El documento presenta una introducción al concepto de muestreo estadístico, incluyendo definiciones de términos clave como población, muestra, marco de muestreo y tamaño de muestra. Explica los tipos principales de muestreo, como probabilístico y no probabilístico, y métodos específicos como aleatorio simple, sistemático y por conglomerados. También aborda conceptos como distribución de muestreo y tipos de errores que pueden ocurrir en el proceso de muestreo.
Muestreo estadístico: conceptos, tipos y aplicaciones
1.
2. • Definición de muestreo.
• Conceptos básicos (muestra, población, marco del muestreo, tamaño de la
muestra).
• Tipos y formas de muestreo.
• Aspectos a considerar: Características, ventajas y desventajas, preocupaciones
en el muestreo estadístico, tipos de errores en el muestreo.
• Distribución de muestreo, definición y tipos de distribuciones de muestreo.
3.
4. Es conocido en la Estadística como el proceso de
selección de elementos o individuos de una
Población para su posterior análisis o estudios,
mediante los cuales podrá caracterizar y poder
describir a la totalidad de la población.
En otras palabras, la idea simple del muestreo es
elegir los candidatos a formar parte de un
subconjunto llamado “muestra” formado a partir
de una “población”.
5.
6. Es la colección de datos que
corresponde a las características de la
totalidad de individuos, objetos, cosas
o valores en un proceso de
investigación.
Hace referencia explícitamente a todos
estos elementos y por ello
comúnmente éstos tienen al menos
una característica en común.
Una muestra estadística es un
subconjunto de elementos de
la población estadística.
Generalmente es vista como solo una
parte representativa de la población”,
no toda, ya que posee características
comunes a ella que permitirán sacar
conclusiones de la población por igual
al ser estudiadas.
7. Se conoce por este término a la lista tanto
detallada como actualizada de todos los
elementos que componen el universo o la
totalidad de individuos que queremos estudiar
y de la cuál se extrae la muestra.
Estos elementos a investigar pueden ser
individuos, pero también pueden ser hogares,
instituciones y cualquier otra cosa susceptible
de ser investigada. Por ejemplo, algunos
marcos muestrales serían:
• Directorio telefónico de Páginas Amarillas.
• Lista de Alumnos de la UNY.
• Lista de Invitados a una Fiesta.
8. Es un concepto un tanto más
simple, pues representa el número
de sujetos que componen
la muestra extraída de
una población, necesarios para que
los datos obtenidos sean
representativos de la población.
Cabe destacar que la dimensión de dicha muestra podrá ser un dato
muy importante al describir los resultados obtenidos a partir de su
análisis ya que servirá de contexto para establecer consideraciones
o comparaciones entre distintos estudios estadísticos que sean
realizados.
9. Probabilísticos No Probabilísticos
Aleatorio Simple
Sistemático
Por Conglomerado
Estratificado
Por Juicio
Por Conveniencia
Voluntario
Hay muchas formas de llevar a cabo el proceso de muestreo. Gran parte de la teoría
general de la Estadística Descriptiva coincide en dividirlos en dos categorías, están los
tipos probabilísticos (de ser completamente aleatoria la selección) y los no
probabilísticos (de no ser aleatoria).
10. Muestreo en el que todas las muestras tienen la misma
probabilidad de ser seleccionadas y cuyo proceso de
toma de muestras se realiza en un solo paso, en donde
cada sujeto es seleccionado independientemente de los
otros miembros de la población.
Su ventaja es la representatividad que pueden tener los
seleccionados, ya que su elección dependerá de la
“suerte”. Aunque de no ser representativos, se llamarán
“variaciones de error de muestreo”.
Un Ingeniero Electrónico que desea analizar el espectro generado por un “Filtro
procesador de señales” (para conexión de Internet), que tiene en su señal diversas
distorsiones completamente aleatorias causadas por ruido, interferencia o alguna
imperfección en el canal; debe tomar en cuenta que de querer estudiar estas
distorsiones, podría convenirle emplear el M.A.S como tipo de muestreo probabilístico.
