DISEO DE MUESTRAS

El diseo de la muestra comprende el establecimiento del

plan de muestreo y la eleccin del estimador que se va a
u t i l i z a r.
El plan de muestreo establece todos los pasos a seguir en
la obtencin de la muestra una vez que se ha definido la
poblacin objetivo.
La eleccin del estimador depende del objetivo de la investigacin y comprende adems una medida de la precisin
con la que se efecta la estimacin.

Veremos a continuacin los pasos a seguir para disear una muestra.

Definir la poblacin

Una poblacin se define como el conjunto de todos los elementos capaces de ser seleccionados en la muestra.
Una poblacin finita es aquella que contiene un nmero
finito de elementos.
La poblacin a ser muestreada debe estar perfectamente definida en cuanto a los
elementos que la componen y su probable distribucin, por tal motivo, en este Mdulo
hablaremos de muestreo de poblaciones finitas.

Una unidad de muestreo es un elemento o un conjunto de

elementos definidos en una poblacin para ser seleccionados en alguna etapa del proceso de muestreo. Si el muestreo prev una sola etapa, las unidades de muestreo coinciden con los elementos que componen la poblacin en
estudio.
Si se utilizan mtodos de muestreo ms complejos, las unidades de muestreo y los
elementos solamente coinciden en la ltima etapa de seleccin.
Adems, antes de comenzar un proceso de muestreo debe definirse correctamente
la extensin y el tiempo en que se va a efectuar la recoleccin de los datos.

La extensin del muestreo se refiere al lugar fsico donde

se llevar a cabo la experiencia.
E l t i e m p o h a c e r e fe r e n c i a a l p e r o d o c o r r e s p o n d i e n t e a l a
recoleccin de la informacin.

Por ejemplo, supongamos que se desea estudiar la reaccin de compra de una nueva crema antiarrugas recin salida al mercado. El investigador de mercado debe establecer
correctamente el qu, cmo, dnde y cundo para definir adecuadamente su poblacin:
Qu: Elemento
Cmo: Unidad de muestreo
Dnde: Extensin
Cundo:Tiempo

Mujeres de 18 a 50 aos
Mujeres de 18 a 50 aos
Capital Federal
1 al 15 de mayo de 1992

Supongamos ahora otro ejemplo. Un agrnomo cuenta con un campo de 150 hectreas donde existe produccin de manzanas. Con la finalidad de estudiar la produccin
promedio de la zona en cuestin decide aplicar un mtodo de muestreo conveniente.
Antes de comenzar su investigacin, define:
Elemento
Unidad de Muestreo

Extensin
Tiempo

Manzanos
Parcelas en una primera etapa y manzanos en una
segunda.
Campo experimental del INTA Alto Valle
7 al 14 de junio de 1992

Identificar el marco de muestreo

El marco de muestreo es un listado de todas las unidades

de muestreo que pueden ser seleccionadas en alguna etapa
del proceso de muestreo.
Un marco de muestreo puede ser el listado de empresas metalrgicas obtenidas a
partir de un registro oficial, una gua telefnica, un fichero de protocolos mdicos, cajones
con platos embalados, ratas de cierto ratario, parcelas de un campo, etc.
Una vez bien definida la poblacin objetivo a la cual se van a generalizar las conclu-

siones obtenidas en la muestra, se debe buscar un marco de muestreo adecuado y que

sea lo ms completo posible.
Encontrar un marco de muestreo que sea lo ms parecido posible a la poblacin
objetivo es uno de los problemas ms serios del muestreo.
Cuando se ha especificado correctamente el marco de muestreo, los mtodos de
seleccin de muestra podrn evaluar las probabilidades de seleccin de cada muestra. En
esta situacin, se dice que una muestra tiene una probabilidad conocida de ser seleccionada y este es uno de los requisitos bsicos de la teora del muestreo.
El marco de muestreo que se va a utilizar debe ser cuidadosamente analizado para
ver si no se encuentran duplicaciones, si el registro tiene todos los datos necesarios y, lo
que es ms grave, si en el marco de muestreo no estn ausentes grupos de elementos de
la poblacin objetivo que poseen alguna caracterstica en particular.
Por ejemplo, utilizar una gua telefnica como marco de muestreo para averiguar
intencin de voto en una eleccin dar estimaciones sesgadas pues se est dejando de
lado a votantes no registrados en la gua que seguramente presentan caractersticas bien
definidas en cuanto a la preferencia por un candidato.
Una ilustracin de lo expresado precedentemente muy comentado en la literatura estadstica es una encuesta realizada en 1936 por Literary Digest que, tomando una
muestra de ms de dos millones de votantes, predijo que Roosevelt obtendra el 40,9%
de los votos y que el otro candidato, Landon, ganara de manera aplastante. En realidad,
Roosevelt obtuvo el 60,7%. El error fue tomar como marco de muestreo la gua telefnica
y los registros de automotores por lo cual se dej de lado a la gente ms humilde, evidentemente a favor de Roosevelt.

Determinacin del tamao de la muestra, procedimientos de estimacin, obtencin de las estimaciones y clculo de su precisin.
Estos pasos sern comentados cuando hablemos de cada mtodo de seleccin de
muestras en particular.

Elegir un mtodo de seleccin de muestras y seleccionarla.

Existen muchos mtodos de seleccin de muestras. Una primera distincin que
conviene efectuar es en cuanto a si se conoce o no la probabilidad que tiene cada muestra de ser seleccionada.
Luego, el muestreo puede ser:
a) Muestreo probabilstico

b) Muestreo no probabilstico
En el muestreo probabilstico cada muestra tiene una probabilidad conocida de ser
seleccionada. La seleccin se realiza, entonces, utilizando las propiedades proporcionadas
por la teora de probabilidades.
Este tipo de muestreo permite medir la precisin y, por ende, la confianza de las
estimaciones realizadas a partir de muestras en el proceso de generalizacin a una poblacin objetivo.
Ya hemos visto que la estimacin muestral de un parmetro generalmente no es
igual al valor poblacional que pretende estimar y entonces se produce lo que definimos
como error de muestreo.
En el muestreo no probabilstico las unidades de la poblacin que integrarn la
muestra se eligen por medio de algn juicio enunciado por el investigador y, en consecuencia, no se conoce la probabilidad que tiene la muestra de ser seleccionada.
Por tal motivo no es posible conocer el error de muestreo ni evaluarlo en trminos
de probabilidad y, por lo tanto, nunca sabremos si el estimador calculado en la muestra
es preciso o no.
En el muestreo no probabilstico, los diferentes tipos de muestreo varan ampliamente segn el grado de complejidad y rea de investigacin.
Sin embargo, tienen en comn una gran dependencia con la validez de las suposiciones respecto a la distribucin de las variables de inters en la poblacin.
Por el contrario, a partir de los resultados de un muestreo probabilstico ideal se
pueden hacer inferencias a la poblacin por mtodos estadsticos sin hacer suposiciones
acerca de la distribucin de la poblacin.
Se evita la necesidad de suposiciones de aleatorizacin en la poblacin al introducir
la aleatorizacin en el procedimiento de seleccin.
Esto es similar al juego de naipes donde en lugar de confiar en el juicio del que reparte las cartas insistimos en que stas deben mezclarse correctamente para obtener una
distribucin equitativa.
Aunque existen otros mtodos de muestreo, en este Mdulo nos referiremos a los
siguientes procedimientos de seleccin de muestras:

