ESTADÍSTICA Y

PROBABILIDAD

Ing. Nancy Chariguamán

ESPOCH
UNIDAD V:
Estimación y Muestreo

• Introducción.
• Definiciones Básicas
• Tipos de Muestreo.
• Aplicaciones (Investigación Formativa - Estudiantes)
OBJETIVO

Obtener los resultados de las estimaciones y el muestreo,

comunicando de manera efectiva los hallazgos en un contexto

práctico.
Tipos de Muestreo:
Muestreos Probabilísticos: Muestreos no Probabilísticos:

❑Aleatorio Simple ❑Conveniencia

❑Sistemático ❑Bola de Nieve
❑Estratificado ❑Casual o accidental
❑Conglomerado ❑Por Cuotas
Tipos de Muestreo
Probabilísticos
Tipos de Muestreo Probabilísticos
❑ Muestreo aleatorio simple:

Definición: En este tipo de muestreo, cada elemento de la población tiene la misma probabilidad de ser seleccionado para
formar parte de la muestra. Se realiza sin reemplazo, lo que significa que un elemento seleccionado no se vuelve a incluir en
la selección.
Aplicación:
Evaluación del contenido de humedad en granos de maíz almacenados.
Población: Todos los sacos de maíz almacenados en un centro agroindustrial.
Muestra: 30 sacos seleccionados al azar de un total de 300.
Variables:
• Humedad (%): Cuantitativa continua
• Fecha de almacenamiento: Cualitativa ordinal
Tipos de datos:
• Numérico (humedad), Categórico (fecha categorizada)
Niveles de medición:
• Humedad: Razón
• Fecha: Ordinal
Tipos de Muestreo Probabilísticos
❑Muestreo sistemático:
Definición: En este método, los elementos de la población se seleccionan a intervalos
𝑁
regulares a partir de una lista ordenada de la población. Calcula el valor 𝑘 = 𝑛 .
Aplicación:
Monitoreo de pH en puntos de un canal de riego cada 500 metros.
• Población: 100 puntos a lo largo de un canal de 50 km.
• Muestra: 20 puntos al largo de un canal de 50 km. Entonces cada 5 puntos (inicio
aleatorio, luego cada 5).
• Variables en estudio:
• pH: Cuantitativa continua
• Punto de muestreo: Cualitativa nominal
• Tipos de Datos:
• Numéricos (pH), Categóricos (ubicación)
• Niveles de medición:
• pH: Razón
• Punto: Nominal
Tipos de Muestreo Probabilísticos
❑ Muestreo estratificado:
Definición: La población se divide en subgrupos o estratos homogéneos basados en características
específicas (como edad, sexo, gravedad de la enfermedad, etc.), y luego se selecciona una muestra
de cada estrato.
Aplicación:
Medición de proteína en leche según tipo de ganado (Holstein, Jersey, Criollo)
• Población: Todos los litros de leche producidos en una semana.
• Estratos: Tipo de raza del ganado.
• Muestra: 10 litros por cada tipo de raza, seleccionados aleatoriamente.
• Variables:
• % proteína: Cuantitativa continua
• Tipo de ganado: Cualitativa nominal
• Datos:
• Numéricos y categóricos
• Niveles:
• Proteína: Razón
• Tipo: Nominal
Tipos de Muestreo Probabilísticos
❑ Muestreo por conglomerados:
Definición: La población se divide en grupos o conglomerados naturales (como hospitales,
clínicas, regiones geográficas, etc.), y luego se seleccionan algunos de estos conglomerados
para formar la muestra.
Aplicación:
Medición de material particulado en barrios urbanos con contaminación
• Población: Todos los hogares de 6 barrios.
• Conglomerados: Barrios
• Muestra: Se eligen 2 barrios al azar y se mide en todas las viviendas de esos barrios.
• Variables:
• PM10 (µg/m³): Cuantitativa continua
• Barrio: Cualitativa nominal
• Datos:
• Numéricos y categóricos
• Niveles:
• PM10: Razón
• Barrio: Nominal
Tipos de Muestreo Probabilísticos
Ventajas y Desventajas:
Ventajas y Desventajas:
Tipos de Muestreo
No Probabilísticos
Muestra No Probabilística:

El muestreo no probabilístico es aquel donde no todos los

sujetos de la población estadística tienen la misma probabilidad
de ser elegidos para formar parte del estudio que se está
desarrollando.
Es decir, este tipo de muestreo implica que el encuestador o
investigador no selecciona aleatoriamente o al azar, entre toda la
población, a los individuos que forman parte de la muestra sobre
la que trabaja.
Muestreo No Probabilístico:
Ventajas Desventajas
• La selección de los sujetos, sobre
Implica menores costos y tiempo porque el investigador
todo en el caso del muestreo
puede elegir a aquellos sujetos que son de fácil acceso. discrecional, puede verse afectada
por los sesgos del investigador.
Esto conllevaría a que los datos no
sean del todo fiables.
Es posible controlar las características de la muestra.
• No siempre garantiza la adecuada
representación de la población
objetivo, de nuevo, sobre todo, si
la selección es discrecional.
Es idóneo para estudios sobre poblaciones con
características poco comunes o que manejan datos • Los resultados, dados los puntos
sensibles. Por ejemplo, personas que están en situación
de ilegalidad en un país extranjero. También se utiliza
mencionados previamente, suelen
para estudios pilotos o que nos permiten conocer a no ser del todo precisos.
grandes rasgos las características de una población.
Muestreo por conveniencia:
En este caso, el investigador
selecciona a aquellos individuos que Ejemplo: Un docente de
están más cerca de él o que son
Es la muestra que esta más accesibles. la ESPOCH que realiza
disponible en el tiempo o Esta conveniencia se produce una investigación entre
periodo de investigación. porque al investigador le resulta más los estudiantes de cierta
fácil examinar a estos sujetos, ya sea
por proximidad geográfica, por ser carrera.
sus amigos, etc.

Ejemplo: Todos los

DESVENTAJA: la
pacientes que asistan a
muestra puede ser poco
una clínica en particular
representativa de la
cierto día, semana,
población que se desea
pueden ser requeridos
estudiar.
para participar.
Muestreo Bola de nieve o muestreo por
referidos: En este caso, usualmente se trata de investigar a
un grupo de personas con características muy
particulares y poco comunes, o cuando dicha
información no es de fácil acceso. Entonces, el
investigador, una vez que se encuentra con algunas
personas con esa característica buscada, les pide
que llamen a otros individuos con esa misma
particularidad.
Se realiza sobre poblaciones donde no se conoce a
sus individuos o es muy difícil acceder a ellos. Se
llama muestreo de bola de nieve porque cada
sujeto estudiado propone a otros, produciendo un
efecto acumulativo parecido a una bola de nieve.
Por ejemplo, esto podría darse en una
investigación sobre alguna enfermedad rara.
Muestreo Casual o Accidental:
El investigador selecciona, sin juicio previo, a los
individuos que van a formar parte de la muestra.
Los individuos son elegidos de manera casual, sin
ningún juicio previo.
Las personas que realizan el estudio eligen un lugar o
un medio, y desde ahí realizan el estudio a los
individuos de la población que accidentalmente se
encuentren a su disposición.
Por ejemplo, esto suele suceder cuando se hacen
encuestas en la calle. El encuestador va a una
determinada hora y a un lugar específico de la ciudad
y hace preguntas a las personas que van pasando y
aceptan responder. No toda la población objetivo tiene
la misma probabilidad de pasar por esa calle y,
además, de encontrarse con el encuestador.
Muestreo por CUOTAS:
Todos los elementos conocidos de la población
tienen que aparecer en la muestra. Se debe
asegurar que estos aparezcan en la misma
proporción que en la población. El investigador
entrevista a todos las personas de cada categoría
que pueda encontrar hasta que haya llenado la
cuota.
En este caso, se hace un muestreo no probabilístico
porque se busca cumplir con una determinada
condición.
Se basa en seleccionar la muestra después de
dividir la población en grupos o estratos. Los sujetos
dentro de cada grupo se eligen por métodos no
probabilísticos.
Por ejemplo, que el 50% de la muestra sean
hombres, y el otro 50%, mujeres.
RESULTADO DE APRENDIZAJE:

Interpreta los resultados obtenidos de los cálculos de estimación

y muestreo, comunicando de manera clara y efectiva los
hallazgos a un público no especializado.