MUESTREO Y TAMAÑO DE LA MUESTRA

3.1. Introducción

El estudio del muestreo es la introducción a la disciplina de la estadística

propiamente dicha. La experimentación es parte del Método Científico,
mediante el cual un investigador obtiene información a través del uso de
un conjunto de datos a partir de los cuales desea obtener conclusiones
válidas para un conjunto más amplio o población.

Los conceptos estadísticos tienen una importancia crucial y el hecho de

emplearlos para poder desarrollar exitosamente una investigación de
cualquier índole y de la forma más sencilla y rápida, para luego ser
analizada y asimilada por cualquier usuario interesado en ella, sea o no
profesional, la investigación debe ser considerada desde el punto de vista
estadístico, por medio de la muestra, el tipo de muestreo (según el interés
del investigador) y como determinar el tamaño de la muestra, que son
conceptos estadísticos elementales, herramientas cruciales y procesos a
seguir necesarios para el desarrollo de la cualquier investigación.

3.2. Po b l a c i ó n

La población se podría representar de una forma no científica como “Un

Un CENSO, es el estudio de
Todo de cualquier investigación”, como se mencionó anteriormente es un
todos y cada uno de los concepto primordial que representa a un conjunto colectivo de elementos
elementos de una población.
Esta condición hace que este estadísticos considerados en la misma.
tipo de estudios no sean muy
frecuentes, por cuanto la Es importante tomar en cuenta que cuando hablamos de la forma científica
recolección de esta
información, sea muy
nos referimos a una investigación y la parte metodológica de un proyecto
costosa y demorosa, por lo de investigación debe definir adecuadamente la población de estudio en
que se la hace en lapsos de
tiempo bastante largos. tiempo y espacio, y aclarar si se hará censo o si es necesario tomar una
muestra de ella.

En el segundo caso se debe hacer un diseño de muestreo y tipo de

muestreo, marco muestral, unidad de muestreo, unidad de análisis, tamaño
de muestra, entre otros.
 Fundamentos de la Estadística
La población viene expresada matemáticamente por “N”, siendo el
conjunto de datos estadísticos de observaciones de una investigación que
se realiza. Dicho de otra forma, es un conjunto de elementos que podemos
observar pudiendo medir las características y elementos de cada uno.

Población Finita

Se conoce a Población Finita como a el conjunto de elementos que puede

ser medible, es decir es aquella que indica que es posible alcanzarse o
sobrepasarse al contar, y que posee o incluye un número limitado de
medidas y observaciones; por ejemplo, el número de alumnos de un centro
de enseñanza o el número de participantes de un evento deportivo.

Población Infinita

Por el contrario, una Población Infinita es también un conjunto de elementos

que por su naturaleza es muy difícil de contar, no por ser infinita, sino por
la dificultad de hacerlo que lo hace prácticamente imposible de medir. Es
infinita si se incluye un gran conjunto de medidas y observaciones que no
pueden ser contadas; por ejemplo, contar el número de moscas que vuelan
en verano en una respectiva zona o el número de pelos que tiene un
estudiante de ciencias de la educación en su cabeza.

En general se seleccionan a los sujetos siguiendo determinados criterios

procurando que la muestra sea representativa a cada tipo de población.

3.3. Muestreo

Es un conjunto de elementos seleccionados de una población de acuerdo a

un plan de acción previamente establecido, para obtener conclusiones que
pueden ser extensivas hacia toda la población como, por ejemplo, las
muestras que escogen las empresas encuestadoras en estudios de sondeos
de opinión a un público en general que representan a su población de
interés.

El muestreo es la técnica empleada para la selección de elementos

(unidades de análisis o de investigación) representativos de la población
de estudio que conformarán una muestra y que será utilizada para hacer
inferencias (generalización) a la población de estudio.

2
 Fundamentos de la Estadística
Se representa matemáticamente al muestreo como “n” que representa a
un subconjunto de una población de la cual se usa para recopilar datos,
ya que el número de datos en la población es grande.

3.4. Elección de la muestra

La muestra tiene que ser representativa de la población de la que se

extrae dicho subconjunto, las distintas maneras de elegir una muestra de
una población se denominan muestreos. Surge la cuestión entonces, de
cómo seleccionar el muestreo respectivo de una investigación. Existen en
general dos tipos de muestras que son las muestras probabilísticas y las
muestras no probabilísticas de donde se puede iniciar, además pueden
producir errores imprevistos e incontrolados. Dichos errores se denominan
sesgos y si suceden diremos que la muestra está sesgada.

Los muestreos en concreto pueden ser de dos tipos de clases con respecto
al uso de los elementos:

Muestreo con reemplazo

Este muestreo es característico porque un elemento de la población puede

ser seleccionado más de una vez en la muestra

Este elemento seleccionado de la muestra se extrae de la población se

observa y se devuelve a la población, por lo que de esta forma se pueden
hacer infinitas extracciones de la población aun siendo esta finita.