1. PROCEDIMIENTOS DE MUESTREO NO PROBABILSTICO

Frecuentemente se efectan inferencias sobre poblaciones basndose en muestras
informales o arbitrarias: se juzga una canasta de uvas probando una de ellas, un comprador acepta un envo despus de inspeccionar unos cuantos artculos que escoge casualmente, etc.
En general, hay muchas investigaciones que se basan en elementos seleccionados
de manera casual. Los investigadores suponen, vaga e implcitamente, que se han seleccionado elementos tpicos. Esperan que las caractersticas importantes se distribuyan
uniforme o aleatoriamente en la poblacin.
Estos son ejemplos simples pero, en general, este tipo de procedimiento de muestreo (no probabilstico) parte de suposiciones muy amplias respecto a la distribucin de
las variables de inters en la poblacin.
Veremos a continuacin algunos de los procedimientos de muestreo no probabilstico ms empleados en la prctica.
Muestreo por conveniencia
Como su nombre lo indica, el muestreo por conveniencia selecciona elementos de
una poblacin de acuerdo a la conveniencia del investigador.
Por ejemplo, seleccionar personas que se encuentran en la caja de un supermercado y entrevistarlas para conocer su opinin sobre un producto determinado, buscar
voluntarios para una prueba sicolgica, etc. La arqueologa, la historia y a menudo la medicina sacan conclusiones de los elementos que le llegan a la mano.
Generalmente, cuando el investigador utiliza este tipo de muestreo no cuenta con
un marco adecuado o no necesita mucha precisin en sus estimaciones. En estos casos,
no queda especificada la poblacin real a la cual representa la muestra y en consecuencia,
no podr efectuar inferencias.
El investigador que estudia la preferencia por un producto en la caja del supermercado puede argumentar que su muestra representa a la comunidad en la que se encuentra el negocio pero, por lo general, ello no es as.
En estos casos no se puede medir el error de muestreo ni generalizar los resultados
obtenidos en la muestra.
A veces se justifica el uso del muestreo por conveniencia cuando el objetivo del
estudio es solamente exploratorio y sus conclusiones sern utilizadas, por ejemplo, para
una posterior postulacin de hiptesis.
Este tipo de muestreo se utiliza mucho en la prctica pero debemos dejar bien
establecida la debilidad de las conclusiones obtenidas a partir de datos provenientes de
muestras no probabilsticas.
Muestreo por juicio
El muestreo por juicio o purposive sampling, consiste en seleccionar elementos de

una poblacin en base a lo que algn experto cree sern las unidades que darn respuesta
a cierta cuestin en particular.
As, por ejemplo, para estudiar la preferencia por algn producto alimenticio a base
de pescado, se elige una regin donde el consumo de pescado est muy arraigado; para
probar un nuevo mtodo de lectoescritura se eligen a alumnos de nivel intelectual inferior
porque el investigador educacional cree que son los mejores para evaluarlo; en la prctica
contable se seleccionan semanas tpicas para una auditora, etc.
En estas situaciones tampoco se puede medir el error de muestreo ni calcular la
bondad del estimador muestral.
Muestreo por cuotas
Este tipo de muestreo, utilizado ampliamente en encuestas de opinin, de mercado, etc., es un caso especial del muestreo por juicio.
El investigador establece pasos explcitos para obtener una muestra que sea similar
a la poblacin previamente especificada, ejerciendo ciertos controles sobre algunas caractersticas de sus elementos.
En el muestreo por cuotas se estiman los tamaos de subconjuntos de la poblacin
en base a datos de un listado, un censo, etc. Luego se calculan proporcionalmente cuotas o nmero deseado de observaciones muestrales con respecto a los subconjuntos de
la poblacin. Los encuestadores hacen lo que pueden por encontrar personas que satisfagan las restricciones de sus controles de cuotas.
Por ejemplo, supongamos que un investigador necesita encontrar 30 personas que
padecen alguna dolencia en particular (conocidos como casos en la literatura mdica)
y 30 personas que no posean la dolencia (o controles). La caracterstica que el investigador debe controlar es la presencia o no de la dolencia en estudio. Este es un ejemplo
muy simple donde solamente se desea estudiar una caracterstica pero, el investigador
puede tambin desear controlar la edad de las personas, su nivel socioeconmico, hbitos
alimentarios, etc. En este caso debe considerar simultneamente varias caractersticas de
los elementos de la poblacin a ser seleccionados en la muestra.
Entonces, cuando se decide utilizar un muestreo por cuotas, se deben plantear los
siguientes pasos:

Supongamos, por ejemplo, que un investigador desea realizar una encuesta para
medir raiting televisivos.
Le interesa en particular evaluar la respuesta de acuerdo a subconjuntos de la poblacin determinados por la edad, educacin e ingreso de los encuestados.
Luego, las caractersticas que desea controlar son:
Edad
4 categoras: menos de 20, 21-30, 31-50, ms de 50.
Nivel educativo alcanzado
3 categoras: primario, secundario y universitario.
Ingresos
3 categoras: menos de 500, 500-1.000, ms de 1.000.
Estas caractersticas pueden resumiese en la siguiente tabla:

La muestra, entonces, tendr que estar conformada por personas menores de 20

aos con nivel de estudios primarios y que ganen menos de $ 500; menores de 20 aos
con estudios secundarios que ganen menos de $ 500, etc.
En total, deber tener 4 x 3 x 3 = 36 grupos de personas bien diferenciados, para

controlar las tres caractersticas que ha establecido como relevantes por su influencia
sobre el raiting televisivo.
Para obtener adecuadamente su muestra, el investigador deber contar con informacin previa respecto a la proporcin de individuos de la poblacin que componen cada
uno de estos grupos. Ello es posible, por ejemplo, a partir de datos provenientes de un
censo de poblacin.
Pero, en otros casos, tal descripcin de la poblacin puede ser extremadamente
difcil o, a veces, imposible de encontrar.
Si el investigador posee la informacin, puede determinar el tamao que deber
tener la muestra en cada uno de los grupos efectuando el siguiente clculo:
Tamao total de la muestra x proporcin del grupo.
Luego, si deseamos seleccionar una muestra de 1.000 personas y se conoce por algn censo de poblacin que la proporcin de menores de 20 aos con estudios primarios
que ganan menos de $ 500 es del 10%, tendramos:
1.000 x 0,10 = 100
El investigador debe, entonces, buscar 100 personas que renan las tres caractersticas mencionadas. Este mismo procedimiento tiene luego que ser repetido en cada uno
de los grupos preestablecidos. La manera de encontrar a estas personas queda ligada,
generalmente, al juicio del investigador.
Los problemas que presenta el muestreo por cuotas son varios, a saber:
Antes de comenzar el procedimiento de seleccin hay que contar con una proporcin bastante aproximada de individuos que componen cada grupo, lo cual resulta a
veces imposible.
Se deben seleccionar todas las caractersticas que estn relacionadas con la informacin que queremos obtener a partir de la muestra. Por ejemplo, si queremos averiguar
la actitud de la gente hacia el uso del pelo largo en los varones, evidentemente la edad
deber ser una caracterstica a tener en cuenta. Si se deja de lado alguna caracterstica
importante, los resultados muestrales pueden ser completamente errneos.
Cuando se establecen caractersticas de control mltiples se crean numerosos
grupos y, a veces, resulta imposible ubicar una cierta cantidad de personas que renan
todas las caractersticas.
De ms est decir que en el muestreo por cuotas tampoco podemos calcular el
error del muestreo ni medir la bondad del estimador muestral.
Este tipo de seleccin de muestras slo puede estar justificado en etapas tempra-

nas de la investigacin pero teniendo mucho cuidado con la extrapolacin de las conclusiones que se obtienen a partir de las observaciones muestrales.
A continuacin veremos distintos tipos de muestreo probabilstico.
2. PROCEDIMIENTOS DE MUESTREO PROBABILSTICO
El muestreo probabilstico es importante por dos razones:
a) Porque lleva a inferencias estadsticas objetivas, en contraste con las que se obtienen del muestreo no probabilstico.
b) Porque este procedimiento permite separar y evaluar objetivamente las fuentes
de error.
En sntesis cuando los procedimientos no probabilsticos fallan el investigador encuentra en el muestreo probabilstico, una solucin a sus problemas. Esto explica el inters
reciente en el muestreo probabilstico principalmente en las ciencias sociales y biolgicas.
A continuacin desarrollaremos distintos tipos de muestreo probabilstico destacando en cada caso el diseo de la muestra, el procedimiento de estimacin y el clculo
de la precisin de los estimadores.
Muestreo aleatorio simple
Este tipo de muestreo se utiliza poco en la prctica pero su tratamiento es importante porque servir de base para probar la eficiencia de otros tipos de muestreo ms
complicados, que aseguran una mejor representatividad de la muestra.
El muestreo aleatorio simple puede ser usado, por ejemplo, en un establecimiento
industrial donde se tiene un listado completo de empleados y se desea obtener una muestra para estudiar, entre otras variables, el nivel de estudios alcanzado por los trabajadores.
Otro ejemplo puede ser en la prctica del control de calidad de productos fabricados por medio de un cierto proceso productivo. Cada hora, por ejemplo, se extrae una
muestra aleatorio simple de productos y se analiza alguna de sus caractersticas.
Desarrollaremos el tema siguiendo los pasos identificados en el procedimiento de
muestreo.
Definicin de la poblacin
Supongamos que se ha especificado una cierta poblacin que constade N elementos a los que se ha enumerado de 1 hasta N. De esta poblacin queremos seleccionar una
muestra de n elementos.
Consideremos, por ejemplo, que la poblacin est formada por los clientes de un
gran supermercado que operan con tarjetas de crdito provistas por el establecimiento.

Cada elemento de la poblacin (el cliente), coincide con la unidad de muestreo.

Identificacin del marco
Estas personas figuran en un fichero, numeradas desde 1 hasta 5.986.
En consecuencia, el fichero constituye el marco de muestreo adecuado para obtener la muestra.
Ahora s, vamos a seleccionar la muestra.

El muestreo aleatorio simple es un mtodo por medio del

cual se seleccionan n unidades de una poblacin de N elementos de manera tal que cada una de las muestras posibles tengan la misma oportunidad de ser seleccionadas.
Si, por ejemplo, se desea seleccionar una muestra de 100 clientes, utilizando una
tabla de nmeros al azar se extraen 100 fichas de las 5.986 que componen el fichero.
Procedimiento de estimacin
En la poblacin de fichas, cada unidad elemental (el cliente) tiene registrado, entre
otras variables, el monto de su compra mensual y el ingreso del titular de la ficha.
Con la muestra de 100 clientes queremos estimar:
a) El promedio de compras de todos los clientes en un mes determinado.
b) La proporcin de clientes que ganan ms de $ 2.500.

a) Se desea estimar la media poblacional:

(En muestreo de poblaciones finitas en lugar de se trabaja con X ).

b) Se desea estimar la proporcin poblacional:

El supermercado tambin puede estar interesado en medir alguna otra caracterstica de los clientes, como podra ser la proporcin de los que ganan ms de $ 2.500
mensuales.
Entonces, el cliente ser individualizado con el valor 1 si gana ms de $ 2.500 y con
el valor 0 si gana $ 2.500 menos.
En la poblacin de clientes tendremos la proporcin poblacional:

siendo X la cantidad de personas que ganan ms de $ 2.500 en la poblacin.

Esta proporcin poblacional ser estimada utilizando la proporcin muestral:

siendo x la cantidad de clientes que ganan ms de $ 2.500 en la muestra seleccionada de clientes del supermercado.
Una vez seleccionados los elementos de la poblacin que intervienen en la muestra
debemos recoger, en cada uno de ellos, la informacin que ser til para nuestro estudio.
c) Otro objetivo del estudio podra ser estimar el total de compras
efectuadaspor todos los clientes en el mes en cuestin.
En este caso, el estimador muestral ser:

En el ejemplo que venimos desarrollando, es muy probable que esta informacin

sea sistematizada de la siguiente manera:

Consideraremos, a continuacin, la estimacin de los tres parmetros de inters.

a) La estimacin del monto promedio de compras mensuales estar dada por:

Este resultado implica que el monto promedio de compras mensuales efectuados

por los 5.986 clientes del supermercado ha sido estimado en $ 185.
b) La estimacin de la proporcin de clientes que ganan ms de $ 2.500 ser:

Este resultado nos dice que se estima que el 52% de los clientes del supermercado
ganan ms de $ 2.500.
c) La estimacin del monto de compras totales del mes ser:

El monto total de compras de los clientes del supermercado ha sido estimado en $

1.107.410.

