Introducción

Se hará referencia sobre el muestreo estadístico, técnicas, niveles y tipos

fundamentales de un muestreo; se describen conceptos básicos que explican lo que
esto se refiere al igual se aprecia cómo y qué tipo de técnicas se pueden utilizar para
poner en practica la realización de una auditoria con la finalidad de obtener
una información determinada para lograr un objetivo especifico.
El muestreo estadístico es un procedimiento por el que se ingresan los
valores verdaderos de una población a través de la experiencia obtenida con una
muestra
El muestreo como herramienta de la investigación científica arroja resultados que se
pueden utilizar para concluir un determinado estudio X de población, al igual las técnicas
selectivas que se requieren para dicho estudio de acuerdo a lo que se va a evaluar.
El muestreo permite una reducción considerable de los costos materiales del estudio,
una mayor rapidez en la obtención de la información y el logro de resultados con
máxima calidad.
Contenido

1. Concepto
En estadística se conoce como muestreo a la técnica para la selección de una
muestra a partir de una población.
Al elegir una muestra aleatoria se espera conseguir que sus propiedades sean
extrapolables a la población. Este proceso permite ahorrar recursos, y a la vez
obtener resultados parecidos a los que se alcanzarían si se realizase un estudio
de toda la población. En las investigaciones llevadas por empresarios y de la
medicina se usa muestreo extensivamente en recoger información sobre
poblaciones.
Cabe mencionar que para que el muestreo sea válido y se pueda realizar un
estudio adecuado (que consienta no solo hacer estimaciones de la población
sino estimar también los márgenes de error correspondientes a dichas
estimaciones), debe cumplir ciertos requisitos. Nunca podremos estar
enteramente seguros de que el resultado sea una muestra, pero sí podemos
actuar de manera que esta condición se alcance con una probabilidad alta.
En el muestreo, si el tamaño de la muestra es más pequeño que el tamaño de la
población, se puede extraer dos o más muestras de la misma población. Al
conjunto de muestras que se pueden obtener de la población se denomina
espacio muestral. La variable que asocia a cada muestra su probabilidad de
extracción, sigue la llamada distribución.

2. ¿Qué es el muestreo?
El muestreo es el proceso de seleccionar un conjunto de individuos de una
población con el fin de estudiarlos y poder caracterizar el total de la población.
La idea es bastante simple. Imagina que queremos saber algo de un universo o
población, por ejemplo, qué porcentaje de los habitantes de Perú fuma
habitualmente. Una forma de obtener este dato sería contactar con todos los
habitantes de Perú (122 millones de personas) y preguntarles si fuman. La otra
forma sería seleccionar un subconjunto de individuos (por ejemplo, 1.000
personas), preguntarles si fuman y usar esta información como una
aproximación de la información que busco. Pues bien, este grupo de 1.000
personas que me permiten conocer mejor cómo se comportan el total de
peruanos es una muestra, y la forma en que los selecciono es el muestreo.
En la definición anterior hemos introducido dos términos fundamentales:
  Universo o población: Es el total de individuos que deseo estudiar o
caracterizar. En el ejemplo anterior es la población de Perú, pero
podemos pensar en todo tipo de universos, más generales y más
concretos. Por ejemplo, si quiero saber cuánto fuman de medios los
fumadores de Perú, el universo en este caso serían “los fumadores de
Perú”.
 Muestra: Es el conjunto de individuos del universo que selecciono para
estudiarlos, por ejemplo a través de una encuesta.

3. Ventajas y desventajas del muestreo

Resumimos a continuación las principales ventajas e inconvenientes de usar
muestreo frente a estudiar todo un universo.
Ventajas:
 Necesitamos estudiar menos individuos, necesitamos menos recursos
(tiempo y dinero).
 La manipulación de datos es mucho más simple. Si con una muestra de
1.000 personas tengo suficiente, ¿para qué quiero analizar un fichero de
millones de registros?
Desventajas:
 Introducimos error (controlado) en el resultado, debido a la propia
naturaleza del muestreo y a la necesidad de generalizar resultados.
 Tenemos el riesgo de introducir sesgos debido a una mala selección de
la muestra. Por ejemplo, si la forma en que selecciono individuos para la
muestra no es aleatoria, mis resultados pueden verse seriamente
afectados.

