UNIVERSIDAD NACIONAL DE SAN CRISTOBAL DE HUAMANGA
FACULTAD DE INGENIERÍA DE MINAS, GEOLOGÍA Y CIVIL
ESCUELA DE FORMACIÓN PROFESIONAL DE INGENIERÍA CIVIL
TRABAJO ENCARGADO N° 01
TÉCNICAS DE MUESTREO PROBABILÍSTICOS Y NO PROBABILÍSTICOS
ASIGNATURA: ESTADÍSTICA Y PROBABILIDADES (ES-241)
ESTUDIANTE: EYZAGUIRRE CUADROS, Alexander
DOCENTE: Ing. TAPIA CALDERÓN, Guillermo Bernardino
CÓDIGO: 16181102
SERIE: 200
GRUPO: 02
TURNO: TARDE
FECHA DE ENTREGA: 21 de mayo del 2019
AYACUCHO-PERÚ
2019
INDICE
INTRODUCCIÓN ..................................................................................................................................4
1. MARCO TEORICO ........................................................................................................................5
1.1. POBLACIÓN.........................................................................................................................5
1.2. MUESTRA............................................................................................................................5
1.3. TERMINOLOGÍA ..................................................................................................................5
1.4. MUESTREO .........................................................................................................................6
2. TIPOS DE MUESTREO ..................................................................................................................7
2.1. TÉCNICAS DE MUESTREO PROBABILÍSTICO ........................................................................7
2.1.1. MUESTREO ALEATORIO SIMPLE..................................................................................7
2.1.2. MUESTREO ALEATORIO ESTRATIFICADO ....................................................................8
2.1.3. MUESTREO ALEATORIO SISTEMÁTICO ........................................................................9
2.1.4. MUESTREO POR CONGLOMERADO ..........................................................................11
2.1.5. MUESTREO ALEATORIO PONDERADO ......................................................................12
2.2. MUESTREOS NO PROBABILÍSTICOS ..................................................................................13
2.2.1. MUESTREO VOLUNTARIO .........................................................................................13
2.2.2. MUESTREO POR CONVENIENCIA ..............................................................................14
2.2.3. MUESTREO POR CUOTAS ..........................................................................................15
2.2.4. MUESTREO-BOLA DE NIEVE ......................................................................................16
2.2.5. MUESTREO DE POBLACIONES MOVILES ...................................................................17
2.2.6. MUESTREO DE OPINION ...........................................................................................17
2.2.7. MUESTREO DE JUICIO ...............................................................................................19
3. BIBLIOGRAFÍA ...........................................................................................................................21
El presente trabajo es dedicado a mi familia,
quienes han sido parte fundamental para la
realización de este trabajo, ellos son quienes me
dieron grandes enseñanzas y los principales
protagonistas para encontrarme donde estoy.
INTRODUCCIÓN
Las técnicas de muestreo son un conjunto de técnicas estadísticas que estudian la forma de
seleccionar una muestra representativa de la población, es decir, que represente lo más
fielmente posible a la población a la que se pretende extrapolar o inferir los resultados de la
investigación, asumiendo un error mesurable y determinado. Cuando queremos estudiar
alguna característica de una población para obtener el máximo de información veraz, se nos
plantea un problema relacionado con la elección de los individuos. Puesto que no podemos
estudiar a toda la población por varias razones (proceso largo y coste elevado, entre otros),
debemos elegir estudiar una muestra que sea representativa y que nos permita extrapolar los
resultados que obtengamos a la población de referencia. Sin embargo, debemos considerar
que el empleo de técnicas de muestreo implica una serie de ventajas y limitaciones.
La mejor forma de asegurar la validez de las inferencias es seleccionar la muestra mediante
una técnica aleatoria. A este tipo de muestreo se le denomina muestreo probabilístico y puede
definirse como aquel en que todos los individuos de la población tienen una probabilidad de
entrar a formar parte de la muestra (normalmente equiprobable, es decir, con la misma
probabilidad). Los diseños en que interviene el azar producen muestras representativas la
mayoría de las veces, aunque no garantizan la representatividad de la población que
sometemos a estudio. Aunque en muchos estudios no es posible obtenerla rigurosamente de
esta forma, es importante seleccionarla intentando que sea lo más parecida posible a la
población de interés. En este caso, el muestreo no probabilístico utiliza métodos en que no
interviene el azar y por lo tanto, se desconoce la probabilidad asociada a cada individuo para
formar parte de la muestra. Normalmente estos métodos se utilizan en estudios exploratorios
o intencionales, en los cuales no es necesario proyectar los resultados. El inconveniente de
este método es que no puede asegurarse la representatividad de la muestra.
1. MARCO TEORICO
[Link]ÓN
Es todo conjunto de elementos, finito o infinito, definido por una o más características, de las
que gozan todos los elementos que lo componen, y sólo ellos.
En muestreo se entiende por población a la totalidad del universo que interesa considerar, y
que es necesario que esté bien definido para que se sepa en todo momento que elementos lo
componen.
No obstante, cuando se realiza un trabajo puntual, conviene distinguir entre población
teórica: conjunto de elementos a los cuales se quieren extrapolar los resultados, y población
estudiada: conjunto de elementos accesibles en nuestro estudio.
[Link]
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 población.
Para que una muestra sea representativa, y por lo tanto útil, debe de reflejar las similitudes y
diferencias encontradas en la población, ejemplificar las características de la misma.
Cuando decimos que una muestra es representativa indicamos que reúne aproximadamente
las características de la población que son importantes para la investigación.
[Link]ÍA
Población objeto: conjunto de individuos de los que se quiere obtener una información.
Unidades de muestreo: número de elementos de la población, no solapados, que se van a
estudiar. Todo miembro de la población pertenecerá a una y sólo una unidad de muestreo.
Unidades de análisis: objeto o individuo del que hay que obtener la
información. Marco muestral: lista de unidades o elementos de
muestreo.
Muestra: conjunto de unidades o elementos de análisis sacados del marco.
[Link]
Población objeto: conjunto de individuos de los que se quiere obtener una información.
Unidades de muestreo: número de elementos de la población, no solapados, que se van a
estudiar. Todo miembro de la población pertenecerá a una y sólo una unidad de muestreo.
Unidades de análisis: objeto o individuo del que hay que obtener la
información. Marco muestral: lista de unidades o elementos de
muestreo.
Muestra: conjunto de unidades o elementos de análisis sacados del marco.
2. TIPOS DE MUESTREO
2.1.TÉCNICAS DE MUESTREO PROBABILÍSTICO
Como acabamos de explicar, el muestreo probabilístico es el que todos los individuos de la
población a estudiar tienen una probabilidad conocida asociada al hecho de entrar en el
estudio. Entre los métodos de muestreo probabilísticos más utilizados en investigación
encontramos los siguientes: Muestreo aleatorio simple, estratificado, sistemático y muestreo
en etapas múltiples. A continuación se describen las características de cada uno de los
sistemas de muestreo.
2.1.1. MUESTREO ALEATORIO SIMPLE
Para N el tamaño de la población, universo o colectivo y “n” el tamaño de la muestra; se obtiene
una muestra aleatoria simple cuando las n unidades de la muestra han sido seleccionadas de tal
manera que todos los grupos diferentes de n unidades que se pueden formar con las N unidades de
la población, han tenido igual probabilidad de constituir la muestra.
Los valores para cualquier atributo especifico en las N unidades que comprenden la
población, se representa por:
𝑌1 , 𝑌2 , … , 𝑌𝑁
𝑦1 , 𝑦2 , … , 𝑦𝑛
Población:
Total: 𝑌 = ∑𝑁
𝐼=1 𝑌𝑖 = 𝑌1 + 𝑌2 + ⋯ + 𝑌3
𝑌1 ,+𝑌2 +⋯+𝑌𝑁 ∑𝑁
𝑖=1 𝑌𝑖
Media: 𝑌̅ = =
,𝑁 𝑁
Muestra:
Total: ∑𝑛𝑖=1 𝑦𝑖 = 𝑦1 + 𝑦2 + ⋯ + 𝑦𝑛
𝑦1 +𝑦2 +⋯+𝑦𝑛 ∑𝑛
𝑖=1 𝑦𝑖
Media; 𝑦̿ = =
𝑛 𝑛
2.1.2. MUESTREO ALEATORIO ESTRATIFICADO
En este tipo de muestreo, la población de N unidades es dividida en sub-poblaciones de N1, N2,…,
NL unidades, respectivamente. Estas sub-poblaciones no se sobreponen y juntas forman la totalidad
de la población, por lo que
N1+ N2+…+ NL = N
Las sub-poblaciones son llamados estratos. Para obtener un beneficio completo de la estratificación
se debe de conocer Nh. Una vez que han sido determinados los estratos, se saca una muestra de
cada uno, la extracción se realiza de forma independiente en cada estrato. Los tamaños de la
muestra dentro de los estratos son representados por n1, n2,…, nL.
Si se toma una muestra aleatoria simple en cada estrato, el procedimiento completo es conocido
como muestreo estratificado aleatorio.
La estratificación es una técnica común. Hay muchas razones para realizarla; las principales son:
Si se desea cierta precisión en alguna subdivisión, es necesario tratarla como si fuera una
“población” por sí sola.
Las conveniencias de tipo administrativo.
La diversidad de determinados grupos (por ejemplo, hoteles, hospitales, prisiones, etc.) hace
necesario un enfoque diferente al de las personas normales. O, por ejemplo, las grandes compañías
conviene separarlas en un estrato diferente, para las pequeñas empresas se puede utilizar un tipo de
muestreo por áreas.
La estratificación puede dar lugar a una ganancia en precisión de los estimadores de la población.
Esto ocurre cuando una población heterogénea es dividida en sub-poblaciones cada una de las
cuales es internamente homogénea.
𝑁ℎ Número total de unidades
𝑛ℎ Número de unidades en la muestra
𝑁ℎ
𝑊ℎ = Ponderación de estrato
𝑁
𝑓ℎ = 𝑛ℎ Fracción de muestreo en el estrato
𝑁ℎ
𝑛ℎ 𝑦
∑𝑖=1 ℎ𝑖
𝑦̿ℎ = Media verdadera
𝑛ℎ
2.1.3. MUESTREO ALEATORIO SISTEMÁTICO
Este método de muestreo consiste en lo siguiente: Supóngase que las N unidades de la población
se numeran en algún orden de 1 a N. Para seleccionar una muestra de n unidades tomamos una al
azar de las k primeras unidades, a continuación elegimos la que viene k unidades siguientes y así
sucesivamente. Por ejemplo, si k =30 y la primera unidad elegida es la 19, las subsiguientes
unidades serán los números 49, 79, 109, etc. La selección de la primera unidad determina la muestra
completa. Este tipo de muestreo se llama muestra sistemática de cada k-ésima unidad.
Las ventajas de este método sobre el aleatorio simple son:
La población en n sustratos, los cuales consisten en las primeras k unidades, las Es más fácil obtener
la muestra y ejecutarlo con menos errores.
Intuitivamente aparece como más preciso que el muestreo simple aleatorio. En efecto, estratifica
segundas k unidades, etc. Eligiendo una unidad por estrato. La diferencia está en que en el muestreo
estratificado la unidad dentro de cada sustrato se elige al azar, en este siempre está en la misma
posición relativa.
Una variante del muestreo sistemático consiste en escoger cada unidad en el centro del estrato; esto
es, en lugar de empezar la secuencia con un número al azar escogido del 1 al k, tomamos el número
inicial como (k+1)/2 si k es impar y (k+2)/2 si k es par.
- Es un método sugerido por Madow (1949), que como señala Murty (1967), se utilizó en
una encuesta en la india, tenemos una extensión de muestreo sistemático. Sus ventajas son
que la muestra fácilmente se extrae para cualquier n, el método conserva 𝜋𝑖 = 𝑛𝑧𝑖 , y
proporciona una estimación insesgada de Y. además la persona que construye la muestra
puede en ocasiones poseer un conocimiento anticipado, que le permita arreglar
aproximadamente las unidades en un orden para el cual el muestreo sistemático da buenos
resultados. Una desventaja del método sistemático, es como de costumbre la ausencia de una
𝑌̂
𝑠𝑦𝑠 insesgada.
𝑦 1 𝑦
𝑌𝑠𝑦𝑠 = ∑𝑛𝑖 𝜋𝑖 = 𝑛 ∑𝑛𝑖 𝑧 𝑖 es una estimación insesgada de Y. (Cochran William, 1982)
𝑖 𝑖
El riesgo 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.
2.1.4. MUESTREO POR CONGLOMERADO
El muestreo de unidades elementales tiene dos principales inconvenientes de tipo práctico:
Imposibilidad en muchas ocasiones de obtener una lista de unidades elementales en la cual basar
la selección de la muestra. La selección de unidades elementales proporciona, en general, una
muestra muy esparcida de unidades a entrevistar con el consiguiente incremento de coste y tiempo.
Para evitar estos inconvenientes surge de forma natural la idea de agrupar unidades elementales
próximas entre sí en una unidad mayor que se denomina conglomerado, constituyéndose el
conjunto de conglomerados en las nuevas unidades de muestreo. Los conglomerados deben estar
perfectamente definidos, lo cual significa que no haya solapamiento entre ellos -una unidad
elemental pertenece sólo a un conglomerado- y que el conjunto de todos los conglomerados
contiene a la población objeto de estudio. Así pues, en el muestreo de conglomerados se selecciona
una muestra de conglomerados. Si posteriormente, investigamos todas las unidades elementales
contenidas en los conglomerados seleccionados en la muestra, el muestreo se dice de
conglomerados sin submuestreo o muestreo en una etapa, que es el que vamos a estudiar aquí. Se
denomina tamaño del conglomerado al número de unidades elementales que contiene.
Supondremos que todos los conglomerados son de igual tamaño M. Supondremos también que la
selección de la muestra se hace con probabilidades iguales y sin reemplazamiento (muestreo
aleatorio simple):
N = número de conglomerados en la población.
M0=NM= número total de unidades elementales en la población.
n= número de conglomerados en la muestra.
nM= número de unidades elementales en la muestra.
1
N= ∑𝑛𝑖=1 𝑚𝑖 El promedio del tamaño de los conglomerados de la muestra se calcula de la
𝑛
siguiente manera
N=∑𝑛𝑖=1 𝑚𝑖 El tamaño de la población se calcula de la siguiente manera
2.1.5. MUESTREO ALEATORIO PONDERADO
Cuando la población incluye un grupo muy pequeño pero esencial, hay el riesgo de que
ningún miembro de ese grupo quede dentro de una muestra aleatoria. Tales grupos claves de
usuarios de productos son, entre otros, gente corto de vista, duro de oído o con la capacidad
reducida del movimiento, véase una lista de tal gente. Otras minorías a menudo significativas
originan de religiones, de nacionalidades y de lenguas.
Para asegurar por lo menos algunos de una minoría clave (marcada con x en el diagrama a la
derecha) en la muestra, podemos incrementar deliberadamente la razón de la muestra sobre
este grupo de especial importancia. Por supuesto que esto generará un desequilibrio en las
mediciones que se obtengan a partir de la muestra ponderada, pero será fácil restaurar el
equilibro original. Esto se hace así cuando se combinan los resultados; por ejemplo, al
calcular la media de todas las mediciones daremos a las mediciones de cada grupo su peso
apropiado correspondiente a los porcentajes genuinos en la población.
[Link] NO PROBABILÍSTICOS
- La selección de la muestra no es aleatoria, sino que se basa, en parte, en el juicio
del entrevistador o de responsable de la investigación.
- No se basa en ninguna teoría de la probabilidad y, por lo tanto, no es posible calcular
la precisión o acotar el error cometido.
- No es posible calcular estos errores ni la confianza de las estimaciones que, además,
no siempre se reducen aumentando el tamaño de la muestra.
- En el muestreo no probabilístico los costes y la dificultad del diseño son más
reducidos (al no ser necesario disponer de un marco). Este muestreo puede dar
buenos resultados, pero también apareja el riesgo de proporcionar una información
errónea.
2.2.1. MUESTREO VOLUNTARIO
Es creada cuando todos los miembros de la población tienen la oportunidad de participar en
la muestra. Si usted inserta una forma de cuestionario en un periódico o en una página de
Internet y pide que la gente dé sus opiniones sobre un asunto, usted conseguirá una muestra
de voluntarios. Un otro ejemplo es la respuesta de los clientes que llega a una empresa.
Una muestra de voluntarios puede ser una alternativa práctica cuando no hay lista de los
miembros de la población de quien una muestra aleatoria se podría escoger, o cuando es
difícil de contactar a la gente en una muestra porque sus direcciones no se saben. La
desventaja es que es difícil determinar la presencia del sesgo, es decir si las opiniones u otras
características interesantes de los voluntarios se desvían de ésos de la población. Cuando en
vista de esta pregunta, hay dos cuestiones que plantearse:
- ¿Qué es la población que usted apunta? ¿Es cierto que todos los miembros de la
población concernida tenían las mismas oportunidades de ser incluidos en la muestra?
- ¿Hay cualquier razón por qué puedan diferir los voluntarios del resto de la población?
¿Por ejemplo, tienen ellos, o por lo menos algunos de ellos, una razón especial para
ofrecerse?
Si usted, por ejemplo, quiere obtener una muestra de gente que ha comprado su último
producto, usted puede incluir en el paquete del producto un formulario franqueo-pagada
donde la gente puede dar sus nombres y direcciones. ¿Qué sucedería si usted pidió además
que los respondedores dieran sus opiniones del producto? Usted conseguiría probablemente
respuestas sobre todo de la gente que tiene una opinión fuerte de su producto, positiva o
negativa. La gente sin opinión definida de su producto quizás no incomodaría contestar. La
muestra sería así sesgada, y usted tendría que considerar si tal tendencia podría ser aceptable
para sus fines.
2.2.2. MUESTREO POR CONVENIENCIA
Un grupo existente, por ejemplo la gente en una reunión, podría ser designado como muestra.
Este es un método fácil y barato, pero el sesgo suele ser imposible de estimar. El método es
popular en las demostraciones de cursos sobre métodos, donde los datos obtenidos de la
muestra no se usarán. Asimismo, esto es un método posible cuando usted necesita a algunos
clientes potenciales asistir al desarrollo de producto, a condición de que los resultados
obtenidos sean probados más adelante con una muestra mejor escogida de la clientela-
objetivo.
2.2.3. MUESTREO POR CUOTAS
Las aproximaciones no probabilísticas son utilizadas cuando el investigador no dispone del
marco muestral para la población en estudio o cuando simplemente, no se considera necesario
o adecuado el uso de un procedimiento probabilístico. El muestreo por cuotas encuentra su
fundamento en que, si se conocieran todas las características de la población y sus
proporciones correspondientes, sería posible organizar una muestra que estuviera
“cuotificada” en todas sus dimensiones, de tal manera que fuera representativa de la
población, sin necesidad de extracción aleatoria individual de sus unidades. Por ejemplo, si
se pretendiera abordar la influencia del nivel de estudios en los hábitos de lectura de una
población, se deberían establecer cuotas a partir de los distintos niveles de estudio que se
pueden alcanzar. Las cuotas más habituales en la investigación social vienen definidas por el
sexo, la edad, la educación, la etnia, la religión y el nivel socioeconómico, pues la mayoría
de los marcos o bases muestrales recogen estas variables. En el muestreo por cuotas, se suelen
dar instrucciones generales a los entrevistadores como: buscar dos hombres y tres mujeres en
una manzana específica y asegurarse que cuatro tengan más de 25 años y uno menor de 25
años. Por otro lado, en el muestreo probabilístico a los entrevistadores se les proporcionan
nombres o direcciones ya seleccionadas aleatoriamente sin subjetividad humana.
Es una técnica en donde el investigador asegura una representación equitativa y
proporcionada de los sujetos, en función de que rasgo es considerado base de la cuota. En el
muestreo por cuotas se escogen personas con las características deseadas, pero no se
seleccionan aleatoriamente de la población. En general, se trata de elaborar una matriz donde
se calculan las proporciones relativas para cada celda cuya base sería la proporción que
representa cada categoría de las variables seleccionadas de la población total.
PROCEDIMIENTOS:
Se divide la población en subgrupos exclusivos.
- El investigador identifica las proporciones de estos subgrupos en la población. Esta
misma proporción será aplicada al proceso de muestreo.
- El investigador selecciona sujetos de los diversos subgrupos teniendo en cuenta las
proporciones observadas en el paso anterior.
2.2.4. MUESTREO-BOLA DE NIEVE
Este diseño muestral es atribuido a Leo. A Goodman, estadístico de la Universidad de
Chicago conocido por sus desarrollos en ciencia sociales; el cual en 1961 publico el artículo
“Snowball Sampling”. La bola de nieve se usa con frecuencia para medir características en
poblaciones que carecen de marco muestral, para acceder a poblaciones de baja incidencia
y/o a individuos de difícil acceso; a lo que se conoce como poblaciones ocultas. En estos
casos no es posible aplicar alguna técnica de muestreo probabilístico, y de allí surge la
conveniencia de usar el método de bola de nieve. Esta técnica no probabilística sustenta que
los miembros de la población tienen una red social, la cual nos permitirá contactarlos. Trata
que los individuos seleccionados para ser estudiados recluten a nuevos participantes entre
sus conocidos, así el tamaño de la muestra incrementa durante el desarrollo del muestreo.
Para aumentar la validez del proyecto es indispensable que la muestra generada se aproxime
a una muestra aleatoria simple, lo cual se puede facilitar considerando los siguientes puntos:
- El primer grupo debe ser seleccionado aleatoriamente, considerar este punto nos
ayudará a reducir el sesgo generado.
- Considerar la diversidad de los miembros en muestra ayudará a aumentar la validez
del estudio en proceso.
2.2.5. MUESTREO DE POBLACIONES MOVILES
Este tipo de muestreo utiliza métodos de captura marca y recaptura. Se utiliza mucho en el
estudio de migración de poblaciones de animales y otras características.
El muestreo de poblaciones móviles suele depender de métodos de captura-marca-recaptura.
La población total se estima de la proporción de los individuos en la recaptura que han sido
capturados previamente y marcados. Hay modelos teóricos ingeniosos que se utilizan para
expresar en forma explícita las suposiciones del método. Estos tipos diferentes de muestreo
de modelos varían muy ampliamente en grado y área de justificación. Sin embargo, tienen
en común gran dependencia en la validez de suposiciones muy amplias acerca de las
distribuciones de las variables de encuesta en la población. (Leslie Kish, 1972)
Nos trata de explicar que este método de muestreo se utiliza mucha para el cálculo de la
migración de poblaciones, es muy eficaz en el campo demográfico
2.2.6. MUESTREO DE OPINION
Se encarga de realizar estudios de opinión pública sobre aspectos sociales, económicos y
políticos. También realiza estudios de mercado, contando para ello con un personal
especializado en muestreo. Por muchos años, los sondeos de opinión fueron realizados a
través de telecomunicaciones o, principalmente cara a cara, tanto en las calles como en los
hogares de las personas. Los métodos y técnicas variaban, aunque están ampliamente
aceptados en la mayor parte de lugares. Se pueden realizar encuestas verbales, con papeletas
de votación y procesadas de manera eficiente, para contrastar otros tipos de encuesta con
matrices sistemáticas y más complicadas en comparación a los procedimientos ortodoxos
previos.
Los sondeos de opinión se desarrollaron en aplicaciones populares, aunque las tasas de
respuesta para algunas encuestas declinaron. En algunos países se ha vuelto común la
realización de sondeos de opinión mediante llamadas telefónicas, siendo estas más fáciles,
baratas y rápidas que le método cara a cara. Además de esto, los sondeos vía se van tomando
más populares, a pesar de las dificultades de tomar muestras de carácter científico en gran
parte por ciertos sectores importantes en algunos países. Los encuestadores que utilizan
encuestas por internet, deben trazar la muestra a partir de un gran parte de voluntarios y los
resultados son sopesados para reflejar la demografía de la población de interés. Esto marca
una diferencia en las encuestas populares a las cuales se someten cualesquiera participar, más
que una muestra científica de la población y por ello no son generalmente considerados como
precisas. La redacción de un sondeo puede incluir sesgos, dado que el sesgo puede estar en
la opinión. Por ejemplo, es más probable que el público indique su apoyo por una persona
que es descrita por el operador como uno de los candidatos que lideran la elección. Esta
pregunta en sí mismo oculta un sesgo sutil por un candidato, al agrupar que se utilizan en los
sondeos del siglo XXI varían en complejidad debido a estas circunstancias.
2.2.7. 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 probabilística,
puesto que este método está basado en los puntos de vista subjetivos de una persona y la
teoría 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.
CONCLUSIÓN
El muestreo Estadístico resulta beneficioso para implementarlo en la realización de un
estudio, debido a que mediante este se pueden obtener probabilidades bajas o altas a través
de determinados beneficios que estas técnicas ofrecen. En los diferentes tipos de muestreo
existen no probabilística en los cuales se deben establecer diferencia en el momento de
realizar nuestras investigaciones por tanto que en el no probabilística no toda la población
forma parte de la muestra y en el probabilística todos los individuos tienen probabilidad
positiva de formar parte de la muestra.
El muestreo es sencillamente el procedimiento que se emplea a extraer una pequilla parte de
una población dentro de un universo a esta se le llama espacio muestra dentro de un universo.
Es importante resaltar que el primer procedimiento al realizar una auditoría, es iniciar las
investigaciones de manera tal que esta arrojen conclusiones provenientes de determinados
estudios como puede ser el estadístico a través de una muestra probabilística.
3. BIBLIOGRAFÍA
- Azorín (1986). Muestreo. Madrid. Edit. Alianza
- Ochoa, C. (2015) Muestreo no probabilístico: muestreo por bola de nieve.
- Cochran Gemmell, W. (1978). tecnica de muestreo. [En linea].
- Azorín Poch,Francisco. (1972). curso de muestreo y aplicación. [En linea].
- kish, Leslie. (1965). muestreo de encuestas. [En linea]. consultado[14,mayo,2019 ].
Disponible [Link]
- Adela Abad de Servín, A. A. (1984). introduccion al [Link]. limusa.
- Calzada Benza, J . (1970). Estadistica general con enfasis en muestreo. Edit. Jurídica
