2. El muestreo
• Para entender el muestreo hay que tener en
cuenta tres conceptos clave:
Universo
Población
Muestra
3. Universo
• Es la unidad más grande y contiene varias
poblaciones del mismo tipo
4. Población
• Conjunto de elementos que contiene las
características que nos interesan en un estudio
concreto
• En la mayoría de los casos es difícil trabajar con
la totalidad de la población
5. Mue•sEts lra aparte representativa de una población.
• Debe reproducir lo mejor posible las
características de la población
6. Conceptos básicos sobre
muestras
• Base de la muestra: censo, registro… donde
las unidades de la población están
individualizadas
• Unidad de la muestra: cada uno de los
elementos en que se subdivide la base de la
muestra y figuran numerados e individualizados
en ella.
7. Características necesarias para una
buena muestra
1. Comprenden parte de la población y no su
totalidad.
2. Representan lo más exactamente posible la
población
3. La ausencia de distorsión en la elección de
los elementos de la muestra.
8. Relación entre población y
muestra
• Relación cuantitativa: se refiere a los conceptos
de:
▫ Fracción de muestreo: porcentaje que representa
la muestra respecto a la población
▫ Coeficiente de elevación: número inverso a la
fracción de muestreo, es decir, la cantidad por la
que hay que multiplicar la muestra para obtener la
población
10. Tipos de muestreo
Probabilístico
Aleatorio
simple
Aleatorio
sistemático
Aleatorio
estratificado
Aleatorio por
conglomerados
No probabilístico
Por cuotas
Opinático
Casual
11. Muestreo no probabilístico
• En ocasiones, el muestreo probabilístico resulta
costoso y se acude a métodos no probabilísticos.
• No sirven para realizar generalizaciones, pues no
se tiene certeza de que la muestra extraída sea
representativa, ya que no todos los sujetos de la
población tienen la misma probabilidad de se
elegidos.
12. Muestreo probabilístico
Se basa en el
principio de
equiprobabilida
d
Aquellos en los que todos los individuos tiene la misma
probabilidad de ser elegidos para formar parte de una
muestra.
Sólo estos métodos nos aseguran la representatividad
de la muestra.
13. Muestreo probabilístico
• Muestreo aleatorio simple
▫ Seleccionar al azar un número de elementos que
previamente se ha definido
1
• Asignar un número a cada individuo de
la población (base de la muestra)
2
• Elegir mecánicamente (aleatoriamente)
tantos sujetos como sea necesario para
el tamaño de la muestra
14. Muestreo probabilístico
• Muestreo aleatorio simple
Ventajas
• Sencillo
• Facilita el cálculo de medidas y varianzas
• Existen paquetes informáticos para analizar los datos
Inconvenientes
• Se necesita un listado completo de toda la población.
• En muestras pequeñas es posible que no se represente
adecuadamente la población
15. Muestreo probabilístico
• Muestreo aleatorio sistemático
1
• Numerar todos los elementos
de la población
2
• Extraer aleatoriamente un
único número
3
• Sumar al número elegido el
coeficiente de elevación
16. Muestreo probabilístico
• Muestreo aleatorio sistemático
Ventajas
• Fácil de aplicar
• No siempre es necesario un listado de toda la
población
• Asegura una cobertura de unidades de todos los tipos
Inconvenientes
• Pueden darse periodicidades
17. Muestreo probabilístico
• Muestreo aleatorio estratificado
▫ Se utiliza en los casos en los que la población no
sea homogénea, debido a que está distribuida en
estratos.
18. Muestreo probabilístico
• Muestreo aleatorio estratificado
Ventajas
• Tiende a asegurar que la muestra represente
adecuadamente la totalidad de la población
• Se obtienen estimaciones más precisas
Inconvenientes
• Se ha de conocer la distribución en la población
de las variables utilizadas
19. Muestreo probabilístico
• Muestreo aleatorio por conglomerados
▫ Se utiliza cuando la unidad de la muestra es un
grupo de elementos
Ventajas
• Muy eficiente cuando la población es muy grande y
dispersa
• No es preciso tener un listado de toda de la población
Inconvenientes
• El error estándar es mayor y su cálculo más complejo