Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Introduccin al muestreo.
Concepto e importancia
Es la actividad por la cual se toman ciertas muestras de una poblacin de elementos de los
cuales vamos a tomar ciertos criterios de decisin, el muestreo es importante porque a travs
de l podemos hacer anlisis de situaciones de una empresa o de algn campo de la sociedad.
Una parte fundamental para realizar un estudio estadstico de cualquier tipo es obtener unos
resultados confiables y que puedan ser aplicables. Como ya se coment anteriormente, resulta
casi imposible o imprctico llevar a cabo algunos estudios sobre toda una poblacin, por lo que
la solucin es llevar a cabo el estudio basndose en un subconjunto de sta denominada
muestra.
Sin embargo, para que los estudios tengan la validez y confiabilidad buscada es necesario que
tal subconjunto de datos, o muestra, posea algunas caractersticas especficas que permitan, al
final, generalizar los resultados hacia la poblacin en total. Esas caractersticas tienen que ver
principalmente con el tamao de la muestra y con la manera de obtenerla.
El muestreo es una herramienta de la investigacin cientfica. Su funcin bsica es determinar
que parte de una realidad en estudio (poblacin o universo) debe examinarse con la finalidad
de hacer inferencias sobre dicha poblacin. El error que se comete debido a hecho de que se
obtienen conclusiones sobre cierta realidad a partir de la observacin de slo una parte de ella,
se denomina error de muestreo. Obtener una muestra adecuada significa lograr una versin
simplificada de la poblacin, que reproduzca de algn modo sus rasgos bsicos.
Muestra: En todas las ocasiones en que no es posible o conveniente realizar un censo, lo que
hacemos es trabajar con una muestra, entendiendo por tal una parte representativa de la
poblacin. Para que una muestra sea representativa, y por lo tanto til, debe de reflejar las
similitudes y diferencias encontradas en la poblacin, ejemplificar las caractersticas de la
misma.
Cuando decimos que una muestra es representativa indicamos que rene aproximadamente
las caractersticas de la poblacin que son importantes para la investigacin.
Los estadsticos emplean la palabra muestra para describir una porcin escogida de la
poblacin. Matemticamente, podemos describir muestras y poblaciones al emplear
mediciones como la Media, Mediana, la moda, la desviacin estndar. Cuando stos trminos
describen una muestra se denominan estadsticas.
Una estadstica es una caracterstica de una muestra, los estadsticos emplean letras latinas
minsculas para denotar estadsticas y muestras.
Tipos de muestreo Los autores proponen diferentes criterios de clasificacin de los diferentes
tipos de muestreo, aunque en general pueden dividirse en dos grandes grupos: mtodos de
muestreo probabilsticos y mtodos de muestreo no probabilsticos.
Muestreo probabilstico
Los mtodos de muestreo probabilsticos son aquellos que se basan en el principio de
equiprobabilidad. Es decir, aquellos en los que todos los individuos tienen la misma
probabilidad de ser elegidos para formar parte de una muestra y, consiguientemente, todas las
posibles muestras de tamao n tienen la misma probabilidad de ser elegidas. Slo estos
mtodos de muestreo probabilsticos nos aseguran la representatividad de la muestra extrada
y son, por tanto, los ms recomendables. Dentro de los mtodos de muestreo probabilsticos
encontramos los siguientes tipos:
El mtodo otorga una probabilidad conocida de integrar la muestra a cada elemento de la
poblacin, y dicha probabilidad no es nula para ningn elemento.
Los mtodos de muestreo no probabilisticos no garantizan la representatividad de la muestra y
por lo tanto no permiten realizar estimaciones inferenciales sobre la poblacin.
(En algunas circunstancias los mtodos estadsticos y epidemiolgicos permiten resolver los
problemas de representatividad aun en situaciones de muestreo no probabilistico, por ejemplo
los estudios de caso-control, donde los casos no son seleccionados aleatoriamente de la
poblacin.)
Entre los mtodos de muestreo probabilsticos ms utilizados en investigacin encontramos:
Muestreo estratificado
Muestreo sistemtico
El porcentaje de confianza con el cual se quiere generalizar los datos desde la muestra
hacia la poblacin total.
2.
3.
