MUESTREO

Ing. Walfred Herrera

 APLICACIONES

• Conocer opiniones publicas

• Efectividad de nuevos productos
• Estimación de cosechas
• Pronosticar el volumen de
madera de un bosque
• Detectar la presencia de una
plaga
• Verificar la calidad de productos
¿Razones para muestrear?
• Reducir la utilización de recursos financieros, humanos y
materiales para realización de estudio
• Realizar el estudio en menor tiempo.
• Minimizar daños a la población, en los casos que la
recolección de datos conlleva destrucción de los elementos.
 OBJETIVO DEL MUESTREO
Estimar los parámetros de la población (media, proporción o total) a partir
de los estadísticos correspondientes de una muestra. Al proceso mediante
el cual los resultados del análisis de la muestra se pueden generalizar a
toda la población se le llama inferencia estadística. Para que el proceso
sea válido, la muestra utilizada debe ser representativa de la población, lo
que implica utilizar técnicas de muestreo probabilístico.

Muestreo

Población Muestra
  Media  x
 2  Varianza  s2
P  Proporción  p̂
  Total  ˆ
Parámetros Estadisti cos

Inferencia
 CONCEPTOS ESTADÍSTICOS FUNDAMENTALES

Individuo: Es la unidad estadística.

Población: Colección completa

de individuos, plantas, animales
o cosas que tienen por lo menos
una característica en común.
Población natural
Conjunto de individuos de una misma especie. Se conoce su distribución
espacial y temporal pero generalmente se desconoce su tamaño.

Población objetivo
Es el universo que abarca la totalidad de entes sobre los qué o
quienes se requiere obtener información. Se obtiene de delimitar la
población natural.
 Muestra
Es un subconjunto de entes de la población objetivo, sobre los qué o
quienes recae la recolección de datos. Y que se supone son
representativos de la población.

Unidad de muestreo
Elemento o subconjunto de elementos de la población, no
traslapados, del que se debe obtener información para realizar el
estudio. También se le llama unidad de análisis.

Ejemplo:
Plaga Unidad de Tamaño muestra
muestreo
Barrenador 1 tallo (caña) 20/ha
(cosecha)
Plaga de raíz 30 x 30 cm área y 2/ha
30 cm profundidad
Fuente: Muestreo estadístico: notas de acompañamiento (Lopez y Gonzalez, 2007)
Marco de muestreo
Unidad física o electrónica que sirve como referencia para identificar o
localizar la totalidad de unidades de muestreo que constituyen una
población. Puede ser:
a) Una lista depurada de personas, plantas, animales o cosas.
b) Un plano o mapa de ubicación de parcelas, hogares, plantas o cosas.
 Población
Población objetivo
natural N=70

Muestra
Unidad de
muestreo

n=9

Al realizar un estudio a través de muestreo, hay tres

valores que el investigador debe asumir, estos son:
• Error de estimación o precisión
• Nivel de confianza o confiabilidad
• El tamaño de la premuestra o muestra preliminar
 Error de estimación o precisión
Es alejamiento máximo que el investigador está dispuesto a permitir
entre el valor de estadístico estimado y el valor del parámetro de una
población, expresado en número de unidades de la variable en estudio o
en porcentaje respecto la media muestral, o en puntos porcentuales.

IC  x  Z  Se d
Z: número de desviaciones estándar al que se ubica el valor de un estadístico
respecto a una función de distribución normal estándar, cuando el área bajo la
curva, probabilidad o nivel de confianza es .

Error estándar o error típico (Se): es la desviación estándar de las medias

muestrales del estadístico o estimador.
 Nivel de confianza o confiabilidad:
Es el grado de seguridad de no cometer error al definir un intervalo de
confianza en el que se ubica el valor de un parámetro. Constituye una
probabilidad y se mide en términos de unidades de desviación estándar
Z, de una distribución normal estándar. Los niveles de confianza
frecuentemente utilizados en muestreo son: 90%, 95% y 99%, los cuales
equivalen a 1.65, 1.96 y 2.58 unidades Z, respectivamente.
 Diferencia entre el error de estimación (precisión) y
confiabilidad
Por ejemplo: Si en un muestreo de suelos para análisis de fertilidad se
fija una precisión de 20% y un 95% de confianza, significa que para una
media muestral de 18 ppm de P, la media obtenida a partir de otras
muestras del mismo tamaño y tomadas del mismo suelo, en 95 de cada
100 de esas muestras, la media del estadístico estimado se situará en un
intervalo de confianza que contiene al parámetro (la media poblacional),
cuya amplitud es:
d  Z1 2  Se
14.4    21.6
d
Se 
Z1 2
Li  18  3.6 Ls  18  3.6
3.6
d  18  0.2  3.6 Se   1.84
1.96
El resultado es un intervalo que contendrá la media poblacional, en el
95% de la veces que se haga un muestreo. Con una precisión de 3.6 ppm,
la desviación estándar de la media muestral (error estándar o típico)
resulta ser de 1.84 ppm
Distribuciones de muestreo

Esta variabilidad en los valores estimados proviene de un ERROR DE MUESTREO

debido al azar.
 Factores a considerar al calcular el
tamaño de la muestra
• El máximo error de estimación (precisión) fijado.
• El nivel de confianza o confiabilidad fijado para la
estimación del parámetro.
• Tamaño de la población, si es finita (tamaño conocido) o
infinita (tamaño desconocido)
• El parámetro a estimar: la media, proporción o un total
• Estadísticos de la premuestra o muestra preliminar:
media, desviación estándar o proporción de ocurrencia.
• El tipo de muestreo: probabilístico o no probabilístico, y
variantes del muestreo probabilístico (aleatorio simple,
sistemático, estratificado o por conglomerados)
 Relaciones con respecto al tamaño de la
muestra
• Al tener una muestra (n) muy grande se disminuye el error
estándar y se incrementa la precisión.

