2.1 Introducción Al Muestreo ...................................................................................

3
2.2 El Muestreo Aleatorio ........................................................................................ 4
2.3. Introducción a las Distribuciones de Muestreo ................................................. 7
2.4 La Relación Entre el Tamaño de la Muestra y el Error Estándar ....................... 9
2.5 El Diseño de Experimento ............................................................................... 10
Bibliografía ............................................................................................................ 12
U
na muestra es una porción o parte de la población de interés. En muchos
casos, el muestreo resulta más accesible que el estudio de toda la población.
En esta sección se explican las razones principales para muestreary, en
seguida, diversos métodos para elegir una muestra.

Razones para muestrear

Cuando se estudian las características de una población, existen diversas razones

prácticas para preferir algunas partes o muestras de ella para observar y medir. He
aquí algunas razones para muestrear:

1. Establecer contacto con toda la población requeriría mucho

tiempo.

Un candidato para un puesto federal quizá desee determinar las posibilidades que
tiene de resultar elegido. Una encuesta de muestreo en la que se utiliza el personal y
las entrevistas de campo convencionales de una empresa especializada en encuestas
tardaría de uno a dos días. Con el mismo personal y los mismos entrevistadores, y
laborando siete días a la semana, se requerirían 200 años para ponerse en contacto
con toda la población en edad de votar. Aunque fuera posible reunir a un numeroso
equipo de encuestadores, quizá no valdría la pena entrar en contacto con todos los
votantes.

2. El costo de estudiar todos los elementos de una población

resultaría prohibitivo.

Por lo general, las organizaciones que realizan encuestas de opinión pública y

pruebas entre consumidores, como Harris International, CBS News Polls y Zogby
International, entran en contacto con menos de 2.000 de los casi 60 millones de
familias en Estados Unidos. Una organización que entrevista a consumidores en
panel cobra cerca de $40.000, por enviar muestras por correo y tabular las
respuestas con el fin de probar un producto (como un cereal para el desayuno,
alimento para gato o algún perfume). La misma prueba del producto con los 60
millones de familias tendría un costo de alrededor de $1. 000, 000,000.

3. Es imposible verificar de manera física todos los elementos de la

población

Algunas poblaciones son infinitas. Sería imposible verificar toda el agua del lago
Gatún, en lo que se refiere a niveles de bacterias, así que se eligen muestras en
diversos lugares de él. Las poblaciones de peces, aves, serpientes o mosquitos son
grandes y se desplazan, nacen y mueren de manera continua. En lugar de intentar
contar todos los patos que hay en Canadá o todos los peces del lago Pontchartrain,
se hacen aproximaciones mediante diversas técnicas: se cuentan todos los patos que
hay en un estanque, capturados al azar, se revisan las cestas de los cazadores o se
colocan redes en lugares predeterminados en el lago.

4. Algunas pruebas son de naturaleza destructiva.

Si los catadores de vino de una ciudad de productora, se bebieran todo el vino para
evaluarla vendimia, acabarían con la cosecha y no quedaría nada disponible para la
venta. En el área de producción industrial: las placas de acero, cables y productos
similares deben contar con una resistencia mínima a la tensión. Para cerciorarse de
que el producto satisface la norma mínima, el departamento de control de calidad
elige una muestra de la producción. Cada pieza se somete a tensión hasta que se
rompe y se registra el punto de ruptura (medido en libras por pulgada cuadrada). Es
obvio que si se sometieran todos los cables o todas las placas a pruebas de resistencia
a la tensión no habría productos disponibles para vender o utilizar. Por la misma
razón, sólo unas cuantas semillas se someten a pruebas de germinación en, antes de
la temporada de siembra.

5. Los resultados de la muestra son adecuados.

Aunque se contara con recursos suficientes, es difícil que la precisión de una muestra
de 100% — toda la población— resulte esencial en la mayoría de los casos. Por
ejemplo, el gobierno federal utiliza una muestra de tiendas de comestibles
distribuidas en Estados Unidos para determinar el índice mensual de precios de los
alimentos. Los precios del pan, frijol, leche y otros productos de primera necesidad
se incluyen en el índice. Resulta poco probable que la inclusión de todas las tiendas
de comestibles de Estados Unidos influya significativamente en el índice, pues los
precios de la leche, el pan y otros productos de primera necesidad no varían más de
unos cuantos centavos de una cadena de tiendas a otra.

M uestra seleccionada de manera que cada elemento o individuo de la

población tenga las mismas posibilidades de que se le incluya.