Para evitar un costo muy alto para el estudio o debido a que en ocasiones llega a ser
prcticamente imposible el estudio de todos los casos, entonces se busca un porcentaje de
confianza menor. Comnmente en las investigaciones sociales se busca un 95%.
El error o porcentaje de error equivale a elegir una probabilidad de aceptar una hiptesis que
sea falsa como si fuera verdadera, o la inversa: rechazar a hiptesis verdadera por considerarla
falsa. Al igual que en el caso de la confianza, si se quiere eliminar el riesgo del error y
considerarlo como 0%, entonces la muestra es del mismo tamao que la poblacin, por lo que
conviene correr un cierto riesgo de equivocarse.
donde:
n es el tamao de la muestra;
Z es el nivel de confianza;
p es la variabilidad positiva;
q es la variabilidad negativa;
E es la precisin o error.
Hay que tomar nota de que debido a que la variabilidad y el error se pueden expresar por
medio de porcentajes, hay que convertir todos esos valores a proporciones en el caso
necesario.
Tambin hay que tomar en cuenta que el nivel de confianza no es ni un porcentaje, ni la
proporcin que le correspondera, a pesar de que se expresa en trminos de porcentajes. El
nivel de confianza se obtiene a partir de la distribucin normal estndar, pues la proporcin
correspondiente al porcentaje de confianza es el rea simtrica bajo la curva normal que se
toma como la confianza, y la intencin es buscar el valor Z de la variable aleatoria que
corresponda a tal rea.
Por ejemplo: Si se quiere un porcentaje de confianza del 95%, entonces hay que considerar la
proporcin correspondiente, que es 0.95. Lo que se buscara en seguida es el valor Z para la
variable aleatoria z tal que el rea simtrica bajo la curva normal desde -Z hasta Z sea igual a
0.95, es decir, P(-Z<z<Z)=0.95.
Utilizando las tablas, o la funcin DISTR.NORM.ESTAND.INV() del Excel, se puede calcular el
valor de Z, que sera 1.96 (con una aproximacin a dos decimales).
Esto quiere decir que P (-1.96<z<1.96)=0.95.
En el caso de que s se conozca el tamao de la poblacin entonces se aplica la siguiente
frmula:
donde
n es el tamao de la muestra;
Z es el nivel de confianza;
p es la variabilidad positiva;
q es la variabilidad negativa;
N es el tamao de la poblacin;
E es la precisin o el error.
La ventaja sobre la primera frmula es que al conocer exactamente el tamao de la poblacin,
el tamao de la muestra resulta con mayor precisin y se pueden incluso ahorrarse recursos y
tiempo para la aplicacin y desarrollo de una investigacin.
Por ejemplo: En el Colegio de Bachilleres, una institucin de nivel medio superior, se desea
realizar una investigacin sobre los alumnos inscritos en primer y segundo aos, para lo cual se
aplicar un cuestionario de manera aleatoria a una muestra, pues los recursos econmicos y el
tiempo para procesar la informacin resultara insuficiente en el caso de aplicrsele a la
poblacin estudiantil completa.
En primera instancia, suponiendo que no se conoce el tamao exacto de la poblacin, pero con
la seguridad de que sta se encuentra cerca a los diez millares, se aplicar la primera frmula.
Se considerar una confianza del 95%, un porcentaje de error del 5% y la mxima variabilidad
por no existir antecedentes en la institucin sobre la investigacin y porque no se puede aplicar
una prueba previa.
Primero habr que obtener el valor de Z de tal forma que la confianza sea del 95%, es decir,
buscar un valor de Z tal que P(-Z<z<Z)=0.95. Utilizando las tablas o las funciones de Excel se
pueden obtener, o viendo (en este caso) el ejemplo anterior, resulta que Z=1.96.
De esta manera se realiza la sustitucin y se obtiene:
Con lo que se tiene una cota mnima de 370 alumnos para la muestra y as poder realizar la
investigacin sin ms costo del necesario, pero con la seguridad de que las condiciones
aceptadas para la generalizacin (confiabilidad, variabilidad y error) se mantienen.
Recursos limitados:
para realizar el estudio sobre el total de la poblacin. Es como cuando se compra un aparato,
un automvil usado (por ejemplo), que se prueba unos minutos (el encendido, una carrerita,
etc.) para ver si funciona correctamente y luego se adquiere, pero no se espera a probarlo toda
la vida (encendindolo y apagndolo o, simplemente, dejndolo encendida) antes de realizar la
adquisicin.
