MUESTREO PROBABILSTICO:

MUESTREO ESTRATIFICADO

Esta tcnica, perteneciente a la familia de muestreos

probabilsticos, consiste en dividir toda la poblacin objeto de
estudio en diferentes subgrupos o estratos disjuntos, de manera
que un individuo slo puede pertenecer a un estrato. Una vez
definidos los estratos, para crear la muestra se seleccionan
individuos empleando una tcnica de muestreo cualquiera a
cada uno de los estratos por separado. Si por ejemplo
empleamos muestreo aleatorio simple en cada estrato,
hablaremos de muestreo aleatorio estratificado (M.A.E. en

adelante). Del mismo modo, podramos usar otras tcnicas de

muestreo en cada estrato (muestreo sistemtico, aleatorio con
reposicin, etc.).
Los estratos suelen ser grupos homogneos de individuos, que a
su vez son heterogneos entre diferentes grupos. Por ejemplo, si
en un estudio esperamos encontrar un comportamiento muy
diferente entre hombres y mujeres, puede ser conveniente
definir dos estratos, uno por cada sexo. Si la seleccin de estos
estratos es correcta (1) los hombres deberan comportarse de
forma parecida entre ellos, (2) las mujeres deberan comportarse
de forma muy similar entre ellas y (3) hombres y mujeres
deberan mostrar comportamientos dispares entre s.
Si la anterior condicin se cumple (estratos homogneos
internamente, heterogneos entre s) el uso del muestreo
aleatorio estratificado reduce el error muestral, mejorando la
precisin de nuestros resultados al realizar un estudio sobre la
muestra.
Es relativamente habitual definir estratos de acuerdo a algunas
variables caractersticas de la poblacin como son la edad, sexo,
clase social o regin geogrfica. Estas variables permiten dividir
fcilmente la muestra en grupos mutuamente excluyentes y con
bastante frecuencia, permiten discriminar comportamientos
diferentes dentro de la poblacin.

Tipos de muestreo estratificado

Dependiendo del tamao que asignamos a los estratos,
hablaremos de diferentes tipos de muestreo estratificado.
Tambin se acostumbra a hablar de diferentes formas de
afijacin de la muestra en estratos.
(1) Muestreo estratificado proporcionado
Cuando seleccionamos una caracterstica de los individuos para
definir los estratos, suele ocurrir que el tamao de las
subpoblaciones resultantes en el universo son diferentes. Por
ejemplo, queremos estudiar el % de la poblacin que fuma en

Mxico y pensamos que la edad puede ser un buen criterio para

estratificar (es decir, pensamos que existen diferencias
importantes en el hbito de fumar dependiendo de la edad).
Definimos 3 estratos: menores de 20 aos, de 20 a 44 aos y
mayores de 44 aos. Es de esperar que al dividir toda la
poblacin mexicana en estos 3 estratos no resulten grupos de
igual tamao. Efectivamente, si miramos datos oficiales,
obtenemos:
* Estrato 1 Poblacin Mexicana menor de 19 aos: 42,4
millones (41,0%)
* Estrato 2 Poblacin Mexicana de 20 a 44 aos: 37,6 millones
(36,3%)
* Estrato 3 Poblacin Mexicana mayor de 44 aos: 23,5
millones (22,7%)
Si usamos muestreo estratificado proporcionado, la
muestra deber tener estratos que guarden las mismas
proporciones observadas en la poblacin. Si en este ejemplo
queremos crear una muestra de 1.000 individuos, los estratos
tendrn que tener un tamao como sigue:
Estrato
1
2
3

Poblacin
42,4M
37,6M
23,5M

Proporcin
41,0%
36,3%
22,7%

Muestra
410
363
227

(2) Muestreo estratificado uniforme

Hablaremos de una afijacin uniforme cuando asignamos el
mismo tamao de muestra a todos los estratos definidos, sin
importar el peso que tienen esos estratos en la poblacin.
Siguiendo con el ejemplo anterior, un muestreo estratificado
uniforme definira la siguiente muestra por estrato:
Estrato
1
2
3

Poblacin
42,4M
37,6M
23,5M

Proporcin
41,0%
36,3%
22,7%

Muestra
334
333
333

Esta tcnica favorece los estratos que tienen menos peso en la

poblacin, equiparndolos en importancia a los estratos ms
relevantes. Globalmente, reduce la eficiencia de nuestra
muestra (menor precisin en los resultados), pero como
contrapartida permite estudiar caractersticas particulares de
cada estrato con mayor precisin. En nuestro ejemplo, si
queremos emitir alguna afirmacin especfica sobre la poblacin
del estrato 3 (mayores de 44 aos), podremos hacerlo con
menor nivel de error muestral si empleamos una muestra de
333 unidades que si lo hacemos con una muestra de 227 (como
ocurra en el muestreo estratificado proporcional).
(3) Muestreo estratificado ptimo
desviacin estndar)

(respecto

la

En este caso, el tamao de los estratos en la muestra no

guardar proporcionalidad con la poblacin. Por el contrario, se
define el tamao de los estratos proporcionalmente a la
desviacin estndar de las variables objeto de estudio. Es decir,
se toman estratos de mayor tamao en los estratos con mayor
variabilidad interna para representar mejor en el total de la
muestra los grupos poblacionales ms difciles de estudiar.

