MUESTREO SIMPLE

El plan de muestreo simple es la técnica más sencilla

para determinar la aceptación de un lote, donde éste se
somete a una muestra única. Si consideramos un lote de
tamaño N y tomamos una muestra de tamaño n y se
define un número de aceptación c, el lote se acepta si la
muestra tiene un número de unidades
defectuosas X menor o igual a c. Si esta condición no se
cumple, entonces el lote se rechaza. El siguiente
diagrama describe el procedimiento:

Ejemplo de Muestreo Simple

Consideremos un lote de tamaño de 1.000 unidades sobre
el cual queremos realizar un muestreo simple tomando
una muestra de tamaño 80 unidades y definiendo como
número de aceptación 4 unidades, es decir, se aceptará el
lote completo si de la muestra se obtiene un máximo de 4
unidades defectuosas. Si consideramos que
históricamente los lotes de similares características han
presentado un 5% de unidades defectuosas, necesitamos
estimar la probabilidad de aceptación del lote.

En la notación descrita anteriormente, el muestreo queda

definido por N=1.000, p=5% y (n,c)=(80,4).

Para estimar la probabilidad de aceptación del lote se

puede utilizar la Distribución de Poisson la cual
generalmente se encuentra tabulada en los textos de
Gestión de Calidad o alternativamente se puede estimar
de forma sencilla a través de una planilla de cálculo. Se
utiliza generalmente la Distribución de Poisson cuando
se cumplen en forma conjunta los siguientes
requisitos: n>15 ; p<10% ; N > 10*n. Es importante
destacar que en cuanto al tamaño de la muestra existe
ciertas diferencias en los criterios, donde se requiere a
veces sólo un tamaño de muestra superior a 12 o 13. Si
la muestra es "pequeña" (asumamos un tamaño de
muestra inferior a 15 unidades) se recomienda utilizar
para la estimación la Distribución Binominal.

En nuestro ejemplo se cumplen las condiciones para

utilizar la Distribución de Poisson. Un parámetro de
entrada para esta distribución es n*p=80*0,05=4.
Luego buscamos en la tabla el cruce de dicho valor
para c=4.
Se concluye que la probabilidad de aceptación del lote es
de un 62,9%. Si por ejemplo el valor de c hubiese sido
3, la probabilidad de aceptación del lote sería sólo de un
43,3% lo cual es lógico al ser este plan de muestreo más
restrictivo. A continuación se muestra como obtener un
resultado similar haciendo uso de Excel:
Una extensión natural del Muestreo Simple es
el Muestreo Doble y Muestreo Múltiple cuyo
procedimiento se detallan en las secciones respectivas de
este sitio.

MUESTREO DOBLE
El plan de muestreo doble es la extensión natural del
plan de muestreo simple. Se toma una muestra
de n1 unidades y se observan las unidades defectuosas.
Si el número de defectuosos no excede el número de
aceptación c1 se acepta el lote. Si en cambio
excede c1 pero no excede c2 se toma una segunda
muestra de tamaño n2 y se contabilizan los defectos
acumulados de la primera y segunda muestra. Si este
acumulado de unidades defectuosas no excede c2 se
acepta el lote y en caso contrario se rechaza. Notar que si
el número de unidades defectuosas de la primera muestra
es mayor a c2 no es necesario tomar una segunda
muestra y el lote se rechaza inmediatamente. El siguiente
diagrama resume el procedimiento descrito:
Ejemplo de Muestreo Doble
Consideremos un lote de tamaño de N=1.000 unidades
sobre el cual queremos realizar un muestreo doble que
tiene las siguientes
características: (n1,c1)=(50,2) y (n2,c2)=(10,4). El
porcentaje histórico de unidades defectuosas en lotes de
similares características ha sido de un p=2%. Se desea
estimar la probabilidad de aceptación del lote.

Un paso usual para abordar esta clase de procedimientos

es desarrollar un diagrama que muestre las distintas
combinaciones que permiten aceptar un lote luego de ser
expuesto al plan de muestreo. En este caso en particular
el diagrama es el siguiente:

Por ejemplo, si en la primera muestra se encuentran 3

unidades defectuosas se aplica una segunda muestra de
tamaño 10, donde se aceptará el lote si la cantidad de
unidades defectuosas en esta muestra es 0 o 1 (con esto
se tiene un acumulado de defectuosos en ambas
muestras menor o igual a c2=4).

