ENCUESTAS

POBLACION: es el conjunto de todos los elementos de interés

MUESTRA: es un subconjunto de la población. Una muestra representativa es una muestra que
recoge todas las características relevantes de la población.

En las encuestas es necesario distinguir entre la población objetivo y la población muestreada.

POBLACION OBJETIVO: es aquella de la cual deseamos hacer inferencias, mientras que la
POBLACION MUESTREADA es aquella de la que se selecciona realmente la muestra.
Las conclusiones de la encuesta solo se aplican a la población muestreda. El que esas conclusiones
puedan abarcar a la población objetivo depende del juicio del analista. El asunto clave es si la
correspondencia entre la población muestreada y la población objetivo, respecto a los elementos
de interés, es suficientemente estrecha como para permitir esta ampliación.
Antes de muestrear se debe dividir a la población en unidades de muestreo. En algunos casos, esas
unidades de muestreo tan solo son los elementos; en otros, son conglomerados de los elementos.
Una lista de las unidades de muestreo para determinado estudio se llama marco.

Ej: suponga que se desea encuestar a ingenieros profesionales registrados que intervienen en el
diseño de sistemas de calefacción y de aire acondicionado para edificios comerciales. Si estuviera
disponible una lista de los ingenieros dedicados a esos trabajos, las unidades de muestreo serían los
ingenieros que deseamos encuestar; si la lista no existe, debemos encontrar un método alterno. Por
ejemplo, un directorio telefónico comercial (ya sea físico o de internet), podría tener una lista de
todas las empresas de ingeniería que intervienen en el diseño de sistemas de calefacción y de aire
acondicionado. En esta lista podríamos seleccionar una muestra de cuáles empresas de ingeniería
encuestar; a continuación, para cada empresa encuestada, entrevistaríamos a todos los ingenieros
profesionales. En este caso, las empresas de ingeniería serían las unidades de muestreo y los
ingenieros encuestados los elementos. En la encuesta de ingenieros profesionales, se define al
marco como todas las empresas de ingeniería que aparecen en el directorio telefónico comercial; el
marco no es una lista de todos los ingenieros profesionales, porque no existe esa lista. La elección
de determinado marco y, en consecuencia la definición de las unidades de muestreo quedan
determinadas, con frecuencia, por la disponibilidad y la confiabilidad de una lista. En la práctica, el
desarrollo del marco puede ser uno de los pasos más difíciles e importantes cuando se hace una
encuesta.

TIPOS DE ENCUESTA Y METODOS DE MUESTREO

En una encuesta el volumen de información sobre las unidades y las variables es mucho mayor y a
veces considerablemente grande, debido a la utilización de técnicas de muestreo y a la inferencia
estadística. Esta es una gran ventaja en términos comparativos. Económicamente, si bien el costo
de una encuesta es relativamente elevado, a veces se obtiene una mejor información con una
encuesta, casi con el mismo esfuerzo invertido en una observación o una entrevista.
Al poder reducir el problema investigativo al lenguaje de variable, la cuantificación se hace posible
y garantiza al analista una mejor precisión que la brindada por la observación y la entrevista y la
combinación de estas 3 puede ayudar muchísimo a la hora de tomar decisiones.

Los 3 tipos más comunes de encuesta son por correo (emails), por teléfono y por entrevista
personal; cada uno de ellos implica diseñar y aplicar un cuestionario. Hay otro tipo de encuesta que
se usa para reunir datos y que no empleen cuestionarios. Por ejemplo, muchas veces se contrata
empresas de contaduría para muestrear el inventario de una empresa y estimar el valor de las
existencias en el balance general. En tales encuestas, simplemente alguien cuenta los artículos y
anota los resultados.

Encuesta personal: el procedimiento generalmente requiere que el entrevistador realice preguntas

separadas y registre las respuestas que da el entrevistado. Es importante asegurar la plena
colaboración del sujeto para que suministre la información deseada. El entrevistador debe motivar
su participación. Una ventaja es que la gente usualmente responde cuando es confrontada en
persona. También ofrece la posibilidad de que el entrevistador explique y amplié la pregunta. La
mayor limitación es el costo involucrado, seguida de la necesidad de adiestrar correctamente a los
encuestadores a fin de evitar sesgos.

