Universidad de Oriente

Núcleo Nueva Esparta

Escuela de Hotelería y Turismo
Departamento de Contaduría Pública
Estadística I

UNIDAD VII: MUESTREO Y

DISTRIBUCIONES DE MUESTREO

INTEGRANTES

Br. Marval, Adriana

CI. 24.107.415

Br. Ramírez, Leangelis

CI. 23.182.541

Br. Torrealba, Zuleima

CI. 22.862.239

Prof.: Jesús Berbín

 Introducción

Se denomina muestreo al proceso por el que generamos las muestras. Una muestra es una
parte (un subconjunto) de la población (conjunto de todos los individuos que porten
información sobre el fenómeno que se estudia). Los individuos corresponden a personas,
objetos u otros elementos que pueden ser escuelas, cursos, familias y hasta unidades
territoriales., y se desea que la muestra sea lo más representativa posible de la población de la
que procede. Sin embargo, por muy cuidadosa que sea la selección de la muestra difícilmente
será una representación exacta de la población.

El muestreo es por lo tanto una herramienta de la investigación científica, cuya función básica
es determinar que parte de una población debe examinarse, con la finalidad de hacer
inferencias sobre dicha población.

En tal sentido, cabe destacar que la importancia del muestreo está en que casi nunca podemos
investigar toda una población; porque ella es muy grande, por motivos económicos, falta de
personal calificado o para dar una mayor rapidez en el proceso de recopilación y presentación
de los datos. Entonces, estos se obtienen a partir de una muestra de la población a estudiar.
Por tanto, en la elección de la muestra se debe tener presente: el tamaño y la selección de la
misma.
Tipos de Muestreo:

Existen dos tipos generales para seleccionar muestras a partir de las poblaciones.

- Muestreo probabilístico: son aquellos en donde la operación del muestreo es controlada

objetivamente, es decir, son muestras escogidas al azar.

- Muestreo no probabilístico: son aquellos en donde la operación del muestreo es realizado en

forma subjetiva, al menos parcialmente, lo que significa que los resultados obtenidos de la
muestra pudiesen no ser representativos de la población.

Muestreos probabilísticos:

 Muestreo aleatorio: Cuando se conoce la probabilidad de que un elemento de la

población figure o no en la muestra, puede ser:
 Muestras aleatorias simples: Un muestreo es aleatorio cuando cada elemento de la
población tiene la misma probabilidad de ser escogido para formar parte de la
muestra. El cual puede ser con reemplazo y sin reemplazo. En este caso, para dar la
seguridad de que la muestra aleatoria no sea viciada, debe emplearse para su
constitución una tabla aleatoria o procesos electrónicos aleatorios. En este tipo de
muestreo resulta más económico que otros procedimientos aleatorios, además
asegura la equiprobabilidad de la elección, sin embargo, su limitante radica en que no
provee suficientes casos de grupos minoritarios.
Para su aplicación es necesario los siguientes pasos:
o Realizar un listado de todos los integrantes de la población y enumerar a cada uno
de ellos.
o Para la selección de los sujetos de la muestra utilizar una tabla de números
aleatorios o un procedimiento similar utilizando medios electrónicos.
o Administrar los instrumentos de recopilación de datos a los sujetos seleccionados.
Aquellos sujetos que por alguna razón no sean sometidos a observación integrarán
la categoría mortalidad experimental.

Ejemplo:

En la UE “Cristo del Buen Viaje” ubicado en Pampatar, la profesora de Matemática

quiere conocer la comprensión por parte de los alumnos de 4to año, del tema de
transformaciones y despejes desarrollado en clase, para ello, necesita una muestra de
 5 alumnos de un total de 36, los cuales se encuentran enumerados en la carpeta de la
asistencia.

El profesor procede a buscar números al azar usando la calculadora, de donde

obtiene los siguientes resultados: 15, 2, 3, 27 y 19.