Escasez:
Es el caso en que se dispone de una sola muestra. Por ejemplo, para el estudio
paleontolgico de los dinosaurios (el Tiranosaurio Rex por ejemplo) sera muy bueno contar
con, al menos, muchos restos fsiles y as realizar tales investigaciones; sin embargo, se
cuenta slo con una docena de esqueletos fosilizados (casi todos incompletos) de esas
criaturas en todo el mundo.
Pruebas destructivas:
poblacin total puede causar errores por su tamao o, en el caso de los censos, que sea
necesario utilizar personal no lo suficientemente capacitado; mientras que, por otro lado, el
estudio sobre una muestra podra ser realizada con menos personal pero ms capacitado.
Ya que hemos mencionado la necesidad de realizar muestras, continuaremos con algunas
caractersticas que deben tener stas para que, realmente, se puedan realizar inferencias
(inducciones) sobre ellas hacia la poblacin total.
Muestra y Censo
Aparentemente puede parecer ms conveniente inspeccionar de manera completa todos los
elementos de una poblacin que estudiar una muestra.
En la prctica es lo contrario es ms conveniente el muestreo que un censo por las siguientes
razones:
1.
La poblacin puede ser infinita en cuyo caso sera imposible efectuar un censo.
2.
Una muestra puede ser ms oportuna que un censo. Esto dado en funcin del tiempo
4.
5.
6.
2.
4.
muestrear.
Muestras y Poblaciones
Un censo comprende el examen de todos los elementos de un determinado grupo, mientras
que el muestreo comprende el anlisis de una pequea parte de ellos.
El objetivo del muestreo es establecer generalizaciones con respecto a un grupo total de
elementos sin tener que examinarlos uno por uno.
La parte del grupo de elementos que se examinan recibe el nombre de muestra, y el grupo total
de la cual se obtuvo la muestra es la poblacin.
Los elementos de una poblacin pueden ser personas, ciudades o cualquier cosa que se pueda
medir, contar o jerarquizar.
El fin del muestreo es generalizar con respecto a la poblacin fundamental, es axiomtico que
la poblacin objetivo se deba establecer de manera que se puedan hacer generalizaciones
significativas.
Las poblaciones de tamao limitado se conocen como poblaciones finitas, sin embargo las de
tamao ilimitado se conocen como poblaciones infinitas.
Las poblaciones infinitas generalmente son de cierto tipo de proceso que produce elementos o
resultados como la tirada de monedas, en el cual el nmero de resultados (caras o cruces) que
se obtienen es ilimitado.
1.
2.
la poblacin.
3.
Muestreo
El diseo de muestra o diseo de encuesta especifica el mtodo de obtencin de la muestra.
El diseo no especifica la forma de recolectar o medir los datos reales. Especifica nicamente
el mtodo de recoleccin de los objetos que contienen la informacin requerida. Estos objetos
se llaman elementos.
Un elemento es un objeto del cual se toma una medicin.
Los elementos pueden ocurrir individualmente o en grupos en la poblacin. Un grupo de
elementos, como una familia o una caja de cerillos se llama unidad de muestreo.
Es
decir los datos o medidas que se obtienen sobre una muestra y por lo tanto una estimacin de
los parmetros.
Parmetro:
Son las medidas o datos que se obtienen sobre la distribucin de probabilidades de la
poblacin, tales como la media, la varianza, la proporcin, etc.
Un parmetro es
una medida usada para describir alguna caracterstica de una poblacin, tal como una media
aritmtica, una mediana o una desviacin estndar de una poblacin.
Cuando los dos nuevos trminos de arriba son usados, por ejemplo, el proceso de estimacin
en inferencia estadstica puede ser descrito como le proceso de estimar un parmetro a partir
del estadstico correspondiente, tal como usar una media muestral (un estadstico para estimar
la media de la poblacin (un parmetro).Los smbolos usados para representar los estadsticos
y los parmetros, en ste y los siguientes captulos, son resumidos en la tabla siguiente:
Tabla 1
Smbolos para estadsticos y parmetros correspondientes
Medida Smbolo para el estadstico Smbolo para el parmetro
(muestra) (Poblacin)
Media X
Desviacin estndar s
Nmero de elementos n N
Proporcin p P
Nivel de Confianza.