Encuesta por teléfono: es menos costosa que la personal, el mayor problema es el establecimiento
de un marco que corresponda fielmente a la población. Algunas razones son que el directorio este
desactualizado por alguna razón, cambio de domicilio, venta de la casa y que la nueva dirección no
se actualice, o que ya no se tenga una línea telefónica pues muchos hogares y empresas tienen una
dirección web o números celulares. Se recomienda que estas encuestas sean cortas porque el
personal tiende a impacientarse mas fácilmente cuando se habla por teléfono. Las encuestas
telefónicas pueden ser tan exitosas como las personales si se tienen cuestionarios bien diseñados y
encuestadores adiestrados.

Encuestas por correo: ya sean enviadas física o por email a los individuos escogidos en la muestra
deben auto aplicarse, por lo tanto este debe diseñarse muy cuidadosamente para motivar la
participación de los respondientes. Se reducen costos pero genera una tasa menor de respuesta en
vista de que se tiene un menor contacto con los respondientes.

Las encuestas se pueden clasificar en relación con el método de muestreo empleado. Con el
muestreo probabilístico se puede calcular la probabilidad de obtener cada muestra posible; con el
muestreo no probabilístico, esa probabilidad se desconoce, por lo tanto este no se debe usar si el
investigador pretende emplearlo para obtener Intervalos de Confianza donde se establecen cotas
de error de muestreo.

ERRORES DE ENCUESTAS

Al llevar a cabo una encuesta se pueden presentar dos tipos de errores. El error de muestreo, que
se define como la magnitud de la diferencia entre el estimador puntual obtenido con la muestra y
el parámetro poblacional; en otras palabras, es aquel que se presenta por no encuestar a cada
elemento de la población. El error ajeno al muestreo, o error de no muestreo, se refiere a los demás
tipos de errores que se pueden presentar al hacer una encuesta, como error de medición, error del
entrevistador y error de procesamiento.

Error ajeno al muestreo

Es uno de los mas comunes, y se presenta cuando se mide la característica de interés en forma
incorrecta. Se puede minimizar con un buen adiestramiento del encuestador, buen diseño del
cuestionario, con ensayos previos y con una administración cuidadosa del proceso de codificación y
captura de los datos en el computador. Los errores por la falta de respuestas deben preocupar tanto
al responsable de diseñar la encuesta como a quien usa los resultados. El problema es mas serio si
se crea un sesgo o prejuicio. Por ejemplo, en las entrevistas para evaluar actitudes de las mujeres
hacia el trabajo fuera del hogar, si solo se hicieran llamadas telefónicas a domicilio durante el día se
crearía un sesgo obvio, porque las mujeres que trabajan fuera del hogar quedarían excluidas de la
muestra.

También ocurren los errores de selección y el error de procesamiento, el primero cuando se incluye
un elemento inadecuado por ejemplo: se diseñó una encuesta para definir el perfil de los hombres
con barba; si alguno de los entrevistadores interpretara que “hombres con barba abarca hombres
con bigote, mientras que otros entrevistadores no lo hiciera, los datos obtenidos resultarían
sesgados.
Aunque se pueden tener algunos errores ajenos al muestreo en la mayoría de las encuestas, se
pueden reducir al mínimo mediante una planeación cuidadosa. Se debe tratar de asegurar que la
población muestreada corresponda fielmente a la población objetivo, que se sigan buenos
principios de diseño del cuestionario, que estén bien capacitados los entrevistadores, etc. el informe
final de una encuesta debe mencionar el impacto probable de los errores ajenos al muestreo en los
resultados.

Error de muestreo
Se presenta porque se encuesta una muestra y no toda la población total, se puede controlar es
seleccionando un método o un diseño adecuado de muestreo. Algunos de los mas usados son:
muestreo aleatorio simple, muestreo estratificado, por conglomerados y el sistemático.