Muestreo sin reemplazo

Este muestreo se refiere a que los elementos pertenecientes a la población

no pueden ser seleccionados más de una vez, es decir que no se devuelve
los elementos extraídos, ni se repiten los elementos extraidos a la
población hasta que no se hallan extraídos todos los elementos de la
Principio de
Equiprobabilidad, Todos
población que conforman la muestra.
los elementos de una
población tienen la
3.5. Muestreo Probabilístico
misma probabilidad de
ser elegidos para formar En las muestras probabilísticas cada individuo tiene una probabilidad
parte de una muestra.
dada, habitualmente la misma probabilidad, de ser escogido. Esta forma
de muestreo requiere que los individuos sean seleccionados.

3
 Fundamentos de la Estadística
En concreto se puede decir que este método se basa en el principio de
equiprobabilidad, el muestreo extrae a los elementos al azar, es decir
que cada elemento tiene la misma oportunidad de ser seleccionada para
ser un elemento muestral.

Su requisito principal consiste en que todas las personas de la población

estudiada, cuenten con las mismas oportunidades de selección.

Muestreo Aleatorio Simple

Este tipo de muestreo es el seleccionado de tal manera que cada muestra

posible del mismo tamaño tiene probabilidad de ser seleccionada de la
población. Para obtener una muestra aleatoria simple, cada elemento en
la población tiene la misma probabilidad de ser seleccionado.

Se define la población y se confecciona una lista de todos los individuos,

se concreta el tamaño de la muestra y se extraen al azar los elementos.

Cuando una población es infinita, es obvio que la tarea de numerar cada

elemento de la población es también infinita.

Por ejemplo: Un investigador desea saber el ingreso promedio de una

empresa de clavos. Para realizar la muestra representativa de la
población, se hace un listado de todos los empleados, a cada uno se le
asigna un número y lo ingresan a un recipiente, el investigador escoge al
azar a 50 personas del recipiente que representa al muestreo.

La estratificación es una de Muestreo Estratificado

las técnicas más difundidas
y usadas en muestreo puesto El muestreo estratificado es un procedimiento de muestreo en el que el
que tiene funcionalidades
estadísticas y objetivo de la población se separa en segmentos exclusivos, homogéneos
administrativas que la
más conocidos como estratos, y luego una muestra aleatoria simple se
hacen atractiva: permite
tratar con subpoblaciones, selecciona de cada segmento o estrato.
aumenta la eficiencia de las
estimaciones y contribuye a Las muestras seleccionadas de los diversos estratos se combinan en una
la administración eficiente
de grandes encuestas.” sola muestra. Este procedimiento de muestreo se refiere a veces como
Richard Valliant, 2000”
“muestreo de cuota aleatorio”.

Con frecuencia, tenemos información adicional que nos ayuda a diseñar

la estrategia de muestreo. Cuando esta información se refiere a la
pertenencia de cada uno de los elementos a un subgrupo, podemos aplicar

4
 Fundamentos de la Estadística
una estrategia que utilice un diseño de muestreo estratificado. No es
solamente la disponibilidad de esta información auxiliar la que nos lleva
a utilizar un diseño de muestreo estratificado, además de esto:

1. La variable de interés asume distintos valores promedio en diferentes

subpoblaciones.

2. De una u otra forma (proceso logístico y/o de recolección de datos)

es mejor estratificar y dividir la población en particiones. Además
algunas variables típicas de estratificación son de tipo regional
(municipio, estado o provincia), demográfico (género o grupo de edad)
y socioeconómico (grupo de ingresos). Existen censos, en periodos
anteriores que pueden contener esta valiosa información.

El objetivo del diseño estratificado es dar un tratamiento particular a cada

subgrupo, ya sea por razones económicas, administrativas o logísticas. Es
indispensable delimitar bien los subgrupos en la etapa de diseño. Un
ejemplo claro seria, en un estudio dentro de una universidad, si se quiere
averiguar el número de horas que los estudiantes permanecen enfrente de
un computador, no es una buena idea (defecto técnico) dividir la población
en cursos porque los cursos no brindan una partición de la población, dado
que en distintos cursos pueden estar los mismos estudiantes.

Así, consideramos una población heterogénea con N unidades, y en la que

la subdividimos en L subpoblaciones denominados estratos lo más
homogéneas posibles no solapadas, atendiendo a criterios que puedan
ser importantes en el estudio, de tamaños N1, N2, . . ., NL. Obviamente

𝑁1 + 𝑁2 +. . . +𝑁𝐿 = 𝑁

Donde:

N = Es el total de individuos de la población

L = Es el total de estratos.

La muestra estratificada de tamaño n se obtiene seleccionando una

muestra aleatoria simple de tamaño nh (h = 1, 2, . . . , L) de cada uno de
los estratos en que se subdivide la población de forma independiente. De
igual modo

5
 Fundamentos de la Estadística
𝑛1 + 𝑛2 +. . . +𝑛𝐿 = 𝑛

Donde:

n = Es el tamaño de la muestra

Este muestreo se utiliza cuando la población de estudio es muy

heterogénea ya que necesitaríamos un gran esfuerzo muestral para
obtener cierta precisión mientras que si la población está dividida en
grupos, bloques o estratos que sean internamente homogéneos, el esfuerzo
en cada grupo será mínimo resultando globalmente un esfuerzo menor.