• A mayor precisión (valores cercanos a 0) mayor tamaño de

muestra.

Nivel de confianza (%)

Precisión % 90 95 99
5 228 306 461
N = 1500 familias
10 64 90 150 Muestreo simple aleatorio
Parámetro o estimador=
15 29 42 71 proporción

Fuente: Muestreo estadístico: notas de acompañamiento (Lopez y Gonzalez, 2007)

 Población finita e infinita
• Infinita: población de tamaño desconocido, o tan grande
que puede considerarse infinita (N>100,000).

• Finita: población de tamaño conocido, o cuyo tamaño es

posible precisar o establecer. No existe ningún problema
en delimitar la población objetivo.

El multiplicador de población finita para corregir el error estándar de la media se debe de utilizar
cuando la fracción de muestreo n/N sea mayor a 0.05
 TAMAÑO DE LA PREMUESTRA O
MUESTRA PRELIMINAR

• Para poblaciones infinitas, el tamaño de la muestra

preliminar tiene que ser necesariamente mayor a 30.

• Al utilizar fórmulas basadas en la distribución Z, el

tamaño de la muestra preliminar también debe ser
mayor a 30.

• En términos generales se recomienda utilizar un

tamaño de muestra preliminar entre 10 y el 20% del
tamaño de la población.
 TIPOS DE MUESTREO
Tamaño de la muestra y la selección de los elementos

Probabilístico No probabilístico
Toma en cuenta el tamaño de la población
Todos los elementos de la Se emplea el conocimiento y la
población tienen la misma opinión personal para identificar
oportunidad de ser elegidos los elementos de la población que

inferencias sobre la población

para integrar la muestra deben incluirse en la muestra
Selección Representatividad e Selección
aleatoria por criterio

• Simple y sistemático • Por cuotas

• Estratificado • Accidental
• Por conglomerados • Incidental
o racimos • Bola de nieve
Paradigma cuantitativo Paradigma cualitativo
 ¿Cómo tomar o seleccionar los
elementos de la muestra?
Los elementos de la muestra se eligen siempre aleatoriamente para
asegurar de que cada elemento tenga la misma probabilidad de ser
seleccionado. Puede hacerse:
• Tómbola
• Números Random o aleatorios (tabla, calculadora, ordenador)
• Técnicas particulares, según la naturaleza del estudio.

Por ejemplo, al obtener muestras para análisis de la fertilidad del suelo:

Cuadrícula Zig-zag Diagonal Sinuosa

 ERRORES EN EL ESTUDIO POR
MUESTREO

1. Error de Muestreo

2. Errores de no muestreo
 CÁLCULO DEL TAMAÑO DE LA
MUESTRA EN EL MUESTREO
ALEATORIO SIMPLE
La fórmula para calcular el tamaño de una muestra
se deriva de aquella que se utiliza para definir el
error de estimación, en el caso del muestreo
aleatorio simple (MAS), son las siguientes:
Para estimar la MEDIA de una población
INFINITA donde se desconoce su tamaño:

Error de estimación Tamaño de la muestra

Z1 2  Z12 2  2
d Despejando n
n d2
DONDE:
n= tamaño de la muestra.
d= error de estimación, de muestreo o precisión ( ó E)
Z 1-/2: número de deviaciones estándar (Z) cuando la probabilidad o área
bajo la curva acumulada equivale una confiabilidad =1-/2, en una
curva de distribución normal estándar.
=desviación estándar poblacional o premuestral
 Para estimar la MEDIA de una población FINITA
donde se conoce su tamaño:

N  2 Z12 2
 Z1 Nn  N  n  n
d 2

Nn
Despejando

N d 2   2 Z12 2 
DONDE:
N= tamaño de la población
n= tamaño de la muestra
d= error de estimación, error de muestreo o precisión ( ó E)
Z 1-/2: número de deviaciones estándar (Z) cuando la probabilidad o área
bajo la curva acumulada equivale una confiabilidad =1-/2, en la
función de distribución normal estándar.
=desviación estándar poblacional o premuestral
Así, otras fórmulas para calcular el tamaño de
la muestra utilizando MAS son:
Equivalente a la anterior. Se utiliza también para para
estimar la MEDIA de una población FINITA:

Z12 2  2
n' 
d2

Se calcula n’ y luego se corrige ese valor utilizando el

tamaño de la población (N) y el valor k:

1
k n  n'k
n'
1
N
Para estimar la MEDIA de una población FINITA, cuando la
varianza se obtiene de una muestra preliminar de tamaño
n<30 o bien cuando N<30.

