Departamento de Ciencias Administrativas y Econmicas

Ingeniera Comercial

Estadstica e Introduccin a la Econometra

I.- CONCEPTOS BSICOS DE MUESTREO

1) Que entendemos por poblacin?

Conjunto de sujetos o elementos sobre el que un estudio quiere conocer algo.

La poblacin pueden ser individuos, familias, pases, ciudades, empresas, instituciones,

productos, acciones, etc., etc.

2) Qu entendemos por una muestra?

Es un subconjunto de la poblacin sobre el que un estudio toma datos.

3) Por qu utilizar muestras en vez de poblacin?

Hay diversas razones, las ms importantes o ms comunes de escuchar son:

- Por razones econmicas. Es ms econmico estudiar una muestra que toda la poblacin.
- Por razones de tiempo. Estudiar toda la poblacin requiere tiempo, y al aplicar el estudio,
la variable de inters puede sufrir cambios. Por ejemplo: la tasa de desempleo.

4) Cuando obtenemos una muestra, qu podemos hacer con ella?

Con los datos podemos realizar una estadstica descriptiva, que es resumir los datos de la
muestra, y una estadstica inferencial, que es inferir datos de la poblacin a raz de los datos de
la muestra.

5) Qu es un estimador?

Es un estadstico. Es un nmero que resume la informacin sobre la muestra (un promedio,

un porcentaje).
Un estimador se obtiene por medio de la estadstica descriptiva de la muestra.

1
EIE 2017
Ej: Edad promedio de los encuestados en Osorno

6) Qu es un parmetro?

Es un nmero que resume la informacin sobre la poblacin.

Ej: Edad promedio de los osorninos.

(Es decir, con la estadstica inferencial estimamos, a partir de los estimadores que son conocidos (que
obtenemos por medio de una muestra), los parmetros que son desconocidos).

II.- TIPOS DE MUESTREO

Una muestra debe ser representativa si va a ser usada para estimar las caractersticas de la
poblacin. Existen diversos mtodos para seleccionar una muestra representativa,
dependiendo del dinero y del tiempo disponible (y habilidad disponibles) para tomar una
muestra y la naturaleza de los elementos individuales de la poblacin.

1) Muestreo aleatorio simple (MAS)

Cada elemento de la poblacin tiene la misma probabilidad de ser escogido.

Todas las posibles muestras del tamao muestral escogido (n) tienen la misma probabilidad
de ser escogidas.

Ej: - Todos los nombres de los estudiantes de la ULA (se seleccionan con nmeros
aleatorios)

El MAS es el mecanismo ideal y la estadstica inferencial se basa en este muestreo IDEAL.

Desafortunadamente, pocas podemos aplicar este mtodo con total aleatoriedad y se utilizan
otros muestreos probabilsticos.

2) Muestreo Sistemtico

Una muestra sistemtica es obtenida cuando los elementos son seleccionados de una
forma ordenada. La manera de la seleccin depende del nmero de elementos incluidos en
la poblacin y el tamao de la muestra.
Lo que debemos hacer en primer lugar es dividir el nmero de elementos en la poblacin
por el nmero deseado en la muestra. El resultado (el cociente) indicar si cada dcimo, cada
onceavo, cada centsimo o cada simo elemento en la poblacin va a ser seleccionado.
El primer elemento de la muestra es seleccionado al azar. Por lo tanto, una muestra
sistemtica puede entregarnos la misma precisin de estimacin acerca de la poblacin, que
una muestra aleatoria simple cuando los elementos en la poblacin estn ordenados al
azar.

Ejemplo:

2
EIE 2017
- Tenemos una poblacin de 15.000, y tenemos/calculamos una muestra de 500. As
15.000/500=30. Este resultado se le conocer como FACTOR DE ELEVACIN.
- Luego, en el caso concreto de este ejemplo, debemos escoger el primer elemento a
encuestar/estudiar que deber ser escogido aleatoriamente entre el 1 y el 30.
- Supongamos que aleatoriamente hemos escogido el elemento (persona, empresa, accin,
etc) nmero 12. El siguiente elemento a seleccionar es 12+30=42, luego 42+30=72, y as
sucesivamente.