Eficiencia de los diferentes muestreos estratificados

Las preguntas inevitables son: cuando conviene emplear la
estratificacin?, qu tipo de estratificacin es ms
conveniente?
El muestreo estratificado proporcional produce
siempre menor o igual error muestral que el
muestreo aleatorio simple, es decir, es ms preciso.
La igualdad se produce cuando las medias o las
proporciones que estamos analizando son iguales en
todos los estratos. Por lo tanto, la estratificacin produce
ms beneficio cuanto ms diferentes sean los estratos
entre s.

 El muestreo estratificado ptimo es siempre igual

o ms preciso que el muestreo estratificado
proporcional. Ambos mtodos son igual de precisos
cuando las desviaciones tpicas dentro de cada estrato
son iguales, en cuyo caso ambos mtodos son
totalmente equivalentes. Por lo tanto, la estratificacin
ptima produce ms beneficio cuanto ms diferencias
existan entre las desviaciones dentro de cada grupo,
situacin en la que podremos reducir el tamao muestral
de los grupos ms homogneos en beneficio de los ms
heterogneos. Como contrapartida, es un mtodo ms
complejo y que requiere tener mucha informacin a
priori de la muestra que estudiamos, algo que
normalmente no tenemos.

Tamaos de muestra requeridos por cada tcnica

Vemos que la estratificacin puede proporcionar beneficios. Si
estas tcnicas pueden emplearse para estimar de forma ms
precisa ya sean medias (p.e. media de cigarrillos consumidos
por los fumadores de Mxico) o proporciones (p.e. proporcin de
la poblacin de Mxico que fuma), tambin pueden permitirnos
reducir el tamao de muestra requerido para lograr una
estimacin con un nivel de error determinado.
La siguiente tabla resume el tamao de muestra requerido al
emplear cada tcnica, en funcin del error mximo que estamos
dispuestos a aceptar y de las caractersticas del propio universo,
que consideraremos de tamao infinito (si fuese finito, debe
aplicarse un factor de correccin).

Para interpretar el cuadro anterior es necesario tener en cuenta

lo siguiente:
Z = Es la desviacin del valor medio que aceptamos para
lograr el nivel de confianza deseado. En funcin del nivel
de confianza que busquemos, usaremos un valor
determinado que viene dado por la forma que tiene la
distribucin de Gauss. Los valores ms frecuentes son:
Nivel de confianza 90% -> Z=1,645
Nivel de confianza 95% -> Z=1,96
Nivel de confianza 99% -> Z=2,575
L es el nmero de estratos en que particionamos la
muestra y h es un ndice que se refiere a un estrato
concreto. Por lo tanto, h puede variar entre 1 y L
estratos.
p es la proporcin que buscamos en el total de la
poblacin (p.e. % de fumadores). Por lo tanto, (1-p) es la
proporcin de la muestra complementaria, la que no
cumple el criterio buscado (no fumadores). Del mismo

modo, ph es dicha proporcin dentro de cada uno de los

estratos.
2 es la varianza que el dato buscado (en el caso de
estimar medias) tiene en el total de la poblacin.
Asimismo, h2 es la varianza dentro de cada estrato.
e es el margen de error aceptado.
Wh es el peso que el estrato tiene en la muestra
(tamao del estrato respecto al total de la muestra). Si
hablamos de estratificacin proporcional, cada Wh es
igual a la proporcin que ese estrato representa en la
poblacin. Si hablamos de estratificacin ptima, cada
Wh se calcula en funcin de la dispersin dentro de cada
estrato.
Es posible demostrar a partir de las frmulas anteriores que los
diferentes mtodos de estratificacin slo reducen el tamao de
la muestra si los valores de p y vara entre estratos. De lo
contrario, todas las expresiones son equivalentes. Veamos un
ejemplo: si tomamos la expresin de tamao de muestra
requerido para estimar una media mediante un muestreo
estratificado ptimo (ignorando el parmetro Z en este caso)

y consideramos que todas las varianzas de los estratos son

iguales (h=) y que el tamao de los estratos es idntico
(Wh=1/L), el resultado que obtenemos es

Esperamos que este post ayude a aclarar la utilidad del

muestreo estratificado. En prximos posts abordaremos el
muestreo sistemtico.