Muest Reo

Arturo Rubio Donet 1
Universidad Nacional Agraria La Molina.

Escuela de Post Grado

Estadstica Aplicada

Unidad 0: MUESTREO

Criterios Bsicos para el Diseo de Muestras Probabilsticas.

Material de lectura

SELECCIN DE LA MUESTRA Y LAS TCNICAS DE MUESTREO

Para estudiar, analizar y evaluar a una poblacin con el fin de efectuar un diagnstico
requerir de contar con informacin cuantitativa y cualitativa:
Representativa,
Oportuna,
Confiable y
Suficiente
Esto se lograr a travs de observaciones y mediciones sobre una muestra de elementos
adecuadamente elegidos de la poblacin bajo estudio.

1. Poblacin y Muestra.

Poblacin

Conjunto formado por todas las unidades de anlisis (elementos) que son cobertura de la
investigacin planteada.

Poblacin objetivo

Conjunto formado por todas las unidades de anlisis para el cual se deben hacer las
extrapolaciones e inferencias a manera de generalizacin de los hallazgos realizados.

Poblacin muestreada

Conjunto formado por todas las unidades de anlisis (elementos) que integran al
directorio o marco de muestreo que permite ver su identificacin y forma de acceder a
ella para efectuar las mediciones respectivas.

Unidad de anlisis

Es la unidad bsica en la que se genera la informacin primaria que es objeto del estudio.

Unidad de muestreo

Agrupaciones de unidades de anlisis claramente delimitadas no solapadas o disjuntas
que cubren completamente al arco de muestreo. En ciertas investigaciones la unidad de
muestreo coincide con la unidad de anlisis, sin embargo, con frecuencia la unidad de
muestreo es un conglomerado que comprende a un conjunto de unidades de anlisis.

Marco de muestreo.

Conjunto conformado por el listado de unidades de muestreo que:
Permite su identificacin y localizacin de cada unidad de muestreo.
Dispone de informacin suficiente para su estratificacin respectiva.
Permite establecer la probabilidad de incluir cada unidad en la muestra respectiva.

Dominios

Subdivisiones de la poblacin para las cuales se ha prev elegir muestras independientes
y representativas con el fin de generar estimaciones de confiabilidad predeterminada.

Muestra

Subconjunto de elementos elegidos de la poblacin muestreada a travs mtodos de
seleccin determinados y del cual se obtendr la informacin primaria cualitativa o
cuantitativa que permitir estudiar, analizar y evaluar a dicha poblacin.
2. Tipos de Muestra

Muestras Probabilsticas.

Son las muestras en las cuales a cada uno de los elementos de la poblacin se le asigna
una probabilidad "conocida y diferente de cero de ser incluido como parte de la muestra.

Muestras No Probabilsticas.

Corresponden a las muestras en las cuales no hay forma de conocer la probabilidad que
los elementos ser incluidos como parte de la muestra.

Fortalezas y debilidades de los mtodos de muestreo:

MUESTREO PROBABILSTICO

FORTALEZAS DEBILIDADES

Es aceptado con facilidad Requiere de costosos marcos de muestreo
Asegura representatividad Requiere de trabajos de campo costosos
Asegura muestras insesgadas Requiere de supervisin rigurosa
Resultados son generalizables
Permite calcular error de muestreo
Permite hacer inferencias estadsticas
Asegura anonimato del entrevistado
Personal de campo no especializado
Puede ser supervisada
Probabilidad conocida de elegir a la
unidad como parte de la muestra

MUESTREO NO PROBABILSTICO

FORTALEZAS DEBILIDADES

Bajo costo y requiere menor tiempo No permite calcular errores de muestreo
Elige slo a las unidades requeridas Sus resultados no son generalizables
Permite encontrar informacin inesperada Pueden ser rechazadas por los usuarios
Diseo y cobertura flexible e informal Puede haber sesgo en la seleccin
No permite hacer inferencia estadstica
Requiere de personal muy especializado
No asegura anonimato del entrevistado
La supervisin es difcil de realizar
Probabilidad no conocida de elegir a la
unidad como parte de la muestra

Seleccin de muestras bajo un enfoque cuantitativo.

Ante la necesidad de generar informacin cuantitativa representativa y confiable, el
mtodo a seguir para la seleccin del subconjunto de unidades de anlisis como muestra,
deber asegurar la representatividad de los elementos elegidos a fin de permitir al
investigador efectuar inferencias, extrapolaciones y generalizaciones de los resultados
encontrados hacia toda la poblacin objetivo; en este enfoque, se debe asegurar que la
muestra ser estadsticamente representativa con el fin de permitir:
Calcular el error de muestreo que afectan a las estimaciones resultantes.
Conocer el nivel de confianza con el cual se realizan las estimaciones.
Generalizar los resultados observados en la muestra a toda la poblacin.
Utilizar pruebas estadsticas para verificar hiptesis planteadas en la investigacin.

En caso que el investigador requiera de presentar resultados estadsticamente
representativos, deber asegurar selecciones de muestras imparciales e insesgadas lo
cual se lograr eligiendo las unidades con base a las leyes de la probabilidad.

Diseos de Muestreo:

Muestreo Aleatorio Simple.

Es el mtodo de muestreo que asegura que cada una de las unidades de anlisis tiene
igual probabilidad de ser incluida en la muestra, igualmente, cada una de las muestras
posibles tendr la misma probabilidad de ser elegida; esta caracterstica asegura la
representatividad e imparcialidad de la muestra elegida para el estudio.

Procedimiento:
Elabore el marco de muestreo.
Determine un tamao de muestra "n.
Seleccione "n nmeros aleatorios "sin reemplazo de la tabla de nmeros aleatorios.
Recopile la informacin de cada una de las unidades de anlisis seleccionadas.
Estimar: Promedios, totales o porcentajes y su error estndar respectivo.

Estimacin del promedio
Promedio estimado
1
n
x
x
n
i
i
=
=
Variancia del estimador
=
N
n
n
s
x v 1 ) (
2

Lmites de confianza al 95%: ) ( 96 . 1 ) ( x v x X LC =
donde
1
) (
1
2
2
=
n
x x
s
n
i
i
es la variancia de los datos recopilados (x
1
x
2
... x
n
)

Estimacin del total poblacional

Total estimado x N X =

=
N
n
n
s N
X v 1
2 2
)
(
Lmites de confianza al 95%: )
( 96 . 1
) ( X v X X LC =

Estimacin de la proporcin de elementos que tienen un determinado atributo
Proporcin estimada
n
a
p =
=
N
n
n
p p
p v 1
1
1 ) (
) (
Lmites de confianza al 95%: ) ( 96 . 1 ) ( p v p P LC =

donde "a" es total de elementos de la muestra que tienen el atributo

Estimacin del total de elementos que tienen un determinado atributo

Total de elementos con el atributo Np A =

Variancia del estimador del total ) ( )
( p v N A v
2
=
Lmites de confianza al 95%: )
( 96 . 1
) ( A v A A LC =

Ejemplo: Para estudiar la densidad de siembra de un cultivo (nmero de plantas por
hectrea) de una poblacin compuesta por mil parcelas se elabora el marco de muestreo
y se elige una muestra simple aleatoria de 15 parcelas a partir de la columna 22 y fila 2
de la tabla de nmeros aleatorios.

Marco de muestreo: Relacin numerada de las mil parcelas

001 002 003 004 005 006 007 008 009 010
...... 072 073 074 075 076 077 078 079 080
081 082 083 084 085 086 087 088 089 090
091 092 093 094 095 096 097 098 099 100
...... 162 163 164 ...... ...... ...... 298 299 300
311 312 ...... ...... ...... 376 377 378 ...... ......
...... ...... ...... ...... ...... 646 647 648 ...... 660
661 ...... ...... ...... ...... ...... 787 788 789 790
791 ...... ...... ...... ...... 856 857 858 ...... ......
...... ...... 933 934 935 ...... 977 978 979 980
991 992 993 994 995 996 997 998 999 000

TABLA DE NUMEROS ALEATORIOS
Columna 1234 5678 9012 3456 7890 1234 5678 9012 3456 7890

Fila 1 1089 8719 2272 1359 3328 0014 6773 1278 2761 3550
2 9385 7902 5034 6723 3835 6978 7084 3992 5857 2377
3 6934 8660 0311 2979 0095 2647 8299 5163 0073 7788
4 0052 1007 4866 6497 4138 8144 0294 2906 0316 4810

Las variables a investigar son:
Xi: Numero de plantas por hectrea de la parcela i-sima
Yi: Si el numero de plantas es menor o igual que 500 (Yi=1). Si es mayor (Yi=0).