Por ejemplo: Un investigador analiza las opiniones de la población de la

ciudad de La Paz con respecto a las últimas elecciones municipales. Para
seleccionar la muestra representativa se divide a la población en cuatro
grupos etarios (de 18 a 30 años, de 31 a 45 años, de 46 a 60 años y
mayores de 60 años) y después se escoge de manera aleatorio a 20
personas por cada grupo o estrato mencionado.

El muestreo estratificado puede ser proporcional o no proporcional al

número de elementos del estrato en la población.

En el muestreo estratificado proporcional se asigna a cada estrato en la

muestra un número proporcional a la cantidad de casos del estrato en la
población. Mientras tanto el muestreo estratificado desproporcional
permite al investigador realizar una muestra de forma equitativa, sin
importar la cantidad de individuos que conformen la población del estrato.

Asignación Proporcional

Sea n el número de individuos de la población total que forman parte de

alguna muestra como vimos anteriormente:
𝑛1 + 𝑛2 +. . . +𝑛𝐿 = 𝑛

En este caso cuando la asignación es proporcional el tamaño de la muestra

de cada estrato es proporcional al tamaño del estrato correspondiente
con respecto a la población total:
𝑁ℎ
𝑛ℎ = 𝑛 ∗
𝑁
Donde:

6
 Fundamentos de la Estadística
nh = Es el número de estratos

h = 1,2,….,L

Por Ejemplo: Para realizar una investigación acerca de la cantidad de

personas que consumen bebidas alcohólicas en la República de Bolivia, el
investigador a cargo decide utilizar el muestreo estratificado, por lo que
divide a la población en diferentes grupos, según la edad.

De esta manera, divide una población total de 12 millones de personas en

los siguientes estratos:

Personas menores a 18 años: 6 millones.

Personas mayores a 18 y menores a 35 años: 4 millones.

Personas mayores a 35 años: 2 millones.

A partir de dicha subdivisión, conforma la muestra obteniendo de manera

proporcional 5000 personas:

Datos Individuos
N 12000000
n 5000
Donde N Población total
n muestreo total
Nh Población estratificada
nh muestreo estratificado

Individuos Muestra
Estrato Porcentaje(%)
(Nh) Estratificada
Grupo 1 <18 años 6000000 2500 50,00

Grupo 2 18 - 35 años 4000000 1667 33,33

Grupo 3 >35 años 2000000 833 16,67

Total 12000000 5000 100,00

Asignación Optima
Cuando se realiza un muestreo estratificado, los tamaños muestrales en
cada uno de los estratos, nh los elige quien hace el muestreo, y para ello
puede basarse en alguno de los siguientes criterios:

7
 Fundamentos de la Estadística
➢ Elegir los nh de tal modo que se minimice la varianza
del estimador, para un coste especificado, o bien,

➢ habiendo fijado la varianza que podemos admitir para el

estimador, minimizar el coste en la obtención de las muestras.

Así en un estrato dado, se tiende a tomar una muestra más grande cuando:

➢ El estrato es más grande;

➢ El estrato posee mayor variabilidad interna (varianza);

➢ El muestreo es más barato en ese estrato.

Muestreo Sistemático

El muestreo sistemático es un tipo de muestreo probabilístico donde se hace

una selección aleatoria del primer elemento para la muestra, y luego se
seleccionan los elementos posteriores utilizando intervalos fijos o
sistemáticos hasta alcanzar el tamaño de la muestra deseado.

A nivel técnico, el muestreo sistemático no crea una muestra

verdaderamente aleatoria. Sólo la selección del primer elemento de
muestreo sistemático es una selección de probabilidad. Una vez que el
primer elemento es seleccionado, algunos de los elementos tendrán una
MUESTREO SISTEMATICO probabilidad cero de selección.

En algunas ocasiones, cuando no se dispone de un marco de muestreo, por

lo menos no de forma explícita, o cuando el marco disponible está
ordenado de forma particular, con respecto a los rótulos del mismo, es
posible utilizar el diseño de muestreo sistemático como una opción para la
selección de muestras. La característica más particular de este diseño de
muestreo es que todas las unidades se suponen enumeradas del 1 al N, al
menos implícitamente, y se tiene conocimiento de que la población se
encuentra particionada en a grupos poblacionales latentes. En este orden
de ideas el tamaño poblacional N puede ser escrito como

Además, cierta combinación de elementos, como los elementos que son

adyacentes entre sí en el marco de muestreo, pueden no ser seleccionados.
Muestreos sistemáticos repetidos pueden utilizarse para abordar este
problema.
8
 Fundamentos de la Estadística
En este texto consideramos el diseño muestral sistemático más sencillo
llamado muestreo sistemático uniforme de paso k. La obtención de una
muestra sistemática de tamaño n de una población de N elementos se
consigue siguiendo el siguiente procedimiento.

1. Conseguir un listado ordenado de los N elementos de la

población.