Probabilidad de que la estimacin efectuada se ajuste a la realidad. Cualquier informacin que
queremos recoger est distribuida segn una ley de probabilidad (Gauss o Student), as
llamamos nivel de confianza a la probabilidad de que el intervalo construido en torno a un
estadstico capte el verdadero valor del parmetro.
Varianza Poblacional.
Cuando una poblacin es ms homognea la varianza es menor y el nmero de entrevistas
necesarias para construir un modelo reducido del universo, o de la poblacin, ser ms
pequeo. Generalmente es un valor desconocido y hay que estimarlo a partir de datos de
estudios previos.
Inferencia estadstica.
Trata el problema de la extraccin de la informacin sobre la poblacin contenida en las
muestras.
Para que los resultados obtenidos de los datos muestrales se puedan extender a la poblacin,
la muestra debe ser representativa de la poblacin en lo que se refiere a la caracterstica en
estudio, o sea, la distribucin de la caracterstica en la muestra debe ser aproximadamente
igual a la distribucin de la caracterstica en la poblacin.
La representatividad en estadstica se logra con el tipo de muestreo adecuado que siempre
incluye la aleatoriedad en la seleccin de los elementos de la poblacin que formaran la
muestra. No obstante, tales mtodos solo nos garantizan una representatividad muy probable
pero no completamente segura.
Despus de estos preliminares imprescindibles es posible pasar a tratar algunas de las formas
que desde el punto de vista cientfico se puede extraer una muestra.
Al realizar un muestreo en una poblacin podemos hablar de muestreos probabilsticos y no
probabilsticos, en nuestro caso nos referiremos a los muestreos probabilsticos y dentro del
mismo estudiaremos el muestreo aleatorio simple (MAS), como mtodo bsico en la
estadstica, dejando afuera el muestreo estratificado y el muestreo por racimos ya que no es
parte de sta investigacin.
Distribucin en el muestreo:
Cuando el tamao de la muestra (n) es ms pequeo que el tamao de la poblacin (N), dos o
ms muestras pueden ser extradas de la misma poblacin. Un cierto estadstico puede ser
calculado para cada una de las muestras posibles extradas de la poblacin. Una distribucin
del estadstico obtenida de las muestras es llamada la distribucin en el muestreo del
estadstico.
Por ejemplo, si la muestra es de tamao 2 y la poblacin de tamao 3 (elementos A, B, C), es
posible extraer 3 muestras (AB, BC Y AC) de la poblacin. Podemos calcular la media para
cada muestra. Por lo tanto, tenemos 3 medias mustrales para las 3 muestras. Las 3 medias
mustrales forman una distribucin. La distribucin de las medias es llamada la distribucin de
las medias mustrales, o la distribucin en el muestreo de la media. De la misma manera, la
distribucin de las proporciones (o porcentajes) obtenida de todas las muestras posibles del
mismo tamao, extradas de una poblacin, es llamada la distribucin en el muestreo de la
proporcin.
Error Estndar:
La desviacin estndar de una distribucin, en el muestreo de un estadstico, es
frecuentemente llamada el error estndar del estadstico. Por ejemplo, la desviacin estndar
de las medias de todas la muestras posibles del mismo tamao, extradas de una poblacin, es
llamada el error estndar de la media. De la misma manera, la desviacin estndar de las
proporciones de todas las muestras posibles del mismo tamao, extradas de una poblacin, es
llamada el error estndar de la proporcin. La diferencia entre los trminos "desviacin
estndar" y "error de estndar" es que la primera se refiere a los valores originales, mientras
que la ltima est relacionada con valores calculados. Un estadstico es un valor calculado,
obtenido con los elementos incluidos en una muestra.
Error Muestral, de estimacin o Standard.
Es la diferencia entre un estadstico y su parmetro correspondiente. Es una medida de la
variabilidad de las estimaciones de muestras repetidas en torno al valor de la poblacin, nos da
una nocin clara de hasta dnde y con qu probabilidad una estimacin basada en una
muestra se aleja del valor que se hubiera obtenido por medio de un censo completo. Siempre
se comete un error, pero la naturaleza de la investigacin nos indicar hasta qu medida
podemos cometerlo (los resultados se someten a error muestral e intervalos de confianza que
varan muestra a muestra). Vara segn se calcule al principio o al final. Un estadstico ser
ms preciso en cuanto y tanto su error es ms pequeo. Podramos decir que es la desviacin
de la distribucin muestral de un estadstico y su fiabilidad.