N s 2 t22,n1
n

N d 2  s 2 t22,n 1 
DONDE:
N= tamaño de la población
n= tamaño de la muestra
d= error de estimación, error de muestreo o precisión ( ó E)
t /2,n-1: número de deviaciones estándar (t) cuando la probabilidad o área
bajo la curva equivale a una confiabilidad = /2 y n-1 grados de libertad,
en la función de distribución t de Student. La variable n en n-1, es el
tamaño de la premuestra
s=desviación estándar de la premuestra
Equivalente a la anterior. Se utiliza también para
estimar la MEDIA de una población FINITA, cuando
la varianza se obtiene de una muestra preliminar
de tamaño n<30 o bien cuando N<30.
t22,n1 s 2
n'  2
d
El tamaño final de la muestra (n), se obtiene corrigiendo n’
empleando el tamaño de la población y el valor k:
1
k n  n'k
n'
1
N
Para estimar TOTALES en una población
FINITA:
N 2  s 2  Z21 / 2
n

d 2  N  Z21 / 2  s 2 
DONDE:
N= tamaño de la población
n= tamaño de la muestra
d= error de estimación, error de muestreo o precisión ( ó E)
: nivel de significancia
Z 1-/2: número de deviaciones estándar (Z) cuando la probabilidad o área
bajo la curva acumulada equivale una confiabilidad =1-/2, en la
función de distribución normal estándar.
=desviación estándar poblacional (regularmente la premuestral)
Para estimar proporción o porcentaje de una población INFINITA:
Z12 2 pq
n
d2
Para estimar proporción o porcentaje de una población FINITA:
N Z12 2 p q
n
Nd 2  Z12 2 p q
DONDE:
N= tamaño de la población
n= tamaño de la muestra
d= error de estimación, de muestreo o precisión ( ó E)
Z 1-/2: número de deviaciones estándar (Z) cuando la probabilidad o área bajo
la curva acumulada equivale una confiabilidad =1-/2, en la función de
distribución normal estándar.
p=proporción de ocurrencia de la característica de la población bajo análisis o
probabilidad de éxito.
q=proporción de no ocurrencia o probabilidad de fracaso.
Note que el producto pq es un indicativo de la varianza.
Equivalente a la anterior, se utiliza también para
Para estimar proporción o porcentaje de una
población FINITA:

Z12 2 p q
n' 
d2
1
k
n'
1
N

n  n'k
Para estimar proporción o porcentaje de una población
FINITA, cuando la proporción de ocurrencia de la
característica de interés se obtiene a partir de una
muestra preliminar de tamaño n<30, pero N>30.

N t22,n1 p q
n
Nd 2  t22,n1 p q
 Para estimar proporción o porcentaje de una población
FINITA, cuando N<30.
También se puede utilizar cuando la proporción de ocurrencia de la
característica de interés se obtiene a partir de una muestra preliminar de
tamaño n<30, siendo N>30.

t22,n1 p q
n' 
d2
El tamaño final de la muestra (n) se calcula así:
1
k n  n'k
n'
1
N
Para calcular el tamaño de la muestra cuando se
desconocen los valores de p y q. Ocurre usualmente
cuando se deben utilizar cuestionarios o entrevistas en
estudios de fenómenos sociales, sondeos de opinión, o
variables de análisis de escala nominal.

N
n
Nd  1
2

Donde:
N = tamaño de la población
d= error de estimación

Se deriva de la fórmula para calcular proporción en una población finita, en este caso
se asume la máxima varianza (pq=0.25) y un nivel de significancia equivalente a 63 por
millar, es decir, la probabilidad de tomar una muestra no representativa es tan solo 63
en un millón.
Si se considera el ingreso anual por familia real en quetzales, determine el
tamaño de muestra para estimar el ingreso total de un sector residencial
compuesto por 500 familias, tanto en forma puntual como en intervalo.

Cuadro 1. Resultados de ingreso familiar a partir de la muestra preliminar:

No. Identificación de Ingreso familiar No. Identificación de la Ingreso
la unidad familiar real unidad familiar familiar real
179 8,000 309 14,000
186 8,700 336 6,000
485 7,000 475 54,000
80 2,500 483 8,000
104 3,500 230 22,000
293 6,000 375 6,000
74 2,500 51 1,500
70 6,000 29 11,000
347 4,500 247 9,000
337 4,500 5 8,000
Fuente: Muestreo estadístico: notas de acompañamiento (Lopez y Gonzalez, 2007)
Cómo calcular el tamaño de la muestra en
el muestreo aleatorio simple (MAS) para
estimar TOTALES
1. Se obtuvo una muestra preliminar de 20 familias
2. Se definió un nivel confianza de 95% y una
precisión de 15%
3. Calcular la media y la desviación de la premuestra
4. Calcular el tamaño de la muestra definitiva con:

N s 2 t22,n1
n

N d 2  s 2 t22,n 1 
 De la muestra preliminar : Confiabilidad    : 95%
x  9,635 s  11, 400.66 Nivel de significancia  5%
Precisión : ´  / 2
d  x  Precisión %  gl  n  1
d  9635.00  0.15 gl  20  1  19
d  1, 445.25 t0.025 ,19  2.093

N s 2 t22,n1 500 11, 400.662  2.0932

n 

N d 2  s 2 t22,n1  500 1445.252  11, 400.662  2.0932

n  177 familias
• Hacer el muestreo, eligiendo aleatoriamente los elementos que
hacen falta para 177.
• Hacer la estimación puntual y de intervalo.
• Indicar el error de precisión resultante.