 Muestreo por conglomerados: consiste en sustituir las unidades físicas, elementales o

últimas a las cuales se refiere el estudio, por unidades de muestreo que comprendan un
grupo de aquellas. Por lo que es un tipo de muestreo más económico y rápido que el
aleatorio simple ya que facilita el trabajo de los investigadores de campo. Sin embargo
pueden tener cierta pérdida de aleatoriedad en el procedimiento y disminución de la
precisión de sus resultados, en el caso que el número de conglomerados sea menor de
30. Los pasos a seguir son los mismos que el grupo anterior (muestreo aleatorio
simple).
Por ejemplo, el Jefe de la Zona Educativa, quiere analizar, el rendimiento en el área de
Física de 3er año en el Municipio Arismendi; para ello necesita seleccionar 50 Unidades
Educativas de un total de 200.
Entonces, se realiza un listado de todas la Unidades Educativas, donde se imparta 3er
año; luego se utiliza los pasos del ejemplo anterior.

 Muestreo Estratificado: Para obtener una muestra aleatoria estratificada, primero se

divide la población en grupos, llamados estratos, que poseen gran homogeneidad
respecto a alguna característica (se puede estratificar, por ejemplo, según la profesión, el
municipio de residencia, el sexo, el estado civil, etc.).Los elementos de la muestra son
entonces seleccionados al azar o por un método sistemático de cada estrato. Las
estimaciones de la población, basadas en la muestra estratificada, usualmente tienen
mayor precisión (o menor error muestral) que si la población entera muestreada
mediante muestreo aleatorio simple. El número de elementos seleccionado de cada
estrato puede ser proporcional o desproporcional al tamaño del estrato en relación con la
población.
Ejemplo:
En la sección de 3er año de la UE “Rossini Ejemplo Estadistica I”, se intenta relacionar la
influencia de la variable alumnos “varones o hembras”, con la variable “aprobación del
curso” en el área de matemática. Se recopila la información con el docente de la materia
y la distribución queda de la siguiente manera:
 Muestra estratificada de los alumnos varones y hembras de la de la UE “Rossini Ejemplo
Estadistica I”

SEXO NRO DE ALUMNOS % DE LA POBLACIÓN MUESTR % DEL ESTRATO

A

Varones 16 52 5 31

Hembra 15 48 5 33
s

Total 31 100 10 32

 Muestreo sistemático: Una muestra sistemática es obtenida cuando los elementos son
seleccionados en una manera ordenada. La manera de la selección depende del número
de elementos incluidos en la población y el tamaño de la muestra. El número de
elementos en la población es, primero, dividido por el número deseado en la muestra. El
cociente indicará si cada décimo, cada onceavo, o cada centésimo elemento en la
población va a ser seleccionado. El primer elemento de la muestra es seleccionado al
azar. Por lo tanto, una muestra sistemática puede dar la misma precisión de estimación
acerca de la población, que una muestra aleatoria simple cuando los elementos en la
población están ordenados al azar.

Ejemplos: - Supongamos que se quiere estudiar una determinada característica de un

producto fabricado en serie y se decide seleccionar a cada veinte producto hasta formar
la muestra, para esto se escoge un punto aleatorio de arranque en los primeros veinte
productos y luego se escoge cada vigésimo producto hasta completar la muestra. Una de
las ventajas de este muestreo es cuando los elementos presentan un patrón secuencial,
tal vez requiera menos tiempo y algunas veces cuesta menos que el método de muestreo
aleatorio.
- Se desea escoger una muestra probabilística de 16 escuelas, de una lista de 160
escuelas.
Una manera de obtener una muestra es: N/n = IM; 160/16=10
Luego, procedemos a seleccionar un número entre 1 y 10, tomamos el 3, entonces a = 3
1. a = 3
2. a + 10 = 13
3. a + 2(10) = 23
4. a + 3(10) = 33
5. a + 4(10)= 43; Continuamos de la misma forma para obtener los demás
resultados.
 Se incluirán en la muestra las escuelas con los números: 3, 13, 23, 33, 43, 53, 63, 73, 83,
93, 103, 113, 123, 133, 143, 153…

Muestreos no probabilísticos:

 Muestreo a conveniencia: Es aquella muestra seleccionada de acuerdo a la comodidad del

investigador; los elementos de este tipo de muestra son escogidos en forma simple
porque se tiene acceso a ellos. Carecen de validez externa y confiabilidad, además
presentan sesgos de muestreo por criterios arbitrarios de selección de los sujetos
(aunque el investigador no los advierta).
Por ejemplo; se desea estudiar la disciplina del Colegio “Imaginación”; para ello la
profesora Zule, toma como muestra a la sección de 8vo A, donde ella cumple funciones
como profesor guía.