A continuacin veremos un ejemplo.

De un listado de 3000 viviendas de una determinada zona de la ciudad, se seleccion por medio de un muestreo simple al azar, una muestra de 50 viviendas. La informacin
de inters estaba referida a los gastos semanales en alimentos del grupo familiar y
en cuanto a si el jefe del hogar era propietario de la vivienda.
Los resultados fueron ordenados en la siguiente tabla:

36

La variable gastos semanales en alimentos est medida en pesos y la variable propiedad de la vivienda est codificada con 1 si el jefe del hogar es propietario de la misma
y con 0 si la alquila.
El objetivo del estudio fue estimar el promedio de gastos semanales en alimentos,
la proporcin de propietarios y el total de gastos semanales en alimentos de las familias
de la zona.
En cada una de las estimaciones calcularemos la precisin de los estimadores.
En el primer caso debemos estimar el parmetro X (media poblacional) y el estimador ser x (la media muestral).

.
A continuacin estimaremos la proporcin de jefes de familia propietarios en la
poblacin: P.
Para ello utilizaremos su mejor estimador puntual que es la proporcin muestral p.

La proporcin de jefes de familia propietarios fue estimada en un 44%.

Nos queda ahora por estimar el total de gastos semanales en alimentos efectuados
por todas las familias de la zona en estudio.

Veremos a continuacin un tipo de muestreo muy utilizado en la prctica de investigacin: el muestreo estratificado.
Muestreo estratificado
La obtencin de una muestra utilizando el muestreo estratificado sigue los siguientes pasos:
a) La poblacin completa de elementos se divide en subgrupos o estratos.
b) Dentro de cada estrato se selecciona una muestra aleatoria simple.
c) En la muestra obtenida en cada estrato se calcula el estadstico de inters.
Estas medidas por estrato se ponderan adecuadamente para formar una estimacin combinada de la poblacin completa.
d) Las varianzas tambin se calculan separadamente dentro de cada estrato y se
ponderan adecuadamente para obtener una estimacin combinada para la poblacin.
Ahora bien, cmo deben formarse los estratos para que el muestreo sea eficiente?
Los estratos deben ser mutuamente excluyentes y conjuntamente exhaustivos. Esto
quiere decir que cada elemento de la poblacin debe estar en uno y slo en uno de
los estratos (mutuamente excluyentes) y que estos estratos definen todas las categoras
posibles de la variable de estratificacin (conjuntamente exhaustivos).

Por ejemplo, la poblacin puede dividirse considerando el sexo de los individuos.

Luego tendremos dos estratos, uno compuesto slo por hombres y otro slo por mujeres. Evidentemente, estos dos estratos son mutuamente excluyentes y conjuntamente
exhaustivos pues nadie dudara en asignar los individuos de la poblacin a su respectivo
estrato y adems ambos estratos definen el dominio completo de la variable sexo.
La estratificacin es una tcnica muy empleada en el muestreo de elementos. Hay
muchas razones para su utilizacin, entre las que podemos mencionar:
1- Cuando los resultados de una investigacin deben tener una precisin determinada en algunas subdivisiones de la poblacin. En estos casos conviene considerar a cada estrato como una poblacin en s mismo.
2- Por conveniencia organizativa. Puede suceder el caso en que se desean estudiar
las necesidades bsicas de los habitantes de la provincia de Crdoba. Por razones
de distancia y por similitud de condiciones de los habitantes, puede dividirse la
provincia en estratos que comprendan, por ejemplo, departamentos del norte,
centro, este, etc.
3- Los problemas de muestreo pueden tener marcadas diferencias en diversas partes de la poblacin. Con poblaciones humanas, por ejemplo, las personas que
viven en instituciones (hospitales, hoteles, asilos, etc.) se colocan en un estrato
diferente de las que viven en casas ordinarias, siendo distinto el procedimiento
de muestreo en estas dos situaciones.

Al efectuar una encuesta industrial, podramos tener una lista de grandes empresas
en un estrato y encuestarlas a todas y solamente muestrear las firmas ms pequeas que
compondran otro estrato.
4- La estratificacin puede dar lugar a una ganancia en la precisin de las estimaciones de caractersticas de la poblacin total. Quiz sea posible dividir una poblacin heterognea en subpoblaciones ms homogneas.
Esto es lo que sugiere el nombre de estrato. Luego, si cada estrato es homogneo,
debido a que las medidas de inters varan poco de un elemento a otro, se puede obtener
una estimacin precisa a partir de una muestra pequea de cada estrato. Posteriormente
podrn combinarse estas estimaciones en una estimacin precisa para toda la poblacin.
Desarrollaremos ahora las propiedades generales correspondientes al muestreo estratificado de elementos siguiendo los pasos identificados en el procedimiento de muestreo.
Definicin de la poblacin
Supongamos una situacin ficticia en la que definimos a la poblacin como los
alumnos de la Facultad de Ciencias Econmicas y que sta tuviera 50 alumnos. Adems
se conoce que en primer ao hay 12 alumnos, en segundo 10, en tercero 8, en cuarto 11
y en quinto ao 9.
Identificacin del marco
Los alumnos se encuentran ordenados por abecedario en un registro de alumnos.
Adems de especificar el nombre de cada uno figuran el ao de ingreso a la carrera, curso
al que asiste actualmente y una serie de datos personales.
Seleccin de la muestra
En el muestreo estratificado la poblacin de N elementos se divide primero en
subpoblaciones de N1, N2, ..., Nh, ..., Nk elementos respectivamente tal que:
N1 + N2 + ... + Nh + ... + Nk = N
Una vez determinados los estratos, se extrae una muestra de cada uno. Las extracciones deben hacerse independientemente en los diferentes estratos. Los tamaos de
muestra dentro de los estratos se simbolizan con n1, n2, ..., nh, ..., nk respectivamente.
Supongamos que en nuestro ejemplo en particular, se decide llevar a cabo una
encuesta y la pregunta de inters est relacionada con la edad de los alumnos. Como se
supone que los alumnos de los tres primeros cursos son de menor edad que los de los
dos cursos superiores, la poblacin se divide en dos estratos mutuamente excluyentes y
exhaustivos:

Estrato 1

Alumnos de 1, 2 y 3 ao

Estrato 2

Alumnos de 4 y 5 ao

El tamao del estrato 1 se simboliza con N1 y el tamao del estrato 2 con N2 tal que
N1 + N2 = N.
Supongamos, adems, que del primer estrato se decide extraer una muestra de
tamao n1 = 3 y del segundo estrato una muestra de tamao n2 = 2.
Con la determinacin de estos tamaos de muestra estamos considerando que la
proporcin de elementos a extraer en cada estrato es la misma que tienen los tamaos de
los estratos en la poblacin: 30/20 = 3/2.
Cuando ocurre esto decimos que estamos utilizando un muestreo estratificado proporcionado pues los elementos de la muestra total son asignados a los estratos en proporcin a la cantidad de elementos que poseen los estratos en la poblacin.
Es decir:

(ponderacin del estrato)

Procedimiento de estimacin
A los fines prcticos, supongamos que con la muestra de 5 alumnos queremos estimar el promedio de edad de los alumnos de la Facultad de Ciencias Econmicas.
En general, utilizaremos la siguiente notacin:

Nh = tamao del estrato h

En nuestro ejemplo en particular:

N1 = tamao del estrato correspondiente a los alumnos de 1, 2 y 3 ao = 30.
N2 = tamao del estrato correspondiente a los alumnos de 4 y 5 ao = 20.
nh = tamao de la muestra seleccionada en el estrato h.
Entonces,
n1 = tamao de la muestra seleccionada en el estrato 1 = 3.
n2 = tamao de la muestra seleccionada en el estrato 2 = 2.

Llamaremos, adems:
xh = media aritmtica de la muestra seleccionada en el estrato h.
Los resultados obtenidos en la muestra de 5 alumnos, podran ser:

Calcularemos en primer lugar la media, de la mues tra completa de 5 datos, sin

tener en cuenta la estratificacin. A continuacin calcularemos los mismos valores para
cada una de las muestras correspondientes a cada estrato.
Luego:
Muestra total

x = 22,6
Muestra obtenida del estrato 1

Muestra obtenida del estrato 2

Estimaremos ahora el promedio de edad de los alumnos de la Facultad de Ciencias

Econmicas en base a la muestra obtenida.

la media poblacional X de nuestro ejemplo:

A continuacin veremos un ejercicio de aplicacin.

Se llev a cabo una encuesta

cuyo objetivo era el de establecer el
monto que una familia destina mensualmente para gastos de salud, en
una zona determinada.
Por investigaciones anteriores
se conoce que este gasto est relacionado con el ingreso del jefe del hogar,
por lo cual se decidi clasificar a las
familias teniendo en cuenta tres categoras de ingreso del jefe del hogar.

A los fines del muestreo

se consider conveniente tomar cada una de las categoras
de ingreso conformando un estrato. Luego, los estratos quedaron definidos del siguiente
modo:
Estrato 1 = familias cuyo jefe
tiene un ingreso
menor a $ 500.
Estrato 2 = familias cuyo jefe
tiene un ingreso
entre $ 500 y $
1.500.

Estrato 3 = familias cuyo jefe

tiene un ingreso
superior a $ 1.500.
El listado finalmente qued conformado del siguiente modo:

De acuerdo a la categora de ingreso del jefe del hogar, los estratos quedaron formados por las siguientes familias:
Estrato 1 = (3, 8, 10, 14, 17, 20, 21, 22, 31, 32, 33, 34, 38, 40, 41, 45, 46, 47, 48, 49,
50)
= 21 familias.
Estrato 2 = (5, 6, 9, 11, 12, 15, 16, 18, 19, 23, 24, 25, 26, 27, 29, 30, 35, 36, 37)
= 19 familias.
Estrato 3 = (1, 2, 4, 7, 13, 28, 39, 42, 43, 44) = 10 familias.
Supongamos que se decide seleccionar una muestra en cada estrato de tamao
proporcional al tamao del estrato. Si se decide una fraccin de muestreo del 30%, las
muestras de cada estrato deben tener:
n1 = 21 x 0,30 = 6 familias
n2 = 19 x 0,30 = 6 familias
n3 = 10 x 0,30 = 3 familias
Utilizando una tabla de nmeros aleatorios, las familias seleccionadas fueron:
Muestra del estrato 1 = Familias 3, 14, 21, 32, 38, 48.
Muestra del estrato 2 = Familias 6, 12, 18, 24, 27, 35.
Muestra del estrato 3 = Familias 2, 13, 42.
Una vez seleccionadas las familias dentro de cada estrato se las entrevist para
averiguar cunto gastaban mensualmente en el rubro salud.

Los resultados obtenidos fueron:

Muestra del estrato 1

Muestra del estrato 2

Muestra del estrato 3

Con los datos de las respectivas muestras calcularemos:

a) Medidas descriptivas de cada estrato.
b) Estimacin del promedio de gastos en salud correspondiente a la zona de inters
c) Estimacin del total de gastos en salud

En ambos casos determinaremos adems la comparacin de la precisin de las estimaciones respecto al muestreo aleatorio simple.
a) Medidas descriptivas
En cada estrato calculamos: media, varianza y desviacin estndar.

b) En base a las medias de los estratos, estimaremos ahora al promedio de gastos

en salud correspondiente a la poblacin objetivo especificada:

Luego puede decirse que el promedio de gastos en salud de las familias de la zona
en cuestin es aproximadamente de $ 44 mensuales.
c) Veremos a continuacin que ocurre con la estimacin del total de gastos en salud
en la zona estudiada.
En el muestreo estratificado, tenemos:

Luego, el total estimado de gastos en salud de las 50 familias de la zona de inters

es de $ 2.196,5.

Veremos ahora un ejercicio de aplicacin.

Un investigador a cargo del Servicio de Neonatologa de un hospital

ha iniciado un estudio para estimar la
proporcin de nios con bajo peso al
nacer. Como se piensa que la edad de
la madre influye sobre esta variable,
se formaron tres estratos:

Estrato 1: Madres menores de

18 aos (N1 = 200)
Estrato 2: Madres con edad entre 19 y 35 aos (N2
= 300)
Estrato 3: Madres mayores de
35 aos (N3 = 100)

Adems se piensa que, como la poblacin de mujeres que concurren a este hospital
es bastante homognea en cuanto a su nivel socioeconmico, esta variable se encuentra
bajo control.
Se tomaron muestras aleatorias de madres de cada estrato y se registr el peso de
cada nio al nacer. El peso fue codificado de la siguiente manera:
- Menor a 2,000 Kg.: 1
- 2,000 Kg. y ms: 2
Para obtener una muestra de 60 madres, utilizando una asignacin proporcional al
tamao del estrato, del primero se seleccionaron 20 madres, del segundo 30 madres y del
tercero 10 madres. Los resultados obtenidos fueron:

Siendo p, la proporcin muestral de nios nacidos con bajo peso correspondiente

al estrato h.
Utilizaremos esta informacin para estimar la proporcin de nios nacidos con peso
inferior al normal en la poblacin total de mujeres que concurren al hospital en cuestin.