Al recabar información de las 177 familias, que constituyen el

tamaño de la muestra definitiva, se obtuvo:
x  11, 475.68 s  9, 456.20

Precisión:
s 2 t22,n1  N  n  9, 456.22  2.0932  500  177 
d   Q.1195.68
nN 177  500

1195.68
d 100  10.42%
11475.68
Estimación puntual Intervalo de confianza
Total ingresos estimado : T  d  5,737,842.11 0.1042
T  xN T  d  597,883.15
T  11, 475.68  500 5,737,842.11  597,883.15  5139958.96
T  5,737,842.11 5,737,842.11  597,883.15  6335725.26
de : 5,139,958.96 a 6,335,725.26

Conclusión: Con 95% de confiabilidad y un

error de estimación de 10.42%, el ingreso total
de las familias del sector residencial en estudio
es Q. 5,737,842.11, el cual puede oscilar entre
Q.5,139,958.96 y Q.6, 335, 725.26
De una plantación de 10 hectáreas de Aguacate se quiere estimar la media de número de
frutos formados por árbol y la producción total en las 10 hectáreas. Las plantas están
sembradas a una distancia de 4 x 5 metros. La unidad de muestreo es una planta de
aguacate. Una premuestra tomada al azar de 30 arboles dio los resultados siguientes,
considere un 10% de arboles que no están en producción.
Cuadro 1. Resultados de número de frutos por árbol de aguacate en producción a partir de
la muestra preliminar:

No. Numero de No. Numero de No. Numero de

Identificación frutos por Identificación frutos por Identificación frutos por
del árbol árbol del árbol árbol del árbol árbol
179 150 309 450 1,000 214
186 340 336 175 2,323 220
485 480 475 128 678 620
80 400 483 360 66 392
104 410 230 420 576 350
293 390 375 350 834 425
74 550 51 380 937 314
70 430 29 512 3,000 325
347 180 247 230 254 325
337 200 5 1,200 2,536 211
Fuente: Muestreo estadístico: notas de acompañamiento (Situn, 2007)
 ANALISIS DE SENSIBILIDAD

Efecto del error de estimación sobre el tamaño de la muestra

N Z Des estándar Error E % ERROR E frutos n

4500 1.96 167.50 0.00 0.00 4500.00
4500 1.96 167.50 1.00 3.75 2835.31
4500 1.96 167.50 2.00 7.50 1343.88
4500 1.96 167.50 3.00 11.25 716.09
4500 1.96 167.50 4.00 15.00 432.94
4500 1.96 167.50 5.00 18.75 287.02
4500 1.96 167.50 6.00 22.50 203.28
4500 1.96 167.50 7.00 26.25 151.16
4500 1.96 167.50 8.00 30.00 116.65
4500 1.96 167.50 9.00 33.75 92.67
4500 1.96 167.50 10.00 37.50 75.36
4500 1.96 167.50 20.00 75.00 19.08
4500 1.96 167.50 30.00 112.50 8.50
4500 1.96 167.50 40.00 150.00 4.79
4500 1.96 167.50 50.00 187.50 3.06
 ANALISIS DE SENSIBILIDAD

Efecto del nivel de significancia α sobre el tamaño de la muestra

N nivel α valor de z Des estándar ERROR E frutos n

4500 1.00 2.58 167.50 15.62 654.16
4500 2.00 2.33 167.50 15.62 548.23
4500 3.00 2.17 167.50 15.62 483.33
4500 4.00 2.06 167.50 15.62 440.24
4500 5.00 1.96 167.50 15.62 402.24
4500 6.00 1.88 167.50 15.62 372.76
4500 7.00 1.82 167.50 15.62 351.17
4500 8.00 1.75 167.50 15.62 326.60
4500 9.00 1.71 167.50 15.62 312.87
4500 10.00 1.65 167.50 15.62 292.70
4500 11.00 1.61 167.50 15.62 279.55
4500 12.00 1.56 167.50 15.62 263.46
4500 13.00 1.52 167.50 15.62 250.87
4500 14.00 1.48 167.50 15.62 238.53
 Lea sobre el muestreo sistemático y responda los siguientes cuestionamientos

Considere que un centro agropecuario posee un sistema de venta de sus

productos a crédito. Si la agropecuaria tiene N deudores clasificados en orden
decreciente de acuerdo a su deuda y quiere estimar la cantidad total de sus
deudores. ¿Utilizaría usted la selección de una muestra aleatoria o una muestra
sistemática?, ¿Por qué?

Considere que el centro agropecuario de la Pregunta anterior tiene a sus N

deudores clasificados alfabéticamente de acuerdo a sus apellidos. ¿Utilizaría
usted la selección de una muestra aleatoria o una muestra sistemática?, ¿Por
qué?