A manera de ejemplo para el muestreo aleatorio simple y la selección, suponga que

una población consta de 845 empleados de Nitro Industries, de la cual se va a elegir
una muestra de 52empleados. Una forma de asegurarse de que todos los empleados
de la población tienen las mismas posibilidades de que se les elija consiste en escribir
primero el nombre de cada empleado en un papel y depositarlos todos en una caja.
Después de mezclar todos los papeles, se efectúa la primera selección tomando uno
de la caja sin mirarlo. Se repite este proceso hasta terminar de elegir la muestra de
52 empleados.

Existen dos tipos de métodos para seleccionar muestras poblacionales:

1. Muestreo no probabilístico (no aleatorio): En este tipo de muestreo, puede haber
clara influencia de la persona o personas que seleccionan la muestra o simplemente
se realiza atendiendo a razones de comodidad. Salvo en situaciones muy concretas
en la que los errores cometidos no son grandes, debido a la homogeneidad de la
población, en general no es un tipo de muestreo riguroso y científico, dado que no
todos los elementos de la población pueden formar parte de la muestra. Por ejemplo,
si hacemos una encuesta telefónica por la mañana, las personas que no tienen
teléfono o que están trabajando, no podrán formar parte de la muestra.

2. Muestreo probabilístico (aleatorio): En este tipo de muestreo, todos los individuos

de la población pueden formar parte de la muestra, tienen probabilidad positiva de
formar parte de la muestra. Por lo tanto, es el tipo de muestreo que deberemos
utilizar en nuestras investigaciones, por ser el riguroso y científico.

Los métodos de muestreo probabilísticos son aquellos que se basan en el principio

de equiprobabilidad. Es decir, aquellos en los que todos los individuos tienen la
misma probabilidad de ser elegidos para formar parte de una muestra y,
consiguientemente, todas las posibles muestras de tamaño n tienen la misma
probabilidad de ser elegidas. Sólo estos métodos de muestreo probabilísticos nos
aseguran la representatividad de la muestra extraída y son, por tanto, los más
recomendables. Dentro de los métodos de muestreo probabilísticos encontramos los
siguientes tipos:

Muestreo aleatorio sistemático:

Se selecciona un punto aleatorio de inicio y posteriormente se elige cada k-ésimo

miembro de la población. Primero se calcula k, que es el resultado de dividir el
tamaño de la población entre el tamaño de la muestra. Esto quiere decir que si
tenemos un determinado número de personas que es la población (N) y queremos
escoger de esa población un número más pequeño el cual es la muestra (n),
dividimos el número de la población por el número de la muestra que queremos
tomar y el resultado de esta operación será el intervalo, entonces escogemos un
número al azar desde uno hasta el número del intervalo, y a partir de este número
escogemos los demás siguiendo el orden. Si tenemos una población N (60) y tenemos
que seleccionar una muestra (n) de tamaño 12, tendríamos según formula: K= N/n
= 60/12 = 5, este sería el número de intervalo.
Muestreo aleatorio estratificado:

Una población se divide en subgrupos, denominados estratos, y se selecciona al azar

una muestra de cada estrato. Cuando una población se divide en grupos a partir de
ciertas características, se aplica el muestreo aleatorio estratificado con el fin de
garantizar que cada grupo se encuentre representado en la muestra. A los grupos
también se les denomina estratos. Por ejemplo, los estudiantes universitarios se
pueden agrupar en estudiantes de tiempo completo o de medio tiempo, por sexo,
masculino o femenino, tradicionales o no tradicionales. Una vez definidos los
estratos, se aplica el muestreo aleatorio simple en cada grupo o estrato con el fin de
formar la muestra.

Muestreo conglomerado:

A menudo se emplea para reducir el costo de muestrear una población dispersa en

cierta área geográfica, el muestreo por conglomerados, la población se divide en
conglomerados a partir de los límites naturales geográficos o de otra clase.

A continuación, se seleccionan los conglomerados al azar y se toma una muestra de

forma aleatoria con elementos de cada grupo.

