Primer punto: Teniendo en cuenta las siguientes situaciones mencione el tipo de muestreo que

se describe. (Valor 10 Puntos)

1. Se dispone de un directorio o lista de los 2000 bares y restaurantes de la ciudad, se elige

uno al azar y a partir de este primer seleccionado y contando de 25 en 25 se ha ido
seleccionando una muestra de 80 bares y restaurantes. El tipo de muestreo utilizado es:

RTA: / El problema plantea un muestreo sistemtico al poner que se contara de 25 en 25 a partir

de un nmero x.

2. Suponga que se desea estimar el nmero de horas -hombres perdidos debido a accidentes
de trabajo en un mes particular. Adems de saber que la mayor parte de dichos accidentes
se presentan en los niveles operativo, tcnico y administrativo. El muestreo apropiado
para esta situacin es:

RTA: / Un muestreo estratificado, tomando como estratos cada uno de los niveles: operativo,
tcnico y administrativo. Haciendo una afijacin proporcional al tamao de cada estrato y
seleccionando las submuestras a partir de una lista de todos los trabajadores de los niveles
operativo, tcnico y administrativo.

3. Hojas de registros de pasajeros en el hotel Hilton de Bogot, donde se toma una hoja de
registro a intervalos iguales. El tipo de muestreo utilizado es:

RTA: / El problema plantea un tipo de muestreo sistemtico debido a la eleccin por intervalos
iguales de una hoja de registro desde una hoja de registro escogida al azar

4. Un peridico obtiene una muestra de la opinin (a favor o en contra) sobre un tema de

actualidad de 3000 internautas que quisieron responder a una encuesta publicada en su
pgina web. El tipo de muestreo utilizado es:

RTA: / Muestreo no probabilstico, debido a que la poblacin es seleccionada bajo ciertos criterios
de conveniencia, solo un numero preestablecido de personas.

5. Suponga que en la ciudad T hay 200 barrios. Si elegimos al azar dos de estos barrios, de
manera que la muestra est compuesta por todos los individuos de estos dos barrios. Se
trata de que muestreo:

RTA: / Un muestreo por conglomerados, La conformacin de grupos heterogneos representados

por barrios de una poblacin es propio de este tipo de muestreo.
Segundo punto. Una empresa de trabajo temporal quiere investigar las necesidades de empleo
de las empresas de un pueblo. Para ello decide seleccionar una muestra de 5 de las 25 inscritas
en el registro mercantil. El nmero de bajas ( retiros de personas) en el ltimo ao, el nmero
de empleados y la respuesta de cada empresa sobre si utilizara los servicios de la empresa de
trabajo temporal fueron los siguientes:

a) Estime el nmero de bajas en el ltimo ao en las empresas del pueblo y calcule el error de
estimacin.

b) Estime el nmero de empresas que usaran los servicios ofertados y calcule el error de
estimacin.

RTA: / a) N=25 n=5

14
= = 2.8 = = 70
5
2 12,7
( ) = ( ) = 25 20 = 1270
5

) = 71,2741
= 2(

RTA: / b)
2
= = 0,4 = = 10
5
0,24
( ) = ( ) = 25 20 = 30
1 4

) = 10,945
= 2(
Tercer Punto. Investigue los tipos de muestreo no probabilstico y defina sus caractersticas
principales y d un ejemplo de cada uno de ellos. Debe mencionar la bibliografa utilizada para
este punto. Ojo para todo el saln no debe ser la misma.

RTA: /

TIPOS DE MUESTREO NO PROBABILSTICO

Muestreo por conveniencia

El muestreo por conveniencia es probablemente la tcnica de muestreo ms comn. En el

muestreo por conveniencia, las muestras son seleccionadas porque son accesibles para el
investigador. Los sujetos son elegidos simplemente porque son fciles de reclutar. Esta tcnica es
considerada la ms fcil, la ms barata y la que menos tiempo lleva.

Por ejemplo, El mdico de un instituto quiere realizar un estudio ptico para comprobar si los
jvenes mejoran su vista despus de unos determinados ejercicios visuales. Para ello decide
realizar el estudio a los alumnos de un curso del instituto.

Muestreo consecutivo

El muestreo consecutivo es muy similar al muestreo por conveniencia, excepto que intenta incluir
a TODOS los sujetos accesibles como parte de la muestra. Esta tcnica de muestreo no
probabilstico puede ser considerada la mejor muestra no probabilstica, ya que incluye a todos los
sujetos que estn disponibles, lo que hace que la muestra represente mejor a toda la poblacin.

Por ejemplo, Si deseamos hacer un estudio para conocer las horas de sueo diarias de los nios
recin nacidos, podramos realizar un muestreo consecutivo tomando a todos los recin nacidos
que acudan al centro de salud "x" durante un ao.

Muestreo por cuotas

El muestreo por cuotas es una tcnica de muestreo no probabilstico en donde el investigador

asegura una representacin equitativa y proporcionada de los sujetos, en funcin de qu rasgo es
considerado base de la cuota.

Por ejemplo, si la base de la cuota es de nivel de ao en la universidad y el investigador necesita

una representacin igual, con un tamao de muestra de 100, debe seleccionar 25 estudiantes de
1 ao, 25 de 2 ao, 25 de 3 ao y 25 de 4 ao. Las bases de la cuota generalmente son la edad,
el gnero, la educacin, la etnia, la religin y el nivel socioeconmico.
Muestreo de bola de nieve (o muestreo por referidos)

Se realiza sobre poblaciones donde no se conoce a sus individuos o es muy difcil 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, en enfermedades raras, alcohlicos o drogodependientes, miembros de una,

personas que han sufrido una agresin sexual.

Muestreo discrecional

El muestreo discrecional es ms comnmente conocido como muestreo intencional. En este tipo

de toma de muestras, los sujetos son elegidos para formar parte de la muestra con un objetivo
especfico. Con el muestreo discrecional, el investigador cree que algunos sujetos son ms
adecuados para la investigacin que otros. Por esta razn, aquellos son elegidos deliberadamente
como sujetos.

Por ejemplo, En un estudio en donde un investigador quiere saber qu es necesario para

graduarse con los ms altos honores en la universidad.

REFERENCIAS

RONDON, J.; BRITO, D. Inferencia estadstica. universidad nacional abierta y a distancia

escuela de ciencias bsicas, tecnologa e ingeniera unidad de ciencias bsicas. 2008
CANAVOS, G. Estadstica y Probabilidad. Mc Graw Hill. Mxico 1.998
DEVORE, J. Probabilidad y estadstica. Quinta edicin. Thomsom-Learning. Mxico 2.001
JONHSON, R. Probabilidad y Estadstica para Ingenieros. Printece mall Mxico 1.997