Elementos constitutivos de una encuesta

 Diseño del cuestionario de la encuesta. Construir preguntas respecto a una o mas variables
a medir o evaluar y básicamente son cerradas o abiertas.
Las preguntas cerradas contienen categorías o alternativas de respuesta que han sido
delimitadas, es decir, se presentan a los sujetos las posibilidades de respuesta a las cuales
se debe elegir una de ellas o varias de ellas (selección múltiple), también pueden ser para
asignar puntajes o para calificar utilizando una escala Likert. Para formular preguntas
cerradas es necesario anticipar alternativas de respuesta y que el entrevistado conozca y
comprenda las categorías de respuesta.
Preguntas abiertas: no delimitan las alternativas de respuesta. Son útiles cuando no
tenemos información sobre las posibles respuestas o cuando esta información es
insuficiente, aunque son difíciles de codificar y clasificar a la hora de preparar el informe.
Características de una pregunta: a) las preguntas deben ser claras, comprensibles para los
que responden. b) las preguntas no deben incomodar al que responde. c) las preguntas
deben referirse preferentemente a un solo aspecto o a una relación lógica. d) las preguntas
no deben inducir a las respuestas. e) las preguntas no pueden apoyarse en instituciones,
ideas respaldadas socialmente ni en evidencia comprobada. f) en las preguntas con varias
alternativas o categorías de respuesta, y donde el que responde solo tiene que elegir una,
llega a ocurrir que el orden en que se presentan dichas alternativas afecta la respuesta de
los sujetos. g) el lenguaje utilizado en las preguntas debe ser apropiado para las
características del que responde.
 Diseño de la muestra. Definir a que tipo de población se va a hacer la encuesta.
 Trabajo de campo de la encuesta. Se debe hacer una prueba previa al cuestionario y
aplicarlo a los encuestados.
 Codificación de la encuesta
 Análisis
 MUESTREO

En ocasiones en que no es posible o conveniente realizar un censo (analizar a todos los

elementos de una población), se selecciona una muestra, entendiendo por tal una parte
representativa de la población.

El muestreo es por lo tanto una herramienta de la investigación científica, cuya función

básica es determinar que parte de una población debe examinarse, con la finalidad de hacer
inferencias sobre dicha población.

La muestra debe lograr una representación adecuada de la población, en la que se

reproduzca de la mejor manera los rasgos esenciales de dicha población que son
importantes para la investigación. Para que una muestra sea representativa, y por lo tanto
útil, debe de reflejar las similitudes y diferencias encontradas en la población, es decir
ejemplificar las características de ésta.

A continuación se describen los distintos tipos para estos dos grandes grupos, si bien en
general, para los estudios que nosotros llevaremos a cabo, trabajaremos con muestreos
probabilísticos.

1 – Métodos de muestreo probabilísticos:

Los métodos de muestreo probabilísticos 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 tamaño n tienen la misma probabilidad de ser elegidas.
Sólo estos métodos de muestreo probabilísticos nos aseguran la representatividad de la
muestra extraída y son, por tanto, los más recomendables. Dentro de los métodos de
muestreo probabilísticos encontramos los siguientes tipos:

Con frecuencia el costo de reunir información de una muestra es mucho menor que el de
una población, en particular si hay que llevar a cabo entrevistas personales para obtener la
información.
Se pueden usar varios métodos para seleccionar una muestra a partir de una población uno
de los mas comunes es el Muestreo Aleatorio simple, la definición de este método y el
proceso de seleccionar una muestra aleatoria simple depende de si la población es finita o
infinita.
Muestreo para poblaciones finitas: una muestra aleatoria simple de tamaño n, de una
población finita de tamaño N, se define es una muestra seleccionada de tal manera que
cada muestra posible de tamaño n tenga la misma probabilidad de ser seleccionada

Muestreo aleatorio simple: El procedimiento empleado es el siguiente, seleccionar uno por

uno los elementos que constituyen la muestra, de tal modo que cada uno de los elementos
que aún quedan en la población tengan la misma probabilidad de ser seleccionados así: 1)
se asigna un número a cada individuo de la población, 2) a través de algún medio mecánico
(bolas dentro de una bolsa, tablas de números aleatorios, números aleatorios generados
con una calculadora u ordenador, etc) se eligen tantos sujetos como sea necesario para
completar el tamaño de muestra requerido.
Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad práctica cuando la
población que estamos manejando es muy grande.

En general se utiliza muestreo sin remplazo, pero se pueden presentar las siguientes
condiciones dependiendo de la muestra en cuestión.

Sin reposición de los elementos: Cada elemento extraído se descarta para la subsiguiente
extracción. Por ejemplo, si se extrae una muestra de una "población" de bombillas para
estimar la vida media de las bombillas que la integran, no será posible medir más que una
vez la bombilla seleccionada.

Con reposición de los elementos: Las observaciones se realizan con remplazamiento de los
individuos, de forma que la población es idéntica en todas las extracciones. En poblaciones
muy grandes, la probabilidad de repetir una extracción es tan pequeña que el muestreo
puede considerarse con reposición aunque, realmente, no lo sea.

Con reposición múltiple: En poblaciones muy grandes, la probabilidad de repetir una

extracción es tan pequeña que el muestreo puede considerarse con reposición.

Muestreo para poblaciones infinitas: la mayoría de los casos de muestreo en los negocios
y la economía son de poblaciones finitas, pero en algunas situaciones la población es infinita
o (si es finita) es tan grande que, para fines prácticos, se puede considerar como finita, por
lo tanto una muestra aleatoria simple de una población infinita es aquella que se selecciona
en tal forma que se satisfacen las siguientes condiciones: 1) cada elemento seleccionado
proviene de la misma población, 2) cada elemento se selecciona en forma independiente.
No se puede usar un procedimiento de selección con números aleatorios para una
población infinita, porque es imposible hacer una lista de esa población. En este caso se
debe determinar especialmente un procedimiento de selección de muestra, para
determinar los elementos en forma independiente y evitar un prejuicio de selección que
haga posible mayores probabilidades se selección para ciertos artículos.

Muestreo aleatorio sistemático: Este procedimiento exige, como el anterior, numerar

todos los elementos de la población, pero en lugar de extraer n números aleatorios sólo se
extrae uno. Se parte de ese número aleatorio i, que es un número elegido al azar, y los
elementos que integran la muestra son los que ocupan los lugares i, i+k, i+2k, i+3k,...,i+(n-
1)k, es decir se toman los individuos de k en k, siendo k el resultado de dividir el tamaño de
la población entre el tamaño de la muestra: k = N/n. El número i que empleamos como
punto de partida será un número al azar entre 1 y k.

El riesgo se este tipo de muestreo está en los casos en que se dan periodicidades en la
población ya que al elegir a los miembros de la muestra con una periodicidad constante (k)
podemos introducir una homogeneidad que no se da en la población. Imaginemos que
estamos seleccionando una muestra sobre listas de 10 individuos en los que los 5 primeros
son varones y los 5 últimos mujeres, si empleamos un muestreo aleatorio sistemático con
k=10 siempre seleccionaríamos o sólo hombres o sólo mujeres, no podría haber una
representación de los dos sexos.

Muestreo aleatorio estratificado: Trata de obviar las dificultades que presentan los
anteriores ya que simplifican los procesos y suelen reducir el error muestral para un tamaño
dado de la muestra. Consiste en considerar categorías típicas diferentes entre sí (estratos)
que poseen gran homogeneidad respecto a alguna característica (se puede estratificar, por
ejemplo, según la profesión, el municipio de residencia, el sexo, el estado civil, etc). Lo que
se pretende con este tipo de muestreo es asegurarse de que todos los estratos de interés
estarán representados adecuadamente en la muestra. Cada estrato funciona
independientemente, pudiendo aplicarse dentro de ellos el muestreo aleatorio simple o el
estratificado para elegir los elementos concretos que formarán parte de la muestra. En
ocasiones las dificultades que plantean son demasiado grandes, pues exige un
conocimiento detallado de la población (tamaño geográfico, sexos, edades,...).

Este muestreo funciona mejor cuando la varianza entre los elementos de cada estrato es
relativamente pequeña.

La distribución de la muestra en función de los diferentes estratos se denomina afijación, y

puede ser de diferentes tipos:

Afijación Simple: A cada estrato le corresponde igual número de elementos muestrales.

Afijación Proporcional: La distribución se hace de acuerdo con el peso (tamaño) de la
población en cada estrato.

Afijación Óptima: Se tiene en cuenta la previsible dispersión de los resultados, de modo

que se considera la proporción y la desviación típica. Tiene poca aplicación ya que no se
suele conocer la desviación.

Por ejemplo, para un estudio de opinión, puede resultar interesante estudiar por separado
las opiniones de hombres y mujeres pues se estima que, dentro de cada uno de estos
grupos, puede haber cierta homogeneidad. Así, si la población está compuesta de un 55%
de mujeres y un 45% de hombres, se tomaría una muestra que contenga también esos
mismos porcentajes de hombres y mujeres.

Para una descripción general del muestreo estratificado y los métodos de inferencia
asociados con este procedimiento, suponemos que la población está dividida en h
subpoblaciones o estratos de tamaños conocidos N1, N2,..., Nh tal que las unidades en cada
estrato sean homogéneas respecto a la característica en cuestión. La media y la varianza
desconocidas para el i-ésimo estrato son denotadas por mi y si2, respectivamente.

Muestreo por estados múltiples.

Esta técnica es la única opción cuando no se dispone de lista completa de la población de

referencia o bien cuando por medio de la técnica de muestreo simple o estratificado se
obtiene una muestra con unidades distribuidas de tal forma que resultan de difícil acceso.
En el muestreo a estadios múltiples se subdivide la población en varios niveles ordenados
que se extraen sucesivamente por medio de un procedimiento de embudo. El muestreo se
desarrolla en varias fases o extracciones sucesivas para cada nivel.

Por ejemplo, si tenemos que construir una muestra de profesores de primaria en un país
determinado, éstos pueden subdividirse en unidades primarias representadas por
circunscripciones didácticas y unidades secundarias que serían los propios profesores. En
primer lugar extraemos una muestra de las unidades primarias (para lo cual debemos tener
la lista completa de estas unidades) y en segundo lugar extraemos aleatoriamente una
muestra de unidades secundarias de cada una de las primarias seleccionadas en la primera
extracción.

Muestreo aleatorio por conglomerados: Los métodos presentados hasta ahora están
pensados para seleccionar directamente los elementos de la población, es decir, que las
unidades muestrales son los elementos de la población. En el muestreo por conglomerados
la unidad muestral es un grupo de elementos de la población que forman una unidad, a la
que llamamos conglomerado. Las unidades hospitalarias, los departamentos universitarios,
una caja de determinado producto, etc, son conglomerados naturales. En otras ocasiones
se pueden utilizar conglomerados no naturales como, por ejemplo, las urnas electorales.
Cuando los conglomerados son áreas geográficas suele hablarse de “muestreo por áreas”.

También podemos decir que el muestreo por conglomerados consiste en seleccionar

aleatoriamente un cierto número de conglomerados (el necesario para alcanzar el tamaño
muestral establecido) y en investigar después todos los elementos pertenecientes a los
conglomerados elegidos. Para finalizar con esta exposición de los métodos de muestreo
probabilísticos es necesario comentar que ante lo compleja que puede llegar a ser la
situación real de muestreo con la que nos enfrentemos es muy común emplear lo que se
denomina muestreo polietápico. Este tipo de muestreo se caracteriza por operar en
sucesivas etapas, empleando en cada una de ellas el método de muestreo probabilístico
más adecuado.

Se utiliza cuando la población se encuentra dividida, de manera natural, en grupos que se

supone que contienen toda la variabilidad de la población, es decir, la representan
fielmente respecto a la característica a elegir, pueden seleccionarse sólo algunos de estos
grupos o conglomerados para la realización del estudio. Este funciona mejor cuando cada
grupo proporciona una representación de la población a pequeña escala.

Dentro de los grupos seleccionados se ubicarán las unidades elementales, por ejemplo, las
personas a encuestar, y podría aplicársele el instrumento de medición a todas las unidades,
es decir, los miembros del grupo, o sólo se le podría aplicar a algunos de ellos, seleccionados
al azar. Este método tiene la ventaja de simplificar la recogida de información muestral.

Cuando, dentro de cada conglomerado seleccionado, se extraen algunos individuos para

integrar la muestra, el diseño se llama muestreo bietápico.

Las ideas de estratos y conglomerados son, en cierto sentido, opuestas. El primer método
funciona mejor cuanto más homogénea es la población respecto del estrato, aunque más
diferentes son éstos entre sí. En el segundo, ocurre lo contrario. Los conglomerados deben
presentar toda la variabilidad, aunque deben ser muy parecidos entre sí.

Homogeneidad de las poblaciones o sus subgrupos.

Homogéneo significa, en el contexto de la estratificación, que no hay mucha variabilidad.

Los estratos funcionan mejor cuanto más homogéneos son cada uno de ellos respecto a la
característica a medir. Por ejemplo, si se estudia la estatura de una población, es bueno
distinguir entre los estratos mujeres y hombres porque se espera que, dentro de ellos, haya
menos variabilidad, es decir, sean menos heterogéneos. Dicho de otro modo, no hay tantas
diferencias entre unas estaturas y otras dentro del estrato que en la población total.
Por el contrario, la heterogeneidad hace inútil la división en estratos. Si se dan las mismas
diferencias dentro del estrato que en toda la población, no hay por qué usar este método
de muestreo. En los casos en los que existan grupos que contengan toda la variabilidad de
la población, lo que se construyen son conglomerados, que ahorran algo del trabajo que
supondría analizar toda la población. En resumen, los estratos y los conglomerados
funcionan bajo principios opuestos: los primeros son mejores cuanto más homogéneo es el
grupo respecto a la característica a estudiar y los conglomerados, si representan fielmente
a la población, esto es, contienen toda su variabilidad, o sea, son heterogéneos.

2 – Métodos de muestreo no probabilísticos:

A veces, para estudios exploratorios, el muestreo probabilístico resulta excesivamente

costoso y se acude a métodos no probabilísticos, aun siendo conscientes de que no sirven
para realizar generalizaciones, pues no se tiene certeza de que la muestra extraída sea
representativa, ya que no todos los sujetos de la población tienen la misma probabilidad de
se elegidos. En general se seleccionan a los sujetos siguiendo determinados criterios
procurando que la muestra sea representativa.

Muestreo por cuotas: También denominado en ocasiones “accidental”. Se asienta

generalmente sobre la base de un buen conocimiento de los estratos de la población y/o
de los individuos más “representativos” o “adecuados” para los fines de la investigación.
Mantiene, por tanto, semejanzas con el muestreo aleatorio estratificado, pero no tiene el
carácter de aleatoriedad de aquél.

En este tipo de muestreo se fijan unas “cuotas” que consisten en un número de individuos
que reúnen unas determinadas condiciones, por ejemplo: 20 individuos de 25 a 40 años, de
sexo femenino y residentes en una determinada región. Una vez determinada la cuota se
eligen los primeros que se encuentren que cumplan esas características. Este método se
utiliza mucho en las encuestas de opinión.

Muestreo intencional: Este tipo de muestreo se caracteriza por un esfuerzo deliberado de

obtener muestras “representativas” mediante la inclusión en la muestra de grupos
supuestamente típicos. Es muy frecuente su utilización en sondeos preelectorales de zonas
que en anteriores votaciones han marcado tendencias de voto.

Muestreo casual o incidental: Se trata de un proceso en el que el investigador selecciona

directa e intencionadamente los individuos de la población. El caso más frecuente de este
procedimiento el utilizar como muestra los individuos a los que se tiene fácil acceso (los
 profesores de universidad emplean con mucha frecuencia a sus propios alumnos). Un caso
particular es el de los voluntarios.

Bola de nieve: Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros,
y así hasta conseguir una muestra suficiente. Este tipo se emplea muy frecuentemente
cuando se hacen estudios con poblaciones “marginales”, delincuentes, sectas,
determinados tipos de enfermos, etc.

Muestreo subjetivo por decisión razonada

En este caso las unidades de la muestra se eligen en función de algunas de sus

características de manera racional y no casual. Una variante de esta técnica es el muestreo
compensado o equilibrado, en el que se seleccionan las unidades de tal forma que la media
de la muestra para determinadas variables se acerque a la media de la población. La cual
funciona en base a referencias o por recomendación.

Lenguaje de Muestreo

Definiciones:

Población es el grupo entero de objetos o individuos bajo estudio, de los cuales queremos obtener
información.
Muestra es una parte de la población de la cual obtenemos información.
Unidad es un objeto individual o persona en la población.
Variable es una característica de interés medida en cada unidad de la muestra.
El tamaño de la población se denota por la letra mayúscula N.
El tamaño de la muestra se denota por la letra minúscula n.
Parámetro es una medida numérica que se calcularía usando todas las unidades de la población.
Estadístico es una medida numérica que se calcula de las unidades de la muestra.

COMPARACION ENTRE LOS MUESTREOS

Aleatorio CARACTERISTICAS INCONVENIENTES VENTAJAS

simple Requiere que se Se selecciona una muestra - Sencillo y de fácil
posea de antemano de tamaño n de una comprensión.
un listado completo población de N unidades, - Cálculo rápido de
de toda la población. cada elemento tiene una medias y varianzas.
Cuando se trabaja
 con muestras probabilidad de inclusión - Se basa en la teoría
pequeñas es posible igual y conocida de n/N. estadística, y por tanto
que no represente a existen paquetes
la población informáticos para analizar
adecuadamente. los datos

Sistemá- Si la constante de Conseguir un listado de los N

tico muestreo está elementos de la población - Fácil de aplicar.
asociada con el Determinar tamaño - No siempre es necesario
fenómeno de interés, muestral n. tener un listado de toda
las estimaciones Definir un intervalo k= N/n. la población.
obtenidas a partir de Elegir un número aleatorio, - Cuando la población
la muestra pueden r, entre 1 y k (r= arranque está ordenada siguiendo
contener sesgo de aleatorio). una tendencia conocida,
selección Seleccionar los elementos asegura una cobertura de
de la lista. unidades de todos los
tipos.

Estratifi- En ciertas ocasiones

cado - Se ha de conocer la resultará conveniente
distribución en la estratificar la muestra según
población de las ciertas variables de interés.
variables Para ello debemos conocer
la composición estratificada
de la población objetivo a
- Tiende a asegurar que la
muestra represente
adecuadamente a la
población en función de
unas
 DETERMINACION DEL TAMAÑO DE LA MUESTRA

Ej: En una fábrica hay 1000 personas trabajando, 600 de las cuales son obreros, 250 técnicos
y 150 profesionales. Se quiere seleccionar una muestra aleatoria simple (de 200 personas,
por ejemplo), la probabilidad de selección de cada persona es:

p= n/N = 200 / 1000 = 0.2 y la distribución tendería a que los 200 de la muestra se
distribuyan así: 120 obreros, 50 técnicos y 30 profesionales.

Una forma práctica para seleccionar unidades es hacerlo en forma sistemática, escogiendo
una unidad cada intervalo, donde el intervalo se calcula así:

K=N/n=

Ej: si queremos tomar una muestra de 500 viviendas en un barrio que tiene 2000 viviendas,
el intervalo de selección sería: K = N / n = 2000/ 500 = 4, y por selección sistemática,
escogemos al azar un número entre 1 y 4, a partir del número seleccionado y cada 4
viviendas se hace una escogencia, hasta completar la muestra. Pero el procedimiento típico
sería: una vez identificado el universo, se le asigna un número que identifica cada elemento,
puede ser una lista enumerándolos consecutivamente y con una tabla de números
aleatorios se seleccionan los componentes hasta completar la muestra.

Muestreo estratificado: cuando hay estratos de importancia para la investigación, tales

como el sexo, las regiones de un país, las comunas de una ciudad, se escoge la muestra al
interior del estrato. En el ejemplo de la fábrica en el que utilizamos M.A.S., podríamos haber
argumentado que obreros y técnicos y profesionales son mas importantes para establecer
comparaciones y se decide escoger 80 de cada estrato, entonces las probabilidades para
cada grupo serían:

Obreros 80/600 = 0.133

Técnicos 80/250 = 0.320
Profesionales 80/150 = 0.530
Luego vemos que la probabilidad para cada grupo es diferente, sino que depende del
estrato en que estas se encuentran, así el obrero tiene menor posibilidad de ser
seleccionado que un profesional.

Este proceso de estratificación requiere que la población sea dividida en grupos

homogéneos, llamados estratos, donde cada elemento tiene una característica tal que no
le permite pertenecer a otro estrato. Y puede ser por Muestras de igual tamaño (en este
tipo de muestreo debe seleccionarse un número igual de elementos en cada grupo,
mediante procedimiento al azar). Muestreo proporcional: (aquí el tamaño de muestra por
estrato se escoge de tal forma que sea proporcional al tamaño poblacional del mismo).
Afijación óptima: (este método utiliza la mejor subdivisión posible de una muestra total,
repartición en todos los estratos, considerando tanto la variación como el tamaño de cada
estrato, además se tiene en cuenta el costo de la investigación.

En el caso de muestreo por conglomerado, la unidad de muestreo es el conglomerado y en

el muestreo de elementos la unidad de muestreo contiene un solo elemento. Estos
conglomerados deben estar bien definidos de tal forma que cada elemento de la población
pertenezca a uno y solo uno a un conglomerado. El número de conglomerados debe ser
pequeño, de tal forma que pueda haber ahorro en los costos, lo es una característica que
justifican este tipo de diseño muestral; aquí no tenemos error de muestreo al interior del
conglomerado, aunque se puede presentar por la variabilidad entre conglomerados.

TAMAÑO DE LA MUESTRA: el investigador debe conocer lo que se ha hecho en otros

estudios similares, debe tener en cuenta los recursos económicos con que se cuenta y desde
el punto de vista teórico, lo mas importante, los objetivos finales del estudio que realiza.

n= no , donde no es la primera aproximación al tamaño de la muestra y corresponde a:

1 * no no = (Z α/2)2 PQ
N d2
Z = es el valor correspondiente al nivel de confianza así:

Para un nivel de confianza del 90% = 1.645

Para un nivel de confianza del 95% = 1.96
Para un nivel de confianza del 99% = 2.58

P = probabilidad de que suceda el evento d= margen de error de muestreo

Q= probabilidad de que no suceda el evento N = tamaño de la población
Cuando no se conocen “p” estos valores se asume p= 0.5 para cada uno, puesto que corresponden
a los valores que dan la máxima variabilidad en el producto de P * Q.

Ej: se realizara una investigación en educación básica de una ciudad sobre “dificultades en el
aprendizaje de las matemáticas”. Se realizara en un municipio con 35.280 estudiantes, se desea
seleccionar una muestra cuyo margen de error de muestreo del 2% y cuyo nivel de confianza sea
del 95%. Cual debe ser el tamaño de la muestra?

N= 35280 ( tamaño de muestra)

d= 0.02 (error de muestreo)
Z = 1.96 (valor de Z para el nivel de confianza)
No se conoce p ni q, entonces asumimos que valen 0.5

no= (1.96)2 (0.5) ( 0.5) = 2401 y el tamaño de la muestra será: n= 2401 = 2248
(0.02)2 1 + 2401
35280
O sea que se deben muestrear a 2248 niños.

Si nos enfocamos en obtener un tamaño de muestra suficientemente grande para obtener

un margen de error deseado.

n = (Z α/2)2 *σ2 , (este sería el tamaño de muestra mínimo necesario para obtener el
E2 margen de error deseado).

Ej: En un estudio previo se encontró que el costo promedio de rentar un vehículo de gama media es
de $55 US. por día. Se desea realizar otro estudio para estimar la media poblacional del costo de
rentar un auto diariamente, el director de proyectos especifico que la media poblacional de las
rentas por día debe estimarse con un margen de error de $2 US. y se desea un nivel de confianza
del 95%., de datos anteriores se sabe que σ = $9.65

n= (1.96)2 * (9.65)2 = 89.43 ≈ 90 es el tamaño de muestra necesario para obtener un margen de

22 error de $2Us

TAMAÑO DE LA MUESTRA PARA UNA PROPORCION

n = (Z α/2)2 * p * (1-p)
E2

Ej: Se desea determinar la proporción actual en la población de jugadoras que esta satisfecha con
la disponibilidad de horario de salida. De que tamaño deberá ser la muestra si se desea que en la
estimación de la proporción poblacional, el error no debe ser mayor de 0.025 con el 95% de
confianza.

Como E= 0.025 y Z α/2 = 1.96, y un “p” planeado de p= 0.44 entonces:

n= (1.96)2 (0.44) (1- 0.44) = 1514.5 ≈ 1515 mujeres (así: el tamaño de la muestra debe ser por
(0.025)2 lo menos de 1515 mujeres deportistas para
satisfacer el margen de error requerido.

TAMAÑO DE LA MUESTRA PARA UN METODO ESTRATIFICADO

En este muestreo se puede considerar que la elección del tamaño de la muestra es un proceso en
dos etapas. Primero, se debe elegir un tamaño total de la muestra n. en segundo lugar, decidir como
asignar las unidades muestreadas a los diversos estratos.

nh= n Nh * sh y n= (∑ Nh * sh)2
∑ Nh * sh N2 (d2/4) + ∑ (Nh * sh2)

Donde la ∑ debe ser de todos los estratos h=1 hasta H

Ej: Un distribuidor de carros desea encuestar a los clientes que le compraron un Renault, Mazda y
Chevrolet, para hacer proyecciones de ventas para el futuro. En especial, suponga que la agencia
desea estimar el promedio de ingresos mensuales de los clientes, con una cota o margen de error o
error de muestreo de $100Us, los 600 clientes del distribuidor se dividieron en 3 estratos: 100
dueños de Renault, 200 Mazda y 300 de Chevrolet. Se hizo una encuesta piloto para estimar la
desviación estándar en cada estrato, cuyos resultados son s1= 1300, s2=900 y s3=500 dólares,
respectivamente,
3
∑ Nh * sh = 100(1300) + 200 (900) + 300 (500) = 460.000
h=1
3
∑ Nh * sh2 = 100(1300)2 + 200 (900) 2 + 300 (500) 2 = 406´000.000
h=1

n= (460000) 2 = 162
2 2
(600) (100) + 406´000 000
4

Usando la ecuación de nh averiguamos la muestra para cada estrato así:

n1= 162 (100 * 1300) = 46 n2= 162 (200 * 900) = 63 n3= 162 (300 * 500) = 53
460000 460000 460000

La prueba seria: 46 + 63 + 53 = 162 clientes a muestrear.