Suponga que desea determinar la opinión de los residentes de algún estado con
referencia a las políticas federales y estatales de protección ambiental. Seleccionar
una muestra aleatoria de residentes y ponerse en contacto con cada persona
requeriría mucho tiempo y resultaría muy costoso. Sería mejor aplicar el muestreo
por conglomerados y subdividir el estado en pequeñas unidades: condados o
regiones. Con frecuencia se les conoce como unidades primarias. Suponga que
dividió el estado en 12 unidades primarias, seleccionó al azar cuatro regiones, 2, 7, 4
y 12, y concentró su atención en estas unidades primarias. Usted puede tomar una
muestra aleatoria de los residentes de cada una de estas regiones y entrevistarse con
ellos (observe que se trata de una combinación de un muestreo por conglomerados
y un muestreo aleatorio simple).
E
n estadística, la distribución muestral es lo que resulta de considerar todas las
muestras posibles que pueden ser tomadas de una población. Su estudio
permite calcular la probabilidad que se tiene, dada una sola muestra, de
acercarse al parámetro de la población. Mediante la distribución muestral se
puede estimar el error para un tamaño de muestra dado.

La comprensión del concepto de la distribución de muestreo es fundamental para el

correcto entendimiento de la inferencia estadística. Una distribución de la población
es la distribución de la totalidad de las medidas individuales de una población, en
tanto que una distribución muestral es la distribución de los valores individuales
incluidos en una muestra.

En contraste con estas distribuciones de medidas individuales, una distribución de

muestreo se refiere a la distribución de los diferentes valores que una estadística
muestral, o estimador, podría adoptar en muchas muestras del mismo tamaño.

Así, aunque por lo general disponemos únicamente de una muestra aleatoria o

subgrupo racional, reconocemos que la estadística muestral particular que
determinamos, como la media o mediana de la muestra, no es exactamente igual al
respectivo parámetro de la población.

Más aún, el valor de una estadística muestral variará de una muestra a otra, a causa
de la variabilidad del muestreo aleatorio, o error de muestreo. Ésta es la idea en la
que se apoya el concepto de que toda estadística muestral es de hecho un tipo de
variable cuya distribución de valores está representada por una distribución de
muestreo. Distribución muestral de medias: una distribución muestral de medias o
una distribución en el muestreo de la media se define como el conjunto de todas las
medias que se pueden calcular en todas las muestras posibles que se pueden extraer,
con o sin reemplazo, de una determinada población.

La cual se define con la siguiente fórmula: µ=Σx/N. A continuación, ejemplo de la

representación de la distribución de la muestra: Tartus Industries cuenta con siete
empleados de producción (a quienes se les considera la población).
1. ¿Cuál es la media de la población?
2. ¿Cuál es la distribución muestral de la media de muestras de tamaño 2?
3. ¿Cuál es la media de la distribución muestral de la media?
4. ¿Qué observaciones es posible hacer sobre la población y la distribución
muestral de la media?

La media de la población es:

Para obtener la distribución muestral de la media se seleccionó, sin reemplazos de la

población, todas las muestras posibles de tamaño 2 y se calcularon las medias de
cada muestra. Donde N = 7 es el número de elementos de la población, y n = 2, el
número de elementos de la muestra. Hay 21 muestras posibles, que se calcularon con
la fórmula:

El símbolo en la ecuación (!) representa factorial, es decir que para el cálculo de la

misma tendríamos que resolver de la siguiente manera:

A continuación, se ilustran las 21 medias muestrales de todas las muestras posibles

de tamaño 2 que pueden tomarse de la población. Estas 21 muestras se utilizan para
construir una distribución de probabilidad, que es la distribución muestral de la
media.

Fig. 1. Distribución de muestras caso Tartus Industries. Estadística aplicada los Negocios y Economía.
Distribución muestral de la media con n=2

Fig. 2. Distribución muestral de la media caso Tartus Industries. Estadística aplicada los Negocios y Economía

La media de la distribución muestral de la media se obtiene al sumar las medias

muestrales y dividir la suma entre el número de muestras. La media de todas las
medias muestrales se representa mediante µx=. La µ recuerda que se trata de un
valor poblacional, pues tomó en cuenta todas las muestras posibles. El subíndice X
indica que se trata de la distribución muestral de la media.

Para este ejemplo la media de la distribución muestral es igual a la media de la

población, pudiera darse el caso que no sea igual.

L
as muestras se emplean para determinar características de la población. Por
ejemplo, con la media de una muestra se calcula la media de la población. No
obstante, como la muestra forma parte o es una porción representativa de la
población, es poco probable que su media sea exactamente igual a la media
poblacional. Asimismo, es poco probable que la desviación estándar de la muestra
sea exactamente igual a la desviación estándar de la población. Por lo tanto, puede
esperar una diferencia entre un estadístico de la muestra y el parámetro de la
población correspondiente.