4. Elección de la muestra
La muestra tiene que ser representativa de la población de la que se extrae Se
pueden producir errores imprevistos e incontrolados. Dichos errores se
denominan sesgos y si suceden diremos que la muestra está sesgada Las
distintas maneras de elegir una muestra de una población se denominan
muestreos

5. Cálculo del Tamaño Muestral

Cada estudio tiene un tamaño muestral idóneo, que permite comprobar lo que
se pretende con la seguridad y precisión fijadas por el investigador
Tamaño de la muestra para la población infinita o desconocida
 𝑍𝛼2 ∗ 𝑝 ∗ 𝑞
𝑛=
𝑖2

Tamaño de la muestra para la población finita y conocida

𝑍𝛼2 ∗ 𝑁 ∗ 𝑝 ∗ 𝑞
𝑛=
𝑖 2 (𝑁 − 1) + 𝑍𝛼2 ∗ 𝑝 ∗ 𝑞
Donde:
 n: tamaño muestral y n: tamaño de la población
 z: valor correspondiente a la distribución de gauss,
 zα= 0.05 = 1.96 y zα= 0.01 = 2.58
 p: prevalencia esperada del parámetro a evaluar, en caso de
desconocerse(p =0.5), que hace mayor el tamaño muestral
 q: 1 – p (si p = 70 %, q = 30 %)
 i: error que se prevé cometer si es del 10 %,i = 0.1

6. Cálculo del Tamaño de la Muestra

Tamaño de la muestra para población finita cuando los datos son cualitativos, es
decir para análisis de fenómenos sociales o cuando se utilizan escalas
nominales para verificar la ausencia o presencia del fenómeno a estudiar
𝑛´
𝑛=
𝑛´
1+
𝑁

𝑠2
n´ = 2
𝜎

s2 = p (1-p) y σ2 = (se)2

Donde:
 n: tamaño muestral
 N: tamaño de la población
 s2: varianza muestral
 σ2: varianza poblacional
 se: error standard
 p: % de confiabilidad

7. Tipos de muestro
Existen diferentes criterios de clasificación de los diferentes tipos de muestreo,
aunque en general pueden dividirse en dos grandes grupos: métodos de
muestreo probabilísticos y métodos de muestreo no probabilísticos.
 7.1 Muestreo probabilístico (aleatorio)
En este tipo de muestreo, todos los individuos de la población pueden formar
parte de la muestra, tienen probabilidad positiva de formar parte de la muestra.
Por lo tanto es el tipo de muestreo que deberemos utilizar en nuestras
investigaciones, por ser el riguroso y científico.

7.1.1 Muestreo aleatorio simple

En un muestreo aleatorio simple todos los individuos tienen la misma
probabilidad de ser seleccionados. La selección de la muestra puede
realizarse a través de cualquier mecanismo probabilístico en el que todos los
elementos tengan las mismas opciones de salir. Por ejemplo uno de estos
mecanismos es utilizar una tabla de números aleatorios, o también con un
ordenador generar números aleatorios, comprendidos entre cero y uno, y
multiplicarlos por el tamaño de la población, este es el que vamos a utilizar.

Sin reposición de los elementos: Cada elemento extraído se descarta para

la subsiguiente extracción. Por ejemplo, si se extrae una muestra de una
"población" de bombillas para estimar la vida media de las bombillas que la
integran, no será posible medir más que una vez la bombilla seleccionada.
Con reposición de los elementos: Las observaciones se realizan con
remplazo de los individuos, de forma que la población es idéntica en todas
las extracciones. En poblaciones muy grandes, la probabilidad de repetir una
extracción es tan pequeña que el muestreo puede considerarse con
reposición aunque, realmente, no lo sea.

Con reposición múltiple: En poblaciones muy grandes, la probabilidad de

repetir una extracción es tan pequeña que el muestreo puede considerarse
con reposición.

Para realizar este tipo de muestreo, y en determinadas situaciones, es muy

útil la extracción de números aleatorios mediante ordenadores, calculadoras
o tablas construidas al efecto.

7.1.1.1. Muestreo aleatorio sistemático

8. Se utiliza cuando el universo o población es de gran tamaño, o ha de extenderse en

el tiempo. Primero hay que identificar las unidades y relacionarlas con el calendario
(cuando proceda). Luego hay que calcular una constante, denominada coeficiente
de elevación.
Para determinar en qué fecha se producirá la primera extracción, hay que elegir al
 azar un número entre 1 y K; de ahí en adelante tomar uno de cada K a intervalos
regulares. Ocasionalmente, es conveniente tener en cuenta la periodicidad del
fenómeno.

