TEMAS A EVALUAR EN EL EXAMEN (MUESTREO)

1.Objetivo I Conceptos clave respecto

de los tipos de muestra
2.Objetivo II Conceptos y características
del muestreo por el azar
3.Objetivo III Estimación de valores
4.Objetivo IV Tamaño de muestra
 Carácter Costos y Población o Universo
Destructivo tiempo
El Objetivo Específico
I introduce los conceptos
fundamentales del
Censo muestreo, destacando la
Población Mayor
infinita exactitud importancia de seleccionar
una muestra
Muestreo representativa para
Censo realizar inferencias válidas
sobre la población. Se
explican los tipos de
muestreo (probabilístico y
Inferencia estadística no probabilístico),
Muestreo no las razones para
Muestreo probabilístico
probabilístico muestrear en lugar de
realizar un censo, y
• Muestreo aleatorio • Muestreo por Representatividad de la los conceptos clave como
simple conveniencia muestra población, muestra,
• Muestreo sistemático • Muestreo por juicio inferencia estadística y
• Muestreo estratificado personal • Tamaño de muestra representatividad
• Muestreo por • Método de selección
conglomerados • Sesgo

Muestra
 Técnicas de muestreo probabilístico
 1. Muestreo Aleatorio Simple
 Es el método más básico de muestreo probabilístico, donde cada elemento de la población tiene la misma
probabilidad de ser seleccionado.
 Procedimiento:
1.Enumerar la población: Asignar un número único a cada elemento de la población.
2.Selección aleatoria: Utilizar un método aleatorio (como una tabla de números aleatorios, un software
estadístico o un sorteo) para seleccionar los elementos que formarán parte de la muestra.

Sorteo Tabla de números aleatorios

 Ejemplo:
 Si tienes una población de 1,000 personas y necesitas una muestra de 100, asignas un número del 1 al 1,000 a
cada persona y luego seleccionas 100 números al azar.
 Ventajas:
 Sencillez: Fácil de entender y aplicar.
 No requiere información previa: No es necesario conocer la estructura de la población.
 Bajo sesgo: Si se realiza correctamente, asegura que la muestra sea representativa.
 Desventajas:
 Impráctico en poblaciones grandes: Puede ser difícil enumerar y seleccionar elementos en poblaciones muy
grandes.
 No aprovecha subgrupos: No tiene en cuenta la posible heterogeneidad de la población (por ejemplo, estratos o
conglomerados).
 Técnicas de muestreo probabilístico
 2. Muestreo Sistemático
 Selección de elementos de la población a intervalos regulares.
 Procedimiento:
 Calcular el intervalo de selección (k):
 Donde N es el tamaño de la población y n es el tamaño de la muestra.
 Seleccionar un punto de partida aleatorio: Elegir un número aleatorio entre 1 y k.
 Seleccionar los elementos: A partir del punto de partida, seleccionar cada k-ésimo elemento.
 Ejemplo:
 Si tienes una población de 1,000 personas y necesitas una muestra de 100, el intervalo de selección
es Si el punto de partida aleatorio es 7, seleccionarías a las personas 7, 17, 27, ..., 997.
 Ventajas:
 Fácil de aplicar: No requiere enumerar toda la población.
 Cobertura uniforme: Asegura que la muestra esté distribuida de manera uniforme en la población.
 Desventajas:
 Riesgo de periodicidad: Si la población tiene un patrón periódico que coincide con el intervalo kk, la
muestra puede estar sesgada.
 No es totalmente aleatorio: Aunque es probabilístico, no es tan aleatorio como el muestreo aleatorio
simple.
Técnicas de muestreo probabilístico
 3. Muestreo Aleatorio Estratificado
 División de la población en estratos (subgrupos homogéneos) y selección de una muestra aleatoria dentro de cada
estrato.
 Procedimiento:
 Dividir la población en estratos: Los estratos deben ser internamente homogéneos y externamente heterogéneos
(por ejemplo, estratos por nivel socioeconómico, edad, género).
 Seleccionar una muestra aleatoria dentro de cada estrato: El tamaño de la muestra en cada estrato puede ser
proporcional al tamaño del estrato o igual para todos los estratos.
 Ejemplo:
 Si tienes una población de 1,000 personas dividida en tres estratos (bajo, medio, alto) con 400, 400 y 200
personas respectivamente, y necesitas una muestra de 100, puedes seleccionar 40 personas del estrato bajo, 40
400 200
del medio y 20 del al x100 x100
1000 1000