Describa el procedimiento para seleccionar una muestra sistemática de tamaño

n=10 de una población de N=720 unidades. Mencione las 10 unidades
seleccionadas.

En una población de tamaño N=924 se va a seleccionar una muestra

sistemática de tamaño 10; en tal caso k=92.4. Mencione las ventajas y
desventajas de redondear
a) k=92 b) k=93
 CÁLCULO DEL TAMAÑO DE LA
MUESTRA EN EL MUESTREO
ALEATORIO ESTRATIFICADO
La fórmula para calcular el tamaño de una muestra
puede estar en función al tamaño y variabilidad del
estrato, además del costo, en el caso del muestreo
aleatorio estratificado (MAE), son las siguientes:
 Esquema de un muestreo aleatorio
estratificado
Población finita de tamaño
N 1 N 2  ... NL  N
Estrato 1 Estrato 2 Estrato l
. . .
N1 N2 NL

2 1
1 1 2 2 3
4 5
4 3 4 5 6 6
...
3 7
6 7 8
5 ... ... N2 8
N1 NL
7 9 ...
Muestra aleatoria Muestra aleatoria
Muestra aleatoria
simple simple
simple

1 2 1 2
1 2 3 ...
... 3 ... nL
3 n1 4 n2

Muestra aleatoria estratificada de tamaño

n = n 1  n 2  ...  n L
 Metodología de un muestreo aleatorio
estratificado

1. Especificar los estratos (homogeneidad interna y heterogeneidad entre

estratos.
2. Se determina dos tamaños de muestra:
a) Para la población (n)
b) Para cada estrato (ni)
i. Asignación igual
ii. Asignación proporcional (tamaño)

iii. Asignación proporcional a la variación del estrato (tamaño y

variabilidad)

iv. Asignación optima (tamaño, variabilidad y costo)

 Fórmulas para calcular el tamaño de la muestra
en muestreo aleatorio estratificado, según
Mendenhall et al. (1986)
Para estimar media Para estimar proporción
L
Ni2 i2 L

 wi
 i pˆ i qˆi
N 2

n i 1
n i 1
2 L
d2 L
  Ni pˆ i qˆi
d
N 2
2
Z1 / 2
  i iN 
i 1
2
N 2

Z2
i 1
1 / 2

Para estimar totales Donde Wi es una proporción del

L
Ni2 i2 número de elementos del estrato

i 1 wi
respecto al total de la premuestra.
n 2 L La asignación de la muestra a cada
  Ni  i2
d estrato se realiza de manera
Z12 / 2 i 1 proporcional al tamaño de cada
estrato.
 Fórmulas para calcular el tamaño de la muestra en
muestreo aleatorio estratificado, según Neyman
Cuando existen marcada diferencias en la variabilidad de las observaciones dentro
de los estratos, es recomendable utilizar la asignación de Neyman, ya que además de
tener en cuenta el tamaño de los estratos, también se tiene en cuenta la dispersión
de los datos dentro de cada estrato. De esta manera se obtendrá una muestra más
grande en aquellos estratos que sean más heterogéneos (Ordoñez, 2011).

Para estimar media Para estimar totales Para estimar proporción

2 2 2
 L
  L
  L

 i i 
N s  i i 
N s  i N p i i 
q
n  i 1  n  2 i 1 L  n  i 1 
d2 L
d2 L
N 2   Ni si2  N 2   Ni pi qi
d
2
 N s 2 2

Z1 / 2 i 1 Z12 / 2 i 1 i i Z1 / 2 i 1

   
 N s  Para repartir la muestra  N p q 
ni  n  L i i  ni  n  L i i i

 N s  a los estratos  N p q 
 i i   i i i 
 i 1   i 1 
Fórmulas para calcular el tamaño de la muestra en
muestreo aleatorio estratificado, según López

Donde:
Pse% = Desviación estándar de la población estratificada
E% = error permisible
N = numero de parcelas
V = volumen medio (media ponderada)
Pse = Desviación estándar común

Á𝑟𝑒𝑎 𝑡𝑜𝑡𝑎𝑙
N=
Á𝑟𝑒𝑎 𝑝𝑜𝑟 𝑝𝑎𝑟𝑐𝑒𝑙𝑎
 Ejemplo de un muestreo aleatorio
estratificado
Error estándar de la media ponderada
𝑘
𝑆𝑋𝑝 ෍ 𝑃𝑖 2 × 𝑆𝑖 2
𝑖=1

Error de muestreo
𝐸 = 𝑆𝑋𝑝 × 𝑡(α,𝑛−𝑘) 𝐸
𝐸% = x 100
2 𝑋𝑝
n= tamaño de la muestra
K = numero de estratos

Volumen total T = 𝑋𝑝 × 𝑁

Intervalo de confianza 𝐼𝐶𝑡 = 𝑁 × 𝑋𝑝 ± 𝑆𝑋𝑝 × 𝑡(α,𝑛−𝑘)

2
 Ejemplo de un muestreo aleatorio
estratificado
Un bosque natural de pino de 300ha se ha dividido en tres estratos
considerando la fisiografía del lugar en : tierra alta (A=80 ha), tierra media
(B=100ha) y tierra baja (C=120ha). Para conocer su variabilidad y calcular el
tamaño de la muestra (n), se realizo un muestreo piloto en cada estrato. Se
obtuvieron los siguientes datos de volumen total en (m3), por parcela,
extrapolados a hectáreas. Considerar un porcentaje de precisión del 20% y
un nivel de confianza del 95%.

