UNIVERSIDAD POLITÉCNICA SALESIANA

INVESTIGACIÓN ACERCA DE MUESTREO

CARRERA
INGENIERIA MECÁNICA

TEMA
TRABAJO DE INVESTIGACIÓN

MATERIA
Probabilidad y Estadı́stica

ALUMNO/S
Marco Fárez, Juan Quituisaca

DOCENTE
Ing. Jorge Perez

FECHA
9 de abril de 2018

1
1. Objetivo general

Investigar y entender las definiciones acerca de los tipos de muestreo, error de mues-
treo y razones para realizar el muestreo

2. Marco Teorico

2.1. Razones para realizar muestreo

Cuando se estudian las caracterı́sticas de una población, existen diversas razones prácticas
para preferir algunas partes o muestras de ella para observar y medir. He aquı́ algunas razones
para muestrear:

Acceder a toda la población dificil.

A veces se desconoce la población total o no se tiene una ubicación exacta de losele-
mentos que forman dicha población..

Figura 2.1: acceso a todos

El costo de estudiar todos los elementos de una población resultarı́a prohibitivo.

Realizar uncenso resulta muy costoso en términos de recursos económicos, tiempo y
recursosmateriales..

Figura 2.2: reducir costos

2
 Reducir tiempo.
Cuando la población es infinita o tan grande que imposibilita el análisis completode
dicha población.

Figura 2.3: reducir tiempo

Algunas pruebas son de naturaleza destructiva.

Es el caso en el que realizar el estudio sobre toda la poblaciónlevarı́a a la destrucción
misma de la población.

Figura 2.4: De naturaleza destructiva

Los resultados de la muestra son adecuados.

Esto es en el caso en el que el estudio sobre lapoblación total puede causar errores
por su tamaño o, en el caso de los censos, que seanecesario utilizar personal no lo
suficientemente capacitado; mientras que, por otro lado,el estudio sobre la muestra
podrı́a ser realizado con menos personal pero más capacitado.Cochran et al. (1971)

Figura 2.5: muestra

2.2. Tipos de muestreo

Existen dos métodos para seleccionar muestra de poblaciones:

3
MUESTREO PROBABILÍSTICO
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 for-
mar parte de una muestra y, consiguientemente, todas las posibles muestras de tamaño
n tiene la misma probabilidad se ser seleccionadas. Solo estos métodos de muestreo
probabilı́sticos nos aseguran la representatividad de la muestra extraı́da y son, por lo
tanto, los más recomendables.Mason et al. (1998)
Muestreo aleatorio simple: Se asigna un número a cada individuo de la población y
a través de algún medio mecánico (bolas dentro de una bolsa, tablas de números alea-
torios, números aleatorios generados con una calculadora u ordenador, etc.,) se elige
tantos sujetos como sea necesario para completar el tamaño de muestra requerido. Este
procedimiento, atractivo por su simpleza, tiene poca o nula utilidad práctica cuando la
población que estamos manejando es muy grande.Montgomery et al. (1996)

Figura 2.6: muestreo aleatorio simple

Muestreo aleatorio sistemático: Este procedimiento exige, como el anterior, numerar

todos los elementos de la población, pero en lugar de extraer n números aleatorios solo
se extrae uno. Se parte de ese número aleatorio i, que es un numero elegido al azar,
y los elementos que integran la muestra son los que ocupan los lugares i, i+k, i+2k,
i+3k,. . . ..,i+(n-1)k, es decir se toman los individuos de k en k, siendo k el resultado de
dividir el tamaño de la población entre el tamaño de la muestra: K= N/n, el numero
i que empleamos como punto de partida será un numero al azar entre 1 y k.Cochran
et al. (1971)

Figura 2.7: muestreo aleatorio sistemático

Muestreo aleatorio estratificado: Trata de obviar las dificultades que presentan los
anteriores ya que simplifican los procesos y suelen reducir el error maestral para un
tamaño dado de la muestra. Consiste en considerar categorı́as tı́picas diferentes entre sı́