La diferencia entre el resultado obtenido de una muestra (un estadstico) y el resultado el cual
deberamos haber obtenido de la poblacin (el parmetro correspondiente) se llama el error
muestral o error de muestreo. Un error de muestreo usualmente ocurre cuando no se lleva a
cabo la encuesta completa de la poblacin, sino que se toma una muestra para estimar las
caractersticas de la poblacin. El error muestral es medido por el error estadstico, en trminos
de probabilidad, bajo la curva normal. El resultado de la media indica la precisin de la
estimacin de la poblacin basada en el estudio de la muestra. Mientras ms pequeo es el
error de muestras, mayor es la precisin de la estimacin. Deber hacerse notar que los
errores cometidos en una encuesta por muestreo, tales como respuestas inconsistentes,
incompletas o no determinadas, no son considerados como errores mustrales. Los errores no
mustrales pueden tambin ocurrir en una encuesta completa de la poblacin.
dependiendo del tiempo, dinero y habilidad disponibles para tomar una muestra y la naturaleza
de los elementos individuales de la poblacin.
Por lo tanto, se requiere un gran volumen para incluir todos los tipos de mtodos de muestreo.
Los mtodos de seleccin de muestras pueden ser clasificados de acuerdo a:
1.
2.
de
una
muestra.
Los elementos de una muestra pueden ser seleccionados de dos maneras diferentes:
a.
Basados
en
el
juicio
de
una
persona.
Muestreo de juicio
Una muestra es llamada muestra de juicio cuando sus elementos son seleccionados mediante
juicio personal. La persona que selecciona los elementos de la muestra, usualmente es un
experto en la medida dada. Una muestra de juicio es llamada una muestra probabilstica,
puesto que este mtodo est basado en los puntos de vista subjetivos de una persona y la
teora de la probabilidad no puede ser empleada para medir el error de muestreo, Las
principales ventajas de una muestra de juicio son la facilidad de obtenerla y que el costo
usualmente es bajo.
Muestreo aleatorio
Consideremos una poblacin finita, de la que deseamos extraer una muestra. Cuando el
proceso de extraccin es tal que garantiza a cada uno de los elementos de la poblacin la
misma oportunidad de ser incluidos en dicha muestra, denominamos al proceso de
seleccin muestreo aleatorio.
El muestreo aleatorio se puede plantear bajo dos puntos de vista:
Con reposicin.
Si no ha sido elegido en primer lugar (lo que ocurre con una probabilidad de (N-1)/N, la
probabilidad de que sea elegido en el segundo intento es de 1/(N-1)
1/(n-i).
Si consideramos una muestra de n<N elementos, donde el orden en la eleccin de los mismos
tiene importancia, la probabilidad de eleccin de una muestra cualquiera es
sea elegida es la suma de las probabilidades de elegir una cualquiera de sus n-uplas, tantas
veces como permutaciones en el orden de sus elementos sea posible, es decir
es
es decir,
El muestreo aleatorio con reposicin es tambin denominado muestreo aleatorio simple, que
como hemos mencionado se caracteriza por que
puede
interpretar
como
un
conjunto
de
valores
de variables
aleatorias independientes, cada una de las cuales tiene la misma distribucin que es llamada
distribucin poblacional.
Existen dos formas de extraer una muestra de una poblacin: con reposicin y sin reposicin.
Una muestra aleatoria simple es seleccionada de tal manera que cada muestra posible del
mismo tamao tiene igual probabilidad de ser seleccionada de la poblacin.
Un mtodo simple para obtener una muestra aleatoria simple es primero escribir el nombre o
un nmero codificado de cada elemento en la poblacin sobre una tarjeta. Las tarjetas son
colocadas en una caja. Una muestra entonces extrada de la caja despus de que las tarjetas
han sido perfectamente mezcladas. Por conveniencia este mtodo puede ser reemplazado por
una tabla de nmeros aleatorios, tales como los que se muestran adelante.