Estratos
Parcela A B C
1 16 7 20
2 0 10 10
3 24 22 8
4 8 6 22
5 39 11 18
 Ejemplo de un muestreo aleatorio
estratificado

Paso 1
Obtener la media y la desviación estándar de cada estrato. Así como la
proporción que representa cada estrato con respecto al área total
Area ha (Ni) Xi Si Pi

A 80 17.4 15.027 0.27

B 100 11.2 6.38 0.33

C 120 15.6 6.229 0.4

N= 300

Paso 2
Ahora calculamos la desviación estándar común
 Ejemplo de un muestreo aleatorio
estratificado

Paso 3
Como el error permisible está expresado en porcentaje, debemos convertir el Pse
en %. Para ello debemos obtener el Volumen medio (V) utilizando la ecuación de la
media ponderada.
 Ejemplo de un muestreo aleatorio
estratificado

Paso 4
Calcular el tamaño de la muestra

n = 66.03 ≈ 67 parcelas
 Ejemplo de un muestreo aleatorio
estratificado
Otra forma: Haciendo uso de la formula de Mendenhall
L
Ni2 i2
i 1 wi
n
d2 L
N2 2
Z1 / 2
 i 1
N i  i
2

Paso 1
Obtener la media y la desviación estándar de cada estrato. Así como la
proporción que representa cada estrato con respecto al área total

Area ha (Ni) Xi Si Wi

A 80 17.4 15.027 0.27

B 100 11.2 6.38 0.33

C 120 15.6 6.229 0.4

N= 300
 Ejemplo de un muestreo aleatorio
estratificado
Paso 2
Calcular el error de estimación de la media de cada estrato
Area ha (Ni) Xi Si Wi Error de estimación
A 80 17.4 15.027 0.27 3.48
B 100 11.2 6.38 0.33 2.24
C 120 15.6 6.229 0.4 3.12

N= 300 2.95 Promedio de los 3 estratos

Paso 3
Calcular el tamaño de la muestra
L
Ni2 i2
i 1 wi
n
d2 L
N2 2
Z1 / 2
  i iN  2

i 1
Ejemplo de un muestreo aleatorio
estratificado

n = 62.16 ≈ 63 muestras
 Resuelva
Se realizara un estudio de muestreo para determinar cuanto gastan mensualmente las
personas en el consumo de carne. Este se llevara a cabo en la población de Sansare que tiene
15,000 habitantes. Un estudio más minucioso de esta población ha identificado tres estratos
de personas según su ingreso; personas de altos ingresos 1,200, de medianos ingresos son
5,000 y de bajos ingresos son 8,800.

Para iniciar con el estudio fue necesario obtener una premuestra aleatoria de 30 personas en
cada estrato. Asumiendo un nivel de significancia del 5% y un error de estimación 3% de la
media de cada estrato, calcule el tamaño de la muestra y el gasto mensual en el consumo de
carne. Los resultados de la premuestra fueron:
Estrato Alto (gasto en Q)
1048 942 711 510 705 541 815 919 930 695
973 976 584 722 573 818 882 526 939 409
875 710 518 524 858 876 680 641 853 972

Estrato Medio (gasto en Q)

223 241 421 375 289 486 326 296 399 368
409 213 323 270 330 205 264 255 225 333
337 224 288 390 256 332 243 264 309 277

Estrato Bajo (gasto en Q)

97 145 89 156 164 186 166 39 90 161
47 185 75 104 167 194 124 80 188 69
41 55 143 174 129 73 144 101 142 40
Ejemplo de un muestreo aleatorio
estratificado

También podemos hacer una estimación por intervalo a nivel de

toda la población, para lo cual es necesario estimar la media de
toda la población.

Error de estimación de la media

 ACÁPITES DE UN ESTUDIO POR MUESTREO
1. Introducción
2. Objetivos
3. Definición de la población objetivo
4. Marco de muestreo
5. Variables a medir y método de medición
6. Tipo o esquema de muestreo
7. Pre-muestreo
8. Determinación del tamaño de muestra (n)
9. Selección de las unidades de muestreo
10. Organización del trabajo de campo
11. Presentación y análisis de resultados
12. Conclusión
ESTADÍSTICA AMBIENTAL

ING. WALFRED HERRERA

 UNIDAD 1
CONCEPTOS RELACIONADOS A LA INVESTIGACIÓN
¿Qué es Investigación Científica?
 CONOCIMIENTO

Hechos o información adquiridos por una persona a través de

la experiencia o la educación, la comprensión teórica o
práctica de un asunto referente a la realidad.
EL CONOCIMIENTO CIENTÍFICO

Es el conjunto de hechos
verificables y sustentados en
evidencia recogidos por las
teorías científicas.
 EL CONOCIMIENTO CIENTÍFICO
El conocimiento científico es una de las formas que tiene el
hombre para otorgarle un significado con sentido a la realidad.

