Muestreo estratificado, tipo de muestreo de

probabilidad
El muestreo estratificado es uno de los tipos de muestreo probabilístico del que podemos hacer
uso. Te invito a que sigas leyendo para conocer más de sus debilidades y fortalezas.

El muestreo estratificado es un procedimiento de muestreo en el que el objetivo de la población se

separa en segmentos exclusivos, homogéneos (estratos), y luego una muestra aleatoria simple se
selecciona de cada segmento (estrato). Las muestras seleccionadas de los diversos estratos se
combinan en una una sola muestra. Este procedimiento de muestreo se refiere a veces como”
muestreo de cuota aleatorio”.

Pasos de selección para un muestreo estratificado

Hay ocho pasos principales en la selección de una muestra aleatoria estratificada:

1. Define la población objetivo.

2. Identifica la variable o variables de estratificación y determinar el número de estratos a
usarse. Las variables de estratificación deben estar relacionados con el propósito de estudio.
Si el propósito del estudio es hacer estimaciones de los subgrupos, las variables de
estratificación deben estar relacionados con esos subgrupos. La disponibilidad de
información auxiliar a menudo determina las variables de estratificación que se utilizan.
Puede ser utilizada más de una variable de estratificación. Considera que a medida que el
número de variables de estratificación aumenta, incrementa la probabilidad de que algunas
de las variables cancelen los efectos de otras variables, no más de cuatro a seis variables de
estratificación y no se deben utilizar más de seis estratos de una variable en particular.
3. Identifica un marco de muestreo existente o desarrolla uno que incluya información sobre la o
las variables de estratificación para cada elemento de la población objetivo. Si el marco de la
muestra no incluye la información en las variables de estratificación, la estratificación no sería
posible.
4. Evalúa el marco de muestreo para la falta de cobertura, cobertura excesiva, múltiple, y la
agrupación, y haz los ajustes cuando sea necesario.
5. Divide el marco de muestreo en estratos, categorías de la estratificación de la o las variables,
creando un marco de muestreo para cada estrato. Dentro del estrato las diferencias deben
reducirse al mínimo, y las diferencias entre los estratos deben maximizarse. Los estratos no
deben estar superpuestos, en conjunto, debe constituir toda la población. Los estratos deben ser
independientes y mutuamente exclusivos del subconjunto de la población. Cada elemento de la la
población debe estar en un sólo estrato.
6. Asigna un número único a cada elemento.
7. Determina el tamaño de la muestra para cada estrato. La distribución numérica de los elementos
incluidos en la muestra a través de los diversos estratos determina el tipo de muestreo a
implementar. Puede ser un muestreo proporcional estratificado o uno de los diversos tipos de
muestreo estratificado desproporcionado.
8. Selecciona al azar el número específico de elementos de cada estrato. Al menos un elemento se
debe seleccionar de cada estrato para la representación de la muestra; y por lo menos dos
elementos deben ser elegidos de cada estrato para el cálculo del margen de error de las
estimaciones calculadas a partir de los datos recogidos.
Te invito a leer el siguiente artículo: ¿Cómo determinar el tamaño de la muestra de una
investigación de mercados?

El muestreo estratificado proporcional

Hay dos subtipos principales de muestreo estratificado: el proporcional y el muestreo
desproporcionado. En el 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.
Un ejemplo hipotético de asignación proporcional se presenta en la siguiente tabla:

En este ejemplo, los elementos incluidos en la muestra se asignaron a través de las cuatro zonas de
una región de marketing de manera que la proporción de elementos que se tomaron para la muestra
de cada zona es idéntica a la proporción de elementos de cada zona de la población total. La
fracción de muestreo en cada zona es el mismo 1 de 22 elementos. Cada zona está igualmente
representada en la muestra.

Muchas veces el investigador no sólo desea estimar parámetros poblacionales sino también hacer
análisis detallado dentro de un estrato relativamente pequeño y/o comparar los estratos entre sí. El
muestreo estratificado proporcional puede no dar resultados en algunos de los estratos de este tipo
de análisis. Tomando el ejemplo descrito en nuestra tabla, no sería posible realizar un análisis
detallado de los elementos de la zona 2 ya que sólo 12 de los elementos se encuentran en la
muestra. Además, la comparación de los elementos de la zona 2 con las otras zonas serían dudoso.
El muestreo estratificado proporcional no es una buena elección de muestreo para llevar a cabo este
tipo de análisis. El desproporcional puede ser una mejor elección.

El muestreo estratificado desproporcionado

El muestreo desproporcionado es un procedimiento 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 proporcional.
El muestreo 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.

El objetivo de un estudio puede requerir de un investigador que lleve a cabo el análisis detallado de
los estratos de la muestra. Si se utiliza la estratificación proporcional, el tamaño de la muestra de un
estrato es muy pequeña; por lo que puede ser difícil de cumplir los objetivos del estudio. La
asignación proporcional puede no producir un número suficiente de casos para este tipo de análisis
detallado. Una opción es el sobremuestreo de los estratos pequeños o poco frecuentes. Tal
sobremuestreo crearía una distribución desproporcionada de los estratos de la muestra cuando se
compara a la población. Sin embargo, puede haber un número suficiente de casos para llevar a cabo
el análisis de los estratos requerido por los objetivos del estudio.