PorceIo 073 084 09b Io3 Z99 3II 377 o47 oo0 788 8b7 934 978 979 99Z
Xi bZ IZb IZ b8I 8b8 Io 747 80o 7oZ 770 b4o I3Z ZZ8 3II 93Z
Yi I I I 0 0 I 0 0 0 0 0 I I I 0

Con los datos de la muestra simple aleatoria (MSA) estime los parmetros:
Densidad media, Total de plantas y Proporcin de parcelas con menos de 500 plantas.

Promedio de los datos: 53 . 458
15
6878
15
932 311 ... 12 125 52
1
= =
+ + + + +
= =
=
n
x
x
n
i
i

Variancia de los datos: 4095 . 118051
1 15
733 . 1652719
1
) (
1
2
2
=
=
n
x x
s
n
i
i

Total de nmeros menores o iguales a 500:
=
= =
n
i
i
y a
1
7

a) Estimacin del promedio de plantas por hectrea:
Promedio estimado 53 . 458
1
= =
=
n
x
x
n
i
i

Variancia del estimado 0426 . 7752
1000
15
1
15
4095 . 118051
1 ) (
2
=
=
N
n
n
s
x v

Con 95% de confianza el valor del promedio estara entre los siguientes lmites:

[ ] 96 . 285 ; 1 . 631 57 . 172 53 . 458 0426 . 7752 96 . 1 53 . 458 ) ( = = = X LC

Con tamao de muestra n=15 se estima al promedio con margen de error de 173 plantas

b) Estimacin del total plantas existentes en las mil parcelas:

Total estimado 458530 ) 53 . 458 )( 1000 (
= = = x N X
Variancia del estimador del total 7752042600 ) 0426 . 7752 ( ) 1000 ( ) ( )
(
2 2
= = = x v N X v
Con 95% de confianza la suma total estara entre los lmites siguientes:
[ ] 285961 ; 631099 172569 458530 7752042600 96 . 1 458530 ) ( = = = X LC
Al estimar con una muestra de tamao n=15 el error de muestreo cometido es 172569

c) Proporcin de parcelas con 500 o menos plantas por hectrea:

Proporcin estimada 4667 . 0
15
7
= = =
n
a
p
Variancia de la proporcin estimada 01751 . 0
1000
15
1
1 15
) 5333 . 0 )( 4667 . 0 (
1
1
) 1 (
) ( =
=
N
n
n
p p
p v
Con 95% de confianza la proporcin estara entre los lmites:
[ ] 2073 . 0 ; 7261 . 0 2594 . 0 4667 . 0 0.01751 96 . 1 .4667 0 ) ( 96 . 1 ) ( = = = = p v p P LC
Con una MSA de tamao n=15 el error de muestreo cometido es 0.2594

d) Estimacin del total de parcelas que tienen 500 menos plantas por hectrea:

Total de parcelas 467 7) 1000(0.466
= = = Np A
Variancia del estimador del total 17510 ) 01751 . 0 ( ) 1000 ( ) ( )
(
2 2
= = = p v N A v

Con 95% de confianza el total de parcelas con 500 menos plantas estar entre:
[ ] 208 ; 726 259 467 17510 96 . 1 4667 )
( 96 . 1
) ( = = = = A v A A LC
Con una muestra de tamao n=15 el error de muestreo cometido es 259 parcelas.
Tamao de Muestra para el Muestreo Simple Aleatorio.

a) Para estimar promedios

2
=
d
Zs
n
O

N
n
n
n
O
O
+
=
1

Donde:

Z= Valor de distribucin Z con probabilidad (1-). Para 95% de confianza Z=1.96
d= Margen de error permisible para el estimador del promedio
s= Desviacin estndar de los datos observados en la muestra

b) Para estimar proporciones

2
2
1
d
P P Z
n
O
) (
=
N
n
n
n
O
O
1
1

+
=

Donde:

Z= Valor de tabla Z para un nivel de seguridad definido. Para 95% Z=1.96
d= Margen de error permisible para el estimador del promedio
P= Proporcin que se esperara encontrar en la investigacin

Ejemplo: Determine el tamao de muestra necesario para estimar el numero de
plantas por hectrea de las parcelas con un margen de error de 88 plantas.

Z= 1.96 d=88 s= 343.59 59
88
) 59 . 343 ( 96 . 1
2 2
=
=
d
Zs
n
O

56
1000
59
1
59
1
=
+
=
+
=
N
n
n
n
O
O

Es necesario seleccionar una muestra de 56 parcelas

Ejemplo: Determine el tamao de muestra necesario para estimar la proporcin de
parcelas que tienen 500 menos plantas con un margen de error de 8%.

z= 1.96 d=8% P= 50% 150
08 . 0
) 5 . 0 )( 5 . 0 ( 96 . 1
2
2
= =
O
n
131
1000
1 150
1
150
=
+
= n

Por tanto, sera necesario seleccionar una muestra de 131 parcelas

Muestreo Sistemtico.

Comprende un esquema de seleccin secuencial automtico, que lo convierte prctico y de fcil
comprensin por parte de los entrevistadores, principalmente en aquellos casos que la seleccin
de unidades de muestreo no puede hacerse en oficina, sino que debe ser realizada directamente
durante la ejecucin misma de la encuesta. El mtodo comprende a la seleccin aleatoria de una
unidad de muestreo inicial, a partir de la cual, las restantes unidades quedan sistemticamente
seleccionadas de acuerdo al lugar que ocupan en la poblacin; al mtodo se lo conoce como
muestreo sistemtico de partida aleatoria.

En la poblacin {Y
i
: Y
1
,Y
2
,Y
3
,....,Y
N
} se desea extraer una muestra sistemtica de tamao n; para
lograrlo, como primera instancia se determina al intervalo de seleccin sistemtico [ k = N/n ]

Si k = N/n resulta un nmero entero, se elige un nmero aleatorio i k i 1
La muestra estar conformada por las unidades: ( y
i
, y
i +k
, y
i+2k
,y
i+3k
, y
i +4k
, y
i+5k
, ...... )

Si k = N/n no resulta un nmero entero, se elige un nmero aleatorio i
N i 1

Las unidades se eligen en forma cclica (Las unidades ubicadas al final se consideran contiguas a
las unidades ubicadas el principio de la poblacin): (yi,yi+k,yi+2k,yi+3k,yi+4k,...hasta completar n
unidades) Donde k es el entero ms prximo a N/n

Las formulas de estimacin que se utilizan para el procesamiento de la informacin recabada con
este mtodo de muestreo se aproximan convenientemente a las frmulas del Muestro Simple
Aleatorio.

hectrea) de una poblacin compuesta por 975 parcelas se elabora el marco de muestreo
y se elige una muestra sistemtica de 15 parcelas.
Intervalo de seleccin 975/15=65
Arranque aleatorio: entre 1 y 65; y tomamos por ejemplo i = 005

Marco de muestreo: Relacin numerada de las mil parcelas y seleccionadas en rojo

001 002 003 004 005 006 007 008 009 010
011 012 013 014 015 016 ...... ...... ...... 070
...... ...... ...... ...... 135 ...... ...... ...... ...... 200
...... ...... ...... ...... 265 ...... ...... ...... ...... 330
...... ...... ...... ...... 395 ...... ...... ...... ...... 460
...... ...... ...... ...... 525 ...... ...... ...... ...... 590
...... ...... ...... ...... 655 ...... ...... ...... ...... 720
...... ...... ...... ...... 785 ...... ...... ...... ...... 850
...... ...... ...... ...... 915 ...... 967 968 969 970
971 972 973 974 975




PorceIo 00b 070 I3b Z00 Zob 330 39b 4o0 bZb b90 obb 7Z0 78b 8b0 9Ib
Xi bZ IZb IZ b8I 8b8 Io 747 80o 7oZ 770 b4o I3Z ZZ8 3II 93Z
Yi I I I 0 0 I 0 0 0 0 0 I I I 0

