Docente: Ing. Sergio Surez Gulln DEFINICIN El muestreo es una tcnica usada en estadstica que es indispensable en la investigacin cientfica para seleccionar a los sujetos a los que les aplicaremos las tcnicas de investigacin elegidas, segn el enfoque en que se trabaje (cuantitativo, cualitativo o mixto) En la mayora de los proyectos de investigacin utilizamos una muestra. Es la actividad por la cual se toman ciertas muestras de una poblacin de elementos de los cuales vamos a tomar ciertos criterios de decisin
DEFINICIN DEFINICIN Definicin del plan de muestreo Es el procedimiento de la seleccin de individuos de la poblacin total
Cmo elegir la muestra? Y Cmo extrapolar a la poblacin entera los resultados que se observarn en la muestra?
Poblaci n Poblaci n Censo Muestreo Muestra OTROS CONCEPTOS Estadstico: Es una medida usada para describir alguna caracterstica de una muestra, tal como una media aritmtica, una mediana o una desviacin estndar. Parmetro: Es una medida usada para describir alguna caracterstica de una poblacin, tal como una media aritmtica, una mediana o una desviacin estndar de una poblacin. IMPORTANCIA DEL MUESTRO Se utiliza con poblacin finita Cuando no existe mucha capacidad econmica ni tiempo Cuando se requiere estimaciones precisas y confiables a corto plazo Para analizar situaciones de una empresa o de la sociedad VENTAJAS DEL MUESTRO Es econmico No demora mucho tiempo Obtener detalles de los datos de estudio Menor cantidad de recursos humanos Es ms controlable Sus resultados son confiables Aumenta la precisin de resultados DESVENTAJAS DEL MUESTREO Siempre est se debe considerar el error del muestro debido a la variabilidad intrnseca de los elementos del universo Se requiere de personas altamente calificadas No permite hacer proyecciones sobre reas muy pequeas de la poblacin o sobre poblaciones sujetas a muchos cambios y lapsos muy cortos de tiempo
TIPOS DE MUESTREO Muestreo probabilstico: Muestreo no probabilstico: MUESTREO PROBABILSTICO Elemento clave: Debe existir una representatividad de la muestra PLANES PROBABILISTICOS Es posible medir el error No existe un buen conocimiento de la poblacin La seleccin de los individuos se la realiza al azar MUESTREO NO PROBABILSTICO
PLANES NO PROBABILISTICOS No es posible medir el error Existe un buen conocimiento de la poblacin La seleccin de los individuos se la realiza por el investigador MUESTREO PROBABILSTICO Muestreo aleatorio simple Muestreo sistemtico Muestreo estratificado Muestreo por conglomerados o grupos Muestro aleatorio simple: Este proceso garantiza que todas las muestras posibles que se pueden obtener de la poblacin tienen la misma probabilidad de ser elegidas Muestreo aleatorio simple es cuando un elemento es seleccionado, medido y puede o no ser nuevamente seleccionado (con reemplazo) Es el que le permite al investigador conformar una muestra de forma que cada elemento de la poblacin o universo tenga la misma probabilidad de ser seleccionado, por lo tanto, se requiere enumerar a cada uno, de 1 a N. MUESTREO PROBABILSTICO Muestro aleatorio simple: Ventajas: Cuando la poblacin es pequea Es sencillo y de fcil comprensin Cuando la poblacin est ubicada en un espacio reducido Se basa en la teora estadstica y se pueden utilizar paquetes informticos para su anlisis Cuando no se tiene informacin previa de la poblacin
MUESTREO PROBABILSTICO Muestro aleatorio simple: Desventajas: Requiere la identificacin y catalogacin de la poblacin, lo cual en ocasiones resulta muy costoso Requiere una probabilidad de seleccin igual para todos los elementos que conforman la poblacin