4
(estratos) que poseen gran homogeneidad respecto a alguna caracterı́stica (se puede es-
tratificar, por ejemplo, según la profesión, el municipio de residencia, el sexo, el estado
civil, etc.). Lo que se pretende con este tipo de muestreo es asegurarse de que todos los
estratos de interés estarán representados adecuadamente en la muestra.Soriano (1991)

Figura 2.8: muestreo aleatorio estratificado

Muestreo aleatorio por conglomerados: Los métodos presentados hasta ahora están
pensados para seleccionar directamente los elementos de la población, es decir, que
las unidades muéstrales son los elementos de la población. En el muestreo por con-
glomerados la unidad muestra es un grupo de elementos de la población que forman
una unidad, a la que llamamos conglomerado. Las unidades hospitalarias, los depar-
tamentos universitarios, una caja de determinado producto, etc., son conglomerados
naturales. En otras ocasiones se pueden utilizar conglomerados no naturales como, por
ejemplo, las urnas electorales. El muestreo por conglomerados consiste en seleccionar
aleatoriamente un cierto número de conglomerados (el necesario para alcanzar el ta-
maño muestra establecido) y en investigar después todos los elementos pertenecientes
a los conglomerados elegidos.Cochran et al. (1971)

Figura 2.9: muestreo aleatorio por conglomerados

MUESTREOS NO PROBAILISTICOS
A veces, para estudios exploratorios, el muestreo probabilı́stico resulta excesivamente
costoso y se acude a métodos no probabilı́sticos, aun siendo conscientes de que no
sirven para realizar generalizaciones (Estimaciones inferenciales sobre la población),
pues no se tiene certeza de que la muestra extraı́da sea representativa, ya que no todos
los sujetos de la población tienen la misma probabilidad de se elegidos. En general se

5
seleccionan a los sujetos siguiendo determinados criterios procurando, en la medida
de lo posible, que la muestra sea representativaSoriano (1991)
Muestreo por cuotas: También denominado en ocasiones .accidental”. Se asienta ge-
neralmente sobre la base de un buen conocimiento de los estratos de la población y/o
de los individuos más representativos.o .adecuados”para los fines de la investigación.
Mantiene, por tanto, semejanzas con el muestreo aleatorio estratificado, pero no tiene
el carácter de aleatoriedad de aquél. En este tipo de muestreo se fijan unas çuotas”que
consisten en un número de individuos que reúnen unas determinadas condiciones, por
ejemplo: 20 individuos de 25 a 40 años, de sexo femenino y residentes en Gijón. Una
vez determinada la cuota se eligen los primeros que se encuentren que cumplan esas
caracterı́sticas. Este método se utiliza mucho en las encuestas de opinión.Montgomery
et al. (1996)

Figura 2.10: muestreo por cuotas

Muestreo intencional o de conveniencia: Este tipo de muestreo se caracteriza por un

esfuerzo deliberado de obtener muestras representativas”mediante la inclusión en la
muestra de grupos supuestamente tı́picos. Es muy frecuente su utilización en sondeos
preelectorales de zonas que en anteriores votaciones han marcado tendencias de voto.
También puede ser que el investigador seleccione directa e intencionadamente los in-
dividuos de la población. El caso más frecuente de este procedimiento el utilizar como
muestra los individuos a los que se tiene fácil acceso (los profesores de universidad
emplean con mucha frecuencia a sus propios alumnos.Soriano (1991)

Bola de nieve: Se localiza a algunos individuos, los cuales conducen a otros, y estos a
otros, y ası́ hasta conseguir una muestra suficiente. Este tipo se emplea muy frecuen-
temente cuando se hacen estudios con poblaciones ”marginales”, delincuentes, sectas,
determinados tipos de enfermos, etc.Mason et al. (1998)

Muestreo Discrecional: Criterio del investigador los elementos son elegidos sobre lo
que él cree que pueden aportar al estudio.