La proporcin estimada de nios con bajo peso al nacer en la poblacin de madres

que concurren al Servicio de Neonatologa del hospital es igual a 0,27 .
Determinacin de los tamaos de las muestras en los estratos
El muestreo estratificado es un procedimiento comn en las investigaciones por
muestreo. Este tipo de muestreo garantiza la representacin deseada de todos los estratos de la poblacin en la muestra. En el muestreo no estratificado no puede asegurarse
siempre una representacin adecuada de todos los estratos y as una muestra puede distribuirse de manera tal entre los diferentes estratos que algunos de ellos pueden estar
representados excesivamente y otros no.
El procedimiento de muestreo estratificado tiene como objetivo, por lo tanto, determinar una mejor representacin de la poblacin que la que se obtiene con el muestreo
aleatorio simple. Esto implica que uno puede esperar que la precisin del estimador sea
mayor en el muestreo estratificado que en el no estratificado.
Desde luego, el muestreo estratificado supone el conocimiento del tamao de los
estratos, es decir el nmero total de unidades de muestreo en cada estrato y la disponibilidad del marco para la seleccin de la muestra en cada estrato.
En el muestreo estratificado, la determinacin del tamao de la muestra n no difiere mayormente de los principios generales establecidos al hablar del muestreo aleatorio
simple. La diferencia, ahora, radica fundamentalmente en la forma en que esta muestra
total se distribuir entre los diferentes estratos.
Existen varios procedimientos para determinar el tamao de muestra correspondiente a cada estrato y la eleccin de uno de ellos depender de cada investigacin en
particular.
La manera en que la muestra total se distribuye entre los estratos se conoce con el
nombre de afijacin o asignacin. Esta asignacin puede ser de tres tipos: proporcional,
ptima o arbitraria.
En el primer caso, cuando la asignacin es proporcional, la muestra total se divide
entre los estratos en una manera proporcional al tamao de los mismos. En el segundo
caso, se tiene en cuenta no solamente el tamao del estrato sino tambin las varianzas Sh2
dentro de cada estrato.
En el tercer caso, la muestra se reparte arbitrariamente entre los diferentes estratos.
Si comparamos la eficiencia del muestreo estratificado con el muestreo aleatorio
simple para cada tipo de asignacin, podemos decir que:
a) Cuanto ms difieren los estratos en sus medias, mayor es la ganancia en precisin
debida al muestreo estratificado proporcional respecto al aleatorio simple.
b) La ganancia en precisin del muestreo estratificado con asignacin ptima res-

pecto al muestreo aleatorio simple se logra cuando existen diferencias entre las
medias de los estratos y entre sus desviaciones estndar.
c) Con respecto al muestreo estratificado con asignacin arbitraria, la ganancia en
precisin respecto al muestreo aleatorio simple depende de la forma en que sta
asignacin se realice. El xito del resultado sugiere la necesidad de tener sumo
cuidado en la asignacin de la muestra entre los estratos.
Hay dos casos en que la estratificacin ptima es ms conveniente que la estratifi-h
cacin proporcional. El primero es cuando la poblacin est compuesta, por ejemplo, por
empresas industriales grandes y pequeas estratificadas por alguna medida de tamao.
Supongamos, adems, que se desea estudiar las ventas mensuales promedio. Es evidente
que las varianzas Sh2son generalmente ms grandes cuando se trabaja con cifras mayores,
situacin en la que se encuentran las empresas ms grandes. En este caso conviene trabajar con asignacin ptima pues ella tiene en cuenta la variabilidad inherente a cada uno
de los estratos.
La segunda situacin se da en encuestas donde algunos estratos son mucho ms
costosos de muestrear que otros y luego las muestras deben ser, en lo posible, menores
en ellos.
Lgicamente existen frmulas matemticas para determinar los tamaos de muestra total y en cada estrato segn cada tipo de asignacin.
Creemos que existe una abundante literatura al respecto y que no es conveniente
el desarrollo de estos temas en esta parte del curso. Al lector interesado le proponemos
leer la bibliografa que sugerimos al final.
A continuacin, le proponemos algunas actividades para que aplique los conceptos
tratados.

Actividad 4

El objetivo de una investigacin consisti en averiguar la opinin de empresas metalrgicas con

respecto a las expectativas de funcionamiento para el ao 2013
La respuesta solicitada fue codificada de la siguiente manera:
1: las perspectivas de la empresa son buenas
2: las perspectivas de la empresa son malas

Como se pens que las respuestas podan

variar segn fuese el tamao de la empresa, una variable de estratificacin adecuada y disponible sera la cantidad de empleados por
empresa.
Se decidi formar 4 estratos, a saber:
Estrato 1: Empresas con menos de 10 empleados
Estrato 2: Empresas de 11 a 100 empleados
Estrato 3: Empresas de 101 a 500 empleados
Estrato 4: Empresas con ms de 500 empleados.
Los tamaos de los estratos fueron:
N1 = 80 empresas
N2 = 495 empresas
N3 = 300 empresas
N4= 6 empresas
N = 881 empresas
El plan de muestreo diseado propuso tomar muestras aleatorias de los primeros 3 estratos
considerando una fraccin de muestreo del 10%. Las empresas del estrato 4 se incluyeron en la
muestra en su totalidad por considerarse que su opinin era de suma importancia.
Los resultados obtenidos luego de realizar el trabajo de recoleccin de los datos fueron:

1
2
3

a) Estime la proporcin poblacional de empresas que responden favorablemente.

Actividad 5
Actividad Optativa, sin entrega

Un organismo responsable del cuidado de la salud odontolgica de nios de 12 aos de edad,

decide estudiar el promedio de caries por nio.
Pensando que el nivel socioeconmico del cual proviene el nio tiene incidencia en la salud
bucal, decide estratificar la poblacin de la siguiente manera:
Estrato 1: Nios que asisten a escuelas municipales (nivel socioeconmico bajo).
Estrato 2: Nios que asisten a escuelas pblicas provinciales (nivel socioeconmico medio).
Estrato 3: Nios que asisten a escuelas privadas (nivel socioeconmico alto).
Los correspondientes tamaos de los estratos considerados fueron:
N1 = 5800 nios
N2 = 25600 nios
N3 = 12750 nios
N = 44150

Para llevar a cabo el estudio, se deciden

tomar muestras aleatorias de cada uno de los estratos con los siguientes tamaos:
n1 = 60 nios
n2 = 260 nios
n3 = 130 nios
Los resultados obtenidos fueron:
x1 = 6,0 dientes con caries
s21 = 4,1
x2 = 4,2 dientes con caries
s22 = 1,28
x3 = 4,0 dientes con caries
s23 = 1,39
a) Estime el verdadero promedio de dientes con caries en la poblacin de nios de 12 aos.

