UNIVERSIDAD DEL CARIBE

“TEORÍA DE MUESTREO”
DOCENTE
Lic. Ramona García
SUSTENTANTES
Iris
Esthel
Loreley Aybar
María
Hamlet
SANTO DOMINGO, D.N.
8/7/2020
Teoria de muestreo
Poblacíon y muestra
 Poblacíon
Población : En estadística, también llamada universo o
colectivo, es el conjunto de elementos de referencia
sobre el que se realizan las observaciones.

Tipos:

-Poblacion base
-Poblacion muestrada
-Muestra estudiada
-Poblacion Diana
Que representa una
Poblacíon de datos?
 Muestra
Es un subconjunto de casos o individuos de una población estadística. La muestra es
una parte de la población a estudiar que sirve para representarla. Una muestra es una
colección de algunos elementos de la población, pero no de todos.

-Representactividad de las muestras

-Elección de tamaños de las muestras

-Objetivos de la determinacion del

tamaño adecuado de una muesta
 Tipos de muestras
Muestras probabilisticas:
-Muestra aletoria simple
-Muestra estratificada
-Muestra por racimo

Muestras no probabilisticas:
-Muestra dirigida
-Muestras por cuotas o proporcionales
-Muestra intencionada
TEORÍA DE
MUESTREO
MARÍA

MUESTREO
• ES UN INSTRUMENTO DE
INVESTIGACIÓN CUYA
FUNCIÓN BÁSICA ES
DETERMINAR QUÉ PARTE DE
UNA REALIDAD EN ESTUDIO
(POBLACIÓN O UNIVERSO)
DEBE EXAMINARSE CON LA
FINALIDAD DE HACER
INFERENCIAS SOBRE DICHA
POBLACIÓN.
• EN ESTADÍSTICA MUESTREO ES
LA TÉCNICA PARA LA
SELECCIÓN DE UNA MUESTRA
A PARTIR DE UNA POBLACIÓN.
• VENTAJAS: MARÍA

• ES ECONÓMICO.
• RÁPIDO Y CONTROLABLE.
• LOS RESULTADOS PUEDEN SER PRECISOS O AMPLIOS POR EMPLEAR
PERSONAL ESPECIALIZADO.
• LA EXACTITUD DE LA OBSERVACIÓN ES RÁPIDA Y CONTROLADA.
• DESVENTAJAS:
• REQUIERE PERSONAL ALTAMENTE ESPECIALIZADO.
• LOS RESULTADOS ESTÁN SUJETOS A ERRORES DE MUESTREO.
• DEBE CONSIDERARSE SIEMPRE A LA POBLACIÓN DE ESTUDIO.
• NO PERMITE HACER PROYECCIONES SOBRE ÁREAS MUY PEQUEÑAS DE LA
POBLACIÓN O SOBRE POBLACIONES SUJETAS A CAMBIOS CONSTANTES A
TRAVÉS DEL TIEMPO.
Muestreo probalistico
 Muestreo aletorio simple

Es una técnica de muestreo en la que todos

los elementos que forman el universo - y que
por lo tanto están incluídos en el marco
muestral - tienen idéntica probabilidad de
ser seleccionados para la muestra.

se eligen tantos sujetos como sea necesario

para completar el tamaño de muestra
requerido.

Este procedimiento, atractivo por su

simpleza, tiene poca o nula utilidad práctica
cuando la población que estamos
manejando es muy grande.
 Muestreo estratificado
Consiste en la división previa de la población de estudio en
grupos o clases que se suponen homogéneos con respecto a
alguna característica de las que se van a estudiar.

una de las técnicas de selección más usadas en la práctica.

Según la cantidad de elementos de la muestra que se han de

elegir de cada uno de los estratos, existen dos técnicas de
muestreo estratificado:

Asignación Proporcional: el tamaño de la muestra dentro de

cada estrato es proporcional al tamaño del estrato dentro de la
población.

Asignación Óptima: la muestra recogerá más individuos de

aquellos estratos que tengan más variabilidad. Para ello es
necesario un conocimiento previo de la población.
 Muestreo sistemático

Se utiliza cuando el universo o

población es de gran tamaño, o ha
de extenderse en el tiempo.
Primero hay que identificar las
unidades y relacionarlas con el
calendario (cuando proceda).
 Muestreo por estadio multiples

Esta técnica es la única opción cuando no se

dispone de lista completa de la población de
referencia o bien cuando por medio de la técnica
de muestreo simple o estratificado se obtiene
una muestra con unidades distribuidas de tal
forma que resultan de difícil acceso. En el
muestreo a estudios múltiples se subdivide la
población en varios niveles ordenados que se
extraen sucesivamente por medio de un
procedimiento de embudo. El muestreo se
desarrolla en varias fases o extracciones
sucesivas para cada nivel.
 Muestreo por comglomerado

Técnica similar al muestreo por

estadios múltiples, se utiliza cuando la
población se encuentra dividida, de
manera natural, en grupos que se
supone que contienen toda la
variabilidad de la población, es decir,
la representan fielmente respecto a la
característica a elegir, pueden
seleccionarse sólo algunos de estos
grupos o conglomerados para la
realización del estudio
TÉCNICA DE MUESTREO
NO PROBABILÍSTICO O
DE JUICIO
 ASPECTOS RELEVANTES

La desventaja del
método de muestreo no
El muestreo no probabilístico es que no
Los sujetos en una
probabilístico es una se toman pruebas de una
muestra no porción desconocida de
técnica de muestreo
probabilística Se utiliza cuando es la población. Esto implica
donde las muestras se
generalmente son imposible o muy difícil que la muestra puede
recogen en un
seleccionados en obtener representar a toda la
proceso que no población con precisión
función de su la muestra por
brinda a todos los o no. Por lo tanto, los
accesibilidad o a métodos de muestreo
individuos de la resultados de la
criterio personal e probabilístico.
población iguales investigación no pueden
intencional del
oportunidades de ser ser utilizados
investigador. en generalizaciones resp
seleccionados.
ecto de toda la
población.

