Professional Documents
Culture Documents
Poblacin
Muestra
Muestreo
Inferencia
PROBABILIDADES
48
"Es un gran progreso cientfico hacia un dominio intelectual del mundo que nos
rodea, generalizar lgica y precisamente acerca de miles de valores que no hemos
visto, sencillamente por la confianza proporcionada por, por ejemplo, cincuenta o
cien de estos valores"
Roy Jastram, en Elements of Statistical Inference
DEFINICIN DE TRMINOS
A partir del ejemplo siguiente:
EJEMPLO. Suponga que se tiene el inters de estudiar los factores de riesgo de
enfermedades cardiovasculares en personas mayores de 40 aos, residentes en la
provincia constitucional del Callao. Se desea evaluar el parmetro : proporcin en la
poblacin, de personas con antecedentes familiares de infarto del miocardio.
Identificamos los trminos comunes al muestreo:
1. Unidad de Anlisis
Una persona mayor de 40 aos, residente en la provincia constitucional del Callao.
2. Poblacin o universo
La poblacin est constituida por todas las personas mayores de 40 aos, residentes
en la provincia constitucional del Callao.
Para determinar el tamao de esta poblacin se puede recurrir a publicaciones del
Instituto de Estadstica e Informtica (INEI)
3. Marco de Muestreo (Marco de la poblacin muestreada)
El marco muestral puede estar constituido por la relacin de hogares de la provincia
constitucional del Callao con sus respectivas direcciones domiciliarias y nombre del
jefe del hogar.
4. Unidad de muestreo
49
La unidad de muestreo puede ser una unidad primaria: el hogar. Esta unidad est
constituida por unidades elementales, las personas.
5. Muestra
El estudio como la mayora de los que se llevan a cabo en la prctica tiene
presupuesto y tiempo limitados, luego a partir de una muestra de n hogares,
entrevistaremos slo a los individuos de estos hogares, que cumplan con la definicin
de la poblacin.
6. Probabilidad de seleccin
Conociendo el tamao de la poblacin N: nmero de hogares de la provincia
constitucional del Callao, se pueden utilizar mecanismos que nos garanticen que todos
los hogares tienen una misma probabilidad de ser elegidos para formar parte de la
muestra.
7. Error
En un censo:
En un muestreo:
En el ejemplo:
El error no muestral puede presentarse al entrevistar, por comodidad, a un individuo,
no seleccionado, al visitar un hogar que no corresponde a la direccin seleccionada, al
tomar mal los datos por cansancio o negligencia del entrevistador.
El error de muestreo es la diferencia entre el parmetro : proporcin en la poblacin,
de personas con antecedentes familiares de infarto del miocardio y el valor de la
estadstica P = proporcin de personas, en la muestra con antecedentes familiares.
Simblicamente: | P |
8. Precisin frente a exactitud
Las funciones bsicas del muestreo son el control y el clculo de la precisin (que
ayudan a alcanzar exactitud) de los resultados de la muestra por leyes de probabilidad
matemtica.
9. Eficiencia de los diseos de muestreo
Un diseo muestral es eficiente si los resultados deseados son obtenidos al costo
ms bajo posible. Un diseo de muestreo se dice que es ms eficiente que otro si el
primero proporciona la misma precisin a costos ms bajos, o mayor precisin a los
mismos costos, u, obviamente, mayor precisin a costos ms bajos, que el segundo.
50
TIPOS DE MUESTREO
En la teora del muestreo es importante distinguir las muestras aleatorias o probabilsticas
de las muestras no probabilsticas.
Una muestra aleatoria:
Es escogida por el mtodo de probabilidades, segn el cual ni el investigador ni las
unidades de muestreo pueden decidir qu unidades sern incluidas en la muestra. La
eleccin se logra solamente por accin del azar.
Las probabilidades de eleccin son conocidas.
En una muestra por probabilidades, el error de muestreo puede medirse y controlarse
por la teora de probabilidades.
Los errores sistemticos de seleccin, falta de respuesta y estimacin son eliminados
o por lo menos contenidos dentro de lmites conocidos.