9. Esto quiere decir que si tenemos un determinado número de personas que es la

población (N) y queremos escoger de esa población un número más pequeño el cual
es la muestra (n), dividimos el número de la población por el número de la muestra
que queremos tomar y el resultado de esta operación será el intervalo, entonces
escogemos un número al azar desde uno hasta el número del intervalo, y a partir de
este número escogemos los demás siguiendo el orden.

10. Muestreo aleatorio estratificado

11. Consiste en la división previa de la población de estudio en grupos o clases que se
suponen homogéneos con respecto a alguna característica de las que se van a
estudiar. A cada uno de estos estratos se le asignaría una cuota que determinaría
el número de miembros del mismo que compondrán la muestra. Dentro de cada
estrato se suele usar la técnica de muestreo sistemático, una de las técnicas de
selección más usadas en la práctica.
12. Según la cantidad de elementos de la muestra que se han de elegir de cada uno de
los estratos, existen dos técnicas de muestreo estratificado:
13. Asignación proporcional: el tamaño de la muestra dentro de cada estrato es
proporcional al tamaño del estrato dentro de la población.
14. Asignación óptima: la muestra recogerá más individuos de aquellos estratos que
tengan más variabilidad. Para ello es necesario un conocimiento previo de la
población.
15. Por ejemplo, para un estudio de opinión, puede resultar interesante estudiar por
separado las opiniones de hombres y mujeres pues se estima que, dentro de cada
uno de estos grupos, puede haber cierta homogeneidad. En la asignación
proporcional, si la población está compuesta de un 55% de mujeres y un 45 % de
hombres, se tomaría una muestra que contenga también esos mismos porcentajes
de hombres y mujeres. En la asignación óptima, si todos los hombres piensan igual,
pero las mujeres son impredecibles, se tomaría una muestra con más del 55% de
mujeres.
16. Para una descripción general del muestreo estratificado y los métodos de inferencia
asociados con este procedimiento, suponemos que la población está dividida en
subpoblaciones o estratos de tamaños conocidos N1, N2,..., Nh tal que las unidades
en cada estrato sean homogéneas respecto a la característica en cuestión. La media
 y la varianza desconocidas para el i-ésimo estrato son denotadas por mi y si2,
respectivamente.

17. Muestreo por etapas múltiples

18. Esta técnica es la única opción cuando no se dispone de lista completa de la

población de referencia o bien cuando por medio de la técnica de muestreo simple
o estratificado se obtiene una muestra con unidades distribuidas de tal forma que
resultan de difícil acceso. En el muestreo a estudios múltiples se subdivide la
población en varios niveles ordenados que se extraen sucesivamente por medio de
un procedimiento de embudo. El muestreo se desarrolla en varias fases o
extracciones sucesivas para cada nivel.

19. Por ejemplo, si tenemos que construir una muestra de profesores de primaria en un
país determinado, éstos pueden subdividirse en unidades primarias representadas
por circunscripciones didácticas y unidades secundarias que serían los propios
profesores. En primer lugar extraemos una muestra de las unidades primarias (para
lo cual debemos tener la lista completa de estas unidades) y en segundo lugar
extraemos aleatoriamente una muestra de unidades secundarias de cada una de las
primarias seleccionadas en la primera extracción

20. Muestreo aleatorio por conglomerados

21. 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 conglomerados la unidad
muestral es un grupo de elementos de la población que forman una unidad, a la que
llamamos conglomerado. Las unidades hospitalarias los departamentos
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. Cuando los conglomerados son áreas
geográficas suele hablarse de "muestreo por áreas". El muestreo por
conglomerados consiste en seleccionar aleatoriamente un cierto número de
conglomerados (el necesario para alcanzar el tamaño muestral establecido) y en
investigar después todos los elementos pertenecientes a los conglomerados
elegidos.

22. Homogeneidad de las poblaciones o sus subgrupos

23. Homogéneo significa, en el contexto de la estratificación, que no hay mucha

variabilidad. Los estratos funcionan mejor cuanto más homogéneos son cada uno
de ellos respecto a la característica a medir. Por ejemplo, si se estudia la estatura
 de una población, es bueno distinguir entre los estratos mujeres y hombres porque
se espera que, dentro de ellos, haya menos variabilidad, es decir, sean menos
heterogéneos. Dicho de otro modo, no hay tantas diferencias entre unas estaturas y
otras dentro del estrato que en la población total.

