Facultad de Ingeniería Agrícola: Escuela Profesional de Ingeniería Agrícola

ESTADÍSTICA APLICADA A
LA INGENIERÍA AGRÍCOLA

Semana 1, 2, 3, 4

M.Sc. Emerson D. Norabuena Figueroa

Pág. 1

Unidad 1: Técnicas de muestreo M.Sc. Emerson d. Norabuena F

Facultad de Ingeniería Agrícola: Escuela Profesional de Ingeniería Agrícola

UNIDAD 01: TÉCNICAS DE MUESTREO

Sumario
1.1. Elementos básicos: Universo, población, muestreo, ventajas, desventajas, tipos
de muestreo.
1.2. Estimadores: Propiedades
1.3. Muestreo Aleatorio Simple (M.A.S): Estimadores, ecuaciones fundamentales
del muestreo, aplicaciones y tamaño de muestra.
1.4. Muestreo Aleatorio Estratificado (M.A.E): Estimadores, ecuaciones
fundamentales del muestreo, aplicaciones y tamaño de muestra.
Introducción al muestreo:
El muestreo es una fuente de acceso a la realidad. Entendemos por muestra una fracción
de la población representativa de ésta, de manera que pudiera utilizarse para extraer
conclusiones sobre la población. Los procedimientos y técnicas empleados para escoger
esta muestra deben de estar orientados a que cada muestra posible no introduzca sesgos
o deviaciones claras y sea suficientemente precisa. La teoría estadística del muestreo se
ocupa de los métodos y técnicas para diseñar la elección de la muestra y obtener
aproximaciones de ciertas características poblacionales como pueden ser proporciones,
medias o totales de las variables de interés.

Frente a las muestras, existen los llamados censos, o enumeraciones completas de todas
las unidades poblacionales. Estos censos resultan costosos y su duración suele ser larga.
Las muestras constituyen modelos reducidos de la realidad poblacional, son más rápidas
y menos costosas que los censos, y sus resultados suelen ser extrapolables al universo
del que extraen.

Aplicaciones en los diversos campos:

 En agricultura
Estudios de la distribución de los diferentes tipos de cultivo en un país o región.

Estudios relativos a la producción agrícola

 Investigaciones realizadas por el INEI

Encuesta de presupuestos familiares (EPF), sobre nivel de ingresos y gastos
familiares. Encuestas realizadas por empresas de sondeos de opinión incluyen:

 Sondeos de opinión, actitudes sociales.

 Encuestas electorales.

Pág. 2

Unidad 1: Técnicas de muestreo M.Sc. Emerson d. Norabuena F

Facultad de Ingeniería Agrícola: Escuela Profesional de Ingeniería Agrícola

1.1. Elementos básicos: Universo, población, muestreo, ventajas,

desventajas, tipos de muestreo.

 Muestreo: Proceso estadístico en el cual se estudia un fenómeno que afecta a un

colectivo extenso o población, a partir de una muestra escogida o aleatoria de la
misma.

 Población: Conjunto de todos los individuos que porten información sobre el

fenómeno que se estudia.

 Individuos: Corresponden a personas, objetos u otros elementos que pueden ser

escuelas, cursos, familias y hasta unidades territoriales. Los problemas más
corrientes que se presentan en la práctica, cuando se procede a investigar las
características de una población estadística es la imposibilidad de estudiar a cada
uno de los individuos u objetos que la conforman; por ello debemos depender de
un subconjunto o parte de la población como base para llegar a hipótesis
relacionadas a varias características o parámetros de ella. Por lo tanto, en estos
casos resulta más conveniente por razones de economía, tiempo y eficiencia
analizar una muestra que es un número determinado de individuos u objetos de
la población y suponer que se pueden ver en ellos con cierto grado de confianza
lo que se quiere conocer acerca del universo de donde provienen.

El estudio de estos aspectos recae sobre la estadística inductiva o inferencial

cuya finalidad es obtener conocimientos sobre algún conjunto extenso de datos,
a partir de muestras de los mismos, que permitan la inferencia de los resultados
estadísticos, los cuales representan cálculos aritméticos realizados sobre los
valores obtenidos de la muestra de la población que ha sido seleccionada
rigurosamente.

Para que estos datos estadísticos sean de utilidad tienen que presentar dos
características básicas:

- Deben ser pertinentes; es decir, deben guardar una relación con el tema a
investigar.
- Deben ser in sesgado; es decir no deben tener deformaciones o errores
provenientes de los instrumentos empleados en la recolección de los datos.

Pág. 3

Unidad 1: Técnicas de muestreo M.Sc. Emerson d. Norabuena F

Facultad de Ingeniería Agrícola: Escuela Profesional de Ingeniería Agrícola

1.1.1. Características de las muestras:

Para que una muestra sea aceptable desde el punto de vista del análisis
estadístico deberá reunir las siguientes características:

- Deberá seleccionarse de manera que sea representativa1 de la población de

la cual se obtuvo.

Es una muestra de un tamaño apropiado que ha sido escogida por

procedimientos aleatorios y se considera que las características observadas
“representan” o corresponden a la población de donde ella proviene.

- La muestra además de permitir obtener estimaciones de características de la

población (totales, promedios, porcentajes, entre otros) deberá proporcionar
medidas de la precisión de dichas estimaciones.
- La muestra debe ser bastante reducida para evitar gastos innecesarios y lo
bastante amplia para que el error de muestreo sea admisible y además debe
reunir las exigencias de eficiencia, representatividad, seguridad y
flexibilidad.
1.1.2. Ventajas y desventajas del muestreo

A grandes rasgos la aplicación del muestreo es aconsejable principalmente en los

siguientes casos:

- Cuando la población sea infinita o tan grande que sea imposible la

enumeración completa de cada uno de los elementos o unidades.
- Cuando la población tenga las mismas características tal que una muestra
sea una imagen aceptable de la misma población.
- Con respecto a la parte técnica operacional y administrativa tenemos:

a. Economía de tiempo y dinero

b. Ampliación del alcance de una investigación.

c. Mejor formación y control del personal que interviene en la

investigación.

d. Mayor control, calidad, rapidez y eficiencia en el procesamiento y

publicación de los datos.

Pág. 4

Unidad 1: Técnicas de muestreo M.Sc. Emerson d. Norabuena F

Facultad de Ingeniería Agrícola: Escuela Profesional de Ingeniería Agrícola

e. Permite la verificación posterior a una investigación utilizando menor

personal y otros recursos.

f. Mayor confiabilidad y precisión de los datos obtenidos.

g. Por otra parte, la aplicación del muestreo presenta algunas limitaciones

comunes entre las cuales tenemos:

- No permite hacer cálculos, proyecciones o tabulaciones con respecto a

sectores pequeños de una población o cuando se requiere información de
cada elemento de la población, ya que las dudas serían tan importantes que
no es posible tener una acertada predicción en base de la muestra.

a. El cálculo de los resultados está sujeto a los errores del muestreo en sí y

de errores ajenos al muestreo.

b. Las investigaciones completas ofrecen un margen más sólido y eficiente

de exactitud que los obtenidos en base a la muestra.

c. En base a una muestra se dificulta la tabulación cruzada de algunas

características investigadas.

d. Las probabilidades de error se multiplican en las diferentes operaciones

y en las complicaciones que surjan de su propio mecanismo.

e. La preparación estadístico-matemática del muestrísta para el diseño

eficiente de la muestra en todas sus etapas.

1.2. Estimadores del parámetro poblacional

Los estadísticos muéstrales son valores que nos permiten estimar los parámetros
poblacionales. Se trata de valores calculados en la muestra que operan como
referencia empírica del valor desconocido correspondiente a la población.

En virtud de la función que cumplen, los estadísticos muéstrales son conocidos

como estimadores. En principio pueden obtenerse infinitos valores para estimar
un parámetro poblacional existirá un estadístico muestral que es su mejor
estimador.

Nótese que un estimador es un suceso aleatorio que se asume diversos valores

con probabilidades distintas. En efecto, en cada muestra de tamaño n extraída de
una población de tamaño N, el estimador asumiría un valor diferente. En

Pág. 5

Unidad 1: Técnicas de muestreo M.Sc. Emerson d. Norabuena F

Facultad de Ingeniería Agrícola: Escuela Profesional de Ingeniería Agrícola

consecuencia, un estimador varía en forma aleatoria en torno al parámetro

poblacional. Así, por ejemplo, la media muestral de cada una de las muestras se
aproxima en distinto grado al valor parámetro poblacional.

a. Estimador Insesgado

Un estimador es insesgado cuando la esperanza matemática del estimador

coincide con el valor del parámetro poblacional. Se dice que una estadística ̂ es
un estimador insesgado del parámetro si:
̂ (̂)
b. Estimador consistente

Un estimador es consistente si el valor de la estimación tiende a coincidir con el

valor del parámetro, cuando el tamaño de la muestra tiende a aproximarse al
tamaño de la población. En un estimador consiste la probabilidad que el
estimador coincida con el parámetro poblacional es 1 cuando el tamaño de la
muestra aumenta hasta coincidir con el tamaño de la población.
|̅ |

La probabilidad que la diferencia entre la media muestral y el parámetro

poblacional sea mayor que un número cualquiera tiende a 0 cuando el tamaño
de la muestra tiende al tamaño de la población.

c. Estimador eficiente
Un estimador es eficiente en términos absolutos cuando es el estimador de
menor dispersión entre todos los estimadores insesgados del parámetro. Por otra
parte, un estimador es eficiente en términos relativos cuando, comparado con
otro estimador, se establece que presenta menor dispersión respecto al parámetro
poblacional. En general, un estimador se caracteriza como relativamente más
eficiente cuando sus estimaciones son más próximas al parámetro poblacional
que las de otro estimador.
Si consideramos todos los posibles estimadores insesgado de algún parámetro
, el de menor varianza se llama estimador eficiente de .

Pág. 6

Unidad 1: Técnicas de muestreo M.Sc. Emerson d. Norabuena F

Facultad de Ingeniería Agrícola: Escuela Profesional de Ingeniería Agrícola

d. Estimador absoluta
Para estudiar la eficiencia absoluta se compara la eficiencia de cualquier
estimador en relación al de mínima dispersión. Así, por ejemplo, siendo y
estimadores de varianza mínima y varianza otro la expresión de la
eficiencia absoluta es la siguiente:

Se puede conocer el estimador de varianza mínima utilizando la desigualdad de

Cramer – Rao. Se demuestra mediante este procedimiento que la media muestral
es un estimador eficiente de la media poblacional.

e. Eficiencia Relativa
Para verificar la eficiencia relativa se comparan las varianzas de dos
estimadores. Así, por ejemplo, los estimadores con varianzas 2 y 4,
respectivamente, permiten la siguiente conclusión a este respecto.

= = 0,5

Se deduce que para el mismo tamaño de muestra la eficiencia relativa de con

respecto a es del 50%. Es decir, .

f. Estimador Suficiente
Un estimador es suficiente si utiliza la información muestral en forma extensa,
de modo que ningún otro estimador logra con la misma muestra una mejor
estimación del parámetro poblacional. La media aritmética muestral es un
estimador suficiente de la media aritmética poblacional, porque otros posibles
estimadores – media geométrica, media armónica – no utilizan toda la
información muestral como la media aritmética para estimar el parámetro
poblacional. Se demuestra que la proporción muestral es un estimador suficiente
del valor de la proporción en la población origen de la muestra.
Para evaluar la suficiencia de un estimador se utiliza el teorema de factorización.

g. Estimador resistente
Un estimador es resistente si no se ve afectado por la presencia de valores
anómalos. Los valores anómalos inciden negativamente en la calidad de la
inferencia. Se usa el término anómalo para designar valores aberrantes y valores
Pág. 7

Unidad 1: Técnicas de muestreo M.Sc. Emerson d. Norabuena F

Facultad de Ingeniería Agrícola: Escuela Profesional de Ingeniería Agrícola

contaminantes. Un valor aberrante es un valor discordante con los datos que

componen la muestra. Por ejemplo, un valor extremo. Un valor es contaminante
cuando está presente en la muestra no siendo parte de la población objeto.
 Distribución de medias muestrales ̅
Simbología que será utilizada:

Medidas Población Muestra

Media aritmética ̅
Varianza
Desviación típica s
Tamaño N n

: Media de todas las medias muestrales

: Desviación típica de todas las medias muestrales
M : Número de muestras posibles

1.3. Tipos de muestreo

Existen varias clases de muestreo, que se resumen en dos grandes grupos:
muestreo probabilístico y no probabilístico.

 Probabilístico: Proceso muestral donde cada elemento de la población tiene

una probabilidad conocida de ser incluida en la muestra solo este tipo de
muestreo nos asegura la representatividad de la muestra y nos proporciona
estimaciones e indiferencias con cierta medida de precisión. Y son:
- Muestreo aleatorio simple
- Muestreo aleatorio estratificado
- Muestreo por conglomerados
- Muestreo sistemático

 No probabilística: Proceso por el cual no se puede asignar objetivamente

probabilidades a los elementos seleccionados. Las unidades muestrales se
seleccionan siguiendo determinado criterio. Este tipo garantiza la
representatividad de la muestra por lo tanto no permite realizar inferencia, y
pueden ser:
- Muestreo de convivencia
- Muestreo por juicio u opinión
- Muestreo por cuotas
- Muestreo por bola de nieve
- Muestreo discrecional

Pág. 8

Unidad 1: Técnicas de muestreo M.Sc. Emerson d. Norabuena F

Facultad de Ingeniería Agrícola: Escuela Profesional de Ingeniería Agrícola

1.3.1. Muestreo Aleatorio Simple

Objetivo: Seleccionar una muestra para representativa de la población, con el

fin de obtener estimadores de los parámetros. Para lograrlo existen varios
métodos y en cada uno de ellos se puede establecer:

- El grado de precisión requerida en los estimadores.

- Tamaño de la muestra.
- Costo y tiempo.
 Muestreo aleatorio simple es aquel en que todos los elementos de la población
tienen la misma probabilidad de formar parte de la muestra y ésta es determinada
únicamente por el azar. Se trata de un tipo de muestreo probabilístico que
permite con facilidad llevar a cabo inferencias estadísticas y calcular la
probabilidad de error asociada a las mismas.

Concretando, el muestreo aleatorio simple consiste en seleccionar n elementos

con o sin reemplazamiento de entre los N elementos que componen la población,
de tal modo que todas las muestras de tamaño n que se puedan formar tengan la
misma probabilidad de ser elegidas.

Si la muestra se selecciona sin reemplazamiento (es decir, cuando un elemento

ha sido extraído queda descartado de cara a la siguiente extracción) se habla de
muestreo aleatorio sin reposición, también llamado muestreo
irrestrictamente aleatorio.

Si la muestra se selecciona con reemplazamiento (es decir, el elemento elegido

en cada extracción vuelve a ser incluido en la población antes de extraer el
siguiente elemento) se habla de muestreo aleatorio con reposición, también
llamado generalmente muestreo aleatorio simple.

Pág. 9

Unidad 1: Técnicas de muestreo M.Sc. Emerson d. Norabuena F

Facultad de Ingeniería Agrícola: Escuela Profesional de Ingeniería Agrícola

Muestreo sin reemplazo Muestreo con reemplazo

Los elementos de la población no Los elementos de la población

se repiten en la muestra, significa se repiten en la muestra, ello
que una unidad seleccionada para debido que la unidad seleccionada
integrar la muestra no es devuelta es devuelta a la población antes de
a la población extraer otro elemento muestral.

Teoría Aplicada: Cabe considerar una población de N elementos, con media y

desviación típica , si se obtienen M número de muestras posibles, de tamaño n,
simbolizamos a cada media muestral por: ̅ , ̅ , ̅ , …, ̅ y cada desviación
típica muestral, por , , ,… ,

Teorema: Dada una población, si extraemos todas las muestras posibles de un mismo
tamaño, entonces la media de la distribución de todas las medias muestrales posibles,
será igual a la media poblacional.

 Etapas del muestreo:

a. Definir la población de estudio (Objetivo – Marco muestral)
b. Seleccionar un procedimiento de muestreo
c. Definir el tamaño de muestra (según el tipo de muestreo de estudio).
d. Seleccionar la(s) unidades muestrales de manera sistemática por
medio de algún medio mecánico (Tablas de números aleatorios, bolas
dentro de una bolsa, números aleatorios generados con una calculadora,
etc.)
 Marco Muestral: Es un listado de todas las unidades que conforman
la población objetivo, puede ser una base de datos, plano e incluso
Pág. 10

Unidad 1: Técnicas de muestreo M.Sc. Emerson d. Norabuena F

Facultad de Ingeniería Agrícola: Escuela Profesional de Ingeniería Agrícola

mapas. Es útil aclarar, que en la práctica se diferencia la población

objetivo de la población en estudio (marco muestral disponible).
 Error de muestreo
Es la diferencia que poder haber entre el valor poblacional (parámetro)
y la estimación de la misma (estimación puntual o estadígrafo),
obtenida por medio de una muestra aleatoria, observada en una de las
tantas muestras posibles de una población dada. La totalidad de estos
errores, genera la distribución de muestreo empleada para estimar el
valor poblacional.
El tamaño de error depende del investigador que está dispuesto a
aceptar, caso contrario está más allá del control del investigador (no
hay nada que se pueda hacer sobre la varianza de la población), sí es
posible limitar el tamaño de error.
El tamaño de error que el investigador puede tolerar, depende de qué
tan crítico es el trabajo. Algunas tareas extremadamente delicadas
requieren de resultados exactos: lo procedimientos médicos vitales de
los cuales dependen vidas humanas, o la producción de piezas de una
máquina que deba cumplir medidas precisas, pueden tolerar sólo un
pequeño error. En otros casos, los erros más grandes pueden tener
consecuencia menos grave.
En esta sección se considera la determinación del tamaño muestral
apropiado bajo varias condiciones.

Nivel de confianza asociado a coeficiente de confianza

Nivel de confianza 90% 95% 95.5% 99% 99.7%

Coeficiente de confianza 1.64 1.96 2 2.58 3

- Estandarización de la media de la muestra

Media de muestra Media Poblacional

̅
z=
̅

Error estándar de la media =

√

Pág. 11

Unidad 1: Técnicas de muestreo M.Sc. Emerson d. Norabuena F

Facultad de Ingeniería Agrícola: Escuela Profesional de Ingeniería Agrícola

Nota: En general se cumple que, al aumentar la precisión, es decir, al

disminuir el grado de error, aumenta el tamaño de muestra necesaria.
En el caso de proporciones, el error se expresa como un porcentaje del
valor que puede tener el parámetro, es decir, 5% o 6%, en caso se
habla de precisión relativa.
El nivel de confianza, generalmente se fija en 95% si no existiese en el
diseño. El efecto de este valor sobre el tamaño de muestra es directo;
es decir, para una precisión dada, el tamaño de muestra aumenta al
incrementar el nivel de confianza.

1.3.1.1.Estimadores para variables cuantitativas

 Estimador de la media poblacional µ

̂ ̅ ∑

 Estimador del total poblacional

̂ ̅ ∑

 Varianza estimada poblacional ̅

̂ ̅ ( )

Nota: Debemos de determinar la varianza muestral

∑ ̅

 Estimador de la varianza de la media muestral

o Para muestreo sin reemplazo (población finita)

̂ ̅ ( )

Factor para corrección para población finita

( ) ( )

Pág. 12

Unidad 1: Técnicas de muestreo M.Sc. Emerson d. Norabuena F

Facultad de Ingeniería Agrícola: Escuela Profesional de Ingeniería Agrícola

factor de elevación

factor de muestra

SI ́n
Si N es desconocido se supone que es suficientemente grande, luego

o Para muestreo con remplazo (poblaciones infinitas)

̂ ̅

 Estimador de la varianza del estimador del total poblacional ̂

 Muestreo sin remplazo
̂ ̂ ̂ ̅ ̂ ̅

 Muestreo con remplazado

̂ ̂ ̂ ̅ ̂ ̅
o Intervalo de confianza
a. Para la media poblacional

̅ √̂ ̅

 Muestreo sin remplazo

̅ √

 Muestreo con reemplazo

̅ √

b. Para el total poblacional

 Muestreo sin remplazo

̅ √

 Muestreo con remplazo

̅ √

Pág. 13

Unidad 1: Técnicas de muestreo M.Sc. Emerson d. Norabuena F

Facultad de Ingeniería Agrícola: Escuela Profesional de Ingeniería Agrícola

1.3.1.2.Estimadores para variables cualitativas

 Estimador de la proporción poblacional

̂ ∑

 Estimador de la varianza del estimador de P poblacional.

 Muestreo sin remplazo
̂( ̂)
 Muestreo con remplazo

̂( ̂)

 Estimador del total de unidades que posean el atributo.

̂ ( )
 Estimador de la varianza del estimador del total
 Muestreo sin reemplazo
̂( ̂)

 Muestreo con reemplazo

̂( ̂)

 Estimación por inérvalos: intervalos de confianza para proporción

poblacional
√ ; Error de estimación

1.3.1.3. Tamaño muestra

En ocasión se fija de antemano el máximo error de estimación que estamos

dispuestos acepta en una estimación
√
Luego la cantidad de información necesario para conseguir lo anterior depende
del tamaño según:

Poblaciones infinitas Poblaciones finitas

Variables
cuantitativas
Variables
cualitativas

En muchas situaciones por facilidad de calculo se usa en la expresión

Pág. 14

Unidad 1: Técnicas de muestreo M.Sc. Emerson d. Norabuena F

Facultad de Ingeniería Agrícola: Escuela Profesional de Ingeniería Agrícola

√ ̅ =B
√

 Luego el tamaño de muestra es:

Tamaño de muestra para estimar el total:

donde:

(Proporción)

(Total)

NOTA:

- Si no se dispone de información previa para estimar la varianza

podemos usar que en variables normales el rango de la muestra es
aproximadamente cuatro veces su desviación típica.

- En la práctica se desconoce. Una aproximación al mismo se obtiene

reemplazándole por el valor ̂ obtenido en encuestas preliminares. Si
no
se cuenta con información anterior, suponiendo se obtiene un
tamaño muestral conservador (mayor que el requerido para obtener la
cota del error de estimación fijada).

Pág. 15

Unidad 1: Técnicas de muestreo M.Sc. Emerson d. Norabuena F

Facultad de Ingeniería Agrícola: Escuela Profesional de Ingeniería Agrícola

Seminario 01:

Caso 01: La empresa YACHAKUY S.A.C, pretende realizar un estudio de

mercado de panel solares para el departamento de Ancash – Zona Urbana, cuyo
objetivo se centra innovar tecnología, bajo el control de ingenieros energéticos y
dicha empresa, con el fin establecer dicho producto al mercado. ¿Qué tamaño de
muestra se requiere para llevar a cabo dicha investigación con un 95% de
confianza?

Solución:

- Interpretación:
…………………………………………………………………………………
…………………………………………………………………………………
…………………………………………………………………………………
…………………………………………………………………………………
Pág. 16

Unidad 1: Técnicas de muestreo M.Sc. Emerson d. Norabuena F

Facultad de Ingeniería Agrícola: Escuela Profesional de Ingeniería Agrícola

Ejemplo 02: La empresa I-STATIC S.A.C está considerando comprar máquinas

para hacer nieve y ayudar a la Madre Naturaleza a proporcionar una base
apropiada para los turistas nacionales y extranjeros. Si el promedio de nevados
parece ser insuficiente, piensa que la máquina debería pagarse muy pronoto por sí
misma. Para lo cual Planea estimar las pulgadas promedio de nieve que cae en el
área, pero no tiene idea qué tan grande debería ser la muestra. Sólo sabe que desea
un 99% de confianza en sus hallazgos y que el error no debe exceder de 1pulgada.
El Gerente les promete tiquetes gratuitos de temporada para el ingreso a los
turistas ¿Realice los cálculos pertinentes para el proyecto piloto?

- Nota: Se realiza dicho proyecto a partir de una muestra piloto que produce una
desviación estándar de 3.5 pulgadas.
Solución:

- Interpretación:
…………………………………………………………………………………
…………………………………………………………………………………
…………………………………………………………………………………
…………………………………………………………………………………

Pág. 17

Unidad 1: Técnicas de muestreo M.Sc. Emerson d. Norabuena F

Facultad de Ingeniería Agrícola: Escuela Profesional de Ingeniería Agrícola

1.3.2. Muestreo aleatorio estratificado

El muestro aleatorio estratificado, denominado también muestreo aleatorio

restringido, es un método que permite una selección más eficiente que el
obtenido mediante el muestreo aleatorio simple, en especial, cuando la
característica que se investiga es de gran variedad, lo cual, implica un tamaño
maestral relativamente grande, en comparación al del muestreo aleatorio
estratificado. En una muestra aleatoria estratificada, la población se divide en
grupos relativamente homogéneas con relación a la característica en estudio.
Estos grupos se denominan estratos, donde la unidad o el elemento investigado
presentan una característica tal, que sólo le permite pertenecer a un estrato.

Es necesario entender que en un estrato es un subpoblación y, como tal, cada

uno se constituye en dominio de estudio.

Los estratos pueden o no estar compuesta del mismo número de unidades, por tal
razón la fracción de muestreo puede variar de un estrato a otro.

Al conformar los estrato, lo primero que se debe considerar, siempre que sea
posible, es la característica de interés principal, que guarde relación con los
objetivos de la investigación, para lo cual deben elaborarse estratos que generen
la mayor homogeneidad posible. Las investigaciones de sondeo o las encuestas
preliminares ayudar, no sólo a identificar las características de la población, sino
que permiten una buena estratificación.

Por lo que se logra:

- Una mayor precisión en los estimadores, a pesar de ser menor el número de

unidades seleccionadas, en comparación al M.A.S.
- Garantizar la representatividad y una reducción del error de la muestra, por
agrupación de aquellos elementos que se parecen más por la característica que
se investiga, que por pertenecer a la población.
- Las características de la población total quedan representadas, además, los
errores de muestreo que resultan de una M.A.S, serán mayores que la M.A.E
del mismo tamaño.
- Allegar información detallada para un grupo o estrato específico, ya que se
logra una muestra independiente de los demás estratos. De cada uno se

Pág. 18

Unidad 1: Técnicas de muestreo M.Sc. Emerson d. Norabuena F

Facultad de Ingeniería Agrícola: Escuela Profesional de Ingeniería Agrícola

obtienen promedios y varianzas separados mediante la ponderación, se

calcula el valor del estimador promedio y de la varianza.
- Dividir la población en grupos o estratos más o menos homogéneos en cuanto
a su composición interna, pero heterogéneos si se comparan los estratos entre
sí.
- Ventajas administrativas.

Un plan de estratificación es óptimo, cuando se minimiza la desviación estándar

del estrato. Mientras más estratos se establezcan, tanto más homogéneos serán.
Sin embargo, para algunos autores, hay incrementos en los costos en
consideración al número de elementos que conlleva la muestra en cada estrato.
Por otra parte, la estratificación será efectiva, dependiendo de la estrecha
relación que guarden los factores de estratificación con las características que se
investigan.

Las estimaciones podrán ser más precisas en la medida del tamaño de muestra
por estrato y, en especial, por la forma en que se realiza la selección de las
unidades de la muestra en cada uno de ellos.

Para su cálculo, se utilizan varios métodos:

 Muestras de igual tamaño, denominado también afijación igual, consistiendo

en seleccionar el mismo número de unidades para cada estrato muestral.
 Muestras de asignación o afijación proporcional, donde los tamaños
muestrales en cada estrato, tendrán un número de unidades en forma
proporcional a las de los estratos poblacional.
 Muestras de asignación o afijación óptima, cuyo tamaño estará determinado
teniendo en cuenta los costos y el grado de variabilidad, en tal forma que el
error de estimación sea mínima para un costo total dado.

L = Número de estratos
N = Tamaño de la población n = tamaño de muestra
= Tamaño del estrato = tamaño de muestra del estrato i
∑ ∑
= Media poblacional del estrato i ̅ = media muestral del estrato i
= Total poblacional del estrado i
= Varianza poblacional del estrato i = cuasivarianza muestral del estrato i

Pág. 19

Unidad 1: Técnicas de muestreo M.Sc. Emerson d. Norabuena F

Facultad de Ingeniería Agrícola: Escuela Profesional de Ingeniería Agrícola

= proporción poblacional del estrato i ̂ = proporción muestral del estrato i

= coste de una observación del estrato i

1.3.2.1. Estimación de la media, proporción y total poblacional

En cada estrato se ha realizado un muestreo aleatorio simple, sabiendo que en
cada estrato ̅ es un estimador insesgado del total , estimaremos
=∑ por =∑ ̅ y la media poblacional =

mediante ̅ = ∑ ̅

Nota: ̅ ≠ ̅ en general (̅ )
̂ ≠ ̂ en general ( ̂ ̅ )

 Varianza estimada de ̅

̂ (̅ ) = ∑

 Varianza estimada de ̂

̂( ̂ ) =∑

En caso de tener variables dicotómicas los estimadores de la proporción y total

poblacional así como sus varianzas toman valores similares a los anteriores,
salvo las diferencias de notación ya estudiadas.
 Estimador de la proporción poblacional p
̂ = ∑ ̂

 Varianza estimada de ̂
̂ ̂
̂ ̂ = ∑
 Estimador del total poblacional
̂ = N̂
 Varianza estimada de ̂
̂ ̂
̂ ̂ = ∑

 Etapas del muestreo

a. Definir la población de estudio.
b. Determinar el tamaño de muestra requerido.

Pág. 20

Unidad 1: Técnicas de muestreo M.Sc. Emerson d. Norabuena F

Facultad de Ingeniería Agrícola: Escuela Profesional de Ingeniería Agrícola

c. Establecer los estratos o subgrupos.

d. Determinar la frecuencia relativa del muestreo de cada estrato,
dividiendo el tamaño del estrato entre el tamaño de la población de
estudio.
e. Multiplicar la frecuencia relativa del muestreo de cada estrato por el
tamaño de la muestra total, para obtener de cada estrato la cantidad
de individuos que se integrarán a dicha muestra.
f. Seleccionar y extraer de cada estrato la cantidad de individuos que
formaran parte de la muestra total aplicando el procedimiento de
muestreo aleatorio simple.

Seminario 02:

Pág. 21

Unidad 1: Técnicas de muestreo M.Sc. Emerson d. Norabuena F