11. Es un tipo de muestreo probabilístico
donde se hace una selección aleatoria
del primer elemento para la muestra, y
luego se seleccionan los elementos
posteriores utilizando intervalos fijos
o sistemáticos hasta alcanzar el
tamaño de la muestra deseado. Por
esto, no posee gran ventaja.
Lo relevante de este tipo de muestreo de
“progresión”, es que al fijar intervalos de
forma arbitraria, existe implícitamente el
elemento de aleatoriedad que hace que sea
un muestreo probabilístico.
Una comunicadora social que trabaja como periodista en un canal de televisión desea
realizar un estudio de todas las entrevistas realizadas a diversos políticos venezolanos en
su programa, pero como son muchos, realiza una muestra seleccionando primero al
número (4) para ir “de (3) en (3)”. Siendo así la muestra los entrevistados número
4,7,10,13,16,19 y así sucesivamente.
12. Es una técnica de muestreo probabilístico en
donde el investigador divide a toda la población
en diferentes subgrupos o estratos. Luego,
selecciona aleatoriamente a los sujetos finales
de los diferentes estratos en forma proporcional.
Es menos preciso que el M.A.S, pero permite
tener facilidad para trabajar con subgrupos.
Un Electrónico que observa un osciloscopio, quiere analizar las características de un
componente al suministrarle diversos voltajes de una señal de corriente alterna (que
varía su voltaje continuamente), por lo que decide formar 3 intervalos de voltaje y
tomar 1 valor de cada intervalo, siendo los grupos: Los valores que están entre 0 y 10
voltios, los que están entre 11 y 20 y los que están entre 20 y 25 v.
13. Es una técnica muy práctica y fácil de emplear, ya
que es utilizada cuando hay agrupamientos
"naturales“ o conglomerados relativamente
homogéneos en una población estadística.
A diferencia del muestreo estratificado (que realiza
el muestreo en cada estrato de la población), en el
muestreo por conglomerados, el investigador puede
omitir a los individuos de un conglomerado en su
selección o tomar más de un individuo de uno de
ellos. Razón por la que no es muy representativa
como técnica y puede tener un “error elevado”.
Una comunicadora, trabaja para una compañía de refrescos y necesita hacer una
encuesta para un “análisis de mercado” de un nuevo producto a incorporar en
Barquisimeto. Por tanto, toma como conglomerados al Este, Oeste Centro y Norte de la
ciudad y toma una muestra de 80 personas, repartidas aleatoriamente entre ellos.
14. Es un método de muestreo no
probabilístico. Los sujetos se
seleccionan a base del
conocimiento y juicio del
investigador, quien selecciona a
los individuos a través de su
criterio profesional, razón por la
que se confía más plenamente
en la experiencia y habilidad del
investigador.
Desafortunadamente por lo
mencionado, muchas veces
termina siendo un proceso un
tanto impreciso entre los tipos
de muestreo existentes.
La gerente de uno de los medios de comunicación
más importantes de Barquisimeto, quiere realizar un
estudio del impacto de las redes sociales en los
ciudadanos; sin embargo sabe por experiencia que los
jóvenes son los que más las emplean a diario y decide
tomar como muestra a “cualquier persona que se vea
joven”.
15. Es una técnica de muestreo no
probabilístico donde los sujetos
son seleccionados dada la
conveniente accesibilidad y
proximidad de los sujetos para el
investigador.
Los individuos de una
investigación específica, son
seleccionados para el estudio
sólo porque son más fáciles de
reclutar y el investigador no está
considerando las características
de inclusión de los sujetos que
los hace representativos de toda
la población.
Un Ingeniero Electrónico está estudiando la eficiencia
de los diversos tipos de “resistores” existentes, al
implementarlos en un circuito que él está diseñando.
Gracias a que conoce que en su circuito es más barato
contar con resistores cerámicos con menos de 1000
ohmios de resistencia, selecciona como muestra
solamente a los que cumplan esta condición.