Muestreo sistemtico
El muestreo sistemtico es, quizs, la tcnica de seleccin de muestras aleatorias
ms conocida y empleada por la sencillez del procedimiento.
Si comparamos esta tcnica de seleccin de muestras con el muestreo aleatorio
simple veremos que presenta algunas ventajas importantes. En primer lugar es ms fcil sacar una muestra sistemtica que una aleatorio simple y generalmente se cometen
menos errores. Adems, el muestreo sistemtico parece ser ms preciso que el aleatorio
simple.
En una muestra sistemtica se fija la posicin relativa de las unidades incluidas en la
muestra. Por consiguiente este mtodo nos asegura una representacin uniforme de los
elementos de la poblacin. Esto quiere decir que no existe riesgo de que una parte de la
poblacin no est considerada en la muestra.
Debido a que el mtodo nos asegura una muestra regularmente espaciada es probable, por lo tanto, que permita una estimacin ms precisa de la media de la poblacin
que una muestra aleatoria simple, salvo que las unidades k-simas que constituyen la
muestra resulten anlogas o estn correlacionadas.
Al igual que en los casos anteriores, desarrollaremos el tema siguiendo los pasos
identificados en el diseo de la muestra.
Definicin de la poblacin
Supongamos que un investigador mdico est interesado en efectuar un estudio
respecto a ciertas variables de inters en pacientes que se atienden en un centro mdico.
Para esta investigacin en particular, la poblacin estar definida por la totalidad de
pacientes que se atienden en dicho centro.
Adems cada elemento de la poblacin, en este caso el paciente, coincide con la
unidad de muestreo.
Identificacin del marco
Los 500 pacientes que se atienden en el centro mdico, se encuentran registrados
en un fichero de protocolos mdicos ordenados por abecedario.
En consecuencia este fichero constituye el marco adecuado para seleccionar la
muestra.
A continuacin veremos como seleccionamos la muestra.
Seleccin de la muestra
En el muestreo sistemtico se parte de una poblacin de tamao N y se desea tomar una muestra de tamao n, donde N puede o no ser mltiplo de n.
Las N unidades de la poblacin se numeran de 1 a N en un cierto orden. Adems,
llamaremos intervalo de muestreo a la fraccin N/n y lo simbolizaremos con la letra k.
Para obtener una muestra sistemtica aleatorio, dentro del primer Intervalo de
muestreo (cuyos elementos estn numerados entre 1 y k) se elige un arranque aleatorio

que llamaremos r que determinar la unidad que se va a seleccionar en cada uno de los n
intervalos de muestreo.
Supongamos en nuestro ejemplo que el investigador decide seleccionar una muestra de 50 protocolos para realizar un estudio exploratorio considerando una variable en
particular.
En primer lugar, debe numerar los protocolos de 1 a 500 y de ellos seleccionar 50,
es decir, uno de cada 10.
Con este procedimiento el investigador se asegura que toma una muestra aleatorio
pues los protocolos estn ordenados alfabticamente y el orden alfabtico no est correlacionado con la variable que se desea estudiar.
Para estar todava ms seguro de la aleatoriedad, puede recurrir a una tabla de
nmeros al azar, determinar un arranque aleatorio y desde all comenzar a seleccionar
sistemticamente la muestra.
En nuestro caso el intervalo de muestreo es:

Luego tomamos un nmero entre 1 y 10 de una tabla de nmeros aleatorios.

Si, por ejemplo, el primer nmero que aparece en la tabla es r = 4, el esquema de
seleccin consistir en elegir el protocolo 4, el 14, el 24, el 34, y as sucesivamente hasta
obtener los 50 protocolos que integrarn la muestra.

Procedimiento de estimacin
Una vez obtenida la muestra, se calculan los estimadores de la misma manera que
si tuviramos una muestra aleatoria simple.
Veremos, ahora, por medio de un ejemplo, cuando conviene utilizar al muestreo
sistemtico en lugar del muestreo aleatorio simple. Para comprender las ventajas y desventajas del muestreo sistemtico compararemos la precisin de los estimadores para

ambos tipos de muestreo. Nos limitaremos al caso en que queremos realizar una estimacin del parmetro proporcin poblacional P, pero para otros estimadores las mismas
conclusiones son vlidas y difieren solamente en la complejidad de su clculo.
Supongamos el siguiente ejemplo (W.E. Cochran, "Tcnicas de Muestreo", ej. 8.4)
en el que se tiene una poblacin ficticia compuesta por los miembros de 13 familias que
viven en una manzana en particular.
Las personas fueron codificadas de la siguiente manera:
M = varn adulto
m = hijo varn

F = mujer adulta
f = hija mujer

Finalmente el listado de las 13 familias qued conformado del siguiente

modo:

Es decir, en total se han listado N = 50 personas.

Supongamos ahora que deseamos extraer una muestra que represente el 20% de la
poblacin. El tamao de la muestra ser, entonces, n = 10.
Si el procedimiento de seleccin es sistemtico, el intervalo de muestreo ser:

Este intervalo de muestreo nos est indicando que debemos seleccionar una persona de cada 5.
El arranque aleatorio podr ser r = 1, 2, 3, 4 5, y cada valor definir una muestra
distinta.
Por ejemplo, si tomamos r = 1, las personas seleccionadas siguiendo el orden en el

que fueron listadas en la poblacin, sern las que se ubiquen en las posiciones; 1, 6, 11,
16, 21, 26, 31, 36, 41, 46 es decir,

Suponiendo que el orden de listado se establece de tal manera que la primera persona de la vivienda 1, tiene el nmero de orden 1 (M), y la ltima de la vivienda 13, tiene
el orden de listado 50 (F).
De la misma manera se pueden seleccionar las dems muestras posibles cambiando el valor de r.
Si ordenamos todas las muestras en una tabla el resultado sera el siguiente:

Supongamos que en cada muestra de 10 personas deseamos estimar:

a) La proporcin de varones (adultos e hijos).
b) La proporcin de hijos (masculino y femenino).
c) La proporcin de personas en hogares de profesionales.

a) Para estimar la proporcin de varones en cada muestra, consideraremos que la

variable X toma el valor 1 si la persona seleccionada es varn y el valor 0 si es
mujer.
Reemplazando en la tabla anterior, tendremos:

La proporcin de varones estimada en cada una de las muestras es:

Como en este caso conocemos la poblacin, podemos calcular la proporcin poblacional de varones de la siguiente manera:

Se produce as una cierta periodicidad en la seleccin de la muestra.