Una muestra no probabilstica:
La seleccin de un elemento de la poblacin para que forme parte de la muestra se
basa en consideraciones distintas a las probabilidades.
La probabilidad de que cada elemento individual pertenezca a la muestra es
desconocida.
La fidelidad de los resultados no puede ser objeto del anlisis de probabilidades.
No se puede estimar el error de muestreo.
ALGUNOS PROCEDIMIENTOS DE MUESTREO NO PROBABILSTICO
1. Muestreo por conveniencia
Como lo indica su nombre, los elementos son elegidos por conveniencia, debido
posiblemente a que stos se encuentran disponibles o a la facilidad de obtener la
51
informacin.
2. Muestreo por juicio
La muestra es tomada de acuerdo con el juicio personal. Los elementos que
intervienen en ella son resultados del juicio experto del investigador sobre su
"representatividad".
3. Muestreo por cuotas
Es un tipo especial de muestreo por conveniencia. En este caso el investigador da
pasos secuenciales fin de obtener una muestra similar a la poblacin cumpliendo en
cada uno, una cuota determinada de unidades.
52
2.-MUESTREO ESTRATIFICADO
El muestreo estratificado aleatorio, es uno de los diseos aleatorios que usando la
informacin disponible sobre la poblacin disea una muestra ms eficiente que la
obtenida por el procedimiento simple al azar. El proceso de estratificacin requiere que la
poblacin sea dividida en grupos o clases llamados estratos, luego se toma una muestra
de cada estrato por mtodos simples al azar. La muestra resultante se llama muestra
estratificada.
La estratificacin es ms eficiente con poblaciones heterogneas o altamente asimtricas.
En estas situaciones podemos estratificar la poblacin de tal manera que: 1. dentro de
cada estrato haya la mayor uniformidad posible y 2. entre los distintos estratos las
diferencias sean lo ms grandes posibles. En consecuencia se puede obtener una
muestra con menor error de muestreo (o una muestra ms pequea con la misma
precisin) que con el muestreo simple al azar.
Antes de decidir sobre la estratificacin se debe poseer algn conocimiento de las
caractersticas de la poblacin. Tal conocimiento puede basarse en datos pasados,
observacin preliminar de estudios piloto, juicio experto o simplemente intuicin o buenas
conjeturas. El juicio subjetivo usado para dividir la poblacin en estratos no significa que
las muestras estratificadas no sean muestras por probabilidades. Empleando la eleccin
simple al azar en cada estrato se asegura cierta probabilidad de que cada unidad sea
extrada, y esta probabilidad es conocida aunque en algunos casos no son iguales.
Una muestra estratificada puede ser proporcional o desproporcionada. En un diseo de
muestreo estratificado proporcional, el nmero de unidades extradas de cada estrato es
proporcional al tamao de este. Por ejemplo si la poblacin es dividida en cuatro estratos,
siendo sus tamaos respectivos 10, 20, 30 y 40 por ciento de la poblacin, y ha de
extraerse una muestra de 500, la muestra proporcional deseada puede obtenerse de la
siguiente manera:
53
4.-MUESTREO SISTEMTICO
Otro diseo al azar usado frecuentemente es el diseo de muestreo sistemtico, que
genera los que se conoce por muestras sistemticas al azar. Para obtener una muestra
sistemtica al azar se numera serialmente las unidades de muestreo de la poblacin de 1
a N y se determina primero lo que se conoce como intervalo de muestreo, k = N / n.
Luego, se escoge al azar un nmero del primer intervalo de muestreo. Si este nmero es,
por ejemplo a, con a k, entonces la muestra, de tamao n tendra como sus elementos
las unidades de muestreo cuyos nmeros de serie corresponden a:
a, a + k , a + 2k , a + 3k , . . . . y as sucesivamente
Se observa que una muestra sistemtica no es una muestra simple al azar porque las
unidades de muestreo escogidas no son independientes. Igualmente, con el muestreo
54
N
- k muestras tiene una probabilidad cero de ser
n
55