Utilizando el ejemplo hipotético descrito en la tabla superior, si se desea llevar a cabo un análisis
detallado de la zona 2, uno podría sobremuestrear elementos de esa zona; por ejemplo, en lugar de
un muestreo de sólo 12 elementos, muestra 130 elementos. Con el fin de llevar a cabo un análisis
más significativo, analiza de manera detallada la zona 2, el tamaño de la muestra para ese distrito
debe ser mayor a 12 elementos. Los resultados de la distribución de los elementos en la muestra por
zona pueden parecerse a la distribución presentada en la tabla siguiente:
 Debilidades y fortalezas del muestreo estratificado
El muestreo estratificado tiene muchas de las fortalezas y debilidades asociadas con la mayoría de
los procedimientos de muestreo de probabilidad cuando se comparan con los procedimientos de
muestreo no probabilísticos. En comparación con el muestreo aleatorio simple, las fortalezas del
muestreo estratificado incluyen:

 Capacidad para estimar no sólo los parámetros de población, sino también para hacer inferencia
dentro de cada estrato y las comparaciones entre los estratos. Datos suficientes sobre subgrupos
de interés quizá no puedan ser capturados en el muestreo aleatorio simple. Las muestras
estratificadas producen pequeños errores de muestreo al azar que los que son obtenidos con una
muestra aleatoria simple del mismo tamaño de la muestra. Un muestreo estratificado dará lugar a
una muestra que es al menos tan precisa como una muestra aleatoria simple del mismo tamaño de
la muestra.
 Las muestras estratificadas tienden a ser más representativas de una población debido a que se
asegura de que los elementos de cada estrato en la población están representados en la muestra.
El muestreo puede ser estratificado para asegurar que la muestra se extiende sobre subáreas
geográficas y subgrupos de población.
 Al usar el muestreo estratificado, se aprovecha el conocimiento que el investigador tiene sobre la
población.
 La utilización de un muestreo estratificado permite al investigador utilizar diferentes
procedimientos de muestreo dentro de los diferentes estratos.
Ventajas y desventajas del muestreo estratificado en comparación
con el muestreo aleatorio simple

Fortalezas Debilidades
A diferencia del muestreo aleatorio simple, el muestreo A diferencia del muestreo aleatorio simple, el muestreo
estratificado: estratificado:

Tiene una mayor capacidad de hacer inferencia dentro de un Requiere información sobre la proporción de la población
estrato y,comparaciones entre los estratos. total que pertenece a cada estrato.

Tiene errores de muestreo al azar un poco más pequeños La información sobre las variables de estratificación es
para la muestras de mismo tamaño, por lo que requiere requerida para cada elemento de la población. Si dicha
tamaños de muestra más pequeños para el mismo margen de información no está disponible, puede ser costosa su
error. compilación.

Obtiene una muestra más representativa porque se asegura

Es más caro, consume tiempo, y es más complicado que el
de que los elementos de cada estrato son representado en la
muestreo aleatorio simple.
muestra.

Saca mayor provecho de los conocimientos que el La selección de las variables de estratificación puede ser
investigador tiene sobre la población. difícil si un estudio implica un gran número de variables.

El análisis de los datos recogidos es más complejo que el

Permite diferentes metodos de investigaciony procedimientos
análisis de los datos recogidos a través del muestreo
que se utilizarán en diferentes estratos.
aleatorio simple.
Permite el análisis de los patrones dentro del estrato y la Si se utiliza la asignación desproporcionada, se requiere la
notificación separada de los resultados para cada uno de los ponderación para hacer estimaciones precisas de los
estratos. parámetros de la población.

¿Cuál es la diferencia entre el muestreo estratificado, toma de

muestras y muestreo por cuotas?
El muestreo estratificado y el muestreo por cuotas son algo similares uno de otro. Ambos implican
la división de la población objetivo en categorías y luego la selección de un cierto número de
elementos de cada categoría. Ambos procedimientos tienen como objetivo principal la selección de
una muestra representativa y/o la facilitación del análisis de subgrupos. Sin embargo, hay
diferencias importantes. El muestreo estratificado utiliza un muestreo aleatorio simple. Se necesita
un marco de muestreo para el muestreo estratificado, pero no para el muestreo por cuotas.

Ventajas del muestreo por cuotas:

 Es el método de muestreo menos costoso.
 Es muy utilizado en sondeos y encuestas por los medios de comunicación.
 El método asume que la información que deseamos obtener está correlacionada con la población,
pero es una hipótesis de representatividad difícilmente demostrable.
En resumen, considera la posibilidad de elegir el muestreo estratificado si:

 Es posible dividir una población en dos o más estratos y construir un marco homogéneo de
muestreo para cada estrato.
 Algunos subgrupos de la población son muy diferentes de otros subgrupos.
 Es muy importante reducir al mínimo el error de muestreo.
 La población es heterogénea.
 Se desea un análisis comparativo de los estratos.