afijaciones simple proporcional optima

 Ventajas:
 Mayor precisión: Reduce el error muestral al asegurar que todos los estratos estén representados.
 Análisis por subgrupos: Permite hacer inferencias específicas para cada estrato.
 Desventajas:
 Requiere información previa: Necesitas conocer la estructura de la población para definir los estratos.
 Complejidad: Más difícil de implementar que el muestreo aleatorio simple
 Técnicas de muestreo probabilístico
 4. Muestreo por Conglomerados
 División de la población en conglomerados (grupos naturales, como barrios, escuelas o hospitales) y selección
aleatoria de algunos conglomerados para estudiar todos sus elementos.
 Procedimiento:
 Dividir la población en conglomerados: Los conglomerados deben ser heterogéneos internamente (es decir, cada
conglomerado debe ser una miniversión de la población).
 Seleccionar aleatoriamente algunos conglomerados: Por ejemplo, seleccionar 10 barrios de una ciudad.
 Estudiar todos los elementos dentro de los conglomerados seleccionados: Por ejemplo, entrevistar a todas las
personas en los barrios seleccionados.
 Ejemplo:
 Si tienes una población de 1,000 personas distribuida en 20 barrios, y necesitas una muestra de 100, puedes
seleccionar 5 barrios al azar y estudiar a todas las personas en esos barrios.
 Ventajas:
 Reducción de costos: Es más económico y rápido que otros métodos, especialmente cuando la población está
dispersa geográficamente.
 Facilidad de implementación: No requiere un listado completo de la población, solo de los conglomerados.
 Desventajas:
 Mayor error muestral: Si los conglomerados no son representativos de la población, la muestra puede estar
sesgada.
 Menor precisión: En general, es menos preciso que el muestreo estratificado.

 Etapas del muestreo probabilístico
 Definición de objetivos: Identificar el problema y establecer las metas
del estudio. El Objetivo Específico
 Definición del marco de muestreo: Crear una lista o mapa de las II profundiza en los métodos
de muestreo probabilístico,
unidades de muestreo. que son esenciales para
 Selección de variables y métodos de medición: Decidir qué variables garantizar que una muestra
medir y cómo hacerlo. sea representativa de la
población. Se describen los
 Determinación del tamaño de la muestra: Calcular el número de principales tipos o técnicas de
elementos necesarios para obtener resultados confiables. muestreo probabilístico
(aleatorio simple, sistemático,
 Selección de unidades de muestreo: Elegir los elementos que formarán estratificado y por
parte de la muestra. conglomerados), sus ventajas
y desventajas, y las etapas
 Organización del trabajo de campo: Planificar la recolección de datos. clave para realizar un estudio
 Análisis y edición de resultados: Procesar y analizar los datos obtenidos. por muestreo

Marco muestral Unidad de muestreo Error muestral

 Estimación puntual
Objetivo Específico III:
 Uso de un valor único (como la media muestral o la proporción muestral) Realizar estimaciones de los
para estimar un parámetro poblacional (como la media poblacional o la verdaderos valores del
proporción poblacional). universo
 Conceptos clave: Este objetivo se centra en
la estimación de parámetros
 Estimador: Función de la muestra que se utiliza para estimar el parámetro poblacionales a partir de una
poblacional. muestra. La estimación
 Parámetro: Valor desconocido que se desea estimar (por ejemplo, la media puede ser puntual (un valor
poblacional μ o la proporción poblacional p). único) o por intervalos (un
 Ejemplos de estimadores: rango de valores). A
continuación, se presentan
 Media muestral (X) para estimar la media poblacional (μ). los conceptos
 Proporción muestral (p) para estimar la proporción poblacional (p). clave y ejemplos relacionado
s con este objetivo.
 Ejemplo de Estimación Puntual:
 Problema: En una muestra de 100 pacientes, se encuentra que 25 tienen
hipertensión. Estima la proporción de hipertensión en la población.
 Solución:

 Estimación puntual: La proporción de hipertensión en la población es

del 25%.
 Estimación de intervalos
Intervalos de confianza
•Es un rango de valores que, con una probabilidad La estimación por
determinada (nivel de confianza), contiene el valor intervalos consiste en
verdadero del parámetro poblacional. calcular un rango de
•Se expresa como valores (intervalo de
confianza) que tiene una
probabilidad específica de
Donde:
contener el parámetro
•Estimador: Valor calculado a partir de la muestra (por
poblacional desconocido.
ejemplo, la media muestral X o la proporción muestral p).
A diferencia de la
•Margen de error: Depende del nivel de confianza y de la
estimación puntual (que
variabilidad de los datos.
proporciona un solo
niveles de confianza (1−α): valor), la estimación por
intervalos ofrece un rango
•Es la probabilidad de que el intervalo de confianza de valores
contenga el parámetro poblacional. plausibles para el
•Los niveles de confianza más comunes son 90%, 95% y parámetro
99%.
•Un nivel de confianza del 95% significa que, si
repitiéramos el muestreo muchas veces, el 95% de los
intervalos calculados contendrían el parámetro
poblacional.
Estimación de intervalos
igual