3) Muestreo Estratificado (o muestreo aleatorio estratificado)

Si deseamos aplicar un muestreo aleatoria estratificado, primero debemos dividir la poblacin en

grupos ( llamados estratos), que son ms homogneos que la poblacin como un todo.
Luego, los elementos de la muestra son seleccionados al azar (muestra aleatoria simple) o por
un mtodo sistemtico de cada estrato.

Este tipo de muestreo lo utilizamos cuando sabemos que la poblacin contiene grupos o
subpoblaciones (estratos) que son homogneos internamente, pero sospechamos que son
muy diferentes entre ellos respecto a la caracterstica estudiada.

Las estimaciones de la poblacin, basadas en la muestra estratificada, usualmente tienen

mayor precisin (o que es lo mismo: menor error muestral) que si la poblacin entera muestreada
mediante muestreo aleatorio simple.
Ejemplo:
- Se desea hacer una encuesta entre los estudiantes de la ULA y sospechamos que el
sexo influye en las respuestas. Sabemos que hay 4.000 estudiantes
- Conocemos la proporcin de hombres y mujeres estudiantes. Hay un 60% de
hombres y un 40% de mujeres..
- Suponga que hemos calculado la muestra en 300 (es decir, necesitamos aplicar una
encuesta a 300 estudiantes). Calculamos el nmero de encuestas que debemos aplicar
a hombres y mujeres manteniendo la proporcin. Es decir, 180 deben ser varones y
120 deben ser mujeres.

Hay un tipo especial de muestreo aleatorio estratificado en el cual no se mantiene la proporcin

de los estratos. Es el llamado muestreo estratificado no proporcional. Se utiliza cuando
se necesita hacer inferencias de grupos pequeos.
Ejemplo:
- Suponga que deseamos conocer la opinin de las personas del acceso a la calidad de
la educacin en personas que viven en comunas pequeas, medianas y grandes.
- Si aplicamos un muestreo aleatorio simple, seleccionaremos muy pocas personas de
comunas pequeas, por lo que nuestro error muestral ser muy grande y no
podremos hacer inferencia estadstica ni podremos comparar resultados.
- Una solucin al problema anterior es obtener muestras iguales de los diferentes estratos
(comunas en este caso).

3
EIE 2017
4) Muestreo de conglomerados. (MDC)

Muchas veces la aplicacin de un muestreo aleatorio simple, sistemtico o estratificado no es

posible ya que algunas veces se requieren listas (total y/o por cada estrato) las cuales no
existen o no es posible acceder a ellas (por aspectos legales u otros).
Sin embargo, existen grupos heterogneos de sujetos o conglomerados.
De esta forma podemos aplicar un muestreo aleatorio de conglomerados y podemos elegir
todos los elementos o hacer un muestreo aleatorio simple.
Para obtener una muestra de conglomerados, primero debemos dividir la poblacin en grupos que
son convenientes para el muestreo.
Luego debemos seleccionar una porcin de los grupos al azar o por un mtodo sistemtico.
Bajo este mtodo, aunque no todos los grupos son muestreados, cada grupo tiene una igual
probabilidad de ser seleccionado. Por ellos podemos indicar que la muestra es aleatoria.

Ejemplo de muestra de conglomerados:

- Requerimos hacer un estudio de los estudiantes universitarios chilenos.
- Suponga que no tenemos el listado de los estudiantes ni tampoco tenemos
informacin de estratos (hombres, mujeres, edad, etc., etc.)
- Sin embargo, se cuenta con el listado de las universidades chilenas y cada una de sus
facultades o departamentos acadmicos.
- As, para aplicar un muestreo de conglomerados hacemos:
o Muestreo aleatorio simple (MAS) de universidades
o Luego MAS de facultades
o Luego MAS Carreras
o Ya en las carreras hay listas y podemos aplicar seleccionar a todos los
elementos, o un MAS.

Un MDC es una solucin muy prctica cuando los conglomerados estn definidos
geogrficamente muy bien, ya que hay, especialmente, un ahorro muy grande en recursos
(tiempo, viajes, dinero, etc.)

Con MDC no nos interesa saber las diferencias entre conglomerados. Dado que un
conglomerado es heterogneo, nos puede ayudar a conocer las diferencias entre estratos. Por
lo tanto, un MDC es solo un medio de tomar datos de forma econmica y simple. Si
quisiramos conocer diferencias de dos conglomerados, tendramos que obtener una muestra
representativa de cada uno de ellos.

Lo anterior hace que sea necesario que un conglomerado sea internamente lo ms

heterogneo posible. Es decir, que sea lo ms parecido a la poblacin. Sin embargo, pocas
veces puede ocurrir esto.

Uno de los problemas que puede presentar una muestra de conglomerados, es que
usualmente produce un mayor error muestral (por lo que obtendremos un menor precisin
de las estimaciones acerca de la poblacin) que una muestra aleatoria simple del mismo
tamao cuando los elementos individuales dentro de cada conglomerado tienden usualmente a ser iguales.
Por ejemplo la gente con altos ingresos vive generalmente en un mismo sector/barrio,
mientras que la gente con ingresos tiende vivir en a vivir juntos en otras reas.
En este caso concreto, dado que no todas las reas son muestreadas en este tipo de muestreo,
la variacin entre los elementos obtenidos de las reas seleccionadas es, por lo tanto,

4
EIE 2017
usualmente mayor que la que podemos obtener si la poblacin entera es muestreada mediante
muestreo aleatorio simple.

5) Muestreo polietpico

Es posible realizar una combinacin de varios mtodos de muestreo. Esto es especialmente

til para poblaciones complejas.

Solo un ejemplo:
- Se realizar un estudio de las comunas de la Regin de Los Lagos. En este caso, las
comunas puede ser consideradas que son conglomerados, pero heterogneos entre
si.
- Luego podemos hacer estratos de conglomerados. (agrupar comunas que sean similares,
ya sea por tamao de poblacin, por actividad econmica, etc).
- Luego, seleccionamos aleatoriamente, dentro de cada estrato, un nmero de comunas
(en este caso estaramos hablando de un muestreo estratificado de conglomerados).
- Dentro de cada comuna (piense en cualquiera), podemos pensar que las
cuadras/manzanas son conglomerados.
- Luego agrupamos las manzanas de cada comuna de la Regin de Lo Lagos por
niveles de renta (o cualquier otro indicador/criterio que establezcamos).
- Luego aplicamos un MAS de manzanas en cada estrato de cada municipio (muestreo
estratificado por conglomerados).
- Luego, en cada manzana realizamos un muestreo sistemtico de casas.
- Luego, en cada casa, hacemos un MAS de los individuos que viven en esa casa.

III.- ERRORES ESTANDAR Y DE MUESTREO

1) Error Estndar
La desviacin estndar de una distribucin, en el muestreo de un estadstico (por ejemplo,
un estadstico es una media, un promedio), es denominada el error estndar del estadstico.
La diferencia radica en que en esta ocasin, se considerar el tamao de muestra.
Si el tamao de muestra tiende a infinito, el error estndar tender a cero (lo que quiere decir,
que nos acercaremos cada vez ms al valor poblacional).

As, por ejemplo, la desviacin estndar de las medias de todas la muestras posibles del
mismo tamao, extradas de una poblacin, es llamada el error estndar de la media.

Asimismo, la desviacin estndar de las proporciones (una proporcin puede tambin ser
entendido en lenguaje coloquial, como un porcentaje) de todas las muestras posibles del mismo
tamao, extradas de una poblacin, es llamada el error estndar de la proporcin.

2) Error muestral o error de muestreo

La diferencia entre el resultado obtenido de una muestra (un estadstico) y el resultado el cual
deberamos haber obtenido de la poblacin (el parmetro correspondiente) se llama el error
muestral o error de muestreo. Un error de muestreo usualmente ocurre cuando no se lleva

5
EIE 2017
a cabo la encuesta completa a la poblacin, sino que se toma una muestra para estimar las
caractersticas de la poblacin.
El error muestral es medido por el error estadstico, en trminos de probabilidad, bajo la
curva normal. El resultado de la media indica la precisin de la estimacin de la poblacin
basada en el estudio de la muestra. Mientras ms pequeo el error muestral, mayor es la
precisin de la estimacin.

IV.- FRMULAS

Para calcular un tamao de la muestra, requerimos primero establecer qu es lo que queremos

estudiar.Nos enfocaremos en una proporcin de algo? o nos enfocaremos en la media
del valor de algo?

Estudiar la proporcin de algo, se quiere decir por ejemplo: Queremos estudiar la presencia
de adolescentes que fuman. Por estudios sabemos que el 30% de los adolescentes fuman.

As, tenemos la proporcin p=0,3. En este caso aplicaramos la siguiente frmula cuando
conocemos el tamao de a poblacin:
2
= 2
( 1) + 2

y la siguiente frmula cuando no conocemos el tamao de la poblacin:

2
=
2

Donde
- n= tamao de muestra
- N= tamao de la poblacin
- Z2 = Nivel de confianza. Por ejemplo, ser 1,96 al cuadrado que corresponder al
95% de confianza (recuerde que puede ser un 99% o un 90%).
- p= proporcin esperada, (0,3 en este ejemplo)
- q= 1-p = 0,7
- ((p*q) significa la varianza), tambin la podramos escribir como p*(1-p)
- d2= error muestral. Generalmente se utiliza entre 3% y 5%, aunque frente a una
necesidad de mayor precisin (y/o mayor cantidad de recursos para aplicar el
levantamiento de datos) se sugiere disminuir este valor.

Cuando no conocemos la proporcin de la poblacin, se suele utilizar la varianza

mxima, que ocurre cuando p=0,5.

6
EIE 2017
Cuando deseamos determinar valores medios (valores promedios), requieren aplicar la
siguiente frmula:

2 2
=
2 ( 1) + 2 2

Donde:
- n= tamao de muestra
- N= tamao de la poblacin
- Z2 = nivel de confianza. Por ejemplo ser 1,96 al cuadrado, que corresponde al 95%
de nivel de confianza)
- d2= error muestral. Generalmente se utiliza entre 3% y 5%
- S2= varianza

A menos que tengamos estudios previos que nos puedan aproximar al valor de la varianza
de la poblacin, generalmente NO CONOCEMOS LA VARIANZA de los valores
medios.

Para ser rigurosos en el estudio, deberamos hacer un estudio piloto para tener una
aproximacin de la varianza (por ejemplo, la varianza de las compras y/o ventas, costos, o
lo que nos interese). De esta muestra piloto, solo nos interesa la varianza de los datos, para
luego, calcular el tamao de muestra.

Existen algunas alternativas para abordar este problema sin hacer la prueba piloto, como es
aplicar un muestreo estratificado NO PROPORCIONAL o por conveniencia. O utilizar la
frmula de tamao de muestra para una proporcin (considerando varianza mxima).

BIBLIOGRAFIA UTIL PARA ESTUDIOS EN CIENCIAS SOCIALES

Hernndez Sampieri, R. Fernndez, C. Baptista, P. (1998) Metodologa de la Investigacin.

Segunda Edicin. McGrawHill.

7
EIE 2017
 8
EIE 2017