2. Determinar el tamaño muestral n.

3. Definir el tamaño del salto sistemático k dado por

𝑁
𝑘= 𝑛

4. Elegir un número aleatorio “A” entre 1 y k (A=arranque

aleatorio). Este número permite obtener la primera unidad
muestral.

5. A partir de la posición “A”, dando un salto de k unidades,

obtendremos la segunda unidad de la muestra

𝑘𝑢𝐴 + 𝑘

De esta forma, saltando de k en k unidades, el resto de la

muestra estará formada por las unidades

𝑢𝐴 + 2𝑘, 𝑢𝐴 + 3𝑘, 𝑢𝐴 + 4𝑘, … . , 𝑢𝐴 + (𝑛 − 1)

Por ejemplo: Consideramos una población de 2000 trabajadores

gremiales en alimentos pertenecientes a la ciudad de El Alto y a la que se
pretende realizar un estudio de ingresos mensuales, por lo que se
pretende extraer un muestreo sistemático, a través de un tamaño de
muestra de 30 trabajadores.

9
 Fundamentos de la Estadística
➢ Definimos el tamaño del salto sistemático:

𝑁
𝑘=
𝑛
2000
𝑘=
30

𝑘 = 66.66

𝑘 = 67

➢ Definimos un arranque aleatorio entre 1 y 67, (A=10)

➢ Seleccionamos los restantes elementos de la muestra,

S = {10, (10+67=77), (77+67=144), 211, 278, 345, 412, 479, 546, 613,
680, 747, 814, 881, 948, 1015, 1082, 1149, 1216, 1283, 1350, 1417, 1484,
1551, 1618, 1685, 1752, 1819, 1886, 1953}

vendedor 1 vendedor 21 vendedor 41 vendedor 61 vendedor 81 vendedor 101 vendedor 121 vendedor 141
vendedor 2 vendedor 22 vendedor 42 vendedor 62 vendedor 82 vendedor 102 vendedor 122 vendedor 142
vendedor 3 vendedor 23 vendedor 43 vendedor 63 vendedor 83 vendedor 103 vendedor 123 vendedor 143
vendedor 4 vendedor 24 vendedor 44 vendedor 64 vendedor 84 vendedor 104 vendedor 124 vendedor 144
vendedor 5 vendedor 25 vendedor 45 vendedor 65 vendedor 85 vendedor 105 vendedor 125 vendedor 145
vendedor 6 vendedor 26 vendedor 46 vendedor 66 vendedor 86 vendedor 106 vendedor 126 vendedor 146
vendedor 7 vendedor 27 vendedor 47 vendedor 67 vendedor 87 vendedor 107 vendedor 127 vendedor 147
vendedor 8 vendedor 28 vendedor 48 vendedor 68 vendedor 88 vendedor 108 vendedor 128 vendedor 148
vendedor 9 vendedor 29 vendedor 49 vendedor 69 vendedor 89 vendedor 109 vendedor 129 vendedor 149
vendedor 10 vendedor 30 vendedor 50 vendedor 70 vendedor 90 vendedor 110 vendedor 130 vendedor 150
vendedor 11 vendedor 31 vendedor 51 vendedor 71 vendedor 91 vendedor 111 vendedor 131 ….............
vendedor 12 vendedor 32 vendedor 52 vendedor 72 vendedor 92 vendedor 112 vendedor 132 …..............
vendedor 13 vendedor 33 vendedor 53 vendedor 73 vendedor 93 vendedor 113 vendedor 133 ….............
vendedor 14 vendedor 34 vendedor 54 vendedor 74 vendedor 94 vendedor 114 vendedor 134 …..............
vendedor 15 vendedor 35 vendedor 55 vendedor 75 vendedor 95 vendedor 115 vendedor 135 ….............
vendedor 16 vendedor 36 vendedor 56 vendedor 76 vendedor 96 vendedor 116 vendedor 136 …..............
vendedor 17 vendedor 37 vendedor 57 vendedor 77 vendedor 97 vendedor 117 vendedor 137 ….............
vendedor 18 vendedor 38 vendedor 58 vendedor 78 vendedor 98 vendedor 118 vendedor 138 …..............
vendedor 19 vendedor 39 vendedor 59 vendedor 79 vendedor 99 vendedor 119 vendedor 139 ….............
vendedor 20 vendedor 40 vendedor 60 vendedor 80 vendedor 100 vendedor 120 vendedor 140 vendedor 2000

A Arranque
muestreo

10
 Fundamentos de la Estadística
Muestreo Por Conglomerados

El muestreo por conglomerados nos ayuda cuando es imposible o poco

práctico crear un marco de muestreo de una población objetivo debido a
En encuestas complejas, los que está muy dispersa geográficamente y el costo de la recopilación de
grupos poblacionales de
elementos que se forman datos es relativamente alto.
naturalmente como barrios,
municipios o escuelas El muestreo por conglomerados, también conocido como muestreo por
pueden ser tratados como
unidades de muestreo. Este
racimos, es un procedimiento de muestreo probabilístico en que los
tipo de esquema muestral elementos de la población son seleccionados al azar en forma natural por
ayuda a aumentar el
tamaño de muestra agrupaciones conocido como clusters. Los elementos del muestreo se
manteniendo el costo de la
seleccionan de la población de manera individual, uno a la vez.
encuesta. Lehtonen, 2004”

Las unidades de muestreo o grupos pueden ser espaciados, tal como

ocurre naturalmente en las unidades geográficas o físicas (por ejemplo:
estados, delegaciones o distritos); en base a una organización como
escuelas, grado escolar; o servicio telefónico tales como códigos de área
o el cambio de las claves lada de los números de teléfono.

