REPÚBLICA BOLIVARIANA DE VENEZUELA

INSTITUTO UNIVERSITARIO DE MERCADOTECNIA

MUESTREO

Alumno: Profesor:

Luis Villa Libia Santana

C.I: 27.624.355 Estadística Aplicada

CS4A

Caracas; 24/11/18
 Introducción
La teoría del muestreo es el estudio de la relación que existe entre una
población y las muestras que se obtienen de esa población. La teoría del
muestreo se emplea en muchos contextos. Por ejemplo, en la estimación de
cantidades poblacionales desconocidas (como la media y la varianza
poblacionales), a las que se les conoce como parámetros poblacionales o
simplemente parámetros, a partir de las correspondientes cantidades
muéstrales (como la media y la varianza muéstrales), a menudo conocidas
como estadísticos muéstrales o simplemente estadísticos.

El muestreo también sirve para determinar si las diferencias que se

observan entre dos muestras se deben a variaciones casuales o si son
diferencias realmente significativas. Tales preguntas surgen, por ejemplo, al
probar un nuevo suero para el tratamiento de una enfermedad o cuando se
tiene que decidir si un proceso de producción es mejor que otro. Para
responder a estas preguntas se usan las llamadas pruebas de significancia o
de hipótesis, fundamentales en la teoría de decisiones.

En general, al estudio de las inferencias que se hacen acerca de una

población, empleando muestras obtenidas de ella, y de las indicaciones de la
exactitud de tales inferencias, mediante el uso de la teoría de la probabilidad,
es a lo que se le llama inferencia estadística.
 Error de muestreo.

El error muestral se refiere a la variación natural existente entre

muestras tomadas de la misma población. Cuando una muestra no es una
copia exacta de la población; aún si se ha tenido gran cuidado para asegurar
que dos muestras del mismo tamaño sean representativas de una cierta
población, no esperaríamos que las dos sean idénticas en todos sus detalles.
El error muestral es un concepto importante que ayudará a entender mejor la
naturaleza de la estadística inferencial.

Los errores muéstrales pueden suprimirse, o minimizarse, usando la

aleatorización. La aleatorización se refiere a cualquier proceso de selección
de una muestra de la población en el que la selección es imparcial o no está
sesgada; una muestra elegida con procedimientos aleatorios se
llama muestra aleatoria.

Los tipos más comunes de técnicas de muestreo aleatorios son el

muestreo aleatorio simple, el muestreo estratificado, el muestreo por
conglomerados y el muestreo sistemático.

Muestreo aleatorio simple.

El muestreo aleatorio simple selecciona muestras mediante métodos que
permiten que cada posible muestra tenga una igual probabilidad de ser
seleccionada y que cada elemento de la población total tenga una
oportunidad igual de ser incluido en la muestra. Podemos ilustrar estos
requerimientos con un ejemplo. Supongamos que tenemos una población de
cuatro estudiantes en un seminario y queremos muestras de dos estudiantes
cada vez para entrevistarlos.
Muestras posibles de dos personas: AB, AC, AD, BC, BD, CD
La probabilidad de extraer esta muestra de dos personas debe ser
P(AB) = 1⁄6
P(AC) = 1⁄6
P(AD) = 1⁄6 (Sólo hay seis muestras posibles de dos personas)
P(BC) = 1⁄6
P(BD) = 1⁄6
P(CD) = 1⁄6
La probabilidad de este estudiante en la muestra debe ser
P(A) = 1⁄2
P(B) = 1⁄2
P(C) = 1⁄2
P(D) = 1⁄2
 Muestreo aleatorio sistemático.

En el muestreo sistemático, los elementos son seleccionados de la

población dentro de un intervalo uniforme que se mide con respecto al
tiempo, al orden o al espacio. Si tuviera que entrevistar a cada vigésimo
estudiante de una universidad, escogería un punto de inicio aleatorio entre
los primeros 20 nombres del directorio estudiantil y luego seleccionaría cada
veintavo nombre de ahí en adelante. Por ejemplo, un investigador tiene una
población total de 100 individuos y necesita 12 sujetos. Primero elige su
número de partida, 5. Luego, el investigador elige su intervalo, 8. Los
miembros de su muestra serán los individuos 5, 13, 21, 29, 37, 45, 53, 61,
69, 77, 85, 93.

Muestreo aleatorio estratificado.

El muestreo estratificado resulta apropiado cuando la población ya está
dividida en grupos de diferentes tamaños y deseamos tomar en cuenta esta
condición. Para utilizar el muestreo estratificado, dividimos la población en
grupos relativamente homogéneos, llamados estratos. Después utilizamos
uno de los dos planteamientos: o bien seleccionamos aleatoriamente, en
cada estrato, un número específico de elementos correspondiente a la
proporción del mismo en relación con la población completa, o extraemos el
mismo número de elementos de cada estrato y después ponderamos los
resultados considerando la proporción que el estrato representa con respecto
a la población total. Con cualquiera de los planteamientos, el muestreo
estratificado garantiza que cada elemento de la población tenga posibilidad
de ser seleccionado.