Con los datos representativos de la muestra sistemtica elegida se calcula:
Promedio de los datos de la muestra: 53 . 458
15
6878
15
932 311 ... 12 125 52
1
= =
+ + + + +
= =
=
n
x
x
n
i
i

Variancia de los datos de la muestra: 4095 . 118051
1 15
733 . 1652719
1
) (
1
2
2
=
=
n
x x
s
n
i
i

Total de nmeros menores o iguales a 500:
=
= =
n
i
i
y a
1
7

Con base la informacin esta muestra estime los parmetros Media, Total y Proporcin:

e) Estimacin del promedio de plantas por hectrea:
Promedio estimado
n
x
x
n
i
i
53 458
1
. =
=
=

Variancia del estimado 016 7749
975
15
1
15
4095 118051
1
2
.
.
) ( =
=
N
n
n
s
x v

Con 95% de confianza el valor del promedio estara entre los lmites siguientes:

[ ] 99 . 285 ; 07 . 631 54 . 172 53 . 458 016 . 7749 96 . 1 53 . 458 ) ( = = = X LC

Para la estimacin del promedio con una muestra aleatoria de tamao n=15 el error de
muestreo que se comete sera 173 plantas (margen de error)

f) Estimacin del total plantas existentes en las 975 parcelas:

Total estimado 447067 ) x N X = = = 53 458 975 . )( (

Variancia del estimado 7366408335 016 7749 975
2 2
= = = ) . ( ) ( ) ( )
( x v N X v
Con 95% de confianza la suma total estara entre los lmites siguientes:

[ ] 278845 ; 615289 168222 447067 7366407953 96 . 1 447067 ) ( = = = X LC

Al estimar con una muestra de tamao n=15 el error de muestreo cometido es 168222

g) Proporcin de parcelas con 500 o menos plantas por hectrea:
Proporcin estimada 4667 0. = = =
15
7

n
a
p
Variancia del estimado 0175044 0
975
15
1
1 15
5333 0 4667 0
1
1
1
.
) . )( . ( ) (
) ( =
=
N
n
n
p p
p v

Con 95% de confianza la proporcin estar entre los lmites:

[ ] 2074 . 0 ; 7260 . 0 2593 . 0 4667 . 0 ) ( 96 . 1 ) ( = = = p v p P LC

Con base a la muestra sistemtica de tamao n=15 se estima la proporcin con error de
muestreo 0.2593


h) Estimacin del total de parcelas que tienen 500 menos plantas por hectrea:

Estimado del total de parcelas 455 (0.4667) Np A = = = 975

Variancia del estimador del total 16640 0175044 0 975
2 2
= = = ) . ( ) ( ) ( )
( p v N A v

Con 95% de confianza el total de parcelas con 500 menos plantas estar entre:

[ ] 202 ; 708 253 455 16640 96 . 1 455 )
( 96 . 1
) ( = = = = A v A A LC

Al estimar el total con la muestra de tamao n=15 el error de muestreo es 253 parcelas

hectrea) de una poblacin compuesta por 1000 parcelas se elabora el marco de
muestreo y se elige una muestra sistemtica de 15 parcelas.

Intervalo de seleccin 1000/15=66.667= Aproximadamente.67

Arranque aleatorio: Entre 1 y 1000 tomamos (i = 750 ), por ejemplo

Marco de muestreo: Relacin de las mil parcelas y las seleccionadas en rojo.

001 002 003 004 005 006 007 008 009 010
011 012 013 014 015 016 017 018 019 020
...... ...... ...... 084 085 086 ...... ...... 149 150
151 152 153 ...... ..... ...... ...... 218 219 220
221 222 ...... ...... 285 286 287 ...... ...... ....
...... 352 353 354 ..... ...... ...... ...... 419 420
421 ...... ...... ...... ..... 486 487 488 ...... ....
..... ...... 553 554 555 ..... ..... ..... ..... ....
621 622 623 .... .... ..... 687 688 ..... 750
...... ...... ..... ...... .... 816 817 818 ...... ....
...... ...... 883 884 885 ...... .... .... .... ....
951 952 953 954 955 .... ...... .... .... 1000



PorceIo I8 8b IbZ ZI9 Z8o 3b3 4Z0 487 bb4 oZI o88 7b0 8I7 884 9bI
Xi
Yi

Muestreo Estratificado.

Con el fin de asegurar una mayor representatividad de la muestra probabilstica a elegir
de la poblacin completa {Y
i
:Y
1
,Y
2
,...,Y
N
} se clasifica a la poblacin en "L estratos
independientes; por tanto, cada estrato formado constituye una sub-poblacin con todas
las caractersticas, marco de muestreo y parmetros de un universo independiente. Para
estimar los parmetros de esta poblacin estratificada se extrae una muestra simple
aleatoria en forma independiente de cada estrato construido tratando a cada estrato
como un universo separado; esta forma de muestrear permitir asegurar que la muestra
total elegida contenga la informacin de todas las partes importantes (estratos) de la
poblacin en general.

La informacin recopilada con la muestra sera:

h

Muestra aleatoria
h

N
h
N
N
W
h
h
= h
y
h h
y N
2
h
s
) 1 ( ) (
2
h
h
h
h
h
N
n
n
s
y v =
1 Y
11
y
12
.....y
1n1
N
1
W
1

1
y
1 1
y N
2
1
s ) (
1
y v
2 Y
21
y
22
.....y
2n2
N
2
W
2

2
y
2 2
y N
2
2
s
) (
2
y v

L Y
L1
y
L2
.....y
LnL
N
L
W
L

L
y
L L
y N
2
L
s ) (
L
y v
Total N 1
e
y
h h
y N

) (
e
y v

a) Estimacin del promedio poblacional

Estimado:
=
=
= =
L
h
h h
L
h
h h
e
y W
N
y N
y
1
1

Como en cada estrato la muestra es independiente, la variancia del estimador es:
La variancia del estimado:
=
=
L
h
h
h
h
h
h e
N
n
n
s
W y v
1
2
2
) 1 ( ) (
El error estndar estimado: ) ( ) (
e e
y v y s =
Los lmites de confianza al 95%: ) ( 96 . 1 ) (
e e
y s y Y LC =

b) Estimacin del total poblacional

Estimado:
e
L
h
h h e
y N y N Y = =

=1

Variancia del estimado: ) ( )
(
2
e e
y v N Y v =
El error estndar estimado: )
( )
(
e e
Y v Y s =
Los lmites de confianza al 95% )
( 96 . 1
) (
e e
Y s Y Y LC =

Ejemplo En un estudio de mercado se desea estudiar el gasto diario realizado por
los turistas que llegan a la ciudad MODERNA, para este efecto de los 10000 turistas que
arribaron, se elige al azar una muestra estratificada segn nacionalidad de 500 turistas.
Los resultados fueron:

Nmero Turistas Informacin con la muestra Estrato:
Nacionalidad del
turista

h
N

h
W

h
n

h
y

2
h
s

h h
y N
) 1 ( ) (
2
h
h
h
h
h
N
n
n
s
y v =

Europea 1000 0.10 50 200 1600 200000 30.40
Asitica 3000 0.30 150 300 6400 900000 40.53
Americana 6000 0.60 300 100 1000 600000 3.17
Total 10000 1 500 1700000 74.10

a) Estimacin del gasto promedio

Estimado: 170
10000
1700000
1
= =
=
=
N
y N
y
L
h
h h
e
soles
Variancia de estimado:
0929 5 17 3 60 0 53 40 30 0 40 30 10 0 1
2 2 2
1
2
2
. ) . ( . ) . ( . ) . ( . ) ( ) ( = + + = =
=
L
h h
h
h
h
h
e
N
n
n
S
W y V
Su error estndar 2567 2 0929 5 . . )
( = =
e
Y s soles

Lmites de confianza aproximados con 95% de confianza para el promedio:

[ ] 58 . 165 ; 42 . 174 42 . 4 170 ) 2567 . 2 ( 96 . 1 170 ) ( 96 . 1 ) ( = = = =
e e
y s y Y LC soles

b) Gasto total de los turistas

Estimado: 000 , 700 ' 1 ) 170 ( 000 , 10
= = =
e e
y N Y soles
Variancia de estimado 509290000 ) 0929 . 5 ( ) 10000 ( ) ( )
(
2 2
= = =
e e
y v N Y v
El error estndar estimado 567 , 22 ) 2567 . 2 ( 10000 ) ( )
( = = =
e e
y Ns Y s soles

Lmites confianza: [ ] [ ] [ ] 1655800 ; 1744200 58 . 165 ; 42 . 174 10000 ) ( ) ( = = =
e
y LC N Y LC soles

Estudio de Proporciones

En este caso: Si el elemento i-simo tiene el atributo C:Y
i
=1. Si no lo tiene Y
i
=0
Proporcin de elementos del estrato h con el atributo C en la muestra
h
h
h
n
a
p =
Proporcin de elementos del estrato h sin el atributo C en la muestra
h h
p q =1

Estimado de la proporcin de elementos con un atributo C
Estimado:
=
=
= =
L
h
h h
L
h
h h
e
p W
N
p N
p
1
1

Variancia del estimado:
=
L
h h
h
h
h h
h e
N
n
n
q p
W p v
1
2
1
1
) (
Ejemplo Para estimar la proporcin de empleados que apoyan a cierta medida en
una fbrica que tiene mil empleados, se elige una muestra estratificada de 400
empleados. Los resultados fueron:

Estrato (Seccin) N
h
W
h
n
h
Respuestas "Si a
h
p
h
=a
h
/n
h

Ensamblaje 500 0.5 200 14 0.07
Fundicin 300 0.3 120 18 0.15
Oficina 200 0.2 80 48 0.60
Total 1000 1.0 400 80

a) Proporcin general de empleados que apoyan a la medida

Estrato (Seccin)

N
h

W
h

n
h

P
h

q
h

h
h
h
h h
h
N
n
n
q p
W 1
1
2

Ensamblaje 500 0.5 200 0.07 0.93 0.000049
Fundicin 300 0.3 120 0.15 0.85 0.000058
Oficina 200 0.2 80 0.60 0.40 0.000073
Total 1000 1.0 400 0.000180
Proporcin estimada:
=
= + + = =
L
h
h h e
p W p
1
20 . 0 ) 60 . 0 ( 2 . 0 ) 15 . 0 ( 3 . 0 ) 07 . 0 ( 5 . 0
Variancia del estimador: ( ) 000180 . 0 1
1
) (
1
2
=
=
L
h
h
h
h h
h e
f
n
q p
W p v
Error estndar del estimado: 013 . 0 000180 . 0 ) ( = =
e
p s
Lmites de confianza al 95% [ ] 1737 . 0 ; 2263 . 0 0263 . 0 2 . 0 ) ( 96 . 1 ) ( = = =
e e
p s p P LC

b) Estimado del total de empleados que apoyan a la medida

Estimado: A=N*p =1,000(0.2) =200
Su error estndar ser s(A)=N*s(p)=1,000(0.013) =13 empleados
Lmites de confianza: LC(A)=N*LC(P)=1,000[0.2263;0.1737]=[226;174]

Tamao de Muestra en el Muestreo Estratificado para estimar Proporciones

( )
2
1

Z
d
p p W
n
h h h
O

=
) (

N
n
n
n
O
O
+
=
1
Donde

Z= Valor de tabla Z para determinada probabilidad. Puede ser aproximado a 2
d= Margen de error permisible para el estimador de la proporcin.
P= Proporcin que se esperara encontrar en la investigacin

Ejemplo: En el ejemplo anterior el tamao de muestra requerido para d=0.03 y t=2
Estrato (Seccin) N
h
W
h
P
h
1-p
h
W
h
p
h
(1-p
h
)
Ensamblaje 500 0.5 0.07 0.93 0.03255
Fundicin 300 0.3 0.15 0.85 0.03825
Oficina 200 0.2 0.60 0.40 0.04800
Total 1000 1.0 0.11880

( )
507
)
96 . 1
03 . 0
(
11880 . 0

) 1 (
2 2
= =
=

Z
d
p p W
n
h h h
O
336
1000
507
1
507
1
=
+
=
+
=
N
n
n
n
O
O
empleados

Muestreo de Conglomerados (Racimos).

La poblacin muestreada se divide en un nmero determinado de subdivisiones
relativamente pequeas, racimos o conglomerados naturales o artificialmente
construidos, reconocibles y claramente identificables en el terreno para luego seleccionar
al azar algunas de estas subdivisiones como muestra representativa del total de
subdivisiones construidas. Si estos conglomerados coinciden con reas geogrficas, el
muestreo se lo denomina muestreo por reas.

La forma clsica de tomar una muestra por conglomerados es dividir el rea total en
reas ms pequeas que no se superpongan o solapen entre s: Distritos polticos,
urbanizaciones, manzanas, cuadras o viviendas; se elige al azar algunas reas y todos
los hogares o familias que residen en dichas reas, constituiran la muestra definitiva.

Por lo general, las estimaciones basadas en el muestreo por conglomerados:

Son menos precisas que las obtenidas por muestreos aleatorios simples del mismo
tamao pues hay una prdida de eficiencia al muestrear y medir unidades contiguas.
Sern ms econmicas pues es menos costoso visitar y entrevistar a hogares
radicados en el mismo barrio, que elegir familias desperdigadas en forma aleatoria por
toda la ciudad.
Con toda seguridad los marcos de muestreo de conglomerados estarn ms
disponibles y actualizados que los marcos de muestreo de unidades elementales.

En cada conglomerado seleccionado en la primera etapa de muestreo, podr elegirse
como segunda etapa de muestreo una muestra de unidades de anlisis en las cuales se
harn las mediciones respectivas.
PobIocion o universo: Ciudod compuesfo por b0 mon;onos, 2,670 viviendas y 11,175 habitantes

I
V~7b
H~3o0
I0
V~7b
H~Zb0
II

V~70
H~Z80
Z0
V~70
H~Z90
ZI
V~bb
H~ZI0
30
V~4b
H~Z00
3I
V~40
H~Io0
40
V~3b
H~Ib0
4I
V~30
H~I30
b0
V~Zb
H~II0

Z
V~7b
H~3Zb
9
V~80
H~330
IZ
V~7b
H~330
I9
V~7b
H~330
ZZ
V~bb
H~ZZ0
Z9
V~4b
H~ZI0
3Z
V~4b
H~I80
39
V~3b
H~I4b
4Z
V~3b
H~Ib0
49
V~Zb
H~IZ0

3
V~80
H~3Z0
8
V~8b
H~3b0
I3
V~80
H~3Ib
I8
V~70
H~3Z0
Z3
V~b0
H~Z30
Z8
V~40
H~I80
33
V~40
H~I70
38
V~30
H~IZb
43
V~30
H~I30
48
V~Z0
H~I00

4
V~80
H~340
7
V~7b
H~300
I4
V~8b
H~3Zb
I7
V~o0
H~Zo0
Z4
V~b0
H~Z40
Z7
V~40
H~I90
34
V~b0
H~Z00
37
V~30
H~I30
44
V~30
H~IZb
47
V~30
H~I30

b
V~8b
H~380
o
V~7b
H~Z7b
Ib
V~7b
H~Z8b
Io
V~7b
H~Z90
Zb
V~bb
H~ZIb
Zo
V~4b
H~I9b
3b
V~4b
H~I8b
3o
V~3b
H~I4b
4b
V~3b
H~I3b
4o
V~Zb
H~II0

(Poro codo mon;ono: V ~ Mmero Viviendos H ~ Mmero Hobifonfes)

SeIeccione uno muesfro oIeoforio de b mon;onos y o froves de eIIo esfime oI fofoI de hobifonfes:

SeIeccion de Io muesfro y frobojo de compo:


Columna 1234 5678 9012 3456 7890 1234 5678 9012 3456 7890

Fila 1 1089 8719 2272 1359 3328 0014 6773 1278 2761 3550
2 9385 7902 5034 6723 3835 6978 7084 3992 5857 2377
3 6934 8660 0311 2979 0095 2647 8299 5163 0073 7788
4 0052 1007 4866 6497 4138 8144 0294 2906 0316 4810
5 5736 9249 3062 7604 8137 4575 2245 6309 1601 3580
6 1901 5988 2633 8605 2064 0736 3046 0612 9663 3663
7 5372 6212 9675 0286 6825 7823 5778 2680 1227 5186
8 4057 0762 6469 2735 5082 3852 7457 5729 8436 6478
9 5484 0770 7222 4912 0062 0609 9291 4056 5034 8359
10 0125 9592 3729 7858 5153 7200 1308 9638 0345 9293

Mon;ono Promedio Vorioncio
M" viviendos 7b 7b 4b 4b 3b bb 3b0
M" personos Z7b 330 I9b ZI0 I4b Z3I bZI7.b

Esfimocion deI fofoI de hobifonfes de Io ciudod:

Esfimodo: 550 11 231 50 , ) (
= = = y N Y hobifonfes

Vorioncio deI esfimodo: 2347875
50
5
1
5
5 217 5
50 1
2
2
2
=
=
. ,
)
(
N
n
n
s
N Y v

Error esfondor: 28 1532 2347875 . )
( = = Y s hobifonfes

Coeficienfe voriocion: % .
.
)
.( . 27 13 100
11550
28 1532
= = Y V C

Lmife confion;o oI 9b7 superior: II,bb0+Z.78(Ib3Z.Z8)~Ib,8I0 hobifonfes

Lmife confion;o oI 9b7 inferior: II,bb0-Z.78(Ib3Z.Z8)~ 7,Z90 hobifonfes

Muesfreo Esfrofificodo de CongIomerodos

PobIocion Universo: Ciudod compuesfo por b0 mon;onos, Z,o70 viviendos y II,I7b hobifonfes
I
V~7b
H~3o0
I0
V~7b
H~Zb0
II

V~70
H~Z80
Z0
V~70
H~Z90
I
V~bb
H~ZI0
I0
V~4b
H~Z00
II
V~40
H~Io0
Z0
V~3b
H~Ib0
ZI
V~30
H~I30
30
V~Zb
H~II0

Z
V~7b
H~3Zb
9
V~80
H~330
IZ
V~7b
H~330
I9
V~7b
H~330
Z
V~bb
H~ZZ0
9
V~4b
H~ZI0
IZ
V~4b
H~I80
I9
V~3b
H~I4b
ZZ
V~3b
H~Ib0
Z9
V~Zb
H~IZ0

3
V~80
H~3Z0
8
V~8b
H~3b0
I3
V~80
H~3Ib
I8
V~70
H~3Z0
3
V~b0
H~Z30
8
V~40
H~I80
I3
V~40
H~I70
I8
V~30
H~IZb
Z3
V~30
H~I30
Z8
V~Z0
H~I00

4
V~80
H~340
7
V~7b
H~300
I4
V~8b
H~3Zb
I7
V~o0
H~Zo0
4
V~b0
H~Z40
7
V~40
H~I90
I4
V~b0
H~Z00
I7
V~30
H~I30
Z4
V~30
H~IZb
Z7
V~30
H~I30

b
V~8b
H~380
o
V~7b
H~Z7b
Ib
V~7b
H~Z8b
Io
V~7b
H~Z90
b
V~bb
H~ZIb
o
V~4b
H~I9b
Ib
V~4b
H~I8b
Io
V~3b
H~I4b
Zb
V~3b
H~I3b
Zo
V~Zb
H~II0

SeIeccione uno muesfro esfrofificodo de b mon;onos y o froves de eIIo esfime oI fofoI de hobifonfes:

SeIeccion de Io muesfro y frobojo de compo:
Columna 1234 5678 9012 3456 7890 1234 5678 9012 3456 7890
Fila 1 1089 8719 2272 1359 3328 0014 6773 1278 2761 3550
2 9385 7902 5034 6723 3835 6978 7084 3992 5857 2377
3 6934 8660 0311 2979 0095 2647 8299 5163 0073 7788
4 0052 1007 4866 6497 4138 8144 0294 2906 0316 4810
5 5736 9249 3062 7604 8137 4575 2245 6309 1601 3580
6 1901 5988 2633 8605 2064 0736 3046 0612 9663 3663
7 5372 6212 9675 0286 6825 7823 5778 2680 1227 5186
8 4057 0762 6469 2735 5082 3852 7457 5729 8436 6478
9 5484 0770 7222 4912 0062 0609 9291 4056 5034 8359
10 0125 9592 3729 7858 5153 7200 1308 9638 0345 9293

Esfrofo Mh nh Promedio Vorioncio
Mon;ono Z I3
M" viviendos 7b 80 77.b IZ.b I

Z0

Z
M" personos 3Zb 3Ib 3Z0 b0
Mon;ono o IZ Z9
M" viviendos 4b 4b Zb 38.33 I33.33 II

30

3
M" personos I9b I80 IZ0 Iob Ib7b

TofoI de hobifonfes de Io ciudod:
Esfimodo: 350 11 165 30 320 20 , ) ( ) (
= + = =
h h
y N Y hobifonfes
Vorioncio deI esfimodo:

=
30
3
1
3
1575
30
20
2
1
2
50
20 1
2 2
2
2
h
h
h
h
h
N
n
n
s
N Y v )
( ~ 434,Zb0

Error esfondor deI esfimodo: 98 . 658 434250 )
( = = Y s hobifonfes
Coeficienfe voriocion: % 80 . 5 100
11350
98 . 658
)
.( . = = Y V C
Muesfreo de congIomerodos con probobiIidod proporcionoI o su fomoo.

Lo unidodes de muesfreo conformodos por congIomerodos o rocimos de unidodes de onoIisis cuyo
numero voro considerobIemenfe de un congIomerodo o ofro podron ser invesfigodos o froves de
procesos de muesfreo donde Io probobiIidod de seIeccion de codo congIomerodo seo proporcionoI
o uno medido deI fomoo deI congIomerodo. Esfo formo de muesfreor congIomerodos presenfo Ios
venfojos y corocfersficos siguienfes:

I. Si eI fofoI de Io voriobIe objefivo por onoIi;or guordo esfrecho reIocion (oIfo correIocion) con
eI fomoo deI congIomerodo o eI nmero de eIemenfos de codo congIomerodo, permifiro
reducir eI morgen de error de Ios correspondienfes esfimociones.
Z. Por Io generoI eI nmero de unidodes de onoIisis de codo congIomerodo es uno medido nofuroI
deI fomoo deI congIomerodo, por fonfo, de conocerse esfo voriobIe debero ser oprovechodo
poro opIicor un muesfreo con probobiIidod proporcionoI oI fomoo.
3. En eI mefodo de muesfreo, eI coso de ocepfor Io posibiIidod que Ios unidodes de muesfreo
puedon eIegirse mos de uno ve;, fociIifo eI coIcuIo de Io vorion;o deI esfimodo.
4. Lo probobiIidod de seIeccion de codo unidod de muesfreo (congIomerodo) es iguoI oI nmero
de eIemenfos deI congIomerodo enfre eI fofoI de eIemenfos de Io pobIocion: Pi~mi/M.
b. Esfimocion deI fofoI pobIocionoI:

Esfimodo:
=
=
n
i i
i
PPT
P
Y
n
Y
1
1

Vorion;o deI esfimodo:
=
n
i
PPT i PPT
Y Y
n n
Y v
1
2
)

(
) 1 (
1
)
(

En eI ejempIo que se propone:
EI fofoI de mon;onos de Io ciudod es b0
EIegir uno muesfro de b mon;onos con probobiIidod proporcionoI oI nmero de viviendos
de codo mon;ono y o froves de eIIo esfimor de hobifonfes de Io ciudod.
EI mefodo de muesfreo opIicodo permife seIeccionor mos de uno ve; o codo mon;ono en
coso que eI congIomerodo resuIfe con mos de uno seIeccion.

