4.1 Definición de muestreo.

Es un término mayormente utilizado en el campo de la estadística, la cual

para poder realizar estudios a una población (que es el conjunto de elementos físicos, que presentan
alguna característica en común, situados en un espacio geográfico determinado en un lapso
de tiempo específico, y sobre los cuales se desea investigar), es necesario tomar una muestra de esa
población dada, debido a que estas pueden ser finitas o infinitas, y aún en el caso en el que sean finitas
estas pueden estar formadas por una gran cantidad de elementos lo que hace imposible un análisis
completo.
Un muestreo es el procedimiento a través del cual es seleccionada una muestra (que es un
subconjunto de elementos de una población, es decir, una porción de elementos extraídos de una
población previamente definida) a partir de una población. El muestreo se refiere a esa reducción de
elementos que componen a un universo o población, para así poder cumplir con la investigación
correspondiente.
Para poder realizar el estudio que se desea a la población (a partir de la observación de unos pocos
de sus componentes), la muestra extraída debe ser representativa de ella, para que las conclusiones a
las que se llegue o los resultados que se obtengan del análisis sean válidos e imparciales, esto es
gracias a la técnica del muestreo.
Resumimos a continuación las principales ventajas e inconvenientes de usar muestreo frente a
estudiar todo un universo.

Ventajas:
 Necesitamos estudiar menos individuos, necesitamos menos recursos (tiempo y dinero).
 La manipulación de datos es mucho más simple. Si con una muestra de 1.000 personas tengo
suficiente, ¿para qué quiero analizar un fichero de millones de registros?
Inconvenientes:
 Introducimos error (controlado) en el resultado, debido a la propia naturaleza del muestreo y a la
necesidad de generalizar resultados.
 Tenemos el riesgo de introducir sesgos debido a una mala selección de la muestra. Por ejemplo,
si la forma en que selecciono individuos para la muestra no es aleatoria, mis resultados pueden
verse seriamente afectados.

4.1.1 Tipos de muestreo aleatorio, sistematizado, estratificado y conglomerado.

MUESTREO ALEATORIO
Todos los miembros de la muestra han sido elegidos al azar, de forma que cada miembro de la
población tuvo igual oportunidad de salir en la muestra.
 Muestreo Aleatorio Simple: Elegido el tamaño de la muestra, los elementos que la compongan se
han de elegir aleatoriamente entre los N de la población. Si se hace con calculadora, se utilizan los
números aleatorios. Se subdivide en:
1° Sin reposición de los elementos : Cada elemento extraído se descarta para la subsiguiente
extracción. Por ejemplo, si se extrae una muestra de una "población" de bombillas para estimar la
vida media de las bombillas que la integran, no será posible medir más que una vez la bombilla
seleccionada.
2° Con reposición de los elementos:  Las observaciones se realizan con remplazo de los individuos,
de forma que la población es idéntica en todas las extracciones. En poblaciones muy grandes, la
 probabilidad de repetir una extracción es tan pequeña que el muestreo puede considerarse con
reposición aunque, realmente, no lo sea.
3° Con reposición múltiple: En poblaciones muy grandes, la probabilidad de repetir una extracción es
tan pequeña que el muestreo puede considerarse con reposición.

 Muestreo Aleatorio Sistemático: Se ordenan previamente los individuos de la población; después

se elige uno de ellos al azar, a continuación, a intervalos constantes, se eligen todos los demás
hasta completar la muestra.
Considerando una población de N elementos, si queremos extraer una muestra de tamaño n,
partimos de un número h=N/n, llamado coeficiente de elevación y tomamos un número al
azar a comprendido entre 1 y h que se denomina arranque u origen.
La muestra estará formada por los elementos: a, a+h, a+2h,...a+(n-1) h.
De aquí se deduce que un elemento poblacional no podrá aparecer más de una vez en la muestra.
La muestra será representativa de la población pero introduce algunos sesgos cuando la población
está ordenada en función de determinados criterios.

 Muestreo Aleatorio Estratificado: Se divide la población total en clases homogéneas, llamadas

estratos; por ejemplo, por grupos de edades, por sexo. Hecho esto la muestra se escoge
aleatoriamente en número proporcional al de los componentes de cada clase o estrato.
La distribución de la muestra en función de los diferentes estratos se denomina afijación, y puede
ser de diferentes tipos:
1° Afijación Simple: A cada estrato le corresponde igual número de elementos muéstrales.
2° Afijación Proporcional: La distribución se hace de acuerdo con el peso (tamaño) de la población
en cada estrato.
3° Afijación Óptima: Se tiene en cuenta la previsible dispersión de los resultados, de modo que se
considera la proporción y la desviación típica. Tiene poca aplicación ya que no se suele conocer
la desviación.
Hay dos subtipos principales de muestreo estratificado: el proporcional y el muestreo
desproporcionado.
a) Muestreo Estratificado Proporcional: El número de elementos asignados a diversos estratos
es proporcional a la representación de los estratos de la población objetivo; es decir, el tamaño
de la muestra extraída de cada estrato es proporcional con el tamaño relativo de ese estrato de
la población objetivo. La fracción de muestreo es aplicada a cada estrato, dando a cada
elemento de la población la misma oportunidad para ser seleccionados. La muestra resultante
es una muestra autoponderada. Este procedimiento de muestreo se utiliza cuando el propósito
de la investigación es estimar los parámetros poblacionales.
b) Muestreo Estratificado Desproporcionado: Este es un procedimiento de muestreo
estratificado en que el número de elementos incluidos en la muestra de cada estrato no es
proporcional a su representación en la población total. Los elementos de la población no tienen
la misma oportunidad de ser incluidos en la muestra. La misma fracción de muestreo no se
aplica a cada estrato. Por otra parte, los estratos tienen diferentes fracciones de muestreo, y
como tal, este procedimiento de muestreo no es una selección equiprobable. Con el fin de
estimar los parámetros de población, la composición poblacional debe utilizarse para compensar
la desproporción en la muestra. Sin embargo, para algunos proyectos de investigación el
 muestreo estratificado desproporcionado puede ser más apropiado que el muestreo estratificado
proporcional.
El muestreo estratificado desproporcionado puede ser dividido en tres subtipos con base a los
propósitos de nuestra asignación, que por ejemplo podrían ser el facilitar el análisis dentro de los
estratos o centrarse en la optimización de los costos, de la precisión o  la optimización de ambos:
precisión y costos.

 Muestreo Aleatorio Conglomerado: Mientras que en el muestreo aleatorio estratificado cada

estrato presenta cierta homogeneidad, un conglomerado se considera una agrupación de elementos
que presentan características similares a toda la población.
Por ejemplo, para analizar los gastos familiares o para controlar el nivel de audiencia de los
programas y cadenas de televisión, se utiliza un muestreo por conglomerados-familias que han sido
elegidas aleatoriamente. Las familias incluyen personas de todas las edades, muy representativas
de las mismas edades y preferencias que la totalidad de la población.
Una vez seleccionados aleatoriamente los conglomerados, se toman todos los elementos de cada
uno para formar la muestra. En este tipo de muestreo lo que se elige al azar no son unos cuantos
elementos de la población, sino unos grupos de elementos de la población previamente formados.
Elegidos estos grupos o "conglomerados" en un número suficiente, se pasa posteriormente a la
elección, también al azar, de los elementos que han de ser observados dentro de cada grupo, o
bien, según se desee, a la observación de todos los elementos que componen los grupos elegidos.
Dos grandes dimensiones se utilizan para clasificar los diferentes tipos de muestreo por
conglomerados. Una se basa en el número de etapas en el diseño de la muestra, y el otro en la
representación proporcional de los grupos en la muestra total.

 Subtipo basado en el número de etapas: A menudo, el muestreo por conglomerados se lleva a

cabo en más de una “etapa”. Una etapa es un paso dentro del proceso de muestreo en el que se
toma una muestra. Considerando el número de etapas en el diseño, hay tres subtipos principales de
este muestreo: de una sola etapa, de dos etapas, y el muestreo por conglomerados de etapas
múltiples.

1° Muestreo por conglomerados de una etapa : El muestreo se hace una sola vez. Un ejemplo
sería, digamos que estamos interesados en el estudio de personas sin hogar que viven en
refugios. Si hay cinco refugios en una ciudad, un investigador seleccionará al azar a uno de
los refugios y luego incluirá en el estudio a todas las personas sin hogar que residen en el
refugio seleccionado. Un investigador de mercado podría optar por utilizar un diseño de
muestreo por conglomerado de una sola etapa. Digamos que un investigador está interesado
en la prueba de comercialización de un producto. El investigador puede seleccionar al azar
códigos postales; enviar muestras del producto junto con un cuestionario de evaluación a
cada dirección dentro del grupo seleccionado.
2° Muestreo por conglomerados en dos etapas:  El diseño incluye todos los pasos del diseño de
un muestreo por conglomerados, con una excepción del último paso. En lugar de incluir todos
los elementos de los grupos seleccionados de la muestra, una muestra aleatoria (ya sea una
muestra aleatoria simple, muestra estratificada o muestra sistemática) se toman los
elementos de cada grupo seleccionado. El muestreo por conglomerados de una etapa se
 refiere a veces como un submuestreo. En general, a menos que el grupo sea homogéneo, un
diseño de muestra de conglomerados en dos etapas es mejor que uno de una sola etapa.
3° Muestreo por conglomerados de etapas múltiples : Las encuestas de grandes áreas
geográficas requieren un diseño de la muestra algo más complicado que los descritos hasta
este punto. Por lo general, se debe utilizar un diseño de muestreo por conglomerados de
etapas múltiples, que consiste en la repetición de dos pasos básicos: listado y toma de
muestras.

CUADRO COMPARATIVO DE LOS TIPOS DE MUESTREO ALEATORIO

TIPO DE MUESTREO
VENTAJAS DESVENTAJAS
ALEATORIO
Simple  Sencillo y de fácil comprensión.  Requiere que se posea de
 Cálculo rápido de medias y antemano un listado completo
varianzas. de toda la población. Cuando
se trabaja con muestras
 Se basa en la teoría pequeñas es posible que no
estadística, y por tanto existen represente a la población
paquetes informáticos para adecuadamente.
analizar los datos

Sistemático  Fácil de aplicar.  Si la constante de muestreo

 No siempre es necesario tener
un listado de toda la población.
 Cuando la población está
ordenada siguiendo una
tendencia conocida, asegura
una cobertura de unidades de
todos los tipos.
está asociada con el fenómeno
de interés, las estimaciones
obtenidas a partir de la muestra
pueden contener sesgo de
selección.

Estratificado  Tiende a asegurar que la  Se ha de conocer la

muestra represente distribución en la población de
adecuadamente a la población las variables utilizadas para la
en función de unas variables estratificación.
seleccionadas.
 Se obtienen estimaciones más
precisa.
 Su objetivo es conseguir una
muestra lo más semejante
posible a la población en lo que
a la o las variables
estratificadoras se refiere.

Conglomerado  Es muy eficiente cuando la  El error estándar es mayor

población es muy grande y
dispersa.
 No es preciso tener un listado
de toda la población, sólo de
las unidades primarias de
que en el muestreo aleatorio
simple o estratificado.
 El cálculo del error estándar
es complejo.
 muestreo.

Típicamente, en cada etapa, los grupos se hacen progresivamente más pequeños en tamaño; y en la
última etapa se utiliza el elemento de muestreo.

4.2 Concepto de distribución de muestreo de la media.

La distribución de muestreo es la distribución de probabilidad de una estadística, es una función de las
variables aleatorias que se observan en la muestra, que resulta de un número infinito de muestras
aleatorias de tamaño, mutuamente independientes; provenientes de la población de interés.
 Distribución de Muestreo de la Media: Un estadístico está distribuido normalmente cuando la
muestra que se toma es grande, conocido como el teorema del límite central. Cuando el tamaño de
la muestra es grande y la varianza de la población es conocida se toma la distribución normal
estándar como estadístico de prueba. Pero cuando el tamaño de la muestra no es grande y a su vez
se desconoce la varianza de la población, es aconsejable aplicar la Distribución de students. Estas
condiciones se conocen como el TEOREMA DEL LIMITE CENTRAL.

4.2.1 Distribución muestral de la diferencia entre dos medias.

Dos poblaciones que sigan distribuciones normales N (μ 1, σ1) y  N (μ2, σ2), o bien, si ambas
poblaciones tienen distribuciones cualesquiera con media μ 1 y μ2, desviaciones típicas σ1 y σ2, y las
respectivas muestras son de tamaño n 1 y n2, suficientemente grandes, entonces la distribución
muestral de diferencia de medias sigue una distribución normal:

MU= μ

SIGMA= σ

Y la variable tipificada viene dada por la expresión:

4.3 Teorema de límite central.

Si X1, X2,..., Xn son variables aleatorias (discretas o continuas) independientes, con idéntico modelo de
probabilidad, de valor medio μ y varianza σ2, entonces la distribución de la variable
se aproxima a la de una variable normal tipificada N (0,1), mejorándose la calidad de la aproximación
a medida que n aumenta.

Este resultado prueba que el estadístico o estimador media muestral 

Con carácter general, o al menos en los modelos de probabilidad clásicos, se admite una aproximación
aceptable al modelo normal siempre que n sea mayor o igual que 30, a pesar de que esta cifra es
insuficiente en determinados casos y excesiva en otros; por lo que debemos ser cautelosos en su
aplicación.

El teorema central del límite es uno de los resultados

fundamentales de la
estadística. Este teorema nos dice que si una muestra es
lo bastante grande
(generalmente cuando el tamaño muestral (n) supera los
30), sea cual sea la
distribución de la media muestral, seguirá
aproximadamente una distribución
normal. Es decir, dada cualquier variable aleatoria, si
extraemos muestras de
tamaño n (n>30) y calculamos los promedios muestrales,
dichos promedios seguirán
una distribución normal. Además, la media será la misma
que la de la
variable de interés, y la desviación estándar de la media
muestral será aproximadamente
el error estándar.

La importancia del teorema central del límite radica en que

mediante un
conjunto de teoremas, se desvela las razones por las cuales, en muchos campos
de aplicación, se encuentran en todo momento distribuciones normales o casi.

4.4 Determinación del tamaño de la muestra de una población.

Los factores que determinan el tamaño de la muestra son la distribución de la población, el nivel de
confianza y el margen de error permitido.

 Distribución de la población: La población puede ser homogénea o heterogénea, se puede

realizar un estudio piloto para tener alguna medida estadística descriptiva como la media y la
 desviación estándar (S). Si no se poseen datos previos, se puede adoptar los supuestos de posición
conservadora, esto es, considera un universo infinito por lo tanto los valores de la proporción en
máxima incertidumbre son P=Q=0.50, entonces S=0.5.
 Nivel de confianza: Se refiere a la probabilidad de que la estimación efectuada se ajuste a la
realidad.
Niveles de confianza: 0.90; 0.95; 0.99. Los valores de la tabla Normal para Z de acuerdo al nivel de
confianza son: 1.645; 1.96 y 2.575 respectivamente.
En Ciencias Sociales puede aceptarse el trabajo con un nivel de confianza de 0.95.
Cuanto más grande es el nivel de confianza, mayor será la garantía de que la estimación realizada a
través de la muestra se aproxime a la realidad.
 Error de muestreo permitido: Para fijar el tamaño de muestra adecuado a cada investigación es
preciso determinar el porcentaje de error que estamos dispuestos a tolerar. El error es el porcentaje
de incertidumbre, es el riesgo estimado de que la muestra elegida no sea representativa. A medida
que se incrementa el tamaño de la muestra, el error muestral tiende a reducirse.

Tamaño de la Muestra

Si se establece una muestra probabilística y se conoce el tamaño de la población, de ahora en adelante

denotado por N se procede a determinar por fórmula el tamaño de la muestra adecuado. No siempre se
tiene el dato del tamaño de la población y entonces existe otra fórmula para obtenerlo. ¿Cuál es el
menor número de unidades muestrales (personas, familias, grupos, organizaciones, etc.) que se
necesitan para conformar una muestra (n) que asegure un error de muestreo menor de 0.01, 0.03 o
0.05?
Tamaño de la muestra denotado por n.

Muestreo aleatorio simple (Si se conoce el tamaño de la población):

N = tamaño de la población.
n = tamaño necesario de la muestra.
Z = margen de confiabilidad o número de unidades de desviación estándar en la distribución normal que
producirá un nivel deseado de confianza.
S = desviación estándar de la población conocida o estimada a partir de anteriores estudios o de una
prueba piloto.
E = error o diferencia máxima entre la media muestral y la media de la población que se está dispuesto
a aceptar con un nivel de confianza que se ha definido.
Muestreo aleatorio simple (Si no se conoce el tamaño de la población):

n = tamaño necesario de la muestra.

Z = margen de confiabilidad o número de unidades de desviación estándar en la distribución normal que
producirá un nivel deseado de confianza.
S = desviación estándar de la población conocida o estimada a partir de anteriores estudios o de una
prueba piloto.
E = error o diferencia máxima entre la media muestral y la media de la población que se está dispuesto
a aceptar con un nivel de confianza que se ha definido.

Muestreo proporcional

n = tamaño necesario de la muestra.

Z = margen de confiabilidad.
P = probabilidad de que el evento ocurra.
Q = probabilidad de que el evento no ocurra.
E = error de estimación.
N = tamaño de la población.

Muestreo estratificado.

Suponiendo que se trabaja con tres estratos A, B y C el tamaño de cada estrato proporcional al tamaño
de la población en cada estrato se determina con la siguiente fórmula:

n = tamaño total de la muestra.

nA = tamaño óptimo de la muestra que se extrae del estrato A.
NA = número de elementos en el estrato A.
SA = desviación estándar de los elementos del estrato A.
NB = número de elementos en el estrato B.
SB = desviación estándar de los elementos del estrato B. 
NC = número de elementos en el estrato C.
SC = desviación estándar de los elementos del estrato C.

4.5 Intervalos de confianza para la media, con el uso de la distribución normal y “t” de
Student.
Dada una variable aleatoria con distribución Normal N (μ, σ), el objetivo es la construcción de
un intervalo de confianza para el parámetro μ, basado en una muestra de tamaño n de la variable. 

Caso de varianza desconocida

Dada una muestra X1,..., Xn, el estadístico

se distribuye según una t de Student de n − 1 grados de libertad. Por tanto, y siguiendo pasos similares
a los del apartado anterior, el intervalo de confianza resultante es

donde tα/2 es el valor de una distribución t de Student con n − 1 grados de libertad que deja a su derecha
una probabilidad de α/2.

Con el programa siguiente podemos calcular el intervalo de confianza para la media de una distribución
Normal con desviación típica desconocida.

4.5.1 Determinación del tamaño de la muestra con grado de confianza y estimación

de u.
4.6 Intervalos de confianza para diferencia entre dos medias μ1-μ2 con σ12 y σ22,
σ12=σ22 pero conocidas, con el uso de la distribución normal y la “t” de Student.
El estadístico T, definido como:

4.7 Una sola muestra: estimación de la proporción.

4.8 Tamaño de la muestra como una estimación de P y un grado de confianza (1.-α) 100%.
La amplitud del intervalo de confianza depende del valor de 

Con un nivel de confianza del (1-a) 100% admitimos que la diferencia entre la estimación para la media
a partir de la muestra y su valor real es menor que E, que llamaremos error máximo admisible.
 El tamaño de la muestra depende del nivel de confianza que se desee para los resultados y
de la amplitud del intervalo de confianza, es decir del error máximo que se esté dispuesto a
admitir. Fijados estos, 1-a y E, podemos calcular el tamaño mínimo de la muestra que
emplearemos.
En el caso de estimar proporciones   con lo que 

BIBLIOGRAFÍA
 http://conceptodefinicion.de/muestreo/
 https://www.netquest.com/blog/es/blog/es/muestreo-que-es-porque-funciona
 http://www.vadenumeros.es/sociales/tipos-de-muestreo.htm
 http://recursostic.educacion.es/descartes/web/materiales_didacticos/muestreo_poblaciones_
ccg/tipos_muestreo.htm
 http://maralboran.org/wikipedia/index.php/Tipos_de_muestreos
 http://www.estadistica.mat.uson.mx/Material/elmuestreo.pdf
 https://es.wikipedia.org/wiki/Muestreo_(estad%C3%ADstica)
 https://www.questionpro.com/blog/es/muestreo-estratificado/
 https://www.questionpro.com/blog/es/muestreo-por-conglomerados/
 http://www.eumed.net/libros-gratis/2011b/939/CONCEPTOS%20BASICOS%20DE
%20ESTADISTICA%20DISTRIBUCION%20DE%20MUESTREO.htm
 http://calculo.cc/temas/temas_estadistica/muestreo/teoria/dist_difer_medias.html
 http://e-stadistica.bio.ucm.es/glosario2/teor_limite_central.html
 http://estadisticavigrado.blogspot.mx/2011/04/teorema-del-limite-central.html
 http://www.sai.com.ar/metodologia/rahycs/rahycs_v7_n2_06.htm
 http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo8/B0C8m1t8.htm
 http://recursostic.educacion.es/descartes/web/materiales_didacticos/inferencia_estadistica/e
stimac.htm