Esta diferencia recibe el nombre de error de muestreo. La media muestral es el

estimador usual de una media poblacional. Sin embargo, diferentes muestras
escogidas de la misma población tienden en general a dar distintos valores de medias
muestrales. El error estándar de la media (es decir, el error debido a la estimación
de la media poblacional a partir de las medias muestrales) es la desviación estándar
de todas las posibles muestras (de un tamaño dado) escogidos de esa población.
Además, el error estándar de la media puede referirse a una estimación de la
desviación estándar, calculada desde una muestra de datos que está siendo analizada
al mismo tiempo. En aplicaciones prácticas, el verdadero valor de la desviación
estándar (o del error) es generalmente desconocido. Como resultado, el término
"error estándar" se usa a veces para referirse a una estimación de esta cantidad
desconocida. En tales casos es importante tener claro de dónde proviene, ya que el
error estándar es sólo una estimación. Desafortunadamente, esto no es siempre
posible y puede ser mejor usar una aproximación que evite usar el error estándar. El
error estándar de la media cuantifica las oscilaciones de la media muestral (media
obtenida en los datos) alrededor de la media poblacional (verdadero valor de la
media). Este se estima generalmente dividiendo la desviación estándar de la
población entre la raíz cuadrada del tamaño de la muestra (asumiendo
independencia estadística de los valores en la muestra)

Donde: s es la desviación estándar (es decir, la estimación basada en la muestra de

la desviación estándar de la población). n es el tamaño (número de individuos de la
muestra) σ es la verdadera desviación estándar de la población.

Esta estimación puede ser comparada con la fórmula de la verdadera desviación

estándar de la media de la muestra:

Donde:

E
l Diseño de Experimento se refiera a una prueba o serie de pruebas en las
cuales se introducen cambios deliberados en las variables de entrada que
forman el proceso, de manera que sea posible observar e identificar las causas
de los cambios en la variable de salida.
Realizar un experimento es aplicar los distintos niveles, o combinaciones de niveles
cuando hay presentes más de un factor, a distintas unidades experimentales y se
observa el valor de la variable respuesta.

 Unidades experimentales: (personas, elementos físicos, etc.)

 Factor: variable controlable por el experimentador (niveles del factor o
tratamientos)
 Variable de interés: variable respuesta
 Error experimental o perturbación: variables no controlables por el
experimentador
 Tamaño del experimento: número total de observaciones

Los diseños de experimento tienen como objetivo estudiar el efecto que sobre la
variable respuesta tiene un conjunto de otras variables que reciben el nombre de
factores.

Los diseños de experimentos tienen una serie de etapas:

1) Diseñar un experimento con una estructura lo más adecuada posible

a la situación que se desea estudiar y a los medios disponibles.

a) Planteamiento general del problema y de los objetivos que se persiguen.

b) Selección y definición de la variable respuesta.
c) Elección de los factores y niveles que han de intervenir en el experimento.
d) Determinación del conjunto de unidades experimentales incluidas en el estudio.
e) Determinación de los procedimientos por los cuales los tratamientos se asignan a
las unidades experimentales.

2) Realizar la experimentación de acuerdo con el plan previamente

establecido en el diseño.

3) Analizar estadísticamente los resultados obtenidos y comprobar si las

hipótesis establecidas y el modelo de diseño elegido se adecuan a la
situación estudiada.

4) Realizar las modificaciones oportunas para ampliar o modificar el

diseño.

5) Obtener las conclusiones apropiadas. Los diseños de experimentos

constan con principios básicos como:

 Aleatorización: la asignación de las unidades experimentales a los distintos

tratamientos y el orden en el que se realizan los ensayos se determinan al azar.
 Replicación.
 Homogeneidad del material experimental
 Aranda Gallego, J. y Gómez García, J. (2008). Introducción a la estadística
económica empresarial. España: P.P.U.
 Escuder Valles, R. (2010). Métodos estadísticos aplicados a la economía.
España: Ariel Economía.
 García Barbancho, A. (2009). Estadística elemental moderna. España: Ariel
Economía.
 Martin Pliego, F.J. (2011). Curso práctico de Estadística Económica. Puerto
Rico: AC.
 Peña, D. Y Romo, J. (2008). Introducción a la Estadística para las Ciencias
Sociales. México: McGraw-Hill.
 Pérez Suarez, R. (2010). Análisis de datos económicos I. Métodos
descriptivos. España: Pirámide.
 Rioboo Almanzor, J.M.; Pío del Oro Sáez, C. y otros. (2009).m
Representaciones gráficas de datos estadísticos. Puerto Rico: AC.