Mtodos De Muestreo Probabilsticos

En este tipo de muestreo, todos los individuos

de la poblacin 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 cientfico.
Forman parte de este tipo de muestreo todos
aquellos mtodos para los que puede calcular la
probabilidad de extraccin de cualquiera de las
muestras posibles. Este conjunto de tcnicas de
muestreo es el ms aconsejable, aunque en
ocasiones no es posible optar por l, como la
extraccin de muestra sin reposicin de los
elementos donde cada elemento extrado se
descarta para la subsiguiente extraccin.

Muestreo Aleatorio Simple
El procedimiento empleado es el
siguiente:
1) se asigna un nmero a cada
individuo de la poblacin.
2) a travs de algn medio mecnico
(bolas dentro de una bolsa, tablas de
nmeros aleatorios, nmeros
aleatorios generados con una
calculadora u ordenador, etc) se
eligen tantos sujetos como sea
necesario para completar el tamao
de muestra requerido.
Este procedimiento, atractivo por su
simpleza, tiene poca o nula utilidad
prctica cuando la poblacin que
estamos manejando es muy grande.

Muestreo Aleatorio Sistemtico
Este procedimiento exige, como el anterior, numerar todos los
elementos de la poblacin, pero en lugar de extraer n nmeros
aleatorios slo se extrae uno. Se parte de ese nmero aleatorio i, que
es un nmero 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
tamao de la poblacin entre el tamao de la muestra: k=N/n. El
nmero i que empleamos como punto de partida ser un nmero al
azar entre 1 y k.
El riesgo se este tipo de muestreo est en los casos en que se dan
periodicidades en la poblacin ya que al elegir a los miembros de la
muestra con una periodicidad constante (k) podemos introducir una
homogeneidad que no se da en la poblacin. Imaginemos que
estamos seleccionando una muestra sobre listas de 10 individuos en
los que los 5 primeros son varones y los 5 ltimos mujeres, si
empleamos un muestreo aleatorio sistemtico con k=10 siempre
seleccionaramos o slo hombres o slo mujeres, no podra haber una
representacin de los dos sexos.

Muestreo Aleatorio Estratificado:
Consiste en considerar categoras tpicas diferentes
entre s (estratos) que poseen gran homogeneidad
respecto a alguna caracterstica (se puede estratificar,
por ejemplo, segn la profesin, 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 inters estarn
representados adecuadamente en la muestra. Cada
estrato funciona independientemente, pudiendo
aplicarse dentro de ellos el muestreo aleatorio simple
o el estratificado para elegir los elementos concretos
que formarn parte de la muestra. La distribucin de la
muestra en funcin de los diferentes estratos se
denomina afijacin, y puede ser de diferentes tipos:

Muestreo Aleatorio Por Conglomerados
En el muestreo por conglomerados la unidad
maestral es un grupo de elementos de la poblacin
que forman una unidad, a la que llamamos
conglomerado. Las unidades por ejemplo:
hospitalarias, las universidades, 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
rea geogrficas suele hablarse de "muestreo por
reas".
El muestreo por conglomerados consiste en
seleccionar aleatoriamente un cierto numero de
conglomerados (el necesario para alcanzar el
tamao maestral establecido) y en investigar
despus todos los elementos pertenecientes a los
conglomerados elegidos.

CARACTERISTICAS VENTAJAS INCONVENIENTES
Aleatorio simple
Se selecciona una muestra de tamao n de una poblacin de N unidades,
cada elemento tiene una probabilidad de inclusin igual y conocida de
n/N.
Sencillo y de fcil comprensin.
Clculo rpido de medias y varianzas.
Se basa en la teora estadstica, y por tanto existen
paquetes informticos para analizar los datos
Requiere que se posea de antemano un listado completo
de toda la poblacin. Cuando se trabaja con muestras
pequeas es posible que no represente a la poblacin
adecuadamente.
Sistemtico
Conseguir un listado de los N elementos de la poblacin
Determinar tamao muestral n.
Definir un intervalo k= N/n.
Elegir un nmero aleatorio, r, entre 1 y k (r= arranque aleatorio).
Seleccionar los elementos de la lista.
Fcil de aplicar.
No siempre es necesario tener un listado de toda la
poblacin.
Cuando la poblacin est ordenada siguiendo una
tendencia conocida, asegura una cobertura de unidades de
todos los tipos.
Si la constante de muestreo ecst asociada con el
fenmeno de inters, las estimaciones obtenidas a partir
de la muestra pueden contener sesgo de seleccin
Estratificado
En ciertas ocasiones resultar conveniente estratificar la muestra segn
ciertas variables de inters. Para ello debemos conocer la composicin
estratificada de la poblacin objetivo a hacer un muestreo. Una vez
calculado el tamao muestral apropiado, este se reparte de manera
proporcional entre los distintos estratos definidos en la poblacin usando
una simple regla de tres.
Tiende a asegurar que la muestra represente
adecuadamente a la poblacin en funcin de unas variables
seleccionadas.
Se obtienen estimaciones ms precisa
Su objetivo es conseguir una muestra lo ms semejante
posible a la poblacin en lo que a la o las variables
estratificadoras se refiere.
Se ha de conocer la distribucin en la poblacin
de las variables utilizadas para la estratificacin.
Conglomerados
Se realizan varias fases de muestreo sucesivas (polietpico)
La necesidad de listados de las unidades de una etapa se limita a aquellas
unidades de muestreo seleccionadas en la etapa anterior.
Es muy eficiente cuando la poblacin es muy grande y
dispersa.
No es preciso tener un listado de toda la poblacin, slo de
las unidades primarias de muestreo.
El error estndar es mayor que en el muestreo
aleatorio simple o estratificado.
El clculo del error estndar es complejo.