24. Por el contrario, la heterogeneidad hace inútil la división en estratos. Si se dan las
mismas diferencias dentro del estrato que en toda la población, no hay por qué usar
este método de muestreo. En los casos en los que existan grupos que contengan
toda la variabilidad de la población, lo que se construyen son conglomerados, que
ahorran algo del trabajo que supondría analizar toda la población. En resumen, los
estratos y los conglomerados funcionan bajo principios opuestos: los primeros son
mejores cuanto más homogéneo es el grupo respecto a la característica a estudiar
y los conglomerados, si representan fielmente a la población, esto es, contienen toda
su variabilidad, o sea, son heterogéneos.

25. El espacio muestral es: Conjunto formado por todos los resultados posibles de un
experimento aleatorio. EJ: Al lanzar un dado no cargado el espacio muestral de el
dado seria: 1-2-3-4-5-6.

26. Muestreo probabilístico ( no aleatorio)

27. En este tipo de muestreo, puede haber clara influencia de la persona o personas
que seleccionan la muestra o simplemente se realiza atendiendo a razones de
comodidad. Salvo en situaciones muy concretas en la que los errores cometidos no
son grandes, debido a la homogeneidad de la población, en general no es un tipo
de muestreo riguroso y científico, dado que no todos los elementos de la población
pueden formar parte de la muestra. Por ejemplo, si hacemos una encuesta telefónica
por la mañana, las personas que no tienen teléfono o que están trabajando, no
podrán formar parte de la muestra.

28. Muestreo por cuotas

29. También denominado en ocasiones "accidental". Se asienta generalmente 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.
30. En este tipo de muestreo se fijan unas "cuotas" que consisten en un número de
individuos que reúnen unas determinadas condiciones. Este método se utiliza
mucho en las encuestas de opinión.
31. Muestreo intencional o de conveniencia
32. Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener
muestras "representativas" mediante la inclusión en la muestra de grupos
supuestamente típicos. Es muy frecuente su utilización en sondeos preelectorales
de zonas que en anteriores votaciones han marcado tendencias de voto.

33. Bola de nieve

34. Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y así
hasta conseguir una muestra suficiente. Este tipo se emplea muy frecuentemente
cuando se hacen estudios con poblaciones "marginales", delincuentes, sectas,
determinados tipos de enfermos, etc.

35. Muestreo subjetivo por decisión razonada

36. En este caso las unidades de la muestra se eligen en función de algunas de sus
características de manera racional y no casual. Una variante de esta técnica es
el muestreo compensado o equilibrado, en el que se seleccionan las unidades de tal
forma que la media de la muestra para determinadas variables se acerque a la media
de la población. La cual funciona sobre la base de referencias o por recomendación,
después se reconoce por medio de la estadística.

37. Muestreo Discrecional

38. A criterio del investigador los elementos son elegidos sobre lo que él cree que
pueden aportar al estudio.

39. El muestreo de aceptación

40. Es la inspección por muestras en la que se toma la decisión de aceptar o no un

producto o servicio. También la metodología que trata de los procedimientos por los
que las decisiones de aceptar o no se basan sobre los resultados de la inspección
por muestras. El plan de muestreo de aceptación determina el tamaño de muestra
que va a ser utilizada y el criterio asociado de aceptación o rechazo. Protección que
proporcionan: • Dejar pasar un lote que no satisfaga, como si fuera bueno: Riesgo
del consumidor (β); calculado con la fracción defectuosa tolerable del lote (PDTL) o
Nivel de calidad limitante (NCL). • Rechazar un lote bueno, como si fuera
insatisfactorio: Riesgo del productor (α) calculado con el Nivel de calidad aceptable
(NCA).

41. Curva operativa

42. La curva operativa relaciona la probabilidad de aceptación y su relación con la

fracción de defectuosos. Es evidente que cada una ofrece un distinto nivel de
 protección. Cuando se utiliza un tamaño de muestra fijo o constante, las curvas CO
son muy semejantes. Conforme crece el tamaño de la muestra, aumenta la
pendiente de la curva. Conforme disminuye el número de aceptación, aumenta la
pendiente de la curva.