 Muestreos intencionados o racionales: Es aquella muestra seleccionada a través del juicio

de un experto en la materia de estudio. Mediante este enfoque los especialistas escogen
lo que creen es la muestra representativa. Es rápida y de bajo costo. No requiere
entrenamiento de entrevistadores. Es muy útil para estudios exploratorios ya que
permiten la optimización de instrumentos de observación. Además, permiten la
formulación de hipótesis. Su limitación está en que carece de validez externa y
confiabilidad al intentar generalizar hacia grupos mayores.
Por ejemplo; en la EB “María Montessori” ubicada en San Cristóbal, Estado Táchira, la
psicopedagoga desea estudiar el bajo rendimiento académico, para ello toma como
muestras aquellos alumnos que presentan dificultades de aprendizaje.

 Muestreo por cuotas: Entre los tipos de muestreo no probabilísticos es el más empleado.
Es similar al muestreo estratificado, ya que en ambos tipos el universo que va a estudiarse
se divide en grupos o estratos y se distribuye la muestra total entre los grupos. Es rápido y
eficiente, además puede servir para un ensayo preliminar de dicha técnica, sin embargo,
el sesgo del entrevistador para elegir los sujetos es su defecto más evidente.
Ejemplo; en la Universidad de Los Andes – Táchira se quiere estudiar las estudiantes
solteras, con hijos o embarazadas, o estudiantes varones de pelo largo y con aros.
Entonces, cada entrevistador selecciona por su cuenta y entrevista con ayuda de una lista
(entrevista dirigida).

Distribución muestral:
Se define la distribución muestral de un estadístico (distribución de muestreo) en una
población, como la distribución de probabilidad de todos los posibles valores que un estadístico
puede asumir para cierto tamaño de la muestra. Específicamente, se trabajará con las
distribuciones muestrales para: medias, proporciones y varianzas. Una distribución muestral es
una distribución de probabilidad de un estadístico muestral calculado a partir de todas las
muestras posibles de tamaño n, elegidas al azar en una población determinada.

Distribución de la media muestral:

La distribución muestral de la media es la distribución de los valores de las medias muestrales

de todas las posibles muestras del mismo tamaño n tomadas de la misma población.

- Una población consiste de 10 vendedores de una compañía. La variable de interés, X, es la

antigüedad.
X = {1, 2, 3, 4, 5, 6, 7, 8, 9,10} Podemos calcular los siguientes

- Valor esperado

Cuando se tienen las medias de varias muestras sacadas de una población, la media de todos
esos valores, se le conocerá como valor esperado de la media muestral.
E ( X ) = valor esperado de la media muestral ( X )
µ= media poblacional

El valor esperado de la media muestral E( X ), es igual a la media de la población (µ) de la que se

tomó la muestra. Cuando el valor esperado de un estimador puntual es igual al parámetro
poblacional, se dice que el estimador puntual es insesgado.

- Varianza de la media muestral:

- Teorema del Límite Central.

Cuando se seleccionan muestras aleatorias simples de tamaño n de una población, la

distribución muestral de la media muestral puede aproximarse mediante una distribución
normal a medida que el tamaño de la muestra se hace grande.
Dada una población con media μ y varianza finita σ2, con cualquier distribución, la distribución
muestral de la media, calculada de muestras aleatorias de tamaño n, está distribuida
normalmente con media μ y varianza finita σ2/n, cuando n es grande. La regla de oro dice que
n≥30.