6
 Figura 2.11: muestreo internacional o de conveniencia

Figura 2.12: Bola de nieve

2.3. Error de muestreo

El error de muestreo es la desviación de la muestra seleccionada de las verdaderas carac-

terı́sticas, rasgos, comportamientos, cualidades o figuras de toda la población.

Porque sucede este error

El error del proceso de muestreo ocurre cuando los investigadores toman diferentes
sujetos de la misma población, y aún ası́, los sujetos tienen diferencias individuales.
Debes recordar que cuando tomas una muestra, se trata de un subconjunto de toda
la población y, por lo tanto, puede haber una diferencia entre la muestra y la pobla-
ción.Mason et al. (1998)

La causa más frecuente de dicho error es un procedimiento de muestreo sesgado. Todo

investigador debe tratar de establecer una muestra que esté libre de sesgos y sea repre-
sentativa de toda la población. Ası́, el investigador es capaz de minimizar o eliminar el
error de muestreo.

Otra causa posible de este error es la casualidad. Se lleva a cabo el proceso de aleato-
rización y muestreo de probabilidad para minimizar el error del proceso de muestreo,
pero igualmente es posible que todos los sujetos asignados al azar no sean representa-

7
 Figura 2.13: Muestreo Discrecional

tivos de la población.

Figura 2.14: Error de muestreo

Tamaño de la muestra y error de muestreo

Dados dos estudios exactamente iguales, dos métodos de muestreo iguales y la misma
población, el estudio con un tamaño de muestra más grande tendrá menos error del
proceso de muestreo que el estudio con un tamaño menor de la muestra. Debes recor-
dar que a medida que aumenta el tamaño de la muestra, se acerca al tamaño de toda
la población y, por lo tanto, se aproxima a todas las caracterı́sticas de la población,
disminuyendo el error del proceso de muestreo.Mason et al. (1998)

Figura 2.15: Tamaño de la muestra y error de muestreo

Desviación estándar y error de muestreo

La desviación estándar se utiliza para expresar la variabilidad de la población. Más
técnicamente, es la diferencia promedio de todas las puntuaciones reales de los sujetos
de la media o promedio de todas las puntuaciones. Por lo tanto, si la muestra tiene

8
 una alta desviación estándar, se deduce que la muestra también tiene un alto error del
proceso de muestreo.Montgomery et al. (1996)

Formas de eliminar el error de muestreo

Sólo hay una manera de eliminar este error. Consiste en eliminar el concepto de mues-
tra y probar a toda la población.

En la mayorı́a de los casos esto no es posible. Por consiguiente, lo que el investigador

debe hacer es minimizar el error del proceso de muestreo. Esto se puede lograr con un
muestreo probabilı́stico adecuado y no sesgado y mediante el uso de un gran tamaño
de la muestra.

Mapa conceptual

Figura 2.16: Mapa conceptual del muestreo

9
 Referencias

3. Conclusiones

El mustreo es sumamente importane conocerlo, ya que al mometo de realizar un sondeo de

cualquier información, nos encontraremos con dificultades, las cuales si no conocemos los
tipos de muestreo y como aplicar cada uno de ellos, no las podremos afrontar, y por tanto
cometeremos errores muy graves o resultados que no tendrán la suficiente confiabilidad que
necesitamos.

Referencias

Cochran, W. G., Bouclier, A. S., et al. (1971). Técnicas de muestreo. Technical report,
Compañı́a Editorial Continental Mexico. 3, 4, 5

Mason, R. D., Lind, D. A., Marchal, W. G., and Lozano, M. C. H. (1998). Estadı́stica para
administración y economı́a. Number 658.00212 M376E 1998. Alfaomega México DF. 4,
6, 7, 8

Montgomery, D. C., Runger, G. C., and Medal, E. G. U. (1996). Probabilidad y estadı́stica

aplicadas a la ingenierı́a. Number 968-18-5914-6. 01-A1 LU. AL-PyE. 1. McGraw Hill.
4, 6, 9

Soriano, R. R. (1991). Guı́a para realizar investigaciones sociales. Plaza y Valdés. 5, 6

10