La tabla se construye extrayendo cada uno de los dgitos del 0 al 9 sobre una base de
igualmente
probables;
es
decir,
cada
uno
de
los
10
dgitos tienen
la
misma
las mismas sean independientes, en el caso de que N sea grande no es preocupante que se
haga sin reemplazamiento, ya que por ejemplo 1/N no difiere mucho de 1/N-1. Esta
probabilidad es: p =n/N
En la prctica equivale a numerar la poblacin objeto de estudio, sacando al azar cada uno de
los nmeros que van a formar la muestra y aunque en la prctica, a pesar de ser el muestro
con reemplazamiento, si el elemento (caso de que sea un individuo para hacer un test u otro
caso similar) pueda volver a ser elegido este se desprecia ya que no tiene sentido entrevistar al
mismo en ms de una ocasin y es por este consenso que se tiende a confundir y expresar que
el muestreo aleatorio simple tiene como condicin que se hace sin reemplazamiento.
Para llevar a cabo esta labor varios procedimientos como el del bombo, consistente en
introducir tantas bolas como elementos tenga la poblacin en un bombo y elegir tantas bolas
como elementos tenga la muestra.
Este procedimiento adems de ser muy laborioso puede inducir a error debido a defectos de
las bolas, al bombo o a cualquier otro factor, por lo que es preciso sustituirlo por otro mucho
ms aleatorio.
El procedimiento ms utilizado es el de las tablas de nmeros aleatorios que consiste en
seleccionar en una tabla de nmeros en grupos de cuatro dgitos formando filas y columnas;
estas se encuentran en muchos libros de Estadstica sobre todo, los que tienen como captulo
La Teora del Muestreo.
48
49
50
51
50
46
47
56
47
38
53
50
47
46
48
47
48
46
46
50
42
51
51
49
47
51
48
47
42
49
46
48
50
47
48
47
51
56
45
49
45
54
61
46
48
46
46
47
50
34
46
46
51
39
53
55
52
49
47
46
33
40
52
46
44
52
44
54
41
33
48
49
52
42
42
49
47
47
38
48
44
43
44
40
44
45
49
44
43
42
49
49
48
41
51
51
52
42
40
47
37
48
45
46
50
45
47
53
43
47
44
40
46
46
45
48
47
42
47
46
52
53
47
49
46
47
49
42
43
42
43
38
52
50
44
52
44
53
43
45
41
57
47
48
52
53
40
49
40
50
45
42
44
53
57
46
62
47
50
47
45
51
43
45
39
39
41
44
35
41
54
48
51
53
54
42
48
51
37
38
42
37
52
50
45
55
51
46
38
43
53
43
42
39
46
52
53
39
51
40
Para extraer la muestra lo primero que hacemos es disponer tres columnas en las cuales la
primera se ubicaran los nmeros aleatorios, es decir los nmeros extrados de la tabla de
nmeros aleatorios; en la segunda columna pondremos
Los nmeros aleatorios rectificados que sern aquellos nmeros aleatorios menores que N
=200 y los restos de las divisiones de los nmeros aleatorios mayores que N =200 y menores
que el mayor mltiplo de N es decir 800 y en la tercera columna de encontrara los valores de la
muestra.
En la tabla de nmeros aleatorios la tercera fila, tercera columna del segundo bloque de a 1000
le corresponde al nmero 3 pero como tenemos que coger el nmero aleatorio de tres dgitos el
primer nmero aleatorio sera el 017, los dems serian, 984, 955, 130, 850, 374, 665, 910, 288,
753, 765, 691, 496, 001, hemos escogido 14 nmeros de la tabla de nmeros aleatorios debido
a que hay 4 que son mayores que 800. Veamos a continuacin como extraemos la muestra de
la poblacin:
Para el primer nmero aleatorio 017 se busca en la poblacin el valor que ocupa la posicin
017 leda la poblacin horizontalmente que seria la edad de 48 aos, el nmero aleatorio 984
no se contempla dentro del anlisis ya que es mayor que 800, al igual que el nmero 955, el
nmero 130, le corresponde la edad de 52 aos, al nmero 850 no se contempla dentro del
anlisis, el 374 como es mayor que 200 se divide por 200 y se obtiene reto 174 y este es el
nmero aleatorio rectificado correspondindole la edad de 53 aos, al nmero 665 se divide por
200 y se obtiene resto 65 que es el nmero aleatorio rectificado correspondindole la edad de
44 aos en la poblacin, a continuacin presentaremos la tabla de las tres columnas a la cual
nos referimos anteriormente como una va fcil y prctica para obtener la muestra deseada.