Para estimar la probabilidad de aceptación del lote en el

caso de la primera muestra se utiliza la Distribución de
Poisson. En el caso de la segunda muestra se utiliza
la Distribución Binominal. Las condiciones que
permiten seleccionar dichas distribuciones se describen en
la sección de muestreo simple.

En resumen la Probabilidad de Aceptación del

Lote queda definido por la siguiente expresión
donde Pp se refiere a una probabilidad obtenida a través
de la Distribución de Poisson y Pb una probabilidad
obtenida con la Distribución Binominal:

PA = Pp(0) + Pp(1) + Pp(2) + Pp(3)*[Pb(0) +

Pb(1)] + Pp(4)*Pb(0)

Las probabilidades se pueden calcular fácilmente haciendo

uso de una planilla de cálculo. La siguiente imagen
muestra las fórmulas utilizadas. Notar que ambos casos el
argumento "Falso" en la fórmula indica que sólo se
requiere estimar la probabilidad puntual y no acumulada.

En consecuencia la probabilidad de aceptación del lote es:

PA = 0,3679 + 0,3679 + 0,1839 + 0,0613*[0,8171

+ 0,1667] + 0,0153*0,8171 = 99,25%

Se concluye que la probabilidad de aceptación del lote es

de un 99,25%. Las probabilidades puntuales calculadas
anteriormente se pueden obtener adicionalmente a través
de tablas de probabilidad las cuales usualmente se
encuentran disponibles en la bibliografía asociada a la
Gestión de Calidad.

Una extensión Muestreo Doble es el Muestreo

Múltiple cuyo procedimiento se detallan en las secciones
respectivas de este sitio.

MUESTREO MÚLTIPLE
El plan de muestreo múltiple en su caso típico permite
incorporar un nivel adicional de inspección al plan de
muestreo doble. Si bien, conceptualmente se puede
extender aún más, desde el punto de vista práctico no es
relevante. Su utilización se muestra a través del siguiente
ejemplo:

Ejemplo de Muestreo Múltiple

Consideremos un lote de tamaño de N=3.000 unidades
sobre el cual queremos realizar un muestreo múltiple que
tiene las siguientes
características: (n1,c1)=(7,1), (n2,c2)=(50,2), (n3,c
3)=(80,3). El porcentaje histórico de unidades
defectuosas en lotes de similares características ha sido
de un p=4%. Se desea estimar la probabilidad de
aceptación del lote.
Como primer paso contruimos un diagrama que muestre
las distintas combinaciones que permiten aceptar un lote
luego de ser expuesto al plan de muestreo descrito. En
este caso en particular el diagrama es el siguiente:

Por ejemplo, si en la primera muestra se encuentran 2

unidades defectuosas se aplica una segunda muestra de
tamaño 50, donde se aceptará el lote si la cantidad de
unidades defectuosas en esta muestra es exactamente 0.
En caso que en la segunda muestra se obtenga 1 unidad
defectuosa se debe realizar un tercer muestreo donde
será necesario no encontrar unidades defectuosas para
poder aceptar el lote (con esto se tiene un acumulado de
defectuosos en las tres muestras menor o igual a c3=3).

Para estimar la probabilidad de aceptación del lote en el

caso de la primera muestra se utiliza la Distribución
Binominal. En el caso de la segunda muestra se utiliza
la Distribución de Poisson. En el caso de la tercera
muestra se utiliza la Distribución de Poisson. Las
condiciones que permiten seleccionar dichas
distribuciones se describen en la sección de muestreo
simple.

