Tipos de muestreo
Error Muestral:
Diferencia entre la realidad (parámetro) y la estimación basada en la
muestra.
Error no muestral:
Se genera por el procedimiento del censo o muestreo durante la
operación de recolección.
Marco Muestral
Medio físico o digital que permite ubicar e identificar las unidades
que pertenecen a la población objeto de estudio en una investigación.
Unidad de muestreo
Es cada uno de los elementos que componen la población
muestreada. Estas unidades cubren la población objeto y cada
elemento de esta debe pertenecer a una sóla unidad de muestreo.
Ejemplo:
En un estudio para medir la incidencia de cierta enfermedad en cierto
periodo de tiempo, en una determinada comunidad, es mas simple tomar
una muestra de hogares que de personas. Los primeros generalmente
pueden ser identificados con la ayuda de mapas o registros municipales,
mientras que una identificación previa de las personas resulta ser más
complejo.
¿De que depende el tamaño de una
muestra?
• La precisión.
• el nivel de confianza.
• la variabilidad de la característica de interés.
• No depende directamente del tamaño de la población. a
medida que crece la población, su tamaño pierde influencia
sobre el tamaño de la muestra
¿De que depende el tamaño de una
muestra?
N n
100
50 33
75 42
80
100 49
Tamaño de muestra (n)
60
200 66
40
500 82
1000 89
20
5000 96
0
Muestreo Probabilístico
Todas las unidades seleccionadas para la muestra, tienen una
probabilidad conocida de inclusión en ella y su selección se realiza
mediante un proceso aleatorio. Algunos métodos de muestreo
probabilístico son:
• Muestreo Aleatorio Simple (MAS)
• Muestreo Aleatorio Estratificado (MAE)
• Muestreo Sistemático (MSIS)
• Muestreo por Conglomerados (MCON)
• Muestreo Multietápico
Muestreo Aleatorio Simple (MAS)
Características
Inconvenientes
Expresión de precisión:
Mediante esta se establece por parte del investigador el máximo error
de muestreo permitido.
P (|x̄ − µ| ≤ δ) = 1 − α
Muestreo Aleatorio Simple (MAS)
δ
z1−α/2 = p
var(x̄)
Muestreo Aleatorio Simple (MAS)
2 N
SN n 2 1 X
var(x̄) = (1 − f ) , donde f = , SN = (xi − X̄)
n N N −1
i=1
Muestreo Aleatorio Simple (MAS)
2 N
SN n 2 1 X
var(x̄) = (1 − f ) , donde f = , SN = (xi − X̄)
n N N −1
i=1
n0 si n0
< 0,05 S2
N n0 = 2
n= δ
n0 n0 zα/2
n
1+ N0
si N ≥ 0,05
Muestreo Aleatorio Simple (MAS)
n0 si n0
< 0,05 S2
N n0 = 2
n= δ
n0 n0 zα/2
n
1+ N0
si N ≥ 0,05
80
70
60
Nivel de Confianza
Muestreo Aleatorio Simple (MAS)
El máximo error tolerable influye inversamente en el tamaño de la
muestra
400
Tamaño de muestra (n)
300
200
100
Error de Estimación
Ejemplo
n0 P (1 − P )
n= ; n0 = 2
1 + (n0 − 1)/N δ
zα/2
Características
y su varianza es:
L L
X X Sh2
V (X̄Es ) = Wh2 V (X̄h ) = Wh2 (1 − fh )
nh
h=1 h=1
1
Gutiérrez, H. A. (2009), Estrategias de muestreo: Diseño de encuestas y
estimación de parámetros
Muestreo Aleatorio Estratificado
Una entidad gubernamental está interesado en estimar, entre otras
variables, la ganancia media de las empresas del sector industrial de una
ciudad en el último año fiscal (N = 2396). Como se sabe que ganancias
de las empresas puede tomar valores muy variables, la entidad decide
dividir las empresas según su tamaño, como Pequeña (N1 = 1576), Media
(N2 = 737) y Grande (N3 = 83). Esta clasificación la realizan en base
a información disponible de los impuestos declarados por cada empresa 1 .
Se quiere determinar la ganancia media de los ingresos con un nivel de
confianza del 95 % y un margen de error de 20 unidades
Tamaño n x̄ S2
Pequeña 20 258.25 10716.93
Mediana 10 635.1 14901.21
Grande 5 14901.21 28226.8
1
Gutiérrez, H. A. (2009), Estrategias de muestreo: Diseño de encuestas y
estimación de parámetros
Asignación de la muestra
Asignación Uniforme:
Consiste en asignar el mismo número de unidades muestrales a cada
estrato.
n
nh = ∀h
L
Da la misma importancia a todos los estratos, en cuanto al tamaño
de la muestra.
Favorece a los estratos de menor tamaño y perjudica a los grandes,
en cuanto a precisión.
En este caso:
1
wh =
L
Asignación de la muestra
Asignación Proporcional:
se reparte la muestra final en entre los estratos de forma proporcional
al tamaño de estos.
Nh
nh = n
N
Estrato más grande muestra más grande, estrato más pequeño
muestra más pequeña.
la indicada cuando no tenemos información sobre la distribución de
la característica en estudio.
En este caso:
Nh
wh =
N
Asignación de la muestra
En este caso:
Wh Sh
wh = PL
h=1 Wh Sh
MAE para una proporción
n0
n0
si N < 0,05
n=
n0 n0
n
1+ N0
si N ≥ 0,05
MAE para una proporción
Asignación Uniforme:
n 1
nh = ∀h ∴ wh = ∀h
L L
Asignación Proporcional:
nh = nWh ∴ wh = W h
Asignación Mínima varianza:
q q
Nh Ph (1−Ph ) Nh Ph (1−Ph )
Wh Nh−1 Wh Nh−1
nh = n P q ∴ wh = q
L Nh Ph (1−Ph ) P L Nh Ph (1−Ph )
h=1 Wh Nh−1 h=1 Wh Nh−1
Ejemplo
Desventajas
Desventajas