AI eIegir con probobiIidod proporcionoI o su fomoo Ios mon;onos: I, 8, Ib,Z3 y 3b eI esfimodo es:
11443 ) 66667 . 10976 12282 10146 11765 . 10994 12816 (
5
1 1
1
= + + + + = =

=
n
i i
i
PPT
P
Y
n
Y hobifonfes

Vorion;o deI esfimodo:
=
n
i
PPT i PPT
Y Y
n n
Y v
1
2
)

(
) 1 (
1
)
(
234511
) 1 5 ( 5
) 11443 66667 . 10976 ( ... ) 11443 11765 . 10994 ( ) 11443 12816 (
)
(
2 2 2
=
+ + +
=
PPT
Y v

Error esfondor deI esfimodo: 484 234511 )
( = =
PPT
Y S hobifonfes

Coeficienfe voriocion: % 23 . 4 100
11443
484
)
.( . = = Y V C

EjempIo: SeIeccionor uno muesfro de b mon;onos y esfimor eI fofoI de hobifonfes.

Manzana Viviendas Habitantes Desde Hasta Probabilidad Estimador
I 7b 3o0 I
75
bZ
0.028089888 12816
Z 7b 3Zb
76 150
3 80 3Z0
151 230
4 80 340
231 310
b 8b 380
311 395
o 7b Z7b
396 470
7 7b 300
471 545
8 8b 3b0
546 630
b8o
0.031835206 10994.11765
9 80 330
631 710
I0 7b Zb0
711 785
II 70 Z80
786 855
IZ 7b 330
856 930
I3 80 3Ib
931 1010
I4 8b 3Zb
1011 1095
Ib 7b Z8b
1096 1170
IIZ0
0.028089888 10146
Io 7b Z90
1171 1245
I7 o0 Zo0
1246 1305
I8 70 3Z0
1306 1375
I9 7b 330
1376 1450
Z0 70 Z90
1451 1520
ZI bb ZI0
1521 1575
ZZ bb ZZ0
1576 1630
Z3 b0 Z30
1631 1680
Iob4
0.018726592 12282
Z4 b0 Z40
1681 1730
Zb bb ZIb
1731 1785
Zo 4b I9b
1786 1830
Z7 40 I90
1831 1870
Z8 40 I80
1871 1910
Z9 4b ZI0
1911 1955
30 4b Z00
1956 2000
3I 40 Io0
2001 2040
3Z 4b I80
2041 2085
33 40 I70
2086 2125
34 b0 Z00
2126 2175
3b 4b I8b
2176 2220
ZI88
0.016853933 10976.66667
3o 3b I4b
2221 2255
37 30 I30
2256 2285
38 30 IZb
2286 2315
39 3b I4b
2316 2350
40 3b Ib0
2351 2385
4I 30 I30
2386 2415
4Z 3b Ib0
2416 2450
43 30 I30
2451 2480
44 30 IZb
2481 2510
4b 3b I3b
2511 2545
4o Zb II0
2546 2570
47 30 I30
2571 2600
48 Z0 I00
2601 2620
49 Zb IZ0
2621 2645
b0 Zb II0
2646 2670

Muestreo de Conglomerados de Tamao Diferente con Sub muestreo

Se desea estimar por muestreo el nmero de habitantes de una ciudad que contiene 5500
viviendas agrupadas en 110 manzanas de viviendas, con tal fin se elige una muestra probabilstica
en dos etapas:

Primera etapa: Se elige una aleatoria de 12 manzanas con probabilidades iguales y en cada una
de ellas se elabora el directorio de viviendas existentes en la manzana.

Segunda etapa: En cada una de las manzanas seleccionadas se elige una muestra aleatoria
equivalente al 20% de viviendas de la manzana.

El nmero de habitantes de cada vivienda seleccionada es el siguiente:

i Mi mi Numero de habitantes de la vivienda entrevistada Media Variancia
1 46 9 3 5 0 0 0 8 6 0 0 2.444 10.028
2 38 8 4 0 0 6 10 0 5 0 3.125 14.125
3 52 10 0 0 0 6 0 4 8 6 1 0 2.500 10.056
4 60 12 3 3 0 1 1 0 0 1 5 0 2 0 1.333 2.606
5 55 11 0 0 3 0 0 6 0 7 0 1 0 1.545 6.873
6 40 8 2 1 5 0 0 0 0 8 2.000 8.857
7 40 8 4 0 0 6 10 2 6 0 3.500 13.429
8 36 7 0 0 3 7 0 1 2 1.857 6.476
9 30 6 5 0 6 0 0 4 2.500 7.900
10 64 13 0 0 0 6 5 0 10 0 6 0 0 0 1 2.154 11.474
11 70 14 2 0 0 0 4 6 2 0 3 6 2 0 0 0 1.786 4.951
12 50 10 2 3 5 0 0 0 0 0 1 2 1.300 2.900

1. Estimacin del promedio de habitantes por vivienda

Estimador del promedio:
=
i
i
i
M
x M
x

Varianza del estimado:

=
+ =
a
i i
i
i i
r
m
s
f M
M n
f
f
n
s
x v
1
2
2
2
2
1
1
2
) 1 (
) (
) 1 ( ) (

=
i
i
i i i r
m
s
m M M
M nN
s
nN
n N
x v
2
2
2
) (
1
) (
Donde:
Vorioncio de Ios dofos denfro de codo congIomerodo:
1
) (
1
2
2
=
i
mi
j
ij
i
m
x x
s
Promedio de Ios dofos denfro de codo congIomerodo
i
mi
j
ij
i
m
x
x
=
=
1

Tomoo promedio de Ios congIomerodos:
=
=
n
i
i
M
n
M
1
1


Hojo de coIcuIos compIemenforios:

i Mi mi i x
2
i
s i
i
x M ( )
2
i
i
x M
i
i
i i i
m
s
m M M
2
) (
i
i
x M
2

M
2
i
1 46 9 2.444 10.028 112.4 12643.75 1896.4 5172.44 2116
2 38 8 3.125 14.125 118.8 14101.56 2012.8 4512.50 1444
3 52 10 2.500 10.056 130.0 16900.00 2196.1 6760.00 2704
4 60 12 1.333 2.606 80.0 6400.00 625.5 4800.00 3600
5 55 11 1.545 6.873 85.0 7225.00 1512.0 4675.00 3025
6 40 8 2.000 8.857 80.0 6400.00 1417.1 3200.00 1600
7 40 8 3.500 13.429 140.0 19600.00 2148.6 5600.00 1600
8 36 7 1.857 6.476 66.9 4469.88 965.9 2406.86 1296
9 30 6 2.500 7.900 75.0 5625.00 948.0 2250.00 900
10 64 13 2.154 11.474 137.8 19001.56 2880.9 8822.15 4096
11 70 14 1.786 4.951 125.0 15625.00 1386.2 8750.00 4900
12 50 10 1.300 2.900 65.0 4225.00 580.0 3250.00 2500
581 1215.9 132216.8 18569.5 60198.96 29781

Estimador del promedio:

09 . 2
581
9 . 1215
= = =
i
i
i
M
x M
x

Vorion;o enfre congIomerodos:

413794 . 0
) 1 12 ( 42 . 48
) 29781 ( 09 . 2 ) 96 . 60198 )( 09 . 2 ( 2 8 . 132216
) 1 (
2 ) (
) 1 (
) (
2
2
2
2
2
2
2 2
2
2
1
2 2
2
=
+
=
+
=
=
r
i
i
i
i
i
r
n
i
i
i
r
s
n M
M x x M x x M
s
n M
x x M
s

Tomoo promedio de Ios congIomerodos:

42 . 48
12
581
= = M viviendos por congIomerodo

Vorion;o deI promedio esfimodo:

036721 . 0
006000 . 0 030721 . 0
) 5 . 18569 (
) 42 . 48 )( 110 ( 12
1
413794 . 0
) 110 ( 12
12 110
) (
) (
1
) (
2
2
2
2
=
+ =
+

=
+

=

x v
m
s
m M M
M nN
s
nN
n N
x v
i
i
i i i r

Error estndar del estimado:

1916 . 0 036721 . 0 ) ( = = x s

Coeficiente de variacin del estimado:

% 16 . 9 100
09 . 2
1916 . 0
= = CV

2. Estimacin de la poblacin total de la ciudad

Estimado del total de viviendas de la ciudad:

5326 12 / ) 581 ( 110
= = M viviendas

Estimado de la poblacin total de la ciudad:

131 , 11 ) 09 . 2 ( 5326

= = = x M X habitantes

Varianza de la poblacin total estimada:

02 . 1041638 ) 036721 . 0 ( 5326 ) ( )
(
2 2
= = = x v M X v

Error estndar de la poblacin total estimada:

6 . 1020 02 . 1041638 )
( = = X s

Coeficiente de variacin del estimado:

% 16 . 9 100
11131
6 . 1020
= = CV

4. Seleccin de muestras bajo un enfoque cualitativo.

Por la naturaleza exploratoria de la investigacin cualitativa, requerir que las muestras
sean flexibles con el fin de encontrar lo inesperado y resultados emergentes con el fin de
evaluar procesos, las muestras no probabilsticas o "muestras dirigidas cumplirn este
cometido, pues la muestra ser una unidad de anlisis o grupo de elementos, contextos,
eventos, o sucesos que son elegidos utilizando procedimientos de seleccin informales y
de los cuales se recaba informacin primaria sin que necesariamente sean
representativos de la poblacin estudiada.
Ante su imposibilidad de generalizar sus resultados a la poblacin, el mtodo de seleccin
dirigido permite al investigador realizar selecciones controladas y cuidadosas de slo
aquellas unidades de anlisis que cumplen caractersticas previamente definidas y que,
por esta razn, deben ser observadas, medidas y evaluadas.

