Professional Documents
Culture Documents
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.
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
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.
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:
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:
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.
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:
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:
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.
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).
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:
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:
Llamaremos, adems:
xh = media aritmtica de la muestra seleccionada en el estrato h.
Los resultados obtenidos en la muestra de 5 alumnos, podran ser:
x = 22,6
Muestra obtenida del estrato 1
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.
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.
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:
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:
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
1
2
3
Actividad 5
Actividad Optativa, sin entrega
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:
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
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:
Como en este caso conocemos la poblacin, podemos calcular la proporcin poblacional de varones de la siguiente manera:
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.
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.