Esta presentación contiene conceptos y definiciones del muestreo probabilístico, así como los diferentes métodos que se utilizan para dicho proceso con ejemplos ilustrativos, un tema correspondientes a la asignatura de estadística II

1. MUESTREO PROBABILÍSTICO
ESTADISTICA II
POR: JESÚS GÓMEZ ÁVILA
ELECTIVA:
ESTADÍSTICA APLICADA A LA INVESTIGACIÓN
BASADA EN: Licdo. Anthony Ramos UNEFM 2009

2. CONCEPTOS BÁSICOS
Estadística inferencial
La estadística inferencial se ocupa de extender o extrapolar a toda una población, informaciones
obtenidas de una muestra, así como de la toma de decisiones.
Población
Es el conjunto total de individuos susceptibles de poseer la información buscada. No se refiere
exclusivamente a personas, la población puede estar formada por todos los árboles de un
bosque.
Muestra
Es la parte de la población en la que se miden las características estudiadas. El número de
individuos de la muestra se llama tamaño de la muestra.
Muestreo
Es el proceso seguido para la extracción de una muestra.
Encuesta
Es el proceso de obtener la información buscada entre los elementos de la muestra.

3. TIPOS DE MUESTREO
Muestreo probabilístico: Es un proceso en el que se conoce la probabilidad que
tiene cada elemento de integrar la muestra. Dentro del muestreo probabilístico
podemos encontrar varios métodos
 MUESTREO ALEATORIO SIMPLE
 MUESTREO SISTEMÁTICO
 MUESTREO ESTRATIFICADO
 MUESTREO POR CONGLOMERADOS O ÁREAS

4. MUESTREO
 MUESTREO ALEATORIO SIMPLE:
Es el que le permite al investigador conformar una muestra de tal forma que cada
elemento de la población o universo tenga la misma probabilidad de ser seleccionado,
por lo tanto se requiere enumerar a cada elemento de la población, desde 1 hasta N
 PROCEDIMIENTO:
1) Definir la población de estudio.
2) Asignar un número a cada individuo de la población
3) Determinar el tamaño de muestra óptimo o para el
estudio.
4) Seleccionar la(s) muestra(s) de manera sistemática por
medio de algún medio mecánico (Tablas de números
aleatorios, bolas dentro de una bolsa, números
aleatorios generados con una calculadora, etc.)
5) Y se eligen tantos individuos como sea necesario para
completar el tamaño de muestra que necesitamos.

5. MUESTREO ALEATORIO SIMPLE
VENTAJAS DEL MUESTREO ALEATORIO SIMPLE:
 Se recomienda cuando la población es pequeña.
 Es sencillo y de fácil comprensión.
 Cálculo rápido de medidas y varianzas.
 Cuándo la población está ubicada en un espacio reducido.
 Se basa en la teoría estadística y por lo tanto existen paquetes informáticos para
analizar los datos.
 Se recomienda cuando no se tiene información previa de la población.
DESVENTAJAS DEL MUESTREO ALEATIRIO SIMPLE:
 Requiere la identificación y catalogación de la población, lo cual en ocasiones
resulta muy costoso.
 Requiere una probabilidad de selección igual para todos los elementos que
conforman la población.
 Requiere mayor tamaño de la muestra que los otros tipos de muestreo

6. MUESTREO ALEATORIO SIMPLE
 EJEMPLO DE APLICACIÓN DEL MUESTREO ALEATORIO SIMPLE
Se requiere conocer el comportamiento de una población conformada por
44 estudiantes de la clase de estadística de la UCLA; para extraer una
muestra aleatoria de 10 estudiantes el docente se vale de una lista en la
cual, a cada elemento de la población se le asigna un número.

7. MUESTREO SISTEMÁTICO
 MUESTREO SISTEMÁTICO:
 Es el método donde se selecciona un punto aleatorio de inicio y posteriormente
se elige cada k-ésimo miembro de la población.
 En este tipo de muestreo, para obtener una muestra sistemática al azar se
deben numerar las observaciones de 1 a N. Posteriormente determinar el
intervalo del muestreo (k), que consiste en dividir el número total de unidades
u observaciones de muestreo de la población entre el tamaño deseado de la
muestra, es decir:
K = N / n
Donde:
N = Población
n = Muestra

8. PROCEDIMIENTO DEL MUESTREO
SISTEMÁTICO
PROCEDIMIENTO:
1) Definir la población de estudio.
2) Determinar el tamaño de muestra requerido.
3) Se calcula la muestra sistemática dividiendo la población
entre el tamaño de la muestra.
4) El valor de k es el intervalo de selección que indica cada k de
veces que un elemento de la población se integrará a la muestra
(en el caso de no estar enumerados los elementos). Y también
es el intervalo de selección del cual se escogerá un número
aleatoriamente dentro de este intervalo (en caso de que los
elementos estén enumerados), y de ahí se parte para
seleccionar las muestras en los demás grupos o intervalos de
selección.