Muestras no probabilsticas:

Muestras de conveniencia o accidentales.

Estn formadas por elementos que voluntariamente acceden a ser observados y medidos
llegan al estudio exploratorio en forma casual y la eleccin de los mismos depender de
circunstancias fortuitas.

Muestras de expertos.

Estn formadas exclusivamente por sujetos expertos en un tema determinado y que
requieren ser entrevistados con el fin de conocer caractersticas importantes sobre el
comportamiento de variables que deben ser exploradas, generar hiptesis especficas,
validar instrumentos de medicin previstos.

Muestras de caso tpicos

Estn formadas por elementos que forman parte de grupos determinados dentro de los
cuales eligiendo entre 8 a 10 sujetos tpicos ser posible identificar patrones de
comportamiento especficos a travs de sesiones en las que un facilitador motivar a la
participacin individual con el fin de que expresen sus actitudes, preferencias,
expectativas respecto a productos y/o servicios determinados.

Muestras de "bola de nieve"

Se elige una pequea muestra inicial, a cada uno de los individuos seleccionados se le
pide que sugieran a otros posibles individuos que podran ser incluidos en la muestra de
acuerdo con requisitos previamente establecidos. Tambin se la conoce como muestra en
cadena o por redes pues se identifican a unidades que llevarn a otras unidades que
estn ntimamente relacionadas y por tanto permitirn analizar la cadena.

Muestreos por cuotas

Las unidades de anlisis observadas, medidas o entrevistados son elegidas completando
cuotas establecidas con base a la proporcin o significacin que tienen dentro de la
poblacin. Finalmente, las unidades sern identificadas y seleccionadas de acuerdo al
juicio del investigador.
Se trata de formar a una muestra que constituya un modelo a escala de la poblacin
objetivo, esto es, la muestra mantiene las mismas proporciones que se observan en la
poblacin, de este modo, para elegir una muestra por cuotas se fijaran un conjunto de
condiciones que debern cumplir los individuos para entrar a formar parte de la muestra.
Para seleccionar una muestra por cuotas se determina la distribucin existente de la
poblacin clasificada segn las caractersticas relevantes y de control (sexo, edad,
educacin, regin, etc.) las cuotas de personas a entrevistar se asignan de acuerdo a las
proporciones vigentes la distribucin, de este modo se asegura que la composicin de la
muestra sea igual a la de la poblacin. Una vez determinadas las cuotas existe amplia
libertad para elegir a los individuos a entrevistar slo se requiere que los individuos se
ajusten a las caractersticas de control.

Rutas aleatorias.

Se determina una rea de muestreo en ella se elige un punto de partida desde el cual el
entrevistador seguir determinados criterios de actuacin con el fin de asegurar un
procedimiento heurstico para elegir los individuos que sern entrevistados en la
encuesta. El entrevistador seguir un plan de recorrido totalmente aleatorio el cual
deber ser integralmente documentado en un "diario de ruta" donde registrar todo el
recorrido aleatorio que realiz el entrevistador y que podr ser verificado.

1 10 11 20 21 30 31 40 41 50

2 9 12 19 22 29 32 39 42 49

3 8 13 18 23 28 33 38 43 48

4 7 14 17 24 27 34 37 44 47

5 6 15 16 25 26 35 36 45 46

Ejercicios

Caso 1: Muestreo Simple Aleatorio

Se desea estimar el total de firmas que apoyan a un petitorio que contiene 676 hojas en
cada hoja pueden registrarse hasta 42 firmas, sin embargo, en muchas hojas se recab
menor nmero de firmas. Para tal fin se elige una muestra de 50 hojas y se cuenta en
ellas el total de firmas obtenindose el resultado siguiente:

Y
i
42 41 36 32 29 27 23 19 16 15 14 11 10 9 7 6 5 4 3
f
i
23 4 1 1 1 2 1 1 2 2 1 1 1 1 1 3 2 1 1

Y
i
: Nmero de firmas en la hoja seleccionada
f
i
: Nmero de hojas

Estime al total de firmas del petitorio y sus lmites de confianza al 80% de seguridad.

(Tcnicas de Muestreo, W. Cochran: Ejemplo pgina 51. CECSA).


Caso 2: Muestreo Aleatorio Estratificado

La oficina de agricultura de una zona forestal que contiene a 240 unidades agropecuarias
desea estimar el total de acres sembrados con forestales para lo cual elige una muestra
aleatoria estratificada de 40 unidades. Se entrevista a las unidades agropecuarias
seleccionadas y se registra la superficie sembrada con forestales en cada unidad,
obtenindose los resultados siguientes:

Estrato I
Menos de 200 acres
Estrato II
200 a menos 400
Estrato III
400 a menos 600
Estrato IV
De 600 acres a ms
97 67 125 155 142 256 167 655
42 125 67 96 310 440 220 540
25 92 256 47 495 510 780
105 86 310 236 320 396
27 43 220 352 196
45 59 142 190
53 21
N
1
=86 n
1
=14 N
2
=72 n
2
=12 N
3
=52 n
3
=9 N
4
=30 n
4
=5

Estime la superficie total sembrada con forestales de la zona y sus lmites de confianza al
95%.

(Elementos de Muestreo, Scheaffer, Mendenhall, Ott ejercicio 5.10.)

Caso 3: Muestreo Simple Aleatorio (Estimador de Razn)

Para una muestra simple aleatoria de 33 familias y, donde el muestreo se realiz con
reemplazo de las familias, se recaba informacin sobre:
v1: Nmero de familia entrevistada
v2: Tamao de la familia
v3: Ingreso familiar a la semana
v4: gasto semanal en alimentos.

v1 v2 v3 v4
1 2 62 14.3
2 3 62 20.8
3 3 87 22.7
4 5 65 30.5
5 4 58 41.2
6 7 92 28.2
7 2 88 24.2
8 4 78 30.0
9 2 83 24.2
10 5 62 44.4
11 3 63 13.4
12 6 62 19.8
13 4 60 29.4
14 4 75 27.1
15 2 90 22.2
16 5 75 37.7
17 3 69 22.6
18 4 83 36.0
19 2 85 20.6
20 4 73 27.7
21 2 66 25.9
22 5 58 23.3
23 3 77 39.8
24 4 69 16.8
25 7 65 37.8
26 3 77 34.8
27 3 69 28.7
28 6 95 63.0
29 2 77 19.5
30 2 69 21.6
31 6 69 18.2
32 4 67 20.1
33 2 63 20.7

Encuentre al estimado y los lmites de confianza al 95% respectivos para:

1. El gasto promedio en alimentos por familia.
2. El gasto semanal en alimentos por persona.
3. La proporcin del ingreso destinado al gasto semanal en alimentos

(Tecnicos de Muesfreo, W. Cochron: EjempIo pogino b9. CECSA).