La heterogeneidad del grupo es fundamental para un buen diseño del

muestreo por conglomerados. Por otra parte, los elementos dentro de
cada grupo deben ser tan heterogéneos como la población objetivo

Por Ejemplo: Un grupo de investigadores quiere estudiar las

características de las construcciones en los barrios residenciales, entonces,
se escogen cinco de estos barrios dentro de un estado y se realiza un
muestreo aleatorio simple para seleccionar a los individuos a los que se
les hará una encuesta.

Marco Muestral
Marco Muestral
Es el mecanismo o
material que Todo procedimiento de muestreo probabilístico requiere de un dispositivo
permite delimitar
que permita identificar, seleccionar y ubicar a todos y cada uno de los
o identificar en
forma apropiada objetos pertenecientes a la población objetivo y que participaran en la
los elementos de
una población
selección aleatoria. Este dispositivo se conoce con el nombre de marco de
muestreo. En investigaciones por muestreo se consideran dos tipos de
objetos:

11
 Fundamentos de la Estadística
➢ Elementos: las unidades básicas e individuales sobre las que se
realiza la medición.

➢ Conglomerado: agrupación de elementos cuya característica

principal es que son homogéneos dentro de sí, y heterogéneos
entre sí.

Pensando en el más sencillo de los diseños de muestreo, el costo financiero

de realizar un estudio mediante un diseño de muestreo aleatorio simple es
muy elevado.

Por Ejemplo: suponga que se desea realizar un estudio para evaluar la

calidad de vida de las personas en un determinado país. Si llegara a
existir un marco de muestreo de elementos, realizar (o seleccionar) una
muestra aleatoria simple demandaría la contratación de un encuestador
por cada persona encuestada, puesto que la dispersión geográfica
natural de los elementos seleccionados en la muestra aleatoria simple sería
demasiado alta.

En el caso anterior, aunque se tuviera un marco de muestreo de elementos,

el costo financiero de realizar una muestra aleatoria sería demasiado alto.
Una forma de realizar muestras probabilísticas a falta de un marco de
muestreo de elementos es seleccionar conglomerados de elementos y
realizar el proceso de medición en cada conglomerado. Por cuestiones
logísticas, es más eficiente seleccionar una muestra de 20 bloques de
hogares, cada bloque con 30 hogares, que seleccionar una muestra
aleatoria de 600 hogares. En el primer caso sólo se necesitaría la
presencia de un encuestador por bloque, mientras que, en el segundo,
posiblemente, se necesite la presencia de muchos más encuestadores.
Siempre que se desee seleccionar una muestra probabilística se debe
tener un marco de muestreo de manera obligatoria, en los casos en donde
se carece de marco muestral es necesario construir uno. Sin embargo, el
costo financiero y logístico de levantar un marco de muestreo para
elementos es muy alto, en la mayoría de ocasiones. Una forma de construir
marcos de muestreo de bajo costo es mediante la aplicación de un diseño
de muestreo por conglomerados. Estos conglomerados tienen la ventaja
de ser agrupaciones de elementos que se forman de manera natural y
12
 Fundamentos de la Estadística
además existen entidades gubernamentales que se ocupan de registrar y
actualizar la lista de conglomerados existentes en cada sector. Por
ejemplo, existe una entidad encargada de la actualización de los sectores
cartográficos de una ciudad, existe una entidad encargada de la
actualización de los negocios en un sector, existe una entidad que recopila
la información concerniente a la ubicación de las escuelas, etc. Para cada
entidad existe también un registro de estas aglomeraciones y este será el
marco de muestreo que se utilizará en la etapa de diseño.

3.6. Muestreo No Probabilístico

El muestreo no probabilístico es una técnica de muestreo en la cual el

investigador selecciona muestras basadas en un juicio subjetivo en lugar
de hacer la selección al azar.
A diferencia en el muestreo probabilístico, donde cada miembro de la
población tiene una posibilidad conocida de ser seleccionado, en el
muestreo no probabilístico, no todos los miembros de la población tienen
la oportunidad de participar en el estudio
El muestreo no probabilístico es más útil para estudios exploratorios como
la encuesta piloto (una encuesta que se implementa en una muestra más
pequeña, en comparación con el tamaño de muestra predeterminado).
El muestreo no probabilístico se utiliza donde no es posible extraer un
muestreo de probabilidad aleatorio debido a consideraciones de tiempo
o costo.
El muestreo no probabilístico es un método menos estricto, este método de
muestreo depende en gran medida de la experiencia de los
investigadores. El muestreo no probabilístico comúnmente se lleva a cabo
mediante métodos de observación, y se utiliza ampliamente en la
investigación cualitativa.