Si el arranque aleatorio r = 1, tienen ms posibilidad de ser incluidos en la muestra
los varones adultos, si r = 2 tienen mayor posibilidad de ser elegidas las mujeres adultas,
etc.
Esta periodicidad determina que la varianza del estimador en el muestreo sistemtico sea un poco mayor que la del estimador en el muestreo aleatorio simple. Luego, el
riesgo del muestreo sistemtico consiste en tomar k con una periodicidad que coincida
con la de alguno de los elementos que se miden.
b) Consideremos ahora la variable proporcin de hijos. En este caso X = 1 si la persona seleccionada es un hijo y X = 0 si es una persona adulta.
Las muestras posibles seran, entonces:

Las respectivas proporciones de hijos en cada muestra son:

La proporcin de hijos en la poblacin es:

c) Proporcin de personas en hogares de profesionales.

Supongamos ahora que deseamos estimar la proporcin de personas que viven en
hogares donde el jefe de familia tiene educacin universitaria completa. Estos hogares
fueron los nmeros 1, 2, 3, 12 y 13.
Cuando la persona seleccionada viva en uno de estos hogares, X asumir el valor 1
y, en caso contrario, tomar el valor 0.
Las muestras posibles son:

Las correspondientes proporciones muestrales son:

La proporcin poblacional correspondiente es:

Como la proporcin de hogares cuyo jefe de familia posee estudios universitarios

es independiente de la composicin familiar, podemos considerar que la poblacin listada
sigue un orden aleatorio, libre de periodicidad.
Del anlisis realizado previamente concluimos que: conviene trabajar con muestras
seleccionadas sistemticamente cuando la estructura de la poblacin es independiente
del elemento que se mide. Si esto no ocurre, conviene seleccionar muestras apelando al
muestreo aleatorio simple.

Actividad 7

Considerando su propio campo de investigacin, trate de especificar dos situaciones, una donde
el orden aleatorio de la poblacin justifique el ejemplo del muestreo sistemtico y otra donde la
periodicidad de la caracterstica a medir invalide su utilizacin.

Muestreo por conglomerados

El muestreo por conglomerados es un mtodo de seleccin de muestras en el cual
la unidad de muestreo, que es la unidad de seleccin, contiene ms de un elemento de
la poblacin. La unidad de muestreo es, luego, un conglomerado de elementos en el que
cada elemento debe estar identificado unvocamente con una y slo una unidad de muestreo.
En todos los mtodos probabilsticos de seleccin de muestras estudiados, siempre hemos considerado situaciones donde la unidad de seleccin, en la ltima etapa del
muestreo terminaba siendo lo que habamos definido como un elemento de la poblacin
objetivo.
Sin embargo, existen situaciones en las que es prcticamente imposible determinar
un marco de muestreo adecuado a la definicin de la poblacin objetivo.
As, muchas veces es fcil obtener la lista de todas las casas de una ciudad, pero en
cambio no es posible obtener la lista de todas las personas que viven en ellas. De igual
modo, no siempre se tienen listas de los alumnos de escuelas secundarias que tienen
facilidad para el aprendizaje de un idioma extranjero, pero s es factible obtener listas de
escuelas. El muestreo por conglomerados da respuesta a esta dificultad y es utilizado en
encuestas por muestreo.
Supongamos que se desea consultar la opinin de los maestros de escuelas primarias de la Repblica Argentina en cuanto a la nueva Ley Federal de Educacin.
Evidentemente, sera poco prctico y muy costoso construir un marco de muestreo
que contemple a todos los maestros de escuelas primarias, seleccionar aleatoriamente un
nmero determinado de ellos y entrevistarlos.
En esta situacin, resulta ms atinado formar un marco donde figuren las escuelas
primarias del pas, seleccionar aleatoriamente un nmero predeterminado de escuelas y
entrevistar a todos los maestros registrados en ellas.
Cada escuela constituye un conglomerado natural de la poblacin de maestros y
recibe el nombre de conglomerado o cluster. Los clusters deben ser mutuamente excluyentes y exhaustivos.
Algunas veces, aunque se cuente con listas de los elementos de la poblacin, puede
ocurrir que por consideraciones econmicas se recomiende emplear una unidad conglomerada mayor.

As, por ejemplo, si se desea efectuar una encuesta en 600 viviendas de cierta ciudad, obtener una muestra aleatoria simple de 600 viviendas suele dar una estimacin ms
precisa que si se obtiene una muestra de 20 manzanas con un promedio de 30 viviendas
por manzana. En el primer caso, es probable que se cubra la ciudad ms uniformemente, pero se tendrn mayores costos por encuesta para localizar 600 viviendas que para
localizar 20 manzanas y visitar todas sus casas. En consecuencia, al comparar costo con
precisin, la unidad mayor puede resultar ms conveniente.
Un caso similar al ejemplo planteado lo constituye el conocido muestreo de segmentos o radios censales, muy utilizado por los investigadores sociales.
Tambin, posiblemente, sea conocido por los agrnomos el muestreo de transectas
que tambin es un caso particular de este procedimiento de muestreo.
Desarrollaremos a continuacin algunos de los pasos del procedimiento de muestreo por conglomerados.
Definicin de la poblacin
Volviendo al ejemplo de los maestros, supongamos que se ha especificado una cierta poblacin compuesta por N conglomerados (escuelas) con M elementos (maestros)
cada uno y queremos obtener una muestra de n conglomerados.
Identificacin del marco
Las escuelas pueden ser numeradas convenientemente de 1 hasta N.
En consecuencia este listado constituir el marco apropiado para sacar la muestra.
Seleccin de la muestra
El mtodo de seleccin consiste en tomar una muestra aleatoria de conglomerados
(escuelas) y en cada una de ellas observar los M elementos (maestros).

En este caso no hay una seleccin aleatoria de maestros en cada escuela pues se
entrevistan a todos los maestros de las escuelas seleccionadas.
La aleatoriedad se da en la seleccin de la muestra de conglomerados o escuelas,
pero no en la seleccin de maestros.

Procedimiento de estimacin
Supongamos que se desea estimar la proporcin de maestros que tienen una opinin favorable con respecto al proyecto.
Qu pasara si los maestros de cada escuela hubieran agotado el tema sobre la Ley
de Educacin y todos tuvieran la misma opinin?
Evidentemente, estaramos gastando tiempo y dinero por el hecho de realizar entrevistas a elementos de la poblacin que responderan todos de la misma manera. Nuestra muestra no sera representativa de la poblacin de maestros donde se espera haya
opiniones dispares ya sea por divergencias polticas, distintas edades, distinta situacin
socioeconmica, etc.
En consecuencia, el muestreo por conglomerados aumenta su eficiencia con respecto a otros tipos de muestreo cuando los elementos que componen un conglomerado
son heterogneos.