9. VENTAJAS DEL MUESTREO
SISTEMÁTICO
 Se recomienda cuando la población es numerosa.
 Cundo se puede disponer de un listado de los elementos de la
población.
 La técnica es muy sencilla y puede ser utilizado con bastante grado de
confiabilidad en la practica.
 Es fácil de aplicar.
EJEMPLO DE APLICACIÓN DEL MUESTREO SISTEMÁTICO:
Se tiene una población conformada por 50 estudiantes, de los cuales se
desea tomar una muestra aleatoria de 10 personas.
Debemos obtener k
Posteriormente complementar con el método simple

10. MUESTREO ESTRATIFICADO
Es el método donde una población se divide en subgrupos denominados estratos
y se selecciona al azar una muestra de cada estrato.
 En este tipo de muestreo se divide la población o universo en grupos
relativamente homogéneos, llamado estratos y despues se toma una muestra
al azar de cada estrato, y la muestra resultante se llama muestra estratificada.
 IMPORTANTE:
Este método implica la identificación de características que dan lugar a la
conformación de sub-grupos homogéneos al interior pero heterogéneos
entre sí. Los elementos dentro de cada estrato se seleccionaron al azar.
La distribución de la muestra en función de los diferentes estratos se denomina
afijación, y puede ser de diferentes tipos:
1) Afijación Simple: A cada estrato le corresponde igual número de elementos muéstrales.
2) Afijación Proporcional: Cada estrato se encuentra representado en la muestra en
proporción exacta al tamaño de la población total.
3) Afijación Óptima: Se tiene en cuenta la previsible dispersión de los resultados, de modo
que se considera la proporción y la desviación típica. Tiene poca aplicación ya que no se
suele conocer la desviación.

11. MUESTREO ESTRATIFICADO
Los estratos más grandes tienen
mayor probabilidad de ser
seleccionados.
ESTRATOS: Homogéneos en su interior pero diferentes entre si en
propiedades y tamaño.

12. Pasos para seleccionar una muestra
proporcionalmente estratificada
1) Definir la población de estudio.
2) Determinar el tamaño de muestra requerido.
3) Establecer los estratos o subgrupos.
4) Determinar la frecuencia relativa del muestreo de cada estrato,
dividiendo el tamaño del estrato entre el tamaño de la población de
estudio.
5) Multiplicar la frecuencia relativa del muestreo de cada estrato por el
tamaño de la muestra total, para obtener de cada estrato la cantidad de
individuos que se integrarán a dicha muestra.
6) Seleccionar y extraer de cada estrato la cantidad de individuos que
formaran parte de la muestra total aplicando el procedimiento de
muestreo aleatorio simple.

13. VENTAJAS DEL MUESTREO ESTRATIFICADO
 Se recomienda cuando se tiene un conocimiento a priori de la población.
 También cuando se trata de elementos poblacionales susceptibles a ser
clasificados.
 Cuando existe interés en obtener información a nivel de las sub-poblaciones.
 Se obtienen estimaciones más precisas.
 Su objetivo es conseguir una muestra lo más semejante posible a la población en
lo que a la o a las variables estratificadas se refiere.
EJEMPLO DE MUESTREO ESTRATIFICADO
 Se desea realizar un estudio en la UNEFM acerca de 5000 estudiantes
existentes en el área de educación y se desea tomar una muestra de 45 de
ellos
ESTRATO
Especialidad
TOTAL ESTRATO
F. Relativa
% CANTIDAD
De est. X
estrato
informática 2000 0.4 40 18
Derecho 1700
Sistemas 1300

14. EJERCICIO DE MUESTREO
ESTRATIFICADO
Suponga que se desea llevar a cabo una encuesta a tres importantes
universidades del estado falcón con la finalidad de determinar el perfil del
egresado en el área de educación. Por lo tanto la población esta conformada
por 310 docentes de la cual se tomó una muestra de 40.
ESTRATO
Especialidad
TOTAL ESTRATO
F. Relativa
% CANTIDAD
De est. X
estrato
VARIANZA
UNEFM 155
UNESR 62
UCAB 93

15. MUESTREO POR CONGLOMERADOS
Es el método donde una población se divide en conglomerados
partir de los límites naturales geográficos o de otra clase. A
continuación se seleccionan los conglomerados al azar y se toma una
muestra de forma aleatoria de uno de los elementos de cada grupo.
Este método también se conoce como muestreo de áreas y es útil cuando la
población se encuentra dispersa. La selección de la muestra puede requerir varias
etapas.
PROCEDIMIENTO:
1. Dividir la población en conglomerados.
2. Seleccionar al azar el número de conglomerados que desee.
3. Tomar una muestra aleatoria simple de uno de los elementos de cada
conglomerado.
EJEMPLO:
Si se va a realizar una encuesta sobre las políticas y leyes del municipio, se podría dividir
el municipio en distritos, por ejemplo en 13 distritos, de esos tres se toma al azar el 4,
5, 9 y 11, y solo concentrándonos en estos distritos, tomamos una muestra aleatoria de
habitantes de cada uno de esos distritos, para entrevistarlos.

16. VENTAJAS Y TIPOS DE MUESTREO POR
CONGLOMERADOS
VENTAJAS:
 Se recomienda cuando la población está diseminada en grandes áreas
geográficas.
 No es preciso tener un listado de toda la población, sólo de las unidades
primarias de muestreo.
TIPOS:
 Hay dos tipos de muestreo por conglomerados.
 MONOETÁPICO: se escogen primero las muestras de manzanas y luego, se
elige al azar los elementos dentro de las manzanas seleccionadas.
 BIETÁPICO: Se escogen primero las muestras de manzanas y luego, se elige
al azar los elementos dentro de las manzanas seleccionadas.

17. DIFERENCIAS ENTRE LOS DIFERENTES
TIPOS DE MUESTREO
PROBABILÍSTICOS
• Todas las unidades tienen igual
probabilidad de participar en la
muestra.
• La lección de cada unidad muestral
es independiente de las demás.
• Se puede calcular el grado de error
muestral.
NO PROBABILÍSTICOS
• Cada unidad no tiene igual
probabilidad de participar en la
muestra.
• No se puede calcular el grado de
error muestral.
• Hay alto riesgo de invalidez
producido por la introducción de
sesgos.

18. MUESTREO NO PROBABILÍSTICO
ELECTIVA:
ESTADÍSTICA APLICADA A LA INVESTIGACIÓN
AUTOR: Licdo. Anthony Ramos UNEFM 2009
EDICIÓN: Ing. Jesús Gómez A.

19. DEFINICIÓN