La Aleatorización es relativa en las muestras no probabilísticas los

individuos son seleccionados de acuerdo al criterio del o los
investigadores, basado en sus experiencias y de su supuesto conocimiento
de la población en estudio. Esta forma de muestreo da, por lo general,
muestras sesgadas. Con frecuencia se le pregunta al Estadístico cómo
hacer para seleccionar una muestra representativa. De partida es

13
 Fundamentos de la Estadística
imposible saber si la muestra seleccionada lo es, porque no se conoce lo
que se quiere representar, esto es, la población.

Muestr eo por Conveniencia

El muestreo por conveniencia es una técnica de muestreo no probabilística

donde las muestras de la población se seleccionan solo porque están
convenientemente disponibles para el investigador. Estas muestras se
seleccionan solo porque son fáciles de reclutar y porque el investigador
no consideró seleccionar una muestra que represente a toda la población.
Muestreo por Conveniencia
Idealmente, en la investigación, es bueno analizar muestras que
representen a la población. Pero, en algunas investigaciones, la población
es demasiado grande para evaluar y considerar a toda la población.

Esta es una de las razones por las que los investigadores confían en
el muestreo por conveniencia, que es la técnica de muestreo no
probabilística más común, debido a su velocidad, costo-efectividad y
facilidad de disponibilidad de la muestra.

Por Ejemplo: Un investigador está analizando las características de los

estudiantes universitarios de ciencias de la educación. Para seleccionar la
muestra representativa, escoge a algunos de los estudiantes de las
universidades de su ciudad.

Muestreo Accidental o Consecutivo

Esta técnica de muestreo no probabilística es muy similar al muestreo por

conveniencia (con una ligera variación). En el muestreo consecutivo el
investigador elige una sola persona o un grupo de muestra, realiza una
investigación durante un periodo de tiempo, analiza los resultados y luego
pasa a otra asignatura o grupo de sujetos si es necesario.

Esta técnica de muestreo le da al investigador la oportunidad de trabajar

Muestreo Consecutivo con muchos temas y afinar su investigación mediante la recopilación de
resultados que tienen conocimientos vitales.

Por Ejemplo: El Ministerio de Salud está investigando la calidad de

atención del servicio de guardia en los hospitales. Para seleccionar la
muestra representativa, se elige el lugar, el hospital del centro de la

14
 Fundamentos de la Estadística
ciudad, y se entrevista a todos los pacientes que acudan en una fecha
determinada.
Muestreo Por Cuotas

El muestreo por cuotas es un método de muestreo no probabilístico en el

que los investigadores pueden formar una muestra que involucre a
individuos que representan a una población y que se eligen de acuerdo
con sus rasgos o cualidades.

Los investigadores pueden decidir el rasgo según el cual se llevará a cabo

la selección del subconjunto de la muestra para que ésta pueda ser
efectiva en la recolección de datos y que puedan generalizar a toda la
población. El subconjunto final se decidirá sólo de acuerdo con el
Muestreo por Cuotas conocimiento de la población por parte del entrevistador o investigador.

En las etapas iniciales de un estudio, los investigadores pueden recolectar

datos representativos de una muestra formada utilizando el método de
muestreo por cuotas. Es muy similar al muestreo estratificado, que es un
método de muestreo probabilístico. La principal diferencia entre estas dos
técnicas es que, en el muestreo por cuotas, los elementos de la muestra no
se seleccionan aleatoriamente de cada estrato como se hace en el
muestreo aleatorio estratificado.

Por ejemplo: El gobierno de una ciudad busca conocer los niveles educativos
alcanzados según la edad. En la población, los mayores de edad están
divididos en tres estratos según franjas etarias (las personas de 18 a 40 años
representan el 40 %, las personas de 41 a 60 años representan el 35 % y
las personas de más de 61 años que representan el 25 %). Para realizar la
investigación, la muestra representativa deberá mantener esos porcentajes.

Muestreo Intencional o por Juicio

En esta técnica de muestreo no probabilístico, las muestras se seleccionan

basándose únicamente en el conocimiento y la credibilidad del
investigador. En otras palabras, los investigadores eligen solo a aquellos
que estos creen que son los adecuados (con respecto a los atributos y la
Muestreo Intencional o por Juicio representación de una población) para participar en un estudio
de investigación.

15
 Fundamentos de la Estadística
Este no es un método científico de muestreo y la desventaja de esta técnica
es que los resultados pueden estar influenciados por nociones percibidas
del investigador. Por lo tanto, hay una gran cantidad de ambigüedad
involucrada en esta técnica de investigación.

Por ejemplo: A un jefe de estudios le encomiendan un estudio del nivel de

satisfacción de los alumnos con un determinado profesor. El investigador,
que conoce a todos los alumnos de esa clase, decide utilizar el muestreo
discrecional seleccionando a los alumnos que cree que serán los más
representativos

Muestreo por Bola de Nieve

Este tipo de técnica de muestreo ayuda a los investigadores a encontrar

muestras cuando son difíciles de localizar. Los investigadores utilizan esta
técnica cuando el tamaño de la muestra es pequeño y no está disponible
fácilmente.