MUESTREO PROBABILSTICO Ejemplo de muestreo aleatorio simple. Se requiere seleccionar a 3 alumnos del curso (materia de investigacin de mercados) conformado por 32 personas. La probabilidad de cada alumno de ser elegido es de 1/32, es decir, 3,125 %. Esta probabilidad debe mantenerse en todo momento para la eleccin de los 3 alumnos A esto se denomina muestreo con reemplazo MUESTREO PROBABILSTICO Muestreo sistemtico: Se elige un individuo al azar y a partir de l, a intervalos constantes, se eligen los dems hasta completar la muestra Se enumera las observaciones de 1 a N. Luego se determina el Intervalo de Muestreo (IM), que consiste en dividir el nmero de observaciones o unidades de muestreo de la poblacin entre el tamao deseado de la muestra; MUESTREO PROBABILSTICO Muestreo sistemtico: IM = N / m N = poblacin m = muestra Ejemplo: Se tiene una poblacin formada por 100 elementos y queremos extraer una muestra de 25. Se establece el intervalo de muestreo (IM) que ser igual a 100/25 = 4. A continuacin se elige el elemento de arranque, tomando aleatoriamente un nmero entre el 1 y el 4, y a partir de l obtenemos los restantes elementos de la muestra. Valor inicial = 2, segundo valor 2+4=6, tercer valor 2+2(4)=10, cuarto valor 2+3(4)=14, etc. MUESTREO PROBABILSTICO Muestreo sistemtico: Ventajas: Se recomienda cuando la poblacin es numerosa Cuando se puede disponer de un listado de los elementos de la poblacin La sencillez de la tcnica y que puede ser utilizado con bastante grado de confiabilidad en la prctica Fcil de aplicar MUESTREO PROBABILSTICO Muestreo estratificado: Se debe dividir a la poblacin o universo en grupos relativamente homogneos, llamados estratos y despus se toma una muestra al azar de cada uno de ellos, y la muestra resultante se denomina muestra estratificada Es importante decir que en este mtodo se identifican las caractersticas que dan lugar a la conformacin de sub-grupos homogneos al interior pero heterogneos entre s.
MUESTREO PROBABILSTICO Muestreo estratificado Consideramos que tenemos una poblacin de tamao N dividida en k subpoblaciones de tamaos N1,N2, . . . ,Nk. Dichas sub poblaciones son disjuntas y cumplen que N1 +N2 + +Nk = N. Cada una de las subpoblaciones se denominan estratos. Los estratos son agrupaciones de individuos con las mismas caractersticas (homogneos) y se sacan muestras de todos los estratos de la poblacin para realizar una inferencia estadstica
MUESTREO PROBABILSTICO MUESTREO PROBABILSTICO Muestreo estratificado: Ventajas: Cuando se trata de elementos poblacionales susceptibles a ser clasificados Cuando hay inters en obtener informacin a nivel de las sub- poblaciones Se obtienen estimaciones ms precisas Se pretende obtener una muestra lo ms semejante posible a la poblacin en lo que a la(s) variables se refiere Muestreo estratificado
Poblacin Estratos m1
m5
m4
m3
m2
MUESTREO PROBABILSTICO Muestreo por conglomerados: O muestreo de reas, es til cuando la poblacin se encuentra dispersa. La seleccin de la muestra puede requerir varias etapas. El mtodo es el siguiente: 1. Clasificar o dividir en reas o manzanas 2. Escoger al azar la muestra donde se va a comenzar el muestreo 3. Determinar la frecuencia del muestreo
MUESTREO PROBABILSTICO Afijacin simple: Consiste en el reparto a partes iguales de la muestra entre los diversos estratos conocidos Afijacin proporcional: Consiste en el reparto proporcional de la muestra entre los distintos estratos, en base al nmero de efectivos de cada uno de los mismos Afijacin ptima: Selecciona el tamao de los estratos en funcin de la desviacin estndar de cada uno de ellos, de tal manera que los estratos ms heterogneos (mayores varianzas) aporten ms casos a la muestra total