43. Diferencia entre muestreo estadístico y no estadístico

44. El muestreo estadístico posee algunas ventajas con respecto al muestreo no

estadístico, entre ellas las siguientes:

45. Permite seleccionar de antemano el nivel de confianza de la prueba, es decir la

probabilidad de que las conclusiones obtenidas del muestreo sean correctas.
46. La selección aleatoria impide que los prejuicios o preferencias del auditor favorezcan
la selección de algunos elementos de la población en desmedro de otros.
47. Permite limitar el tamaño de la muestra al mínimo necesario, evitando
realizar pruebas de auditoría sobre una cantidad mayor de elementos.
48. Los resultados de la prueba se expresan matemáticamente en términos precisos,
permitiendo elaborar recomendaciones sobre una base más objetiva.
49. Permite hacer más defendibles las conclusiones de la prueba.

50. No constituye una ventaja del muestreo estadístico garantizar la obtención de una
muestra representativa de la población, ya que la incertidumbre respecto de la
representatividad de la muestra es una característica inherente al muestreo. Pero,
según se menciona más arriba, el muestreo estadístico permite cuantificar dicha
incertidumbre, seleccionando el nivel de confianza deseado.
51. A pesar de las ventajas enumeradas no debemos concluir que el muestreo no
estadístico es necesariamente malo. El muestreo no estadístico también tiene sus
ventajas, ya que suele ser más sencillo de aplicar y requiere menos entrenamiento.
De hecho, hay empresas que han adoptado modelos de muestreo no estadístico
para la evaluación obligatoria de su control interno.

52. Aplicaciones del muestreo

53. Compras: Concordancia entre orden de compra, remito y factura; que se haya
seleccionado la mejor cotización; que se haya facturado el precio correcto; que se
apliquen los descuentos pactados.
54. Pagos: Que esté debidamente aprobado el pago, que haya comprobantes que
justifiquen el desembolso, que se haya pagado el importe correcto, que esté bien
registrado el pago.
55. Ventas: Que se facture con los precios correctos, exactitud de los cálculos, correcta
aplicación del IVA, aprobación del crédito.
56. Cobranzas: Cumplimiento de plazos, aplicación de descuentos, contabilización
correcta.
57. Sistemas: Que las modificaciones de programas estén autorizadas, cumplimiento de
normas de codificación, correspondencia entre programas fuentes y objetos.

58. Personal: Autorización de las horas extras, días de licencia correctos.

59. Aplicación de muestreo en la ingeniería industrial

60. Los estudios por muestreo son empleados por el ingeniero industrial que desea
obtener información para controlar la calidad de la producción de una fábrica; los
ecólogos, para construir mapas de comunidades de plantas; el silvicultor, que
requiere conocer el rendimiento de madera de un bosque, y el gerente de un servicio
de evaluación (rating), que desea determinar la popularidad de programas de
televisión entre los espectadores. Asimismo, se usan para pronosticar la recolección
de la cosecha, identificar las condiciones sociales y económicas prevalecientes,
como desempleo, cuidado de la salud, inflación, y para examinar las actitudes de los
ciudadanos hacia una legislación propuesta. Un barómetro de opiniones públicas,
tan importante para una democracia, se proporciona prontamente por los estimativos
basados en una muestra de la reacción pública a los efectos de tales eventos como
una nueva regulación salarial, un cambio mayor en políticas de comercio o las
acciones de líderes mundiales.

61. Se utiliza, además, para el diseño de encuestas, que se ha convertido en la

herramienta más común y poderosa para obtener información de poblaciones muy
grandes a un costo relativamente bajo. Por consiguiente, la utilidad del muestreo se
da en toda organización que necesite información oportuna, confiable y con el costo
más bajo posible. También se usa en los procesos de control de calidad

62. Glosario

62.1. Población. Una población es un conjunto de individuos u objetos

(unidades de muestreo o de estudio) que poseen la característica que se desea
estudiar. La población ideal que se pretende estudiar se denomina población
objetivo. El grupo que en realidad podemos estudiar se denomina población de
estudio.

62.2. Muestra.- Es un subconjunto extraído de la población, por tanto es el

conjunto de mediciones que han sido realmente recolectadas.
62.3. Muestra aleatoria. Es una colección de variables aleatorias
independientes idénticamente distribuidas. Se dice que una muestra aleatoria
es “representativa” de la población debido a que considera que cada elemento
de la población ha tenido la misma oportunidad de formar parte de la muestra.
Las conclusiones basadas en una muestra aleatoria son generalizables a la
población de la muestra.

62.4. Unidad de análisis. Es la unidad elemental o de observación que

corresponde a la entidad que va a ser objeto específico de estudio en una
medición y se refiere al qué o quién es objeto de interés en una investigación;
por ejemplo, una familia u hogar, un trabajador, un estudian te, un consumidor,
etcétera.