Caso 4: Muestreo por Conglomerados

En una ciudad que hay 15000 familias se elige una muestra simple aleatoria de 30
familias, las personas de cada familia son clasificadas:
Por sexo
Si visit al mdico durante el ltimo ao
Si visit al dentista durante el ltimo ao

Sexo Visit al Mdico Visit al dentista
Familia Personas Hombres Mujeres Si No Si No
1 5 1 4 5 0 1 4
2 6 3 3 0 6 0 6
3 3 1 2 2 1 1 2
4 3 1 2 3 0 2 1
5 2 1 1 0 2 0 2
6 3 1 2 0 3 0 3
7 3 1 2 0 3 1 2
8 3 1 2 0 3 1 2
9 4 2 2 0 4 1 3
10 4 3 1 0 4 0 4
11 3 2 1 0 3 1 2
12 2 1 1 0 2 0 2
13 7 3 4 0 7 2 5
14 4 3 1 4 0 1 3
15 3 2 1 1 2 0 3
16 5 3 2 2 3 1 4
17 4 3 1 0 4 4 0
18 4 3 1 0 4 1 3
19 3 2 1 1 2 1 2
20 3 1 2 3 0 0 3
21 4 1 3 2 2 1 3
22 3 2 1 0 3 0 3
23 3 2 1 0 3 1 2
24 1 0 1 0 1 0 1
25 2 1 1 2 0 0 2
26 4 3 1 2 2 0 4
27 3 1 2 0 3 1 2
28 4 2 2 2 2 1 3
29 2 1 1 0 2 0 2
30 4 2 2 1 3 0 4

Encuentre al estimado y los lmites de confianza al 95% respectivos para:

1. El porcentaje de personas que consultaron a un doctor.
2. El porcentaje de personas por sexo.
3. El porcentaje de personas que visitaron a un dentista.

(Tcnicas de Muestreo, W. Cochran: Ejemplo pgina 59. CECSA).

Caso 5:

Muestreo por conglomerados con probabilidad proporcional al
tamao

Con el fin de estimar la magnitud de las ausencias por enfermedad de los empleados de
una empresa que contiene a 9 divisiones con diferente nmero de empleados cada una,
se propone elegir una muestra de 3 divisiones con probabilidad proporcional al nmero
de empleados de la divisin.

1. Muestre el procedimiento cmo seleccionar la muestra si los respectivos nmeros de
empleados de cada divisin son: 1200, 450; 2100; 860; 2840; 1910; 390 y 3200.
2. Asumiendo que las divisiones 3; 6 y 8 son elegidas como muestra y que el nmero
total de das de ausencia por enfermedad durante el cuatrimestre pasado son: 4320
para la divisin 3; para la divisin 6 se registr 4160 faltas durante este mismo
perodo y para la divisin 8 se determin 5790 ausencias. Estime el promedio de
ausencias por enfermedad por empleado de la empresa y sus lmites de confianza al
95% de confianza.
3. Estime al total de ausencias por enfermedad acumulados por todos los empleados de
la empresa y sus lmites de confianza al 95%.

(Elementos de Muestreo, Scheaffer, Mendenhall, Ott ejemplo 8.12)

Caso 6:

Muestreo por conglomerados con probabilidades iguales y con
sub muestreo

En una ciudad hay 3200 viviendas agrupadas en 160 manzanas (bloques), de forma que
cada una de ellas tiene entre 15 y 30 viviendas contiguas. Con el fin de estimar el
promedio de habitantes por vivienda de la ciudad, se eligi una muestra simple aleatoria
de 10 manzanas (UPM) y, como segunda etapa, se eligieron viviendas (USM) con una
fraccin de muestreo f
2i
=0.25B
i
dentro de cada manzana elegida.

El nmero de habitantes registrado en cada vivienda que se entrevist fue:

Mz Mi mi V1 V2 V3 V4 V5 V6 V7 Promedio Variancia
1 20 5 4 6 8 9 5 6.40 4.3
2 25 6 0 7 1 3 6 4 3.50 7.5
3 15 4 1 2 4 6 3.25 4.917
4 29 7 9 5 3 2 2 4 3 4.00 6.0
5 28 7 9 6 6 7 5 7 6 6.57 1.619
6 24 6 4 0 7 9 0 3 3.83 13.367
7 26 6 6 6 5 4 5 5 5.17 0.567
8 16 4 4 6 8 9 6.75 4.917
9 24 6 3 8 8 9 9 7 7.33 5.067
10 20 5 2 7 3 5 5 4.40 3.8

1. Estime el promedio de habitantes por vivienda y su coeficiente de variacin respectivo
2. Estime la poblacin total de la ciudad y su coeficiente de variacin respectivo

Anexo 1 TABLA DE NUMEROS ALEATORIOS (*)

Columna 0000 0000 0111 1111 1112 2222 2222 2333 3333 3334
1234 5678 9012 3456 7890 1234 5678 9012 3456 7890

Fila 1 1089 8719 2272 1359 3328 0014 6773 1278 2761 3550
2 9385 7902 5034 6723 3835 6978 7084 3992 5857 2377
3 6934 8660 0311 2979 0095 2647 8299 5163 0073 7788
4 0052 1007 4866 6497 4138 8144 0294 2906 0316 4810
5 5736 9249 3062 7604 8137 4575 2245 6309 1601 3580

6 1901 5988 2633 8605 2064 0736 3046 0612 9663 3663
7 5372 6212 9675 0286 6825 7823 5778 2680 1227 5186
8 4057 0762 6469 2735 5082 3852 7457 5729 8436 6478
9 5484 0770 7222 4912 0062 0609 9291 4056 5034 8359
10 0125 9592 3729 7858 5153 7200 1308 9638 0345 9293

11 5587 2698 2784 0458 0122 4721 3963 2916 3763 0468
12 7963 1937 6002 4490 5494 2817 6818 7120 8495 2692
13 8894 0546 6771 8401 1359 9935 8594 7513 8303 0649
14 9090 2972 0932 3907 6077 7374 0992 8951 6723 8748
15 7986 0132 8683 8568 2374 4215 3574 4117 8495 6662

16 2676 6123 4352 3195 8505 2599 6526 2200 2269 3864
17 1727 5363 5319 9610 4556 0760 8243 7406 7222 0675
18 4710 7892 3258 2504 0443 8042 1712 0588 3907 8166
19 7654 5820 1428 1657 7152 7329 4229 7799 9551 6453
20 1499 2908 6193 8309 4699 5572 7590 9369 6847 4523

21 0012 8520 9535 3820 0060 4456 0701 6723 1055 5004
22 4117 6797 4427 6919 7026 2643 3586 9697 2811 6479
23 4069 0228 6215 3098 4938 1823 6886 9313 2709 7613
24 0581 5826 2212 2668 2824 0764 0729 0905 3802 9636
25 1555 9910 4082 0037 9691 0235 3525 5214 4533 0153

26 7384 6217 3438 9094 5752 9526 7276 1836 7591 7976
27 4786 4094 5646 8893 5015 8753 0875 4531 9582 9243
28 7872 5228 3242 8446 3322 4612 4522 0585 0367 2352
29 2297 3084 8969 8087 1431 3050 8601 4111 2034 5289
30 0858 9152 8641 9678 0447 1330 1285 4933 5545 8405

31 9996 2919 6086 0779 8357 2519 5941 7895 9381 4056
32 4703 2537 5381 1356 6949 1488 0988 0369 4208 0413
33 7311 4110 5017 3633 5565 8507 3973 0477 9167 5612
34 0016 6380 3071 5758 4867 9975 8704 1468 4884 1879
35 3818 4607 3996 8535 3503 0623 2485 2595 9545 1035

36 0747 5454 9260 1416 2171 0525 6016 9430 2253 2176
37 2828 6877 2570 4049 2073 1220 0593 4690 1342 8664
38 2962 3218 7985 8659 2767 3818 5981 9162 5498 0184
39 1560 3004 0883 2339 1363 4219 0189 4453 2364 0900
40 0806 1970 4130 7998 1736 5243 4212 0621 8439 9898

(*) Fuente : Tracts for computers No XV Random Sampling Numbers, L.H.C.
Tippett, Cambridge University Press.

Muest Reo

Caricato da

Informazioni sul documento

Descrizione originale:

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Muest Reo

Caricato da

Copyright:

Formati disponibili

Arturo Rubio Donet 1

Universidad Nacional Agraria La Molina.

Potrebbero piacerti anche