Este sistema de muestreo bola de nieve funciona como el programa de

referencia. Una vez que los investigadores encuentran sujetos adecuados,
Muestreo Bola de Nieve se les pide a este ayuda para buscar a sujetos similares y así poder
formar una muestra de buen tamaño.

Por Ejemplo: Un grupo de investigadores está haciendo un estudio sobre

una institución de estadística. Para realizar la selección de la muestra
representativa, deberá contactar a una persona que haya trabajado en
esta institución y lograr que brinde además información de otros individuos
que quieran participar en las entrevistas.

3.7. Tamaño de la mues tr a

Una muestra es una selección de los encuestados elegidos y que

Una muestra demasiado
representan a la población total, un concepto que hasta el momento lo
grande dará lugar a la
pérdida de valiosos hemos reiterado bastante en este tema, la pregunta que nos debería
recursos como tiempo y
dinero, mientras que interesar es cuantos elementos de mi población debo tomar como muestra
una muestra pequeña
para que estas sean representativas a la población.
puede no proporcionar
información confiable

16
 Fundamentos de la Estadística
¿Entonces de qué tamaño debe ser una muestra? Esto sin duda depende
de qué tan exactos necesites que sean los datos obtenidos en tu encuesta,
que tan cercanos quieres que sean a los de la población total.

El tamaño de la muestra es una porción significativa de la población que

cumple con las características de la investigación reduciendo los costos y
el tiempo.

Saber cómo determinar el tamaño de la muestra antes de comenzar una

investigación es un principio estadístico que nos ayuda a evitar el sesgo
en la interpretación de los resultados obtenidos.

El tamaño de la muestra de una encuesta es muy importante para poder

realizar una investigación de manera correcta, por lo que hay que tener
en cuenta los objetivos y las circunstancias en que se desarrolle la
investigación.

Recuerda que la finalidad es que las personas completen la encuesta y te

otorguen los datos que estás buscando.

3.8. Tamaño de la mues tr a Es ta dís tica

Para poder determinar el tamaño de la muestra existen procedimientos

que consideran la representatividad de la población, para ello, se
considera el siguiente método, compuesto de diferentes componentes como
ser:

Nivel de confianza “Z”, en estadística es la probabilidad máxima con

la que podríamos asegurar que el parámetro a estimar se encuentra
dentro de nuestro intervalo estimado.

Certidumbre “p”, es la condición que prevalece cuando se tiene

plenamente informada acerca de un problema, tienen información exacta,
medible y confiable de las alternativas y, conocen las relaciones de causa
y efecto conocen soluciones alternativas y saben cuáles serán los
resultados de cada solución

Incertidumbre “q”, Parámetro asociado con el resultado de una medida,

que caracteriza la dispersión de los valores que se pueden atribuir
razonablemente a un mensurando.

17
 Fundamentos de la Estadística
Error Permisible “E”, es un valor que representa los errores voluntarios e
involuntarios cometidos por el investigador. Este error equivale al hecho
que se obtienen conclusiones sobre cierta realidad a partir de la
observación de sólo una parte de ella.

Tamaño de la Población o Universo “N”, dependerá del número de

elementos de la investigación, para ello se debe tomar en cuenta tanto la
población finita o infinita.

Tamaño de la Población Infinita

Cuando no conocemos el tamaño de la población y las observaciones

presentan normalidad, el tamaño de la muestra para estimar la media se
puede calcular con la siguiente formula:

𝑍 2 (𝑝 ∗ 𝑞)
𝑛=
𝐸2
Tamaño de la Población Finita

Cuando conocemos el tamaño de la población y las observaciones

presentan normalidad, el tamaño de la muestra para estimar la media se
calcula con la fórmula:

𝑍 2 (𝑝 ∗ 𝑞)𝑁
𝑛=
𝐸 2 𝑁 + 𝑍 2 (𝑝 ∗ 𝑞)

18
 Fundamentos de la Estadística

Actividad de Aprendizaje

Ejemplo 3.1: Se investiga en la ciudad de La Paz los casos de COVID, de

acuerdo a los últimos datos del SEDES-La Paz, 2020. Hay 9,826 enfermos
que presentan síntomas parecidos y el porcentaje de probabilidad de
éxito de encontrar casos es de 1.14%. Se decidió el 5% de error, con un
“margen de certeza” de 95%.

