mismo tamaño de muestra
a todos los estratos definidos, sin importar el peso
que tienen esos estratos en la población.
3.-Muestreo estratificado óptimo (respecto a la
desviación estándar)
En este caso, el tamaño de los estratos en la
muestra no guardará proporcionalidad con la
población. Por el contrario, se define el tamaño
de los estratos proporcionalmente a la desviación
estándar de las variables objeto de estudio. [1]
MUESTREO PROBABILÍSTICO:
MUESTREO SISTEMÁTICO
En este caso se elige el primer individuo al azar
y el resto viene condicionado por aquél. Este
método es muy simple de aplicar en la práctica y
tiene la ventaja de que no hace falta disponer de
un marco de encuesta elaborado. [3]
Fig. 3. Fórmula de Muestreo Sistemático.
Consistente en escoger un individuo inicial de
forma aleatoria entre la población y, a
continuación, seleccionar para la muestra a cada
enésimo individuo disponible en el marco
muestral.
Fig. 4. Ejemplo de Muestreo Sistemático..
Beneficios
 Obtiene buenas propiedades de
representatividad, similares a la de un
muestreo aleatorio simple o incluso
superiores, pero de forma más rápida y
simple, al evitar la necesidad de generar
tantos números aleatorios como individuos
en la muestra.
 Respecto al muestreo aleatorio, el muestreo
sistemático puede garantizarnos una
selección perfectamente equitativa de la
población. Esto puede ser de utilidad si se
distinguen grupos dentro de universo, lo que
nos podría evitar la necesidad de usar
estratos. Si existe diferente varianza entre
los individuos de los fragmentos, este
muestreo puede ser mejor que el aleatorio.
[1]
MUESTREO PROBABILÍSTICO:
MUESTREO POR CONGLOMERADO
Se divide la población en varios grupos de
características parecidas entre ellos y luego se
analizan completamente algunos de los grupos,
descartando los demás. Dentro de cada
conglomerado existe una variación importante,
pero los distintos conglomerados son parecidos.
Requiere una muestra más grande, pero suele
simplificar la recogida de muestras.
Frecuentemente los conglomerados se aplican a
zonas geográficas. [3]
Este muestreo ayuda cuando es poco práctico
crear un marco muestral de X población ya que
se encuentra dispersa geográficamente y el costo
de la recopilación de datos es muy alto. Este
muestreo consiste en seleccionar al azar de forma
natural a varios elementos de X población y crear
agrupaciones, así creando clusters y
seleccionando uno a la vez.
 La población está subdividida en
subpoblaciones llamadas conglomerados.
 Los conglomerados deben presentar toda la
variabilidad de la población. Además los
conglomerados deben ser muy parecidos
entre sí.
 La selección de los conglomerados que
integran la muestra es al azar.
 Todos los elementos del conglomerado
representan la población, de modo que
conviene incluirlos a todos en la muestra.
 Una muestra de conglomerados, usualmente
produce un mayor error muestral y es menos
precisa en las estimaciones que una muestra
aleatoria simple del mismo tamaño pero es
menos costosa y más rápida de muestrear.
[5]
Beneficios
 Seleccionar un conglomerado a estudiar
suele ser más fácil y económico que hacer
una muestra aleatoria o sistemática. Hemos
visto por ejemplo que usar conglomerados
geográficos puede representar un importante
ahorro en desplazamientos de personas.
 Es muy adecuado cuando los grupos en
que dividimos la población son muy
similares entre sí, por lo que no hay gran
diferencia entre estudiar individuos de
un grupo o de otro.
CONCLUSIONES
 En el muestreo aleatorio simple cada
combinación posible de muestreo tiene igual
probabilidad de ser seleccionado.
 EN el muestreo estratificado permite el
análisis de los patrones dentro del estrato y
la notificación separada de los resultados
para cada uno de los estratos.
 La población en el muestreo sistemático no
tiene porque ser numerada, ya que se agrupa
un marco si hay representación física, así
eliminado la posibilidad de autocorrelacion.
 En el muestreo por conglomerados tiende a
tener errores de muestreo más grandes,
ocasionando que el análisis de datos sea
complejo.
REFERENCIAS

[1] C. Ochoa, «netquest,» 08 Abril 2015.

[En línea]. Available:
https://www.netquest.com/blog/es/blo
g/es/muestreo-probabilistico-
muestreo-aleatorio-simple. [Último
acceso: 16 Octubre 2018].

[2] C. G. d. l. República-Chile, «OAS,»

Abril 2012. [En línea]. Available:
http://www.oas.org/juridico/PDFs/me
sicic4_chl_const.pdf. [Último acceso:
2018 Octubre 16].

[3] J. Casal y E. Mateu, «TIPOS DE

MUESTREO,» CReSA, Barcelona,
2003.

[4] T. Otzen y C. Manterola, «Técnicas de

Muestreo sobre una Población a
Estudio,» Morphol, Temuco, 2017.

[5] M. Alperin y C. Skorupka, «Métodos

de muestreo. Muestreo: técnica de
selección de una muestra a partir de
una población,» fcnym, Buenos Aires,
2014.