MUESTREO ALEATORIO

En esta técnica, cada miembro de la población tiene la

misma probabilidad de ser seleccionado como sujeto. Todo
el proceso de toma de muestras se realiza en un paso, en
donde cada sujeto es seleccionado independientemente de
los otros miembros de la población.

VENTAJAS:

 Tiende a producir muestras representativas y permite el uso de la

estadística inferencial en el análisis recogido.

 Cada selección es independiente de otras selecciones; Todas las

combinaciones posibles de unidades de muestreo tienen la misma
oportunidad de ser seleccionadas. En el muestreo sistemático, las
posibilidades de ser seleccionado no son independientes entre sí.

 En general, es más fácil que otros procedimientos de muestreo

probabilístico (tales como el muestreo por conglomerados) de
comprender y comunicar a otros.

 Los procedimientos estadísticos requeridos para analizar los datos y

calcular los errores son más fáciles que los requeridos en otros
procedimientos de muestreo probabilístico.

DESVENTAJAS

 No puede utilizarse en cualquier tipo de investigación.

 No suele ser muy preciso, puesto a que presenta errores de muestreo

muy grandes

 No producen un número suficiente de elementos de pequeños subgrupos.

Esto no haría de un muestreo aleatorio simple una buena opción para los
estudios que requieren un análisis comparativo de las categorías
pequeñas de una población con categorías mucho más amplias de
población.

MUESTREO PROBABILÍSTICOS: El muestreo

probabilístico es un método de muestreo (muestreo se
refiere al estudio o el análisis de grupos pequeños de una
población) que utiliza formas de métodos de selección
aleatoria, este método utiliza la teoría estadística para
seleccionar al azar un pequeño grupo de personas;
denominada muestra, de una gran población existente y
luego predecir que todas las respuestas juntas
coincidirán con la población en general.
Hablaremos de muestro probabilístico siempre que se cumplan dos
condiciones:

 1. Todos los elementos de la población tienen una probabilidad mayor a

cero de ser seleccionados en la muestra.

 2. La probabilidad de inclusión de cada elemento en la muestra se conoce

de forma precisa.

 El cumplimiento de ambos criterios es el que hace posible obtener

resultados no sesgados cuando se estudia la muestra. En ocasiones,
estos resultados no sesgados requieren usar técnicas de ponderación
(weighting), pero esta ponderación es posible precisamente porque se
conoce la probabilidad de que cada individuo sea seleccionado en la
muestra. Las muestras generadas en estas condiciones se conocen
también como muestras probabilísticas.

TIPOS DE MUESTREO PROBABILÍSTICO

MUESTREO ALEATORIO SIMPLE: El muestreo aleatorio simple es un

procedimiento de muestreo probabilístico que da a cada elemento de la
población objetivo y a cada posible muestra de un tamaño determinado, la misma
probabilidad de ser seleccionado.

El muestreo aleatorio simple no es tan utilizado en investigaciones del

consumidor, sobre todo porque es complicado obtener un marco de muestreo
donde extraer al azar y no querrás darles a todas las unidades de la muestra una
probabilidad igual de ser elegidas, ya que usualmente para hacer una
investigación de este tipo se requiere a usuarios de tiendas o consumidores de
ciertos productos o ciertas áreas específicas para ser las unidades de muestreo.
VENTAJAS

Al utilizar este procedimiento obtendrás las siguientes ventajas:

 La principal ventaja de seleccionar el muestreo aleatorio simple es lo

sencillo que es para armar las muestras.
 Es un método donde se toma de forma equitativa la selección de las
muestras a partir de una población.
 Todos los individuos de la población en general tienen igualdad de
oportunidades de ser seleccionado.
 La población es representativa, siendo el único margen de error la suerte
y pasa a llamarse error de muestreo.
 Es el mejor método a la hora de explicar los resultados ya que su
selección es aleatoria e imparcial.
 Por su representatividad obtenida, se pueden realizar generalizaciones a
partir de los resultados de las muestras con respecto a la población.

El muestreo aleatorio simple es uno de los más eficaces y prácticos, es por eso
que sus desventajas son muy pocas.

 Se requiere de una lista completa de todos los miembros de la población.

 Esta lista debe estar debidamente elaborada, completa y actualizada.
 En las poblaciones grandes es mucho más difícil disponer de todos estos
datos, por lo que se recomienda usar otra técnica.

EJEMPLO

Una consultora que realiza auditorías sobre diversas organizaciones decide

realizar una investigación en una empresa que posee 500 empleados.

Para realizar dicho estudio, necesita realizar una muestra estadística de 50

personas (10%), el método que selecciona el investigador para realizarla es el
de muestreo aleatorio simple, por lo tanto, los paso a seguir por el investigador
son los siguientes:

1. Enlistar con número a los 500 empleados de la organización.

2. Elije 50 números al azar.

3. Los 50 números que correspondan a un empleado serán los individuos

que conformen la muestra.

De esta forma queda conformada la muestra para poder realizar la investigación,
de tal manera que todos los empleados de la organización tuvieron las mismas
posibilidades de ser seleccionados para conformar dicha muestra.

MUESTREO SISTEMÁTICO: El muestreo sistemático es otro tipo de muestreo

probabilístico, esta se basa en enlistar a toda la población y elegir el primer
individuo para la muestra de forma aleatoria y luego a partir de un intervalo
definido por el investigador, se seleccionará a cada individuo.

VENTAJAS
Entre sus principales beneficios y ventajas se encuentran:
 Permite obtener buenas propiedades de representatividad.
 Es un sistema muy rápido y simple, ya que se evita la necesidad de
generar número aleatorios como individuos en la muestra.
 Garantiza una selección perfectamente equitativa de la población, lo que
resulta muy útil en la distinción de grupos dentro de toda la población.
 Evita la necesidad de usar diferentes estratos, aunque existe variedad de
individuos en cada fragmento.
 En comparación con el muestreo aleatorio el muestreo sistemático puede
ser mucho mejor.

DESVENTAJAS
En cuanto a las desventajas o inconvenientes que se puede presentar al usar
esta técnica, es solo una: El orden en el que se ha colocado la población
seleccionada llegue a tener un tipo de periodicidad oculta y que esta pueda
coincidir con el intervalo seleccionado, ocasionando una muestra sesgada.
EJEMPLO
En el caso de que se tenga una población de unos 1000 individuos y se necesita
obtener una muestra de 100 de ellos. Para ello se debe dividir en primer lugar el
total de la población en 100 fragmentos aleatorios de 10 individuos. Luego se
debe seleccionar un número al azar entre el número 1 y 10.

Supongamos que dicho número al azar sea el número 6, eso quiere decir a que
partir de este individuo de la población se definirá la muestra. A partir del
individuo número 6 se irá completando a partir de intervalos de 10, es decir: 6,
16, 26, 36, 46 hasta el 996.
De esta manera queda conformada la muestra de 100 individuos a través del
método del muestreo sistemático.

MUESTREO ESTRATIFICADO: El muestreo estratificado es un método de

muestreo probabilístico que consiste en dividir a todo el universo o población
sobre la cual se realiza la investigación en diferentes estratos o subgrupos.
Generalmente, estos estratos se conforman por individuos que comparten
características similares
Una vez estratificada la población, se debe seleccionar al azar los sujetos o
individuos finales de cada uno de los estratos de forma proporcional,
conformando de esta manera la muestra estadística.
TIPOS DE MUESTREO ESTRATIFICADO

MUESTREO ESTRATIFICADO PROPORCIONADO: Se le llama muestreo

estratificado proporcionado cuando el tamaño de la muestra de cada uno de los
estratos es proporcional al tamaño de la misma.
POR EJEMPLO: Se debe obtener una muestra de 100 individuos de una
población total de 3000. Por lo que se divide la población en los siguientes
estratos:
 Estrato 1: 1300 individuos.

 Estrato 2: 1100 individuos.

 Estrato 3: 600 individuos.

Como se utiliza el muestreo estratificado proporcionado, la muestra obtenida de

cada estrato será representativa de cada una de esta. Lo que dejaría los
siguientes resultados:

Estrato Individuos Porcentaje Muestra

1 1300 43,4% 43

2 1100 36,6% 37

3 600 20% 20

De esta manera quedaría conformada la muestra de 100 personas. Este tipo de

muestreo estratificado dejaría en desventaja a aquellos grupos o estratos que
estén conformados por la menor cantidad de personas.
Muestreo estratificado desproporcionado: El muestreo estratificado
desproporcionado permite al investigador que sin importar la cantidad de
individuos que conformen la población del estrato realizar una muestra de forma
equitativa.
Por ejemplo: Siguiendo la misma base que el ejemplo anterior, se debe obtener
una muestra de 100 individuos de una población total de 3000. Por lo que se
divide la población en los siguientes estratos:
 Estrato 1: 1300 individuos.

 Estrato 2: 1100 individuos.

 Estrato 3: 600 individuos.

En este caso, como se utilizará el muestreo estratificado desproporcionado, se
arrojarían los siguientes resultados:

Estrato Individuos Porcentaje Muestra

1 1300 43,4% 34

2 1100 36,6% 33

3 600 20% 33

En este caso, quedarían conformada la muestra de 100 personas con resultados

equitativos. Esta muestra no puede ser considerada completamente
probabilística para todo estrato, ya que los individuos del grupo con menor
cantidad de individuos poseen más posibilidades de ser seleccionados para la
muestra que los otros estratos.
VENTAJAS
La aplicación de un muestreo estratificado puede ser ventajoso ya que:
 Cuenta con mayor capacidad de hacer inferencia y comparaciones dentro
de un grupo.
 Presenta un mínimo de errores en las muestras del mismo tamaño, por lo
que necesita muestras de tamaño pequeño para que exista el mismo
margen del error.
 Las muestras son más representativas ya que los elementos de cada
estrato o grupo son representados en la muestra.
 Se puede obtener mayor conocimiento del investigador sobre la población
abordada.
 Permite aplicar diversos métodos de investigación y procedimientos para
ser aplicados en los diferentes estratos.
 Hace posible el análisis de los patrones dentro del estrato y la notificación
separada de los resultados para cada uno de los estratos.

DESVENTAJAS
Este método puede presentar las siguientes desventajas:
 Es necesario información sobre la proporción de la población que
pertenece a cada estrato.
 Se requiere la información sobre las variables de estratificación de cada
elemento de la población, ya que de no contar con esta información puede
ser muy costosa la recopilación.
 Es un método más costoso, ya que implica tiempo y es un poco más
complicado en comparación con otros métodos.
  Si cuentas con un gran número de variables, la selección de las de
estratificación resultará más difícil.

Muestreo por Conglomerado: Una población se divide en grupos o

conglomerados utilizando los limites naturales geográficos o de otros tipos, luego
los grupos se seleccionan y se recopila una muestra al elegir en forma aleatoria
elementos de cada grupo

VENTAJAS:

 Este método es más fácil, rápido y barato

 El investigador puede aumentar el tamaño de la muestra con este método,

teniendo en cuenta que el investigador solo tendrá que tomar la muestra
de una serie de conglomerados, por lo tanto, puede seleccionar más
sujetos ya que son más accesibles

DESVENTAJAS:

 Esta técnica de muestreo es la menos representativa de la población,

puesto que, la tendencia de los individuos dentro un grupo puede tener
características similares y con una muestra de por conglomerados existe
la posibilidad de que el investigador tenga un conglomerado
sobrerrepresentado o infrarrepresentado que pudiese sesgar los
resultados del estudio

 Esta técnica también tiene una posibilidad de error de muestro muy alto
ya que los conglomerados limitados incluidos en la muestra dejan una
parte importante de la población sin muestrear

EJEMPLO
Un investigador desea estudiar el rendimiento académico de los estudiantes
secundarios en Venezuela
  Puede dividir a toda la población (población de venezuela) en diferentes
conglomerados (ciudades).
 Luego, el investigador selecciona una serie de conglomerados en función
de su investigación, a través de un muestreo aleatorio simple o
sistemático.
 Luego, de los conglomerados seleccionados (ciudades seleccionadas al
azar) el investigador puede incluir a todos los estudiantes secundarios
como sujetos o seleccionar un número de sujetos de cada conglomerado
a través de un muestreo aleatorio simple o sistemático.

Lo más importante sobre esta técnica de muestreo es dar a todos los

conglomerados iguales posibilidades de ser seleccionados.

MUESTREO NO PROBABILÍSTICO: El muestreo

no probabilístico es aquella técnica utilizada en la
muestra estadística que, al contrario de la muestra
probabilística, se basa en un proceso que no les
permite a todos los individuos de una población
investigada tener la misma oportunidad de ser
seleccionados.
Es decir, este tipo de muestreo predomina a aquellos individuos que al cumplir
con cierta cualidad o característica benefician a la investigación, entonces
pueden ser parte de la muestra.
VENTAJAS
 Menor costo para realizar la investigación.
 Se pueden controlar las características de la muestra.
 Conlleva menor tiempo, ya que se conoce el individuo que va a formar la
muestra.
 Se pueden conocer las características poco comunes.

DESVENTAJAS
 No es una muestra que asegure la representación total de la población.
 No generaliza y es subjetivo.
 No es recomendable en el caso de que la investigación sea causal o
descriptiva.

MUESTREO POR CONVENIENCIA: El muestreo

no probabilístico por conveniencia es aquel que,
tal como lo indica su nombre, el investigador
realiza la muestra en base a las selecciones de
individuos que considera accesibles, fácil y de
rápida investigación. Esto, generalmente, lo hace
por proximidad al investigador.
Por ejemplo: El investigador decide realizar un estudio sobre la opinión de un
profesor en un aula determinada. Al utilizar el muestreo por conveniencia,
conforma su muestra para encuestar en base a los primeros 5 alumnos de la lista
del aula.
VENTAJAS:
 Menos costoso
 No requiere mucho tiempo
 Fácil de administrar
 Por lo general asegura alta tasa de participación
 Posible generalización a sujetos similares
DESVENTAJAS:

 No representa la población de manera correcta o especifica

 Los resultados dependen de las características que posee única muestra
seleccionada
 Posee mucha probabilidad de error debido al investigador o influencia de
los sujetos.
MUESTREO POR CUOTAS; El muestreo por cuotas es
un tipo de muestreo no probabilístico que consiste en
formar la muestra estadística a partir de determinados
estratos que compartan las mismas características, las
cual busca ser proporcional y representativa de la
población.

Es decir, el investigador divide la población en grupos o estratos que

compartan las mismas características (sexo, edad, región, etc), a partir de estos
estratos selecciona individuos para conformar la muestra de tal manera que esta
sea proporcional y representativa de toda la población.Por último, en el muestreo
por cuotas, el investigador podrá hacer la selección de individuos en base a las
proporciones de la población, ya sea por conveniencia o comodidad de este, sin
necesidad de que esta sea aleatoria.

El muestreo por cuotas se puede entender como la versión no

probabilística del muestreo estratificado, ya que la selección de individuos de
cada estrato en esta, se hace a propia elección del investigador por
conveniencia.

VENTAJAS

 Es un proceso de muestreo, sencillo y rápido porque se utiliza la

participación de una cuota para la creación de muestras.
 La interpretación de la información es mucho más fácil para el investigador
ya que el muestreo por cuotas y las preguntas bien elaboradas lo facilitan.
  La representación efectiva de una población se realiza usando el
muestreo por cuotas.
 No permite o da espacio para la sobrerrepresentación ya que este tipo de
muestreo facilita a los investigadores a estudiar a la población por las
cuotas específicas.
 No es necesario un presupuesto elevado para realizar este tipo de
muestreo.

DESVENTAJAS

 Dificultad de reducir un error encontrado al usar el tipo de muestreo.

 El no incluir una cuota que sea relevante para el estudio ocasionará que
los resultados están fuertemente distorsionados.

EJEMPLO

Se decide realizar una investigación sobre aquellas personas con algún

problema de salud en una empresa. Esta posee 1000 empleados (población),
por lo que el investigador decide separarlos en estratos según su rango de edad,
conformándose los estratos de la siguiente manera:

ESTRATO EDAD CANTIDAD PORCENTAJE

1 18 – 29 600 60%

2 30 – 59 300 30%

3 60 – 100 100 10%

Con los estratos ya segmentados, el investigador decide realizar una muestra

estadística de 100 personas para realizar su investigación, por lo que dicha
muestra deberá estar conformada de forma proporcional al total de la población.
Ante esto, el investigador decide agarrar 60 empleados entre 18 y 29 años (60%),
30 empleados de 30 a 59 años (30%) y 10 empleados de 60 a 100 años (10%).
Dicho criterio de selección de estos fue por su propia conveniencia, eligió a
aquellos empleados que más confianza y relación tenía el investigador.
De esta manera, queda conformada el muestreo por cuotas de 100 personas de
forma proporcional a la población. A partir de esta muestra, el investigador
realizará su investigación sobre los problemas de salud sobre los empleados de
dicha empresa.

MUESTREO DE BOLA DE NIEVE: También conocido como muestreo en

cadena, este método de muestra no probabilística es aquella en donde el
encargado de la investigación le exige al primer sujeto identificar o señalar a otra
persona que tenga potencial y que cumpla con los requisitos de dicha
investigación.
POR EJEMPLO: Un investigador decide realizar una investigación en donde la
muestra va a estar conformada por individuos que posean una rara enfermedad.
Por lo tanto, al encontrar un individuo que posea dicha enfermedad, el
investigador le pide ayuda a este individuo para encontrar otros con sus mismas
características, conformándose de esta manera la muestra.

VENTAJAS
 El proceso de implementación es corto, barato, simple y rentable
 Tiene la capacidad de reclutar poblaciones ocultas y recopilar datos
primarios de forma rentable
 Ayuda a descubrir características sobre una población que no sabías que
existía.
 Se necesita poca planificación y menos mano de obra que otras tipos de
muestreo.

DESVENTAJAS
 Generalmente es imposible determinar el error de muestreo o hacer
inferencias sobre las poblaciones de la muestra obtenida.
 Poco control sobre el método de muestreo. Los sujetos que el investigador
puede obtener se basan principalmente en sujetos observados
anteriormente.
 El sobre muestreo de una red particular de pares puede llevar a un posible
sesgo.
 Los encuestados pueden dudar en proporcionar los nombres de sus pares
y pedirles que lo hagan puede plantear problemas éticos.

TEOREMA DEL LIMITE CENTRAL:

Es un teorema fundamental de probabilidad y estadística. El teorema

describe la distribución de la media de una muestra aleatoria proveniente de una
población con varianza finita. Cuando el tamaño de la muestra es lo
suficientemente grande, la distribución de las medias sigue aproximadamente
una distribución normal. El teorema se aplica independientemente de la forma
de la distribución de la población. Muchos procedimientos estadísticos comunes
requieren que los datos sean aproximadamente normales. El teorema de límite
central le permite aplicar estos procedimientos útiles a poblaciones que son
considerablemente no normales. El tamaño que debe tener la muestra depende
de la forma de la distribución original. Si la distribución de la población es
simétrica, un tamaño de muestra de n podría producir una aproximación
adecuada. Si la distribución de la población es considerablemente asimétrica, es
necesario un tamaño de muestra más grande.

TEOREMA DE CHEBYSHEV O DESIGUALDAD DE CHEBYSHEV:

Pafnuti Chebyshev fue un matemático Ruso que se dedico al estudio de

la teoría de los números de las funciones elípticas y del cálculo de
probabilidades, entre sus aportaciones más notables destacan la generalización
de la Ley de los Grandes Números y el Teorema del Limite Central

El teorema expresa lo siguiente: “la proporción de cualquier distribución que

este a menos de k desviaciones estándar de la media es por lo menos”
1
1 − 𝐾2

Donde k es cualquier numero positivo mayor que 1, este teorema es válido

para todas las distribuciones de datos

Este teorema establece que a menos de dos desviaciones es estándar de la

media (𝐾 = 2) siempre se encontrara por lo menos el 75% o mas de los datos

REGLA EMPIRICA:

Si una variable esta distribuida normalmente, entonces a menos de una

desviación estándar de la media haya aproximadamente 68% de los datos; a
menos de dos desviaciones estándar de la media hay aproximadamente 95% de
los datos; y a menos de tres deviaciones estándar de la media hay
aproximadamente 99.7% de los datos, esta regla es validad específicamente
para una distribución normal.

1
1−
𝐾2

Donde:
K= Desviación estándar de la media