Supera el conocimiento común de las personas; es por tanto de

orden complejo. A él se llega por medio del método científico.
 INVESTIGACIÓN CIENTÍFICA
Ciencia
Conocimiento válido acerca
del objeto, obtenido a través
del método científico y
sistematizado en teorías.
Método científico
Procedimiento utilizado para
descubrir las condiciones en
que se presentan sucesos
específicos.

Investigación Científica
Actividad que genera conocimiento científico, mediante el uso
del método científico. También se puede definir como un estudio
sistemático, empírico, controlado y crítico de hipótesis sobre
supuestas relaciones entre fenómenos.
 INVESTIGACIÓN CIENTÍFICA

Sistemático Planificado, ordenado, anticipado

Empírico Trabaja con hechos

Se ejerce cierto “poder” en forma deliberada,

Controlado
sobre los hechos estudiados

Consciente de los alcances y limitaciones que

Crítico
tiene el método
 Investigación Científica
• Es una actividad humana orientada a la
obtención de nuevos conocimientos y su
aplicación para la solución a problemas.
INVESTIGACIÓN AGRÍCOLA Y FORESTAL

• Es la aplicación del método científico para el

descubrimiento de nuevos hechos, la
generación de conocimientos y la solución de
problemas en el campo agrícola y/o forestal.
 ¿Como se ha originado el
conocimiento?
• Deducir explicaciones de fenómenos específicos
Razonamiento mediante la aplicación de leyes generales
Deductivo

• Fenómenos particulares y que solo hasta después de

Razonamiento
analizar muchos hechos particulares podremos hacer
Inductivo generalizaciones.

• Experimentación
Método
Científico
EL MÉTODO CIENTÍFICO
 EL MÉTODO CIENTÍFICO

Es un proceso propuesto para explicar

fenómenos, establecer relaciones entre hechos y
enunciar leyes que expliquen los fenómenos
físicos. Permitiendo obtener con estos
conocimientos aplicaciones útiles para el
hombre.
 MÉTODO CIENTÍFICO
Observación
Problema o pregunta

Planteamiento del problema

Formulación de la Hipótesis

Experimentación

Confirmación de la Hipótesis Rechazo de la Hipótesis

Teoría Surgimiento de nuevos

planteamientos
Ley
Etapas del Método Científico

#1 #2 #3
OBSERVACIÓN BÚSQUEDA
PREGUNTA
DE LITERATURA

#6
ANÁLISIS #5
DE RESULTADOS #4
EXPERIMENTACIÓN
(DATOS) HIPÓTESIS

#7 #8
TESIS PUBLICACIÓN
 Descripción de las Etapas del Método
Científico

1. Observación
Siempre que observamos algo
establecemos una pregunta. 2. Pregunta o
Observar es más que el mero hecho
de ver.
Problema
Son cuestionamientos que surgen
a partir de una observación.
 Descripción de las Etapas del Método
Científico
3. Búsqueda de Literatura
Siempre que se establece la pregunta
ó problema debemos buscar en la
literatura si existe una respuesta
para esa pregunta. De no
encontrarla entonces continuamos
con el próximo paso del Método
Científico.
4. Hipótesis
Es una posible respuesta al
problema o pregunta. Debemos
recordar siempre que esta
aseveración puede ser o no la
contestación final a nuestro
problema. La hipótesis está
sujeta a comprobación
científica, por lo cual entonces se
realiza un experimento.
 Descripción de las Etapas del
Método Científico

5. Experimentación
Estudio metódico realizado bajo
control. Todo experimento debe 6. Análisis de Resultados
ser realizado teniendo en cuenta
observar su comportamiento y Es la interpretación de los
medir resultados. resultados obtenidos del proceso
de experimentación.
 Descripción de las Etapas del
Método Científico
7. Tesis
Es la aseveración final que
contesta la pregunta que hemos
realizado. Esta es una
aseveración que ha sido
comprobada mediante
experimentación y esta apoyada
por evidencia experimental.
8. Publicación
Todo trabajo científico debe ser de
conocimiento para el ser humano.
Este debe ser presentado en una
revista o publicación de tipo
científica.
 Ciclo de la Investigación Científica
• Es una formulación de pasos a seguir a la hora de
aplicar el método empírico-analítico
 Limitaciones del Método Científico

• El Método Científico no puede ser

utilizado para describir o explicar
situaciones abstractas como por
ejemplo: EL AMOR, LA BELLEZA. (Es
utilizado para describir situaciones que
pueden ser verificadas)

• ¿Podrías explicar cuánto quieres a una

persona? (en un valor cuantificable)

• ¿Podrías explicar cuán bella es una

persona?
La pirámide del conocimiento
Enfoques de la investigación
FORMAS Y TIPOS DE INVESTIGACIÓN
 FORMAS Y TIPOS DE INVESTIGACIÓN
Pura También llamada básica o fundamental.
Plantea y desarrolla la teoría
FORMAS
Aplicada
Confronta la teoría con la realidad