MUESTREO PROBABILSTICO Muestreo por conglomerados El muestreo por conglomerados es cuando existe una agrupacin de individuos que no tienen caractersticas similares (heterogneos), se realiza la eleccin de uno o ms conglomerados para analizarlos exhaustivamente (censo) y se desestiman los no elegidos
MUESTREO PROBABILSTICO Muestreo por conglomerados: Ventajas: Se recomienda cuando la poblacin est diseminada en grandes reas geogrficas No es necesario tener un listado de toda la poblacin, solo de las unidades primarias de muestreo MUESTREO PROBABILSTICO Es un procedimiento de seleccin en el que se desconoce la probabilidad que tienen los elementos de la poblacin para integrar la muestra
MUESTREO NO PROBABILSTICO Muestreo causal Muestreo intencional u opintico Muestreo por cuotas Muestreo de bola de nieve MUESTREO NO PROBABILSTICO Muestreo causal Permite elegir arbitrariamente los elementos sin un juicio o criterio pre establecido Ejemplo: Se preguntar la opinin a la gente que transita por la calle Esteban Arce y Calama, sobre la atencin que ofrecen las distintas entidades bancarias de la zona MUESTREO NO PROBABILSTICO Muestreo intencional u opintico Los elementos son elegidos en base a criterios o juicios pre establecidos por el investigador. Ejemplo: Se evaluaran a los docentes de la Universidad X Con experiencia profesional mnima de 5 aos Poseer diplomado en educacin superior No tener procesos judiciales No haber ocupado cargos pblicos
MUESTREO NO PROBABILSTICO Muestreo por cuotas: Consiste en dividir a la poblacin bajo estudio en sub grupos o cuotas segn ciertas caractersticas como: Edad, gnero, estado civil, etc. Ejemplo: Se desea obtener informacin de los ingresos mensuales que perciben 40 personas del gnero femenino socias de COMTECO MUESTREO NO PROBABILSTICO Muestreo de bola de nieve: Es particularmente til cuando se muestrean poblaciones cuyos componentes, por motivos morales, ideolgicos, legales o polticos tienden a ocultar su identidad. A partir de unos pocos individuos, el entrevistador, con ayuda de los primeros, va conociendo a nuevos miembros de la muestra MUESTREO NO PROBABILSTICO Probabilsticos Todas las unidades tienen la misma probabilidad de ser elegidos en la muestra La eleccin de cada unidad muestral es independiente de las dems Se puede calcular el error muestral RESUMEN No probabilsticos Cada unidad NO tienen la misma probabilidad de ser elegida en la muestra No se puede calcular el error muestral Existe un alto riesgo de invalidez producido sesgos de la muetra CALCULO DE LA MUESTRA Utilizando la siguiente tabla, seleccione la poblacin objetivo aproximada. Luego, elija el margen de error para estimar la cantidad de encuestas completas que necesitar. Importante: estas pautas son solo aproximadas. Adems, para poblaciones superiores a 1 milln, quizs desee redondear a la prxima centena.
Poblacin Margen de error Intervalo de confianza 10% 5% 1% 90% 95% 99% 100 50 80 99 74 80 88 500 81 218 476 176 218 286 1,000 88 278 906 215 278 400 10,000 96 370 4,900 264 370 623 100,000 96 383 8,763 270 383 660 + 1,000,000 97 384 9,513 271 384 664 CALCULO DE LA MUESTRA Para calcular el tamao de muestra (en poblaciones finitas) para la estimacin de proporciones poblacionales, la frmula es la siguiente:
CALCULO DE LA MUESTRA
N Z /2 P (1 P) m = (N 1) e + Z /2 P (1 P)
CALCULO DE LA MUESTRA Donde:
N = Tamao de la muestra P = Probabilidad de xito e = Error al que se quiere incurrir Z = Valor de la distribucin normal (en tablas)
Para un nivel de confianza del 95% y un nivel de significancia del 5%
Para 1- = 0,95 se tiene un valor de Z = 1,96 Cuando se tiene como dato la varianza de la poblacin, se utiliza la siguiente ecuacin: