Probabilidad

La probabilidad se refiere a la mayor o menor posibilidad de que ocurra un suceso.

Su noción viene de la necesidad de medir la certeza o duda de que un suceso dado
ocurra o no. Esta establece una relación entre el número de sucesos favorables y el
número total de sucesos posibles. Por ejemplo, lanzar un dado, y que salga el número
uno (caso favorable) está en relación a seis casos posibles (seis caras); es decir, la
probabilidad es 1/6.
Los sucesos favorables son los válidos según la experiencia del individuo; y los
posibles son los que pueden darse si son válidos o no a su experiencia. La probabilidad
y estadística están relacionadas al ser el área donde se registran sucesos. La etimología
del término viene del latín probabilitas o posibilitatis, relacionadas a “probar” o
“comprobar” y tat que se refiere a “cualidad”. El término se relaciona a la cualidad de
probar.
La historia de la probabilidad comienza en el siglo XVII cuando Pierre Fermat » y
Blaise Pascal » tratan de resolver algunos problemas relacionados con los juegos de
azar. Aunque algunos marcan sus inicios cuando Cardano (jugador donde los haya)
escribió sobre 1520 El Libro de los Juegos de Azar (aunque no fué publicado hasta más
de un siglo después, sobre 1660) no es hasta dicha fecha que comienza a elaborarse una
teoría aceptable sobre los juegos.
Christian Huygens conoció la correspondencia entre Blaise Pascal y Pierre Fermat
suscitada por el caballero De Méré, se planteó el debate de determinar la probabilidad
de ganar una partida, y publicó (en 1657) el primer libro sobre probabilidad: De
Ratiociniis in Ludo Aleae, (Calculating in Games of Chance), un tratado sobre juegos
de azar.Se aceptaba como intuitivo el concepto de equiprobabilidad, se admitía que la
probabilidad de conseguir un acontecimiento fuese igual al cociente entre
Durante el siglo XVIII, debido muy particularmente a la popularidad de los juegos
de azar, el cálculo de probabilidades tuvo un notable desarrollo sobre la base de la
anterior definición de probabilidad. Destacan en 1713 el teorema de Bernoulli y la
distribución binomial, y en 1738 el primer caso particular estudiado por De Moivre » ,
del teorema central del límite. En 1809 Gauss » inició el estudio de la teoría de errores y
en 1810 Laplace, que había considerado anteriormente el tema, completó el desarrollo
de esta teoría. En 1812 Pierre Laplace » publicó Théorie analytique des probabilités en
el que expone un análisis matemático sobre los juegos de azar.
A mediados del siglo XIX, un fraile agustino austríaco, Gregor Mendel, inició el
estudio de la herencia, la genética, con sus interesantes experimentos sobre el cruce de
plantas de diferentes características. Su obra, La matemática de la Herencia, fue una de
las primeras aplicaciones importantes de la teoría de probabilidad a las ciencias
naturales
Desde los orígenes la principal dificultad para poder considerar la probabilidad como
una rama de la matemática fue la elaboración de una teoría suficientemente precisa
como para que fuese aceptada como una forma de matemática. A principios del siglo
XX el matemático ruso Andrei Kolmogorov » la definió de forma axiomática y
estableció las bases para la moderna teoría de la probabilidad que en la actualidad es
parte de una teoría más amplia como es la teoría de la medida.

Tipos de probabilidad
Existen los siguientes tipos de probabilidad:
 Frecuencial. Aquella que determina la cantidad de veces que un fenómeno
puede ocurrir, considerando un número determinado de oportunidades, a través
de la experimentación.
Matemáticamente la probabilidad frecuencial se expresa como:

Dónde:
s: es un suceso determinado
N: Número total de sucesos
P(s): Es la probabilidad del suceso s
Intuitivamente esto se lee como el límite de la frecuencia cuando n tiende a infinito.
En palabras sencillas, el valor al que tiende la probabilidad de un suceso, cuando
repetimos el experimento muchísimas veces.
Por ejemplo, Si lanzas 100 veces una moneda puede salir 40 veces cara y 60 cruz.
Eso sí, este resultado (que podría haber sido cualquier otro) no indica que la
probabilidad de cara sea del 40% y la probabilidad de salir cruz del 60%. No. Lo que la
probabilidad frecuencial nos indica es que cuando lancemos la moneda infinitas veces la
probabilidad debe estabilizarse en 0,5. Siempre y cuando, claro está, la moneda sea
perfecta.
 Matemática. Pertenece al ámbito de la aritmética, y aspira al cálculo en cifras
de la probabilidad de que determinados eventos aleatorios tengan lugar, a partir
de la lógica formal y no de su experimentación.
Obedece a un conjunto de operaciones aritméticas que se lleva a cabo, las cuales
ameritan que se calculen en cifras los eventos aleatorios que pueden suceder en un
determinado campo.
Utilizando el ejemplo anterior, se calcularían las veces en las cuales la moneda cae
cara o cae cruz.
Probabilidad = Casos favorables / Casos posibles
El resultado se multiplica por 100 para expresarlo en porcentaje.
 Calcular la probabilidad de que salga "cara" al lanzar una moneda:

Casos favorables: 1 (que salga "cara")

Casos posibles: 2 (puede salir "cara" o "cruz")
Probabilidad = (1 / 2 ) x 100 = 50 %

 Binomial. Aquella en la que se estudia el éxito o fracaso de un evento, o

cualquier otro tipo de escenario probable que tenga dos posibles resultados
únicamente.
En la distribución binomial tenemos tres variables:

n es el número de veces que repetimos el experimento.

p es uno de los dos resultados al que llamaremos éxito.
q es el otro resultado posible al que llamaremos fracaso.
Como p y q son los dos únicos resultados posibles, entre los dos su porcentaje debe
sumar uno por lo que p=1-q.
Para hacer el experimento lo primero que tenemos que hacer es definir p, es decir, en
el ejemplo del dado definir si éxito o p es que salga un número par o impar; a partir de
ahí, q será la otra posibilidad.
Ejemplo: supongamos que vamos con prisa por la calle y queremos tomar un
taxi, vamos a calcular la probabilidad de que el próximo taxi que pase esté libre
u ocupado. Como hoy está lloviendo es muy probable que esté ocupado. Vamos
a asignar a la probabilidad de que esté libre un 15% (es decir, 0,15). Si
definimos p o éxito como la probabilidad de que esté libre la de que esté
ocupado será q que, al ser 1-p será 1-0,15, es decir 0,85 o, dicho en porcentaje,
el 85%
Así, si queremos saber la probabilidad de que un resultado ocurra determinadas
veces utilizaremos estos porcentajes.
Por ejemplo, si observamos que pasan diez taxis y queremos saber la
probabilidad de que tres de ellos estén libres la fórmula sería:

Donde P es la probabilidad de que tres taxis de los diez estén libres, r las veces
que queremos calcular que estén libres, en este caso tres, p el porcentaje de
éxito, en este caso 0,15, elevado a r, que hemos visto antes, por q (el porcentaje
 de fracaso que, en este caso es 0,85) elevado a n menos r; n sobre r se calcula
utilizando números factoriales.

 Objetiva. Se denomina así a toda probabilidad en la que conocemos de

antemano la frecuencia de un evento, y simplemente se dan a conocer los casos
probables de que ocurra dicho evento.

La probabilidad objetiva puede obtenerse utilizando:

 La recolección de datos que pueden ser históricos o generados en un

experimento
 El método clásico o lógico

En el caso de la recolección de datos podemos pensar en el caso de un vendedor de

periódicos que ha registrado el número de periódicos vendidos durante los últimos 52
lunes, la siguiente tabla muestra la información:

Periódicos vendidos Número de semanas

50 13
52 15
55 14
60 10
Totales 52

De la tabla podemos leer que se vendieron 50 periódicos 13 veces, es decir, 13 lunes

de los últimos 52 lunes. Entonces, se vendieron 52 periódicos en 15 ocasiones, 55
periódicos en 14 ocasiones y 60 periódicos en 10 ocasiones.

También sabemos que el número total de observaciones es 52, se registró la venta de

periódicos para los últimos 52 lunes (13+15+14+10=52). Con esta información
podemos calcular la probabilidad de vender un cierto número de periódicos en lunes:

Periódicos vendidos Probabilidad

50 0.25
52 0.2885
55 0.2692
60 0.1923
Totales 1

Entonces, podemos decir que la probabilidad de vender un cierto número de

periódicos en un lunes cualquiera es la frecuencia relativa con la que ocurre tal evento
en un número total de posibles resultados.
 Se aclara que se habla de lunes puesto que la venta de periódicos en otro día de la
semana puede tener un comportamiento muy diferente para el vendedor de periódicos.

Un ejemplo del método clásico consiste en determinar de manera lógica las

probabilidades de los eventos de interés. Por ejemplo, sabemos que:

 La probabilidad de que el resultado sea cara al arrojar una moneda al aire es 0.5.
La mitad de las veces se tendrá cara como resultado y la otra mitad de las
ocasiones se tendrá cruz.
 La probabilidad de que cualquiera de las 6 caras de un dado sea el resultado
después de lanzarlo es un sexto. Si lanzamos el dado 600 veces esperamos que
cada cara sea el resultado 100 veces.
 La probabilidad de sacar una carta del palo de espadas en una baraja de 52 cartas
es 0.25, esto quiere decir que esperamos obtener una carta de espadas por cada 4
cartas que sacamos.

Los resultados anteriores los podemos calcular sin necesidad de realizar el

experimento, no hemos lanzado moneda ni dado alguno, tampoco hemos sacado cartas
de una baraja.

Sabemos que cuando una moneda se detenga después de haber sido arrojada al aire
existen dos posibles resultados: cara o cruz. Entonces, conocemos el denominador de la
fórmula para calcular la probabilidad:

Si el evento o resultado de interés es que caiga cara, entonces, el numerador de la

fórmula lo podemos determinar contestando la pregunta: ¿cuántas caras hay en una
moneda? Hay una cara en una moneda. Es decir, hay una sola cara considerando ambos
lados de la moneda.

Del mismo modo, podemos calcular la probabilidad de obtener un 4 después de

lanzar un dado. Solo existen 6 posibles resultados y, entre ellos, solamente uno
corresponde al resultado que nos interesa P(4).

Para obtener el numerador y denominador nos podemos preguntar:

 Finalmente, si en una baraja hay 52 cartas divididas en 4 palos —espadas, corazones,
rombos y tréboles— y, cada palo tiene el mismo número de cartas —trece—, entonces,
la probabilidad de sacar una carta del palo de espadas es:

 Subjetiva. Contrapuesta a la matemática, se sustenta en ciertas eventualidades

que permiten inferir la probabilidad de un evento, aunque alejada de una
probabilidad certera o calculable. De allí su subjetividad.

La probabilidad subjetiva es producto de la pericia de expertos. A lo largo del tiempo

se han desarrollado técnicas para evaluar la probabilidad subjetiva de algún evento,
algunas de ellas son Jurado de opinión ejecutiva y Método Delphi.

Ambas técnicas consideran las opiniones de expertos para obtener la estimación de la

probabilidad de un evento.

La probabilidad subjetiva es muy útil cuando se considera que los factores de juicio,
práctica y experiencia de un grupo de expertos son pertinentes ya que los datos
necesarios para calcular la probabilidad objetiva no existen o son poco precisos.

Algunas preguntas que la probabilidad subjetiva ayuda a contestar son:

 ¿Cuál es la probabilidad de que el precio del barril de petróleo sea mayor de 100
dólares en los próximos 10 años?
 ¿Cuál es la probabilidad de que un nuevo teléfono inteligente domine el
mercado?
 ¿Cuál es la probabilidad de fabricar un producto defectuoso en un nuevo proceso
de producción?

 Hipergeométrica. Aquella que se obtiene gracias a técnicas de muestreo,

creando grupos de eventos según su aparición.

Modela el número de eventos en una muestra de tamaño fijo cuando usted conoce el
número total de elementos en la población de la cual proviene la muestra. Cada
elemento de la muestra tiene dos resultados posibles (es un evento o un no evento). Las
muestras no tienen reemplazo, por lo que cada elemento de la muestra es diferente.
Cuando se elige un elemento de la población, no se puede volver a elegir. Por lo tanto,
la probabilidad de que un elemento sea seleccionado aumenta con cada ensayo,
presuponiendo que aún no haya sido seleccionado.

Utilice la distribución hipergeométrica para muestras obtenidas de poblaciones

relativamente pequeñas, sin reemplazo. Por ejemplo, la distribución hipergeométrica se
utiliza en la prueba exacta de Fisher para probar la diferencia entre dos proporciones y
en muestreos de aceptación por atributos cuando se toman muestras de un lote aislado
de tamaño finito.
 La distribución hipergeométrica se define por 3 parámetros: tamaño de la población,
conteo de eventos en la población y tamaño de la muestra.

Por ejemplo, usted recibe un envío de pedido especial de 500 etiquetas. Supongamos
que el 2% de las etiquetas es defectuoso. El conteo de eventos en la población es de 10
(0.02 * 500). Usted toma una muestra de 40 etiquetas y desea determinar la probabilidad
de que haya 3 o más etiquetas defectuosas en esa muestra. La probabilidad de que haya
3 o más etiquetas defectuosas en la muestra es de 0.0384.

Ejemplo de cálculo de las probabilidades hipergeométricas

Supongamos que hay diez automóviles disponibles para que usted los pruebe (N = 10)
y cinco de ellos tienen motores turbo (x = 5). Si prueba tres de los vehículos (n = 3),
¿cuál es la probabilidad de que dos de los tres que probará tengan motores turbo?

1. Elija Calc > Distribuciones de probabilidad > Hipergeométrica.

2. Elija Probabilidad.
3. En Tamaño de la población (N), ingrese 10. En Conteo de eventos en la
población (M), ingrese 5. En Tamaño de la muestra (n), ingrese 3.
4. Elija Constante de entrada e ingrese 2.
5. Haga clic en Aceptar.

La probabilidad de que seleccione exactamente dos automóviles con motores turbo

de forma aleatoria cuando pruebe tres de los diez vehículos es 41.67%.

 Lógica. La que posee como rasgo característico que establece la posibilidad de

ocurrencia de un hecho a partir de las leyes de la lógica inductiva.
La lógica probabilística es una extensión natural de las tablas de verdad de la lógica
tradicional, pero a diferencia de esta, los resultados que define se derivan de expresiones
de probabilidad. Uno de los problemas con las lógicas probabilistas es que tienden a
multiplicar la complejidad computacional de sus componentes probabilísticos y lógicos.
Otro problema es la posibilidad de resultados contraintuitivos, como los que aparece en
la lógica subjetiva basada en evidencia que hace uso de la teoría Dempster-Shafer. La
necesidad de lidiar con una amplia variedad de contextos y problemas ha llevado a
muchas propuestas diferentes.
  Condicionada. Aquella que se emplea para comprender la causalidad entre dos
hechos distintos, cuando puede determinarse la ocurrencia de uno tras la
ocurrencia del otro.

La probabilidad condicional se escribe P(A|B) o P(A/B), y se lee «la probabilidad de

A dado B».

No tiene por qué haber una relación causal o temporal entre A y B. A puede preceder
en el tiempo a B, sucederlo o pueden ocurrir simultáneamente. A puede causar B,
viceversa o pueden no tener relación causal. Las relaciones causales o temporales son
nociones que no pertenecen al ámbito de la probabilidad. Pueden desempeñar un papel o
no, dependiendo de la interpretación que se les dé a los eventos.

Un ejemplo clásico es el lanzamiento de una moneda para luego lanzar un dado. ¿Cuál
es la probabilidad que en el dado salga un 6 si ya ha salido una cara en la moneda? Esta
probabilidad se denota de esta manera: P(6/C)

Eventos

Un evento aleatorio o fuente de sucesos aleatorio es un subconjunto de un espacio

muestral, es decir, un conjunto de posibles resultados que se pueden dar en un posible
pero muy lejano experimento aleatorio.

Un suceso elemental es cada uno de los posibles resultados de un experimento

aleatorio. Cada una de los seis resultados posibles al lanzar el dado una vez, es un
suceso elemental o resultado elemental. En teoría de la probabilidad es el primer
concepto que se estudia.

Para calcular la probabilidad de un evento se toma en cuenta todos los casos posibles
de ocurrencia del evento; es decir, de cuántas formas puede ocurrir determinada
situación. Los casos favorables de ocurrencia de un evento serán los que cumplan con la
condición que estoy buscando.

La probabilidad de ocurrencia de un determinado suceso podría definirse como la

proporción de veces que ocurriría dicho suceso si se repitiese un experimento o una
observación en un número grande de ocasiones bajo condiciones similares.

Un evento conjunto es el formado por dos o más elementos del espacio muestral.

Un evento simple es un resultado específico. Los resultados ocurren al azar si cada

resultado ocurre por casualidad. Cómo La probabilidad de un evento es una razón que
compara el número de calcular los resultados favorables con el número de resultados
posibles.

Un evento compuesto es un evento con más de un resultado. Por ejemplo, lanzar un

dado de 6 lados y sacar un número par: 2, 4, y 6.
Espacio Muestral
El espacio muestral está formado por todos los posibles resultados de un
experimento aleatorio. Es decir, se compone de todos y cada uno de los sucesos
elementales.
El espacio muestral es una parte del espacio probabilístico. Como su propio nombre
indica, está formado por los elementos de la muestra. Al contrario, el espacio
probabilístico engloba todos los elementos. Incluso aunque no salgan recogidos en la
muestra.

Símbolo del espacio muestral

El espacio muestral se denota con la letra griega Ω (Omega). Está compuesto por
todos los sucesos elementales y/o compuestos de la muestra y, por tanto, coincide con el
suceso seguro. Es decir, aquel suceso que siempre va a ocurrir.
Un ejemplo de espacio muestral en el lanzamiento de una moneda sería:
Ω = {C, X}
Dónde C es cara y X es cruz. Esto es, los posibles resultados son cara o cruz.
Ejemplo de espacio muestral
Supongamos el caso de un dado con 6 caras. Enumeradas del 1 al 6 ¿Cuál sería el
espacio muestral del experimento lanzar un dado una sola vez?
Ω = {1, 2, 3, 4, 5, 6}
¿Y si el experimento consiste en lanzar el dado dos veces? Diferenciamos entre un dado
rojo y un dado verde.
Ω = {1 y 1, 1 y 2, 1 y 3, 1 y 4, 1 y 5, 1 y 6, 2 y 1, 2 y 2, 2 y 3 … 6 y 6 }
Es decir, que en el dado rojo salga un 1 y que en el dado verde salga un 1, sería el
primer suceso elemental. El segundo suceso elemental consistiría en que en el dado rojo
salga un 1 y en el verde un 2. Así hasta un total de 36 sucesos elementales.

Diferencia entre espacio muestral y espacio probabilístico

Confundir espacio muestral y espacio probabilístico es algo habitual. Suele creerse
que son sinónimos. Sin embargo, no es así. El espacio probabilístico es un concepto
mucho más amplio y está formado, además de otros conceptos, por el espacio muestral.
Función de probabilidad de una distribución discreta de probabilidad

Se llama función de probabilidad de una variable aleatoria discreta X a la aplicación

que asocia a cada valor de xi de la variable su probabilidad pi.

0 ≤ pi ≤ 1

p1 + p2 + p3 + · · · + pn = Σ pi = 1

Ejemplo
Calcular la distribución de probabilidad de las puntuaciones obtenidas al lanzar un
dado.

Representación

La representación de una distribución discreta de probabilidad es un diagrama de

barras.

Función de probabilidad de la distribución binomial

La función de probabilidad de la distribución binomial, también denominada función

de la distribución de Bernoulli, es:

n es el número de pruebas.

k es el número de éxitos.

p es la probabilidad de éxito.

q es la probabilidad de fracaso.
El número combinatorio

Ejemplo

De acuerdo con un estudio geológico, en un pozo de exploración

petrolera hay 0,2 de probabilidad de encontrar petróleo. Encuentre la probabilidad de:

a) localizar petróleo por primera vez en el tercer pozo que se perfore.

b) Encontrar el segundo pozo en el séptimo pozo perforado.
c) Encuentre la media y varianza de la cantidad de pozos que hay que
perforar
si la compañía desea abrir tres pozos de producción

Solución.

a) Tenemos que r = 1 y y = 3, entonces

Es importante notar que esto es exactamente lo mismo que realizar la prueba

tomando Y con distribución geométrica, dado que buscamos un éxito.

b) Para este caso r = 2 y y = 7, por lo tanto

c) Usando las fórmulas con r = 3 y p = 0,2, tenemos

Distribución de probabilidad
En teoría de la probabilidad y estadística, la distribución de probabilidad de una
variable aleatoria es una función que asigna a cada suceso definido sobre la variable la
probabilidad de que dicho suceso ocurra. La distribución de probabilidad está definida
sobre el conjunto de todos los sucesos y cada uno de los sucesos es el rango de valores
de la variable aleatoria. También puede decirse que tiene una relación estrecha con las
distribuciones de frecuencia. De hecho, una distribución de probabilidades puede
comprenderse como una frecuencia teórica, ya que describe cómo se espera que varíen
los resultados.
La distribución de probabilidad está completamente especificada por la función de
distribución, cuyo valor en cada x real es la probabilidad de que la variable aleatoria sea
menor o igual que x.
Una de las preocupaciones de los científicos ha sido construir modelos de
distribuciones de probabilidad que pudieran representar el comportamiento teórico de
diferentes fenómenos aleatorios que aparecían en el mundo real. La pretensión de
modelar lo observable ha constituido siempre una necesidad básica para el científico
empírico, dado que, a través de esas construcciones teóricas, los modelos, podía
experimentar sobre aquello que la realidad no le permitía. Por otra parte, un modelo
resulta extremadamente útil, siempre que se corresponda con la realidad que pretende
representar o predecir, de manera que ponga de relieve las propiedades más importantes
del mundo que nos rodea, aunque sea a costa de la simplificación que implica todo
modelo.
En la práctica hay unas cuantas leyes de probabilidad teóricas, como son, por ejemplo,
la ley binomial o la de Poisson para variables discretas o la ley normal para variables
continuas, que sirven de modelo para representar las distribuciones empíricas más
frecuentes.

Tamaño de la muestra
En estadística el tamaño de la muestra se le conoce como aquel número determinado
de sujetos o cosas que componen la muestra extraída de una población, necesarios para
que los datos obtenidos sean representativos de la población.

Muestreo Probabilístico

El muestreo probabilístico es un método de muestreo (muestreo se refiere al estudio

o el análisis de grupos pequeños de una población) que utiliza formas de métodos de
selección aleatoria.
 El requisito más importante del muestreo probabilístico es que todos en una
población tengan la misma oportunidad de ser seleccionados.

Por ejemplo, si tienes una población de 100 personas, cada persona tendría una
probabilidad de 1 de 100 de ser seleccionado. El método de muestreo probabilístico te
ofrece la mejor oportunidad de crear una muestra representativa de la población.

Este método utiliza la teoría estadística para seleccionar al azar un pequeño grupo de
personas (muestra) de una gran población existente y luego predecir que todas las
respuestas juntas coincidirán con la población en general.

Por ejemplo, es prácticamente imposible enviar una encuesta a cada una de las
personas de todo un país para recabar información, pero lo que puedes hacer utilizar el
método de muestreo de probabilidad para obtener datos que pueden ser muy buenos
(incluso aunque se obtengan de una población más pequeña).

Técnicas de muestreo probabilístico

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.

Tipos de muestreo probabilístico

El muestreo aleatorio simple, tal y como su nombre lo indica, es un método

completamente aleatorio que se utiliza para seleccionar una muestra. Este método de
muestreo es tan fácil como asignar números a los individuos (muestra) y luego elegir de
manera aleatoria números entre los números a través de un proceso automatizado.
Finalmente, los números que se eligen son los miembros que se incluyen la muestra.

Existen dos formas en que las muestras se eligen: A través de un sistema de lotería y
uso de software de generación de números aleatorios. Esta técnica de muestreo funciona
generalmente en grandes poblaciones y tiene tanto ventajas como desventajas.
Muestreo estratificado: este es un método en el cual una población grande se divide en
dos grupos más pequeños, que generalmente no se superponen, sino que representan a
toda la población en conjunto.

Durante el muestreo, estos grupos pueden organizarse y luego de estos se puede

obtener una muestra de cada grupo por separado.

Algo común en este tipo de método es organizar o clasificar las muestras por sexo,
edad, etnia, etc. Este método divide sujetos en grupos mutuamente exclusivos y luego
utiliza un muestreo aleatorio simple para elegir miembros de los grupos.

Los miembros de cada uno de estos grupos deben ser distintos para que todos los
miembros de todos los grupos tengan la misma oportunidad de ser seleccionados
utilizando la probabilidad simple.

Muestreo por conglomerados: este es un método que selecciona de manera aleatoria a

los participantes cuando están dispersos geográficamente.

Por ejemplo, tenemos a 1000 participantes de toda la población de México,

supongamos que es probable que no sea posible obtener una lista completa de todos
estos. Pero en cambio, lo que hace el investigador es seleccionar áreas de manera
aleatoria (es decir, ciudades, comunidades, etc), y selecciona al azar dentro de esos
límites.