La Probabilidad de Aceptación del Lote queda definido

por la siguiente expresión donde Pp se refiere a una
probabilidad obtenida a través de la Distribución de
Poisson y Pb una probabilidad obtenida con la
Distribución Binominal:

PA = Pb(0) + Pb(1) + Pb(2)*Pp(0) +

Pb(2)*Pp(1)*Pp(0) + Pb(3)*Pp(0)*Pp(0)

Las probabilidades se pueden calcular fácilmente haciendo

uso de una planilla de cálculo. La siguiente imagen
muestra las fórmulas utilizadas. Notar que ambos casos el
argumento "Falso" en la fórmula indica que sólo se
requiere estimar la probabilidad puntual y no acumulada.
En consecuencia la probabilidad de aceptación del lote es:

PA = 0,7514 + 0,2192 + 0,0274*0,1353 +

0,0274*0,2707*0,0408 + 0,0019*0,1353*0,0408 =
97,46%

Se concluye que la probabilidad de aceptación del lote es

de un 97,46%. Las probabilidades puntuales calculadas
anteriormente se pueden obtener adicionalmente a través
de tablas de probabilidad las cuales usualmente se
encuentran disponibles en la bibliografía asociada a la
Gestión de Calidad.

El muestreo aleatorio simple es un

procedimiento de muestreo probabilístico
que da a cada elemento de la población
objetivo y a cada posible muestra de un
tamaño determinado, la misma probabilidad
de ser seleccionado.
El muestreo aleatorio simple no es tan
utilizado en investigaciones del consumidor,
sobre todo porque es complicado obtener
un marco de muestreo donde extraer al
azar y no querrás darle a todas las
unidades de la muestra una probabilidad
igual de ser elegidas, ya que usualmente
para hacer una investigación de este tipo se
requiere a usuarios de tiendas o
consumidores de ciertos productos o ciertas
áreas específicas para ser las unidades de
muestreo.
No olvidemos que una parte muy
importante del muestreo consiste en tener
el tamaño de la muestra correcta, para no
tener un error de muestreo, el cual debe ser
el mínimo posible.

Pasos para seleccionar una

muestra aleatoria simple
1. Define la población objetivo. Quizá
quieras leer: ¿Cómo encontrar a tu
mercado objetivo?
2. Identifica un marco de muestreo actual
de la población objetivo o desarrolla uno
nuevo.
3. Evalúa el marco de muestreo para la
falta de cobertura, cobertura excesiva,
 cobertura múltiple y la agrupación, y haz
los ajustes que consideres necesarios.
4. Asigna un número único a cada
elemento de la trama.
5. Determina el tamaño de la muestra.
6. Selecciona al azar el número específico
de elementos de la población.
Para seleccionar el número de elementos
de la población puedes recurrir al método
de lotería, una tabla de números aleatorios
y los números generados de forma aleatoria
mediante un programa de computadora, es
decir, al azar.
El método de lotería sólo funciona bien con
pequeñas poblaciones de la muestra, es
poco práctico para su uso con poblaciones
más grandes. Un ejemplo del uso del
método de lotería sería la selección de una
muestra aleatoria de entre un grupo de 100
miembros. Se ponen todos los nombres en
un recipiente y se van sacando uno por uno
hasta tener el tamaño suficiente de nuestra
muestra.
Al utilizar el sistema de sorteo, los números
que representa cada elemento de la
población objetivo son colocadas en chips
(es decir, tarjetas, papel u otros objetos).
Los chips se colocan entonces en un
recipiente y se mezclan. A continuación, a
ciegas se seleccionan las fichas desde el
recipiente hasta que se haya obtenido el
tamaño de muestra deseado. Las
desventajas de este método de selección
es que consume mucho tiempo, y se limita
a poblaciones pequeñas.
El uso de números aleatorios, un método
alternativo implica también la numeración
de miembros de la población de 1 a N.
Luego, el tamaño de muestra de n tiene que
ser determinada por selección de los
números al azar. El uso de la tabla de
números aleatorios similar a la que aparece
a continuación puede ayudar en gran
medida con la aplicación de esta técnica de
muestreo.
En una tabla de números aleatorios no se
sigue un patrón particular. Pueden ser
leídos de cualquier manera, es decir,
horizontal, vertical, diagonal, hacia delante
o hacia atrás. El número de dígitos que se
utiliza debe corresponder al tamaño total de
la población objetivo. Los números que el
investigador encuentra que no concuerdan
con los números asignados a elementos de
la población objetivo son ignorados. Este
proceso de la tabla de números aleatorios
es un proceso tedioso, consume tiempo, y
no se recomienda para grandes
poblaciones. En su lugar, se pueden utilizar
softwares estadísticos u hojas de cálculo
para generar números aleatorios. Los
elementos de las poblaciones cuyos
números asignados coinciden con los
números generados por el software son
incluido en la muestra. Se puede
seleccionar un número de una tabla de
números aleatorios para usarlo como el
número de partida para el procedimiento.

