La teoría del muestreo estudia la relación entre una población y las muestras tomadas de ella. Para seleccionar una muestra representativa, primero se debe definir claramente la unidad de análisis y delimitar las características de la población total. Existen dos tipos de muestras: probabilísticas, donde todos los elementos tienen la misma probabilidad de ser seleccionados; y no probabilísticas, cuya selección depende del investigador. El tamaño de la muestra probabilística depende de reducir el error estánd

1. 1
Docente : Mg. Econ. Alfonso R. Ticona Lecaros
Ciclo Académico : V - Mañana

2. I UNIDAD
Teoría de Muestreo

3. Clase Nº 1
Introducción a la Teoría de
Muestreo

4. 1.1. Teoría del Muestreo
Estudia la relación entre una población y las
muestras tomadas de ella.
Es útil para estimar parámetros de una
población , tales como : media , varianza,
proporción.
También es útil para determinar si las
diferencias observadas entre dos muestras son
debidas a variaciones fortuitas o sin son
realmente significativas.

5. ¿Quiénes van a ser medidos?
El interés se centra en “quienes”, es decir, en
los sujetos u objetos de estudio.
Por lo tanto para seleccionar una muestra , lo
primero es definir nuestra unidad de análisis
(personas, organizaciones, etc)
El “quienes van a ser medidos”, depende de
precisar claramente el problema y los objetivos
de la investigación.

6. ¿Cómo se delimita una
población?
 Población => Conjunto de todos los casos que
concuerdan con una serie de especificaciones.
 Muestra => Subgrupo de la población
 Para seleccionar la muestra deben delimitarse las
características de la población, a fin de delimitar
cuáles serán los parámetros muéstrales.
Ejemplo: Investigación sobre el uso de la TV en los
niños
Unidad de análisis = niños
Población = ¿?

7. ¿Cómo seleccionar la
muestra?
 Muestra es un subconjunto de elementos que pertenecen
a la población
Población
Muestra
Unidad de
Análisis

8. Tipos de muestra
No probabilísticas
 La elección de los
elementos no depende de
la probabilidad, sino de
causas relacionadas con
las del investigador
 El procedimiento no es
mecánico, ni en base a
fórmulas de probabilidad,
sino que depende del
proceso de toma de
decisiones de una persona
o un grupo de personas
Probabilísticas
 Todos los elementos de la
población tienen la misma
posibilidad de ser escogidos
 Esto se obtiene definiendo
las características de la
población, el tamaño de la
muestra y a través de una
selección aleatoria y/o
mecánica de las unidades de
análisis.

9. Observaciones .............
 La elección entre la muestra probabilística y una no
probabilística se determina con base en los objetivos
del estudio, el esquema de la investigación y el
alcance de sus contribuciones
 La ventaja principal de las muestras probabilísticas
es que puede medirse el tamaño de error en nuestras
predicciones
 El principal objetivo en el diseño de una muestra
probabilística es el de reducir al mínimo este error,
llamado error estándar

10. Muestra Aleatoria Simple
Es una muestra de tamaño n extraída de una
población de interés de tamaño N, de tal
manera que cada muestra de tamaño n tiene
la misma probabilidad de ser seleccionada.
La calidad de aleatoriedad de una muestra
asegura la aplicación correcta de la
probabilidad para evaluar el riesgo inherente
en un proceso inductivo.

11. ¿Cómo se hace una muestra
probabilística?
Para hacer una muestra probabilística es
necesario dos cosas:
a) Determinar el tamaño de la muestra ( n ); es
decir, el número de elementos a estudiar
b) Seleccionar los elementos muéstrales , de
manera que todos tengan la misma
posibilidad de ser elegidos.

12. El Tamaño de la Muestra
Cuando se hace una muestra probabilística, uno
debe preguntarse
¿Cuál es el número mínimo de unidades de análisis
que necesito para conformar una muestra de
tamaño (n) que me asegure un error estándar menor
de 0.01 ó 0,05 ( fijado por el investigador), dado que
la población N es aproximadamente de tanto
elementos?
n = S2 ( varianza de la muestra)
V2 (varianza de la población)

13. Errores Sistemáticos ó Sesgo
Afectan a la validez.
Ligados al diseño del estudio (puede
reducirse o manejarse).
Sesgo de selección.
 Sesgo de información:
Clasificaciones o mediciones inexactas.

14. Errores Aleatorios
Afectan a la precisión.
Ligados al análisis.
Ligado al error de muestreo o a la variación de
muestra a muestra.
Se puede disminuir al aumentar el tamaño de
muestra.
Depende del tamaño de la muestra y la
varianza.

15. Ejemplo # 1
 Suponga que estamos investigando sobre el porcentaje de
alumnos que trabajan de una población de 20 alumnos de la UAP

16. Ejemplo # 1
 Suponga que estamos investigando sobre el
porcentaje de alumnos que trabajan de una población
de 20 alumnos de la Escuela de Administración de UAP