Por ejemplo, Supongamos que los pacientes de un médico están

divididos en cuatro grupos de acuerdo con su edad. El médico desea
averiguar cuántas horas duermen sus pacientes. Para obtener una
estimación de esta característica de la población, podría tomar una muestra
aleatoria de cada uno de los cuatro grupos de edades y ponderar las
muestras de acuerdo con el porcentaje de pacientes en ese grupo. Éste sería
un ejemplo de una muestra estratificada.

Grupo de edad Porcentaje del total

Nacimiento-19 años 30
20-39 años 40
40-59 años 20
60 años y mayores 10
 Muestreo aleatorio por conglomeración.
En el muestreo por conglomerados, en lugar de seleccionar a todos los
sujetos de la población inmediatamente, el investigador realiza varios pasos
para reunir su muestra de la población. En primer lugar, el investigador
selecciona grupos o conglomerados y de cada grupo selecciona a los sujetos
individuales, ya sea por muestreo aleatorio simple o muestreo aleatorio
sistemático. El investigador también puede optar por incluir a todo el
conglomerado, no sólo a un subconjunto. Por ejemplo, estudiantes de la
Carrera de Medicina 2005.I año =20%; II año=18%; III año =15% y IV
año=30%.

Muestreo aleatorio estratificado con distribución

proporcional.
En el estratificado proporcional, el número de elementos asignados a
diversos estratos es proporcional a la representación de los estratos de la
población objetivo, es decir, el tamaño de la muestra extraída de cada estrato
es proporcional con el tamaño relativo de ese estrato de la población
objetivo. La fracción de muestreo es aplicada a cada estrato, dando a cada
elemento de la población la misma oportunidad para ser seleccionados. La
muestra resultante es una muestra auto-ponderada. Este procedimiento de
muestreo se utiliza cuando el propósito de la investigación es estimar los
parámetros poblacionales.

Por ejemplo, queremos estudiar el % de la población que fuma en México y

pensamos que la edad puede ser un buen criterio para estratificar (es decir,
pensamos que existen diferencias importantes en el hábito de fumar
dependiendo de la edad). Definimos 3 estratos: menores de 20 años, de 20 a
44 años y mayores de 44 años. Es de esperar que al dividir toda la población
mexicana en estos 3 estratos no resulten grupos de igual tamaño.
 Conclusión.

Cuando es imposible o muy difícil obtener la muestra por métodos

de muestreo probabilístico. Se usa el muestreo no probabilístico (o muestreo
no aleatorio) es la técnica de muestreo donde los elementos son elegidos a
juicio del investigador. No se conoce la probabilidad con la que se puede
seleccionar a cada individuo. Entre sus métodos se encuentra:

Muestreo por cuotas

El muestreo por cuotas es una técnica de muestreo no probabilístico en

donde la muestra reunida tiene la misma proporción de individuos que toda la
población con respecto al fenómeno enfocado, las características o los
rasgos conocidos. Por ejemplo, se estudian varios grupos de una población
y se buscan personas únicamente entre 18-19 años de edad se toma las
personas con esas características y las otras se descarta.

Muestreo intencional o de conveniencia.

Es la muestra que está disponible en el tiempo o periodo de

investigación. El muestreo de o por conveniencia es una técnica de muestreo
no probabilístico donde los sujetos son seleccionados dada la conveniente
accesibilidad y proximidad de los sujetos para el investigador. Por ejemplo,
supongamos que queremos conocer la opinión de los estudiantes
universitarios chilenos acerca de la política. Una muestra probabilística
requeriría acceder a un censo del total de estudiantes de todas las
universidades chilenas con el fin de seleccionar al azar un grupo de
individuos y encuestarlos. Una muestra por conveniencia podría consistir en
dirigirme a 3 universidades cercanas, simplemente porque están en la
población en la que reside el encuestador, y encuestar a unos cuantos
individuos que acepten participar al salir de las aulas por la mañana.

Muestra discrecional.

El muestreo discrecional es una técnica de muestreo no probabilístico donde

el investigador selecciona las unidades que serán muestra en base a su
conocimiento y juicio profesional.
El investigador selecciona a los individuos a través de su criterio profesional.
Puede basarse en la experiencia de otros estudios anteriores o en su
conocimiento sobre la población y el comportamiento de ésta frente a las
características que se estudian.

Por ejemplo: Supongamos que el investigador va a realizar un estudio sobre

el nivel de satisfacción del profesorado de cierta universidad. El estudio se
suele realizar cada dos años, por lo que el responsable del estudio, gracias a
su experiencia y sus antecedentes, sabe perfectamente cuál puede ser la
mejor muestra para el estudio.
 Bibliografía

Anderson, David R., Dennis J. Sweeney y Thomas A. Williams (2008)

Estadística para administración y economía, (10a. edición) México Cengage
Learning Editores, S.A.

Spiegel Murray R. & Stephens Larry. (2009) Estadística McGraw Hill. México.
4ta. Edición.

Soto N., Armando. (2005) Principios de Estadísticas Pananpo. Venezuela.

1ra Edición.