Nmero aleatorio
Nmero
aleatorio muestra
rectificado
017
017
48
984
--
955
--
130
130
850
--
374
174
53
665
065
53
910
--
288
088
44
753
153
44
765
165
39
691
091
49
496
096
51
001
001
48
42
Nota: obsrvese que en la muestra existen edades que se repiten esto puede pasar si el
muestreo es con reemplazo si el muestreo es sin reemplazo debemos seguir buscando de la
misma manera en la tabla de nmeros aleatorios seguido del nmero 001, hasta lograr tener la
muestra con 10 valores de la poblacin no repetidos.
c.
opcin muestra.
d.
En la ventana muestra se introduce el rango de entrada que sera seleccionar todos los
Excel que no est afectada por ninguna informacin ni hacia abajo ni a la derecha de la misma.
Se selecciona aceptar en esta ventana y saldr el resultado deseado que sera las muestras
elegidas por el programa en la poblacin.
Muestreo con reemplazo:
Todas las posibles muestras del tamao muestral escogido (n) tienen la misma probabilidad de
ser seleccionadas
Ventajas
-
Sencillo
de
comprensin
medias y varianza.
estadstica,
fcil
Clculo rpido de
- Se basa en la teora
por
tanto
existen
para
paquetes
informticos
Desventajas
- Requiere que se posea de antemano un listado completo de toda la poblacin.
trabaja con muestras pequeas es posible que no represente a la
- Cuando se
poblacin adecuadamente.
Varianza
estimada
Varianza
Estimacin:
Estimacin de la proporcin poblacional para una muestra aleatoria simple
Estimador
estimado del estimador: con Cotas para el error de estimacin:
Varianza
En este caso y es l numero
Si N es grande, la
EL
BIBLIOGRAFIA
1. http://www.hsa.es/id/investigacion/uai/uai_docs/muestreo/muestreo.htm
2. manual de la Universidad de Mlaga: Bioestadstica: Mtodos y Aplicaciones U.D.
Bioestadstica. Facultad de Medicina. Universidad de Mlaga.
3. http://academico.uno.mx/ravila/est_desc/muestra.htm
4. http://www.uaq.mx/matematicas/estadisticas/xu5.html
5. http://html.rincondelvago.com/conceptos-y-muestreo.html
6. Carrasco JL. El mtodo estadstico en la investigacin mdica. 5 ed. Madrid. Editorial
Ciencia.
7. Hulley SB, Cummings SR. Diseo de la investigacin clnica. Ed Doyma. Barcelona 1993.
8. Kelsey IL, Thompson WD, Evans A. Methods in observational epidemiology. New
York.Oxford University Press 1986.
9. Mira JJ, Gmez J, Aranaz J, Prez E. Auditoria de historias clnicas: Cul es el tamao
adecuado de la muestra? Todo Hospital 1997; octubre: 58-64.
10. STEVENSON Willian J. Estadstica para Administracin y Economa. Editorial Harla (Harper
& Row Latinoamrica) Mxico, DF. 1981.
11. SHAO stephen p. Estadstica para Economistas y Administradores de Empresas.Editorial
Herrero Hermanos Sucs.Mxico, DF. 1980.
12. Calero Vinelo, Arstides. Tcnicas de Muestreo / Arstides Calero Vinelo.- La Habana: Editorial.
Pueblo y Educacin, 1978.- 514p.
13. Metodologa de la Investigacin / M. En C. Roberto Hernndez Sampiere... et al.
Mxico:/5.n/, 1997.---505p
14. Snchez lvarez, Rafael. Estadstica Elemental 7 Rafael Snchez lvarez y Jos A. Torres
Delgado.- La Habana: Ed. Pueblo y Educacin, 1989.- 326p.
15. Taro, Yamane. Elementary Sampling Theory / Yamane Taro.- La Habana: Editorial Pueblo y
Educacin, 1989.- 405p