•Exploratoria •Histórica: describe lo que era

•Descriptiva TIPOS •Descriptiva: explica lo que es
•Comparativa •Experimental: Describe lo que será
•Analítica
•Explicativa •Cuasi-experimental •Mercados
•Predictiva •Correlacional •Cualitativa
•Confirmatoria •Estudio de caso •I.A.P.
•Evaluativa •Etnográfica
 Cualidades del investigador
• Habilidad cognoscitiva
– Observación: es aprender a ver lo que nadie ve.
– Análisis
– Sistematización: reunir, agrupar, clasificar.
– Evaluación: es valorar, examinar, criticar, estimar, juzgar.
– Solución de problemas: analizarla y llegar a la razón de ser del objeto
o el fenómeno, en forma rigurosa y lógica.
 Cualidades del investigador
• Cualidades personales
•Trabajo en equipo
•Responsabilidad
•Respeto
•Curiosidad
•Creatividad
•Autocontrol
•Honestidad
 Cualidades del investigador
• Competencias metodológicas
•Actitud reflexiva: ser capaz de realizar aportaciones personales y proponer
enfoques a futuras investigaciones.
•Actitud objetiva: observaciones deberán estar basadas en un criterio
realista, de autocrítica, a fin de reconocer y corregir errores.
•Manejo de métodos y técnicas: un investigador debe saber seleccionar y
aplicar los métodos y las técnicas adecuadas a las actividades del proceso de
investigación.
•Orden
•Perseverante
•Comunicación
 PRECEPTOS PARA ELECCIÓN DEL TEMA DE
INVESTIGACIÓN
• El método científico supone una forma de
actuación que se orienta a ampliar el conocimiento
de la realidad que nos rodea o en la búsqueda de
solución a algún problema.
• El problema de investigación se origina al interior
de un cuerpo de conocimientos teóricos y
empíricos disponibles.
• El problema es el origen concreto de la
investigación y consiste en una pregunta o una
interrogante sobre la realidad, cuya búsqueda de
solución o respuesta constituye el objeto de la
investigación.
 ALCANCE DEL PROYECTO DE INVESTIGACIÓN A
REALIZAR
INVESTIGACIÓN EXPERIMENTAL
• Es explicativo: proporciona un sentido de entendimiento
del fenómeno estudiado. Está dirigido a responder las
causas, el por qué de los resultados y eventos registrados.
• Se fundamenta en el enfoque cuantitativo (medición de
variables) y en el paradigma deductivo (con base con los
conocimientos previos considerados verdaderos)
• Se basa en hipótesis preestablecidas sujetas a
comprobación.
• Su desarrollo está sujeto a un diseño preconcebido,
centrado en la validez y control de la condiciones de
investigación para garantizar su replicación.
• El análisis estadístico de los datos resulta fundamental para
lograr el objetivo de conocer la realidad.
 PROYECTO DE INVESTIGACIÓN
Estudio en el que se manipula deliberadamente una
o más variables independientes (supuestos causa),
para analizar las consecuencias de esa
manipulación sobre una o más variables
dependientes (supuestos efecto) dentro de una
situación de control del investigador.
 PROYECTO DE INVESTIGACIÓN
El proyecto es un documento que específica
qué es lo que el investigador se propone
estudiar y cómo tiene planificada la
realización del estudio, por lo que siempre
debe elaborarse antes de iniciar la
investigación.
El Proyecto recibe la denominación de
“protocolo” cuando el documento resume el
proyecto de investigación que se ejecutará.

¿CUÁLES SON LAS PARTES CONSTITUTIVAS

DEL PROTOCOLO DE INVESTIGACIÓN?
1. TÍTULO
2. INTRODUCCIÓN
3. PLANTEAMIENTO DEL PROBLEMA
4. MARCO TEORICO
4.1 MARCO REFERENCIAL
4.2 MARCO CONCEPTUAL
5. OBJETIVOS
5.1 GENERAL
5.2 ESPECÍFICOS
6. HIPÓTESIS
7. METODOLOGÍA
8. CRONOGRAMA DE ACTIVIDADES
9. BIBLIOGRAFÍA
10. ANEXOS
 Planteamiento del problema
• Breve descripción del contexto en que se
desarrollará la investigación (delimitación
espacial y temporal).
• Enunciado del tema de investigación, es
decir, la descripción del contexto empírico
• Exposición de los motivos de su elección
(justificación) y el fin perseguido (objetivos y
alcance)
• Las interrogantes que plantea el problema
de investigación.
 Metodología
Describe las técnicas y procedimientos que se deben aplicar en la
investigación, así como los recursos requeridos para ejecutarla.
Debe contener:
• El manejo del material experimental que se supone necesario,
homogéneo e independiente del problema a investigar.
• Diseño de la investigación. Estrategia a seguir para obtener la
información que se requiere en una investigación.
 Diseño experimental: DCA, DBA, DCL
 Modelo estadístico
 Tratamientos, repeticiones.
 Variables de respuesta
 Recolección y registro de datos
• Análisis de datos. Pruebas estadísticas y selección del
programa de análisis (SPSS, Infostat, Pyton)
• Los recursos materiales, humanos y financieros que sirven de
base para determinar la viabilidad. Viabilidad es la factibilidad en
la realización del estudio en cuanto a la disponibilidad de
recursos.
• Análisis económico.
¿Preguntas?