Hallar:

a) El tamaño de la muestra para la investigación

b) Realizar el muestreo de la población según el método Aleatorio

Simple

c) Realizar el muestreo de la población según el método Sistemático

d) Realizar el muestreo de la población según el método

Estratificado

e) Realizar el muestreo de la población según el método Por

Conglomerados

Rpta.-

a) Tamaño de la muestra

➢ Despejar la Formula

𝑍 2 (𝑝 ∗ 𝑞 )𝑁
𝑛= 2
𝐸 𝑁 + 𝑍 2 (𝑝 ∗ 𝑞)

19
 Fundamentos de la Estadística

➢ Hallar los parámetros de estudio

Valor
Simbología Parámetro Valor Unidad Unidad
Convertido

N Población 9826 elementos 9826 elementos

Z Nivel de Confianza 95 % 1,96 S/unidad

Probabilidad
p 1,14 % 0,011 S/unidad
Positiva

Probabilidad
q 98,86 % 0,989 S/unidad
Negativa

E Error de Estimación 5 % 0,05 S/unidad

➢ Reemplazar los parámetros en la formula

𝑍 2 (𝑝 ∗ 𝑞)𝑁
𝑛=
𝐸 2 𝑁 + 𝑍 2 (𝑝 ∗ 𝑞)

1,962 ∗ (0,011 ∗ 0,989) ∗ 9826

𝑛=
0,052 ∗ 9826 + 1,962 ∗ (0,011 ∗ 0,989)

3,8416 ∗ 0,010879 ∗ 9826

𝑛=
0.0025 ∗ 9826 + 3,8416 ∗ 0,011

410,6
𝑛=
24,61

𝑛 = 16,68

𝒏 = 𝟏𝟕 enfermos a estudiar

Tamaño de la muestra: Sobre la base de la ecuación mencionada, el

tamaño de la muestra fue de 17 enfermos con síntomas de resfrío.

20
 Fundamentos de la Estadística
b. Muestreo Aleatorio Simple

➢ Según el cálculo del tamaño de la muestra se tiene un valor de

n=17 enfermos como muestra de la investigación

➢ Según el enunciado del problema se tiene un valor de N=9826

enfermos como población de la investigación

➢ Cada miembro del marco de muestreo se le asigna un número

exclusivo desde el elemento 1 hasta el 9826

➢ Se aplica un método de selección aleatorio para los elementos

de la población separando 17 enfermos de los 9826 a través de
métodos aleatorios como sorteo.

c. Método Sistemático

➢ Según el cálculo del tamaño de la muestra se tiene un valor de

n=17 enfermos como muestra de la investigación

➢ Según el enunciado del problema se tiene un valor de N=9826

enfermos como población de la investigación

Definir el intervalo “k” a través de la fórmula:

𝑁
𝑘=
𝑛
9826
𝑘=
17

𝒌 = 𝟓𝟕𝟖

➢ Hallar el Arranque sistematico “A” que se encuentra a través de

un sorteo entre los valores 1 al 578 que pertenece al intervalo
“k”

𝑨 = 𝟒𝟔𝟖

➢ El primer valor muestral será el arranque A=468, seguido de

este valor se suma el valor del intervalo k=578 hasta llegar a
todos los valores muestrales como se ve a continuación:

21
 Fundamentos de la Estadística

Muestra Elementos Muestra Elementos

1 468 10 5670

2 1046 11 6248

3 1624 12 6826

4 2202 13 7404

5 2780 14 7982

6 3358 15 8560

7 3936 16 9138

8 4514 17 9716

9 5092

d. Muestreo Estratificado

➢ Según el cálculo del tamaño de la muestra se tiene un valor de

n=17 enfermos como muestra de la investigación

➢ Según el enunciado del problema se tiene un valor de N=9826

enfermos como población de la investigación

➢ Se elige una variable de estudio para estratificar, en este caso

tomaremos el sexo.

➢ Una vez calculado el tamaño muestral, éste se reparte de manera

proporcional entre los distintos estratos definidos en la población
usando una simple regla de tres

22
 Fundamentos de la Estadística

Valor Muestra
variable Estratos División (%)
Muestral Corregida

hombres 50 8,5 9
sexo
mujeres 50 8,5 9

Total 100 17 18

➢ Según el método de afiliación personal se queda en 8 enfermos

del sexo masculino y 8 del sexo femenino como muestreo de
nuestra investigación. Para la elección de estos elementos se
puede usar otros métodos como aleatorio o sistemático.

c) Muestreo Por Conglomerados

➢ Según el cálculo del tamaño de la muestra se tiene un valor de

n=17 enfermos como muestra de la investigación

➢ Según el enunciado del problema se tiene un valor de N=9826

enfermos como población de la investigación

➢ Identificar las agrupaciones o cluster a estudiar, en este caso se

tomará como clusters las zonas de la ciudad de La Paz

➢ Se requiere de un listado de todos los elementos en sus

respectivos clusters

➢ Calcular la fracción constante que se halla a través de la

siguiente formula:
𝑛
𝑓ℎ =
𝑁
17
𝑓ℎ =
9826

𝑓ℎ = 0,0017

➢ Multiplicar la población de cada cluster (Nh) con la fracción

constante (fh) y dará como resultado la muestra de cada
conglomerado.

23
 Fundamentos de la Estadística

Total Población Muestra del Muestra

Zonas de La Paz
del Cluster (Nh) Cluster (Nh*fh) Final

Villa Fatima 3000 5,10 5

Chasquipampa 1500 2,55 3

Miraflores 800 1,36 1

Sopocachi 589 1,00 1

San Isidro 2334 3,97 4

Tembladerani 1603 2,73 3

Total 9826 17,00 17

24