62.5. Unidad de muestreo. Corresponde a la entidad básica mediante la cual

se accederá a la unidad de análisis. En algunos casos, ambas unidades se
corresponden. La unidad de muestreo debe ser observable, identificable y
ubicable; por ejemplo, una vivienda, una empresa, un colegio, un centro
comercial, etcétera.

62.6. Unidad informante. Corresponde a la entidad que reporta la información

sobre la unidad de análisis observada; por ejemplo, el jefe de familia, el
trabajador, el estudiante, el consumidor, etcétera.

62.7. Marco muestral. Es el colectivo de todas las unidades muestrales

existentes en la población de es tu dio. Se organiza y consolida en una base de
datos tabular o gráfica, que permitirá diseñar, clasificar, seleccionar, identificar
y ubicar las unidades de la muestra. Puede ser de dos tipos:

62.7.1. Marco muestral de lista. Cuando las unidades de muestreo del marco se
constituyen en un listado. Ejemplo: listado de agentes, listado de
estudiantes, listado de empresas, etcétera. – Marco muestral de áreas.
Cuando las unidades de muestreo del marco son áreas de terreno
usualmente llamados segmentos (segmentos de área) y dentro de ella
suelen haber varias unidades de información. Las unidades se ubican a
través de un sistema de coordenadas y se utilizan mapas y listados; por
ejemplo, el marco de parcelas catastradas, el marco digital de manzanas
de viviendas de Lima metropolitana, etcétera.

62.8. Variable. Es la característica que se desea estudiar en las unidades de

observación y pueden ser de dos tipos: cuantitativas (discretas y continuas) y
cualitativas (nominal u ordinal).
 62.9. Dato. Es un valor particular que toma la variable de interés en una unidad
de observación. El conjunto de datos obtenido con p variables y n unidades de
observación se denomina matriz de datos.

62.10. Parámetro. Es un valor que caracteriza a una población. El valor del

parámetro es constante y por lo general desconocido. Los pará- metros usuales
para variables cuantitativas son la media poblacional, la total poblacional y la
desviación estándar poblacional; para las variables cualitativas suele utilizarse
la proporción o porcentaje poblacional.

62.11. Peso muestral. El peso muestral, también denominado factor de

expansión, es el valor numérico calculado para cada elemento de una muestra
probabilística. Cada valor representa, aproximadamente, las veces que un
elemento de la muestra se repite en la población. Estos valores se calculan a
partir de las probabilidades de selección de la muestra diseñada para una
encuesta.

62.12. Error muestral o error de muestreo. Es la diferencia entre el resultado

obtenido de una muestra (un estadístico) y el resultado que deberíamos haber
obtenido de la población (el parámetro corres - pon diente). Mientras más
pequeño el error muestral mayor es la precisión de la estimación.

62.13. Error ajeno al muestreo. Son los errores que se introducen de manera
imperceptible a la encuesta y los más difíciles de controlar.
Desafortunadamente, estos errores no se pueden medir con facilidad, y
aumentan a medida que aumenta el tamaño de la muestra. Los tipos de errores
no muestrales que suelen presentarse son:

62.13.1. Definición equivocada del problema.

62.13.2. Definición defectuosa de la población.

62.13.3. Marco imperfecto o desactualizado.

62.13.4. La No respuesta.

62.13.5. El sesgo de respuesta.

62.13.6. Diseño pobre del instrumento de medición.

63. Bibliografía
64. Bhattacharyya, Gouri K. y Richard A. Johnson. Statistical concepts and methods.
Nueva York: John Whiley and Sons, Inc., 1977.
65. Casal, J. y E. Mateu. “Tipos de Muestreo”. Revista de Epidemiología y Medicina Pre
ven tiva 1. Barcelona: Universitat Autónoma de Barcelona, 2003.
66. Cochran, W. Técnicas de muestreo. México: Cecsa, 1980.
67. GMI. Calculadora de tamaño de muestra [en línea]. . Kish, L. Muestreo de encuestas.
México: Trillas, 1982.
68. Minitab Inc. International Sales and Support Quality Minitab 15. Software estadístico
para control de calidad. Estados Unidos, 2008

http://www.estadistica.mat.uson.mx/Material/elmuestreo.pdf

http://www.uaeh.edu.mx/docencia/P_Presentaciones/tizayuca/gestion_tecnologic
a/muestraMuestreo.pdf