MARÍA
TIPOS DE MUESTREO NO
PROBABILÍSTICO
LORELEY

MUESTREO
POR CUOTA

• SE BASA EN SELECCIONAR
LA MUESTRA DESPUÉS DE
DIVIDIR LA POBLACIÓN EN
GRUPOS O ESTRATOS. LOS
SUJETOS DENTRO DE CADA
GRUPO SE ELIGEN POR
MÉTODOS NO
PROBABILÍSTICOS.
LORELEY

MUESTREO POR
CONVENIENCIA

• CONSISTE EN SELECCIONAR A
LOS INDIVIDUOS QUE
CONVIENEN AL
INVESTIGADOR PARA
LA MUESTRA. ESTA
CONVENIENCIA SE PRODUCE
PORQUE AL INVESTIGADOR
LE RESULTA MÁS FÁCIL
EXAMINAR A ESTOS SUJETOS,
YA SEA POR PROXIMIDAD
GEOGRÁFICA, POR SER SUS
AMIGOS, ETC.
LORELEY

MUESTREO DE
BOLA DE
NIEVE
• TAMBIÉN CONOCIDO
COMO MUESTREO POR
REFERIDOS: SE REALIZA
SOBRE POBLACIONES DONDE
NO SE CONOCE A SUS
INDIVIDUOS O ES MUY DIFÍCIL
ACCEDER A ELLOS. SE
LLAMA MUESTREO DE BOLA
DE NIEVE PORQUE CADA
SUJETO ESTUDIADO PROPONE
A OTROS, PRODUCIENDO UN
EFECTO ACUMULATIVO
PARECIDO A UNA BOLA DE
NIEVE.
LORELEY

MUESTREO
CASUAL O
ACCIDENTAL
• LOS INDIVIDUOS SON
ELEGIDOS DE MANERA
CASUAL, SIN NINGÚN JUICIO
PREVIO. LAS PERSONAS QUE
REALIZAN EL ESTUDIO ELIGEN
UN LUGAR O UN MEDIO, Y
DESDE AHÍ REALIZAN EL
ESTUDIO A LOS INDIVIDUOS
DE LA POBLACIÓN QUE
ACCIDENTALMENTE SE
ENCUENTREN A SU
DISPOSICIÓN.
HAMLET

MUESTREO
DISCRECIONA
L
• TAMBIÉN CONOCIDO
COMO MUESTREO POR JUICIO: LOS
SUJETOS SE SELECCIONAN A BASE
DEL CONOCIMIENTO Y JUICIO DEL
INVESTIGADOR. El investigador
selecciona a los individuos a través
de su criterio profesional. Puede
basarse en la experiencia de otros
estudios anteriores o en su
conocimiento sobre la población y el
comportamiento de ésta frente a las
características que se estudian.
HAMLET

POBLACIÓN FINITA E INFINITA

• POBLACIÓN ESTADÍSTICA FINITA: ES AQUELLA EN LA QUE EL NÚMERO DE
VALORES QUE LA COMPONEN TIENE UN FIN. POR EJEMPLO, LA POBLACIÓN
ESTADÍSTICA QUE NOS INDICA LA CANTIDAD DE ÁRBOLES DE UNA CIUDAD ES
FINITA. ES CIERTO QUE PUEDE VARIAR CON EL TIEMPO, PERO EN UN INSTANTE
DETERMINADO ES FINITA, TIENE FIN.

• POBLACIÓN ESTADÍSTICA INFINITA: SE TRATA DE AQUELLA POBLACIÓN QUE NO

TIENE FIN. POR EJEMPLO, EL NÚMERO DE PLANETAS QUE EXISTEN EN EL
UNIVERSO. AUNQUE PUEDE QUE SEA FINITO, EL NÚMERO ES TAN GRANDE Y
DESCONOCIDO QUE ESTADÍSTICAMENTE SE ASUME COMO INFINITO.
HAMLET

INTERVALO DE CONFIANZA
• Es un par o varios pares de números entre los cuales se estima que estará
cierto valor desconocido con un determinado nivel de confianza. Formalmente,
estos números determinan un intervalo, que se calcula a partir de datos de
una muestra, y el valor desconocido es un parámetro poblacional. El nivel de
confianza representa el porcentaje de intervalos que tomados de 100 muestras
independientes distintas contienen en realidad el valor desconocido. En estas
circunstancias, α es el llamado error aleatorio o nivel de significación, esto es,
el número de intervalos sobre 100 que no contienen el valor
• El nivel de confianza y la amplitud del intervalo varían conjuntamente, de
forma que un intervalo más amplio tendrá más probabilidad de acierto (mayor
nivel de confianza), mientras que para un intervalo más pequeño, que ofrece
una estimación más precisa, aumenta su probabilidad de error.