16. Como contenido netamente complementario o adicional, nuestro equipo acordó incluir los siguientes
casos cortos, solo para ejemplificar lo explicado en diapositivas anteriores y mostrar la aplicación de
solo algunos tipos de muestreos aleatorio, pero de una forma más práctica o gradual (paso a paso):
1. Se enumeran los alumnos del 1 al
120.
2. Se sortean 30 numeros entre los
120.
3. La muestra está formada por los 30
alumnos a los que le correspondan
los números obtenidos.
1. Se enumeran los alumnos del 1 al 120.
2. Se calcula el intervalo constante entre cada individuo.
3. N población/ N muestra: 120/30= 4 .
4. Sorteamos un número del 1 al 4 y supongamos que sale
3, los siguientes alumnos se obtendrían sumando 3
hasta llegar a 30 posteriormente.
5. Los alumnos seleccionados para la muestra serían los
números : 3,6,9,12,15,18,21,24,27,30.
1. 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 :
2. Estrato de especialidad: L.L.L.
3. Número total estudiantes : 2000.
4. Estudiantes Estratos: 0,4.
5. Porcentaje: 40.
6. Cantidad de estudiantes por Estratos: 0,4
*muestra*
Supongamos que el ministerio de sanidad quiere hacer en su
país para ver si un tratamiento ayuda a prevenir el cáncer de
colon. Si en los datos históricos se observa que la incidencia
y comportamiento del cáncer es parecido en todas las
comunidades podríamos dividir el país en comunidades y
seleccionar algunas. Mediante el muestreo por
conglomerado se reducen notablemente los individuos a
estudiar , lo que implica reducir los costos económicos.
17.
18. • Los métodos probabilísticos son aleatorios y de
aplicarse correctamente, la probabilidad de cada
individuo de ser elegido para formar parte de la
muestra debe ser igual.
• El muestreo se hace necesario para determinar
con mayor precisión las características de una
población sin tener que estudiarla a ella
totalmente.
• Cada muestreo es distinto y posee diversas
normas y pasos a seguir por el investigador a
utilizarlas.
19. • El muestreo aleatorio simple es el tipo de
muestreo más fiel a su clasificación de tipo
“probabilístico” y por ello es el más común para
los investigadores.
• Tanto el muestreo estratificado como el
muestreo por conglomerados se basan en formar
subgrupos antes de hacer la selección aleatoria.
• El muestreo a juicio del investigador depende de
la experiencia que tenga y de su habilidad como
investigador dentro de su respectivo campo.
20. El muestreo permite una reducción
considerable de los costos materiales del
estudio, una mayor rapidez en la
obtención de la información y el logro de
resultados con máxima calidad. Sin
necesidad de estudiar a toda una
población.
En ocasiones, a lo largo del proceso
de muestreo, pueden generarse
principalmente problemas prácticos,
al seguir incorrectamente las pautas,
que podrían disminuir la eficiencia de
los procedimientos no estadísticos de
muestreo.
21. • El muestreo aleatorio simple es muy práctico y
representativo.
• Es más efectivo emplear el muestreo estratificado si
pueden detectarse formas para crear grupos en base a
una(s) característica(s) en la población.
• Es mejor emplear el muestreo por conglomerados si de
por sí existe una división previa y natural de la
población que pueda aprovecharse para emplear esta
técnica.
• El muestreo conglomerado es más eficiente (preciso) y
representativo, ya que es común que en él se
seleccione al menos un individuo de cada
conglomerado, a diferencia del estratificado.
22. • El muestreo a juicio del investigador es impreciso
de no ser bueno el “juicio” del investigador, para
ello se requiere de experiencia.
• El muestreo por conveniencia resulta el método
más práctico al brindarle facilidades al
investigador para hacer una selección favorable a
su persona o estudio.
• El muestreo voluntario le ahorra al investigador
el paso de la selección y le permite tener rapidez
para trabajar con una muestra.
23. Ésta es la preocupación principal en el muestreo
estadístico. La muestra obtenida de la población debe
ser representativa de esa población en el sentido de
que sus características más esenciales han de estar
también presentes en la población, a pesar de que
cada individuo es único.