Subtipos de muestreo aleatorio

simple
Hay dos tipos de muestreo aleatorio simple:
el muestreo con reemplazo y sin reemplazo.
En el muestreo con reemplazo, después de
que un elemento ha sido seleccionado de
entre el marco de la muestra se devuelve y
es elegible para ser seleccionado de nuevo.
En el muestreo sin reemplazo, después de
que un elemento se selecciona del marco
de la muestra, se retira de la población y no
regresa a la base del muestreo. Este tipo de
muestreo suele ser más eficiente pues no
permite que el mismo elemento de la
 población entre a la muestra más de una
vez.

Ventajas y desventajas del

muestreo aleatorio simple
 Entre sus puntos fuertes están que tiende
a producir muestras representativas y
permite el uso de la estadística inferencial
en el analisis de datos recogidos.
 Cada selección es independiente de otras
selecciones; Todas las combinaciones
posibles de unidades de muestreo tienen
 la misma oportunidad de ser
seleccionadas. En el muestreo
sistemático, las posibilidades de ser
seleccionado no son independientes entre
sí.
 En general, es más fácil que otros
procedimientos de muestreo probabilístico
(tales como el muestreo por
conglomerados) de comprender y
comunicar a otros.
 Los procedimientos estadísticos
requeridos para analizar los datos y
calcular los errores son más fáciles que
los requeridos en otros procedimientos de
muestreo probabilístico. Te recomiendo
leer: Tipos de errores. Consejos para que
tu investigación no caiga en ellos
 Entre las desventajas están que se
requiere un marco de muestreo de
elementos de la población objetivo. Un
marco de muestreo apropiado puede que
no exista para la población que se dirige, y
puede que no sea factible o práctico
construir uno. En este caso el muestreo
por conglomerados no requiere de una
 toma de muestra de los elementos de la
población objetivo.
 El muestreo aleatorio simple tiende a tener
errores de muestreo más grandes y
menos precisión de muestreo estratificado
del mismo tamaño de la muestra.
 Los encuestados pueden estar muy
dispersos, por tanto, los costos de la
recolección de datos pueden ser
superiores a las de otros diseños de la
muestra de probabilidad, como el
muestreo por conglomerados.
 El muestreo aleatorio simple puede no
producir un número suficiente de
elementos de pequeños subgrupos. Esto
no haría de un muestreo aleatorio simple
un buen opción para los estudios que
requieren un análisis comparativo de las
categorías pequeñas de una población
con categorías mucho más amplias de la
población.
Fortalezas y debilidades del
muestreo aleatorio simple
Fortalezas
En comparación con otros procedimientos de En compar
muestreo probabilístico:
Cada combinación posible de muestreo tiene No se apro
igual probabilidad de ser seleccionado.
Puede t
Más fácil de entender y comunicar a otros. menos
probabilí
Si sub
Tiende a producir muestras representativas. particular

Los procedimientos estadísticos necesarios Si la pob

para analizar errores de datos y de software de recolección
estadísticas son más fáciles. otros
Te recomiendo leer también: Recolección de
datos para investigación. ¡Utiliza la técnica
correcta!
 Ejemplo de muestreo aleatorio
simple
Una empresa tiene 120 empleados. Se
quiere extraer una muestra de 30 de ellos.
 Enumera a los empleados del 1 al 120
 Sortea 30 números entre los 120

trabajadores
 La muestra estará formada por los 30

empleados que salieron seleccionados de

los números obtenidos.
En resumen el muestreo aleatorio
simple es como hacer un sorteo,
afortunadamente existen herramientas que
facilitan la automatización y le da seriedad a
este proceso.