El muestreo por conglomerados por lo general analiza a una población particular en

la que la muestra consiste en varios elementos, por ejemplo, ciudad, familia,
universidad, etc. Los conglomerados se seleccionan básicamente dividiendo la
población mayor en varias secciones más pequeñas.

Muestreo sistemático: este se enfoca en elegir a cada “enésima” persona para que sea
parte de la muestra. Por ejemplo, puedes elegir que cada quinta persona sea parte de la
muestra, o que cada décima persona sea parte de ella.

El muestreo sistemático es una implementación extendida de la mismísima técnica

de probabilidad en la que cual, cada miembro de un grupo es seleccionado en periodos
regulares para formar una muestra. Cuando se utiliza este método de muestreo, existe
una oportunidad igual para que cada miembro de una población sea seleccionado.

Pasos para llevar a cabo un muestreo probabilístico

1.- Elige cuidadosamente tu población de interés: piensa detenidamente y elige entre

la población de manera correcta. Las personas que crees que tienen opiniones que
deban recopilarse son las que tienes que incluir en tu muestra.

2.- Determina un marco de muestra adecuado: tu marco debe incluir una muestra de
tu población de interés y nadie del exterior. Esto es importante si quieres recopilar
datos precisos y que te sirvan.

3.-Selecciona tu muestra y comienza tu encuesta: a veces puede ser difícil encontrar

la muestra correcta y determinar el marco de muestra adecuado. Incluso cuando todos
los factores están a nuestro favor, muchas veces puede haber problemas imprevistos
como el factor de costo, la calidad de los encuestados y la rapidez de estos en responder.

Obtener una muestra para responder a una verdadera encuesta de probabilidad puede
ser difícil, pero no imposible. En la mayoría de los casos, utilizar la técnica de muestreo
probabilístico te ahorrará tiempo, dinero y mucha frustración. Probablemente no puedas
enviar encuestas a todas las personas, pero siempre puedes darle a todos la oportunidad
de participar, de esto es de lo que se trata la técnica de muestreo de probabilidad.

Toma en cuenta estas consideraciones para tener el mejor muestreo.

 Cuando utilizar el muestreo probabilístico

1.- Cuando se tiene que reducir el sesgo en el muestreo: este método de muestreo se
utiliza comúnmente cuando el sesgo debe ser mínimo.

La selección de la muestra determina en gran medida la calidad de la investigación.

Y la forma en la que los investigadores seleccionan su muestra determina la calidad de
sus hallazgos.

El muestreo probabilístico proporciona en gran medida calidad en los hallazgos del

investigador, esto sucede porque se trata de investigar a una representación imparcial de
la población. Esto es de especial importancia para eliminar el sesgo en tus encuestas.

2.- Cuando la población es diversa: cuando el tamaño de la población es grande y

diversa, este método de muestreo es útil ya que ayuda a los investigadores a crear
muestras que representan completamente a la población.

Supongamos que queremos saber cuántas personas prefieren el turismo médico antes
de recibir un tratamiento en su propio país, este método de muestreo puede ayudarle al
investigador a recoger muestras de diversos estratos socioeconómicos, antecedentes,
etc., para representar a la población general.

Conoce más de la importancias de una muestra representativa para una investigación

eficaz.

3.- Para crear una muestra precisa: el muestreo probabilístico ayuda a los investigadores
a crear una muestra precisa de su población. Los investigadores pueden utilizar este
método para crear un tamaño de muestra preciso que les pueda ayudar a obtener
datos bien definidos.

Ventajas del muestreo probabilístico

1.- Es rentable: este proceso es rentable y efectivo en relación al tiempo y costo.

2.- Es simple y fácil: el muestreo de probabilidad es un método fácil ya que no implica

un proceso complicado. Es rápido y ahorra tiempo.
3.- No es técnico: este método de muestreo no requiere ningún conocimiento técnico
debido a la simplicidad con la que puede realizarse. Este método no requiere ningún
tipo de conocimiento complejo y por suerte, no es nada largo.

Formula del Muestreo Probabilístico

Existe una gran cantidad de fórmulas para realizar un muestreo probabilístico, una de
las más comunes por su sencillez es la del muestreo estatificado, sin embargo, te
recomendamos leer e investigar los diversos métodos de muestre que hemos
mencionado anteriormente.

Donde N representa el número de elementos de la población, n

representa la muestra, Ni el del estrato i.