La Practicidad de las técnicas de muestreo estadístico
permite que los investigadores estimen el número posible
de sujetos que puedan ser incluidos en la muestra, el tipo
de técnica de muestreo, la duración del estudio, el costo, el
número de materiales, las preocupaciones éticas, la
disponibilidad de los sujetos/muestras, la necesidad del
estudio y la cantidad de mano de obra que el estudio exija.
24. Es la variación natural existente entre muestras tomadas de la misma población cuando
una muestra no es suficientemente representativa de la población; aún si se ha tenido
cuidado en el proceso muestral, se espera que a pesar de que dos muestras distintas
tomadas de una población sean representativas, siempre existirán diferencias individuales.
Por convención, el resto de errores que no puedan considerarse como muestrales, son
llamados como Errores no Muestrales. Por ejemplo, el sesgo de las muestras es un tipo de
error no muestral, ya que es un tendencia sistemática inherente a un método de muestreo
que da estimaciones de un parámetro que son, en promedio, menores (sesgo negativo), o
mayores (sesgo positivo) que el parámetro real. El sesgo muestral puede suprimirse, o
minimizarse, usando la “aleatorización”.
25. Cuando se estudian poblaciones con el fin de
determinar sus características y se toman
muestras, no se puede pretender que siempre
el valor de los estadísticos muestrales coincida
con los valores de los parámetros en las
poblaciones.
Lo que se puede esperar es que esos valores
sean cercanos. En especial as ser variable
continuas. Por lo tanto, la distribución
muestral es lo que resulta de considerar todas
las muestras posibles de tamaño n que
pueden ser tomadas de una población.
26. Es una distribución que resulta de considerar
todas las muestras posibles que pueden ser
tomadas de una población. Su estudio
permite generalizar y describir las
características y propiedades de una
población, dada una sola muestra.
Una distribución de muestreo describe la
probabilidad de obtener cada valor posible
de un estadístico de una muestra aleatoria de
una población, en otras palabras, indica qué
proporción de todas las muestras aleatorias
de ese tamaño ofrecerá ese valor.
27. • Distribución de la media
• Distribución de la varianza
• Distribución de la proporción
Algunas distribuciones muestrales son de interés particular, entre las mas comunes o
importantes tipos de distribuciones se encuentran:
• Distribución de la diferencia de medias
• Distribución de la diferencia proporciones
• Distribución del cociente de variancias
Adicionalmente, existen otras distribuciones,
basadas en las 3 anteriores, como:
28. Depende de varios circunstancias como la distribución de la población de la que se extrae
las muestras, por esta razón se presentan 2 casos:
NOTA: De acá, la variación de la distribución muestral es menor cuanto mayor sea n
(tamaño de la muestra) siempre que la Varianza de la población sea la misma. Y además
Cuanto mayor es el denominador (n), más pequeño es el valor del término a la izquierda
del "igual".
Si La población se distribuye según el
modelo “Normal”: La distribución de
Medias muestrales sigue el modelo Normal,
con parámetros mu y sigma
donde sigma al cuadrado y n son la Varianza
de la distribución poblacional y el tamaño de
la muestra respectivamente.
Si La población no sigue la distribución
“Normal”: En este caso la distribución de
Medias muestrales se acerca al modelo Normal
(con los mismos parámetros que hemos visto al
apartado a) cuanto mayor sea el tamaño de la
muestra.
29. Si se extraen todas las muestras posibles de
una población normal y a cada muestra se le
calcula su varianza, se obtendrá la distribución
muestral de varianzas. Por lo que es común
considerar un “estimador”.
La distribución muestral del
estimador de la Varianza se rige por
esta fórmula.
La distribución muestral de proporción se genera
de igual manera que la distribución muestral de
medias, a excepción de que al extraer las
muestras de la población se calcula el estadístico
proporción (p=x/n en donde "x" es el número de
éxitos u observaciones de interés y "n" el tamaño
de la muestra) en lugar del estadístico media.
Es muy útil por ejemplo al investigar
la proporción de artículos
defectuosos o la proporción de
alumnos reprobados en la muestra.