Población finita

171

El TCL y las varianzas muestrales de medias y proporciones

se basan en la premisa de muestras seleccionadas con
reemplazo o de una población infinita.

Sin embargo, en muchos estudios el muestreo se conduce sin

reemplazo sobre poblaciones de tamaño finito N.

En estos casos, un factor de corrección por poblaciones

finitas (fpc) se introduce, éste se expresa como:
 Población finita(2)
172

Esto es particularmente relevante cuando la muestra n NO es

pequeña en comparación con la población (i.e., más del 5%
de la población es muestra, n/N > 0.05 ).

La nueva desviación estándar muestral queda entonces:

El efecto del FPC es que el error se va a cero cuando la

muestra de tamaño n es igual a la población N.
 Determinación tamaño de muestra
173

El error del muestreo se asocia al intervalo de confianza:

Asumiendo un error de muestreo máximo permitido e,

podemos despejar n en función de este error:
 Determinación tamaño de muestra(2)
174

Ej: un centro de esquí desea invertir en una máquina para

hacer nieve. Se desea estimar las pulgadas promedio de nieve
que cae en el área con un 99% de confianza y el error no debe
exceder de 1 pulgada.

Sol: se comienza con una muestra piloto grande (n>=30) con

s=3.5:

Conclusión: es necesario recolectar datos de las últimas 82

nevadas.
 Determinación tamaño de muestra(3)
175

Para poblaciones finitas el error muestral es:

Se puede determinar el tamaño muestral en función de N y

de n0 (tamaño de muestra para población infinita):
 Determinación tamaño de muestra(4)
176

Un agricultor que cosecha 300 sandías desea saber el peso

medio de su producción. Para ello toma una muestra de 30
sandías, que llegan a un peso medio de 1723.4 grs y una
desviación estándar muestral de 89.55 grs. Con un 95% de
confianza estime el IC del peso medio.

Solución:

t(29,0.05)=2.0452
 Determinación tamaño de muestra(5)
177

Como el 10% de la población es muestreada, el efecto de la

corrección es pequeño.

Asumiendo ahora un error mínimo permitido de 20grs. en el

IC, ¿cuántas sandías debe pesar el agricultor?
 Determinación tamaño de muestra(6)
178

= (1.96)2(89.55)2 /(20)2 =77,01

Utilizando la corrección:

= 61,44

Conclusión: el agricultor debería pesar 62 sandías.

 Técnicas de Muestreo - Etapas
179

1. Definir la información que se necesita

fundamental versus accesorio

2. Determinar correctamente la población objeto del estudio

3. Método de muestreo a seguir y tamaño de la muestra:

El método depende del problema y de los recursos disponibles

El tamaño depende de la confiabilidad requerida y del costo

4. Diseño adecuado de la forma de obtener la información.

Evitar falta de respuesta forma encuesta, nº preguntas

Respuestas honestas y precisas cuestionario y entrevista

5. Uso de la muestra para hacer inferencia

6. Obtener conclusiones acerca de la población
 Técnicas de Muestreo – Tipos errores
180

Debidos al muestreo incertidumbre (nivel significación,

etc.)

Ajenos al muestreo:
1. Definición incorrecta de la población
2. Respuestas falsas o imprecisas
3. Falta de respuesta posible sesgo
4. Sesgo en la selección elementos muestrales
5. Errores de manipulación, tabulación y cálculo
No hay un criterio general para evitarlos y/o analizarlos
minimizarlos
 Técnicas de Muestreo – Métodos
181

Muestreo aleatorio:
a) unidad muestral elemental:
a.1) muestreo aleatorio simple
a.2) muestreo (seudo)aleatorio sistemático
a.3) muestreo aleatorio estratificado
b) unidad muestral grupo:
b.1) muestreo por áreas y conglomerados
b.2) muestreo por etapas

Muestreo no aleatorio y semialeatorio (en general, no “científico”;
no estudia precisión):
- por cuotas
- opinático o de intención
 Muestreo Aleatorio Simple
182

Sirve de base a los demás métodos

Es el más sencillo desde el punto de vista teórico

Todos los elementos muestrales se tratan como iguales y se
identifican mediante un número (tarjeta, bola, números
aleatorios, etc...)

La selección es sin reposición

Todas las muestras posibles son igualmente probables

Cuando N es muy grande su costo es muy alto
 Muestreo Aleatorio Sistemático
183

Se necesita un listado ordenado de los elementos de la

población

El orden no debe ser un factor distorsionante de la
aleatoriedad:

- No distorsionante: listas de clase para notas (no sesgo)

- Sí puede generar sesgo: producción mensual empresa

Se selecciona al azar el primer elemento muestral (k) menor
que p=N/n

Elegido éste, los demás se obtienen sumándole p al
anterior: k+p, k+2p,...
 Muestreo Aleatorio Estratificado
184

En ocasiones es indispensable agrupar los elementos de la

población en clases o estratos (homogeneidad de sus
elementos; heterogeneidad entre estratos)

Esto se traduce en mejor información, reduciendo errores y

costos.

Dentro de cada estrato se aplicará un muestreo aleatorio

simple o sistemático
 Muestreo Aleatorio por Conglomerados
185

Conglomerado: es un grupo de elementos de la población

(familias, hogares, casas, edificios, municipios, provincias,
empresas, etc.)

Se seleccionan aleatoriamente cierto número de
conglomerados y se investigan, a continuación, todos los
elementos pertenecientes a ellos

Características: homogeneidad entre conglomerados;
heterogeneidad dentro de cada conglomerado representar
las clases de la población

Se reduce problema de listado, no es necesario saber
tamaño población, entrevistas dentro del grupo
(conglomerado) menos costoso
 Muestreo Aleatorio por Etapas
186

Generalización del muestreo por conglomerados

Suele hacerse descendiendo de conglomerados más grandes

a más pequeños:

En cada etapa se aplica el muestreo aleatorio, sistemático o

estratificado

Objetivo: Reducir al mínimo el costo