Ejemplo:
La vida promedia de cierta herramienta es de 41.5 horas, con una desviación estándar de 2.5
horas. ¿Cuál es la probabilidad de que una muestra aleatoria de tamaño 50 extraída de esta
población tenga una media entre 40.5 y 42 horas?
P(40,5 £ x £ 42) = P(-2,86 £ z £ 1,43) = P(0 £ z £ 2,86) + P(0 £ z £ 1,43) = 0,9215

Distribución de una proporción muestral ( ^

P)

Se define una proporción muestral como el cociente:

Por ejemplo: si de una población de N = 50, empleados de una empresa, 15 de ellos no cumplen
con su horario de trabajo, la proporción de empleados que no cumplen horario con relación al
total, viene dado:
P = 15/50 = 0,3; es decir, el 30 % de los empleados no cumplen su horario.

Ejemplo:
Si se toma una muestra aleatoria de tamaño n = 1000 y 425 personas satisfacen un evento,
entonces p = 425 / 1000 = 0,425. Esto significa que el 42,5 % de las personas satisfacen dicho
evento.
La distribución de una proporción muestral, se define de una manera análoga a la distribución
de media, o sea:

De esa forma corresponden a la distribución de una proporción muestral.

De acuerdo a lo expuesto, la distribución muestral de proporciones corresponde a una
distribución de probabilidad de todas las proporciones posibles de las muestras, para un
tamaño n determinado.
Los parámetros que definen esta distribución vienen dados por:
 Conclusión

La mayor parte del conocimiento que se tiene del mundo, se obtiene a través de
muestras. La necesidad de seleccionar una muestra donde cada elemento de la población o
universo tenga una probabilidad conocida de ser seleccionado, para lograr esto debemos elegir
un tipo de muestreo probabilística con la finalidad que el error del muestreo lo asuma
simplemente el azar.

Por otra parte, el objetivo que persigue una muestra es que permite efectuar
estimaciones de valores del universo a partir de medidas obtenidas de la misma, y al mismo
tiempo permiten realizar cálculos de la seguridad o confiabilidad de tales estimaciones de
manera más precisas utilizando pruebas estadísticas de hipótesis acerca del universo.

Finalmente, es necesario conocer la teoría del muestreo para decidir la conveniencia de

tomar o no muestras de una población considerando la naturaleza del diseño de investigación y
las características peculiares del proyecto para enfrentar el problema. Así como decidir el tipo
de muestra para un proyecto de investigación teniendo en cuenta las variables que interesa
relacionar, el tipo de población y las proporciones de los individuos.

A partir de las muestras seleccionadas de una población pueden construirse variables

aleatorias alternativas, de cuyo análisis se desprenden interesantes propiedades estadísticas.
Las dos formas más comunes de estas variables corresponden a las distribuciones muestrales
de las medias y de las proporciones.
 Bibliografía

• Enciclopedia Multimedia Espasa (2000). España: Planeta.

• GABALDON M., Néstor (1980) Algunos conceptos de muestreo (3ra. Ed.)

Caracas, Venezuela: Universidad Central de Venezuela, Facultad de Ciencias
Económicas y Sociales, División de publicaciones.

• GONICK, L. y SMITH, W. La Estadística en comic. Madrid, España: Zendrera

Zariquiey.

• http://www.itchihuahuaii.edu.mx/academico/CB/MEG/documentos/1.1.htm

• http://www.mtas.es/insht/monitor/Inicio/PS/ix/psix08.pdf

 http://cigeg.uneg.edu.ve/documentos/curso/TEORIA%20ELEMENTAL%20DE
%20MUESTREO.pdf
 http://www.monografias.com/trabajos11/tebas/tebas.shtml
 http://www.chospab.es/calidad/archivos/Metodos/Muestreo.pdf
 http://colbun.utalca.cl/profesores/gicaza/Clases/7Distribuciones
%20Muestrales.pdf
 http://cigeg.uneg.edu.ve/documentos/curso/TEORIA%20ELEMENTAL%20DE
%20MUESTREO.pdf
 http://es.scribd.com/doc/37268578/Distribucion-muestral-3