ESTADSTICA INDUSTRIAL
IMI-701
INTRODUCCIN.
Uno de los objetivos de la estadstica, es ofrecer conclusiones e informacin sobre
una determinada poblacin, que es el conjunto completo de elementos con una
caracterstica en comn y que es el objeto por el cual se realiza un estudio. Es claro
que la mejor manera de obtener un resultado de estudio especfico, es necesario
evaluar todas y cada una de las partes de la poblacin en cuestin, pero eso no es
posible muchas veces, ya que en ocasiones la poblacin es muy grande como para
estudiarla completa. En estas ocasiones, es necesario estudiar un subconjunto de
elementos de la poblacin, es decir, una muestra.
Para poder estudiar correctamente una poblacin mediante la estadstica es
fundamental que la muestra est bien escogida. La clave de un proceso de
muestreo es que la muestra sea representativa de la poblacin. Una forma de
conseguir esto es haciendo que todos los elementos de la poblacin tengan la
misma probabilidad de ser elegidos para la muestra diremos en este caso que
tenemos un muestreo aleatorio. Para realizar estos muestreos aleatorios se utilizan
a menudo tablas de nmeros aleatorios.
Tipos de muestreo
Existen diferentes criterios de clasificacin de los diferentes tipos de muestreo,
aunque en general pueden dividirse en dos grandes grupos: mtodos de muestreo
probabilsticos y mtodos de muestreo no probabilsticos.
1. Muestreo probabilstico.
Los mtodos de muestreo probabilsticos 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 tamao n tienen la misma
probabilidad de ser seleccionadas. Slo estos mtodos de muestreo probabilsticos
nos aseguran la representatividad de la muestra extrada y son, por tanto, los ms
recomendables. Dentro de los mtodos de muestreo probabilsticos encontramos
los siguientes tipos:
Muestreo aleatorio simple:
El procedimiento empleado es el siguiente:
1) se asigna un nmero a cada individuo de la poblacin y
2) a travs de algn medio mecnico (bolas dentro de una bolsa, tablas de nmeros
aleatorios, nmeros aleatorios generados con una calculadora u ordenador, etc.) se
eligen tantos sujetos como sea necesario para completar el tamao de muestra
requerido.
Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad prctica
cuando la poblacin que estamos manejando es muy grande.
Trata de obviar las dificultades que presentan los anteriores ya que simplifican
los procesos y suelen reducir el error muestral para un tamao dado de la muestra.
Consiste en considerar categoras tpicas diferentes entre s (estratos) que poseen
gran homogeneidad respecto a alguna caracterstica (se puede estratificar, por
ejemplo, segn la profesin, el municipio de residencia, el sexo, el estado civil, etc.).
Lo que se pretende con este tipo de muestreo es asegurarse de que todos los
estratos de inters estarn representados adecuadamente en la muestra. Cada
estrato funciona independientemente, pudiendo aplicarse dentro de ellos el
muestreo aleatorio simple o el estratificado para elegir los elementos concretos que
formarn parte de la muestra. En ocasiones las dificultades que plantean son
demasiado grandes, pues exige un conocimiento detallado de la poblacin.
(Tamao geogrfico, sexos, edades,...).}
La distribucin de la muestra en funcin de los diferentes estratos se denomina
afijacin, y puede ser de diferentes tipos:
Afijacin Simple: A cada estrato le corresponde igual nmero de elementos
mustrales.
Afijacin Proporcional: La distribucin se hace de acuerdo con el peso (tamao)
de la poblacin en cada estrato.
Afijacin Optima: Se tiene en cuenta la previsible dispersin de los resultados, de
modo que se considera la proporcin y la desviacin tpica. Tiene poca aplicacin
ya que no se suele conocer la desviacin.
Muestreo sistemtico:
2. Muestreos no probabilsticos.
A veces, para estudios exploratorios, el muestreo probabilstico resulta
excesivamente costoso y se acude a mtodos no probabilsticos, aun siendo
conscientes de que no sirven para realizar generalizaciones (estimaciones
inferenciales sobre la poblacin), pues no se tiene certeza de que la muestra
extrada sea representativa, ya que no todos los sujetos de la poblacin tienen la
misma probabilidad de ser elegidos. En general se seleccionan a los sujetos
siguiendo determinados criterios procurando, en la medida de lo posible, que la
muestra sea representativa.
En algunas circunstancias los mtodos estadsticos y epidemiolgicos
permiten resolver los problemas de representatividad aun en situaciones de
muestreo no probabilstico, por ejemplo los estudios de caso-control, donde los
casos no son seleccionados aleatoriamente de la poblacin.
Bibliografa:
Gorgas J. (2011). Estadstica bsica para estudiantes de ciencias. Madrid:
Universidad Complutense de Madrid.