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”.
Aquí te comparto algunas consideraciones
para tener el mejor muestreo.

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.
Quizá te interese leer: ¿Qué es una
Muestra Representativa de la Población
Nacional?

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.
Quizá te interese leer: Muestra
representativa para una investigación
eficaz.
Ventajas y desventajas del
muestreo estratificado en
comparación con el muestreo
aleatorio simple
Fortalezas
A diferencia del muestreo aleatorio simple, el A dife
muestreo estratificado:
Tiene una mayor capacidad de hacer inferencia
Requ
dentro de un estrato y comparaciones entre los
pob
estratos.
Tiene errores de muestreo al azar un poco más La infor
pequeños para la muestras de mismo tamaño, por es req
lo que requiere tamaños de muestra más pequeños Si dich
para el mismo margen de error.
Obtiene una muestra más representativa porque se
E
asegura de que los elementos de cada estrato son
com
representado en la muestra.
La s
Saca mayor provecho de los conocimientos que el
pue
investigador tiene sobre la población.
 Permite diferentes metodos de investigacion y El anál
procedimientos que se utilizarán en diferentes que el
estratos.
Permite el análisis de los patrones dentro del Si se
estrato y la notificación separada de los resultados requie
para cada uno de los estratos. pre

¿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.
El muestreo sistematico es un tipo de
muestreo probabilístico donde se hace una
selección aleatoria del primer elemento
para la muestra, y luego se seleccionan los
elementos posteriores utilizando intervalos
fijos o sistemáticos hasta alcanzar
el tamaño de la muestra deseado.

Pasos para la selección de un

muestreo sistematico
1. Definir la población objetivo.
2. Determinar el tamaño deseado de la
muestra (n).
3. Identificar el marco muestreo existente
o desarrollar un marco de muestreo de la
población objetivo.
4. Evaluar el marco muestral por falta de
cobertura, cobertura excesiva, múltiple
cobertura, agrupación, periodicidad, y
hacer los ajustes cuando sea necesario.
Idealmente, la lista estará en un orden
aleatorio con respecto al estudio variable
 o, mejor aún, ordenados en función de la
variable de interés o su correlación,
creando así estratificación implícita.
5. Determinar el número de elementos en
el marco de la muestra (N).
6. Calcular el intervalo de muestreo (i)
dividiendo el número de elementos en el
marco de muestreo (N) por el tamaño de
la muestra específica (n). Uno debería
ignorar el resto y redondear o terminar en
el número entero más próximo. El
redondeo hacia abajo y truncando puede
hacer que el tamaño de la muestra sea
más grande de lo deseado. Si es así, se
puede eliminar de forma aleatoria las
selecciones adicionales. Si no se conoce
el tamaño exacto, o es poco práctico
determinar, se puede fijar una fracción de
muestreo.
7. Seleccionar al azar un número, r, de “1”
mediante i.
8. Selecciona para la muestra, r, r + i, r +
2i, r ,+3i, y así sucesivamente, hasta
agotar el marco.
A nivel técnico, el muestreo sistematico no
crea una muestra verdaderamente
aleatoria. Sólo la selección del primer
elemento de muestreo sistematico es una
selección de probabilidad. Una vez que el
primer elemento es seleccionado, algunos
de los elementos tendrán una probabilidad
cero de selección. Además, cierta
combinación de elementos, como los
elementos que son adyacentes entre sí en
el marco de muestreo, pueden no ser
seleccionados. Muestreos sistemáticos
repetidos pueden utilizarse para abordar
este problema

Fortalezas y debilidades del

muestreo sistematico
Al resaltar los puntos fuertes y débiles del
muestreo sistemático, podemos compararlo
con el muestreo aleatorio simple. El
muestreo sistemático se utiliza a menudo
cuando es imposible o poco práctico utilizar
un muestreo aleatorio simple.
 Fortalezas A diferencia de un muestreo Deb
aleatorio simple:
Si el proceso de selección es manual, el muestreo Si el inte
sistemático es más fácil, más simple, menos periódico
tiempo, y más económico. p
La población objetivo no tiene porqué ser
Ele
numerada y se compila un marco si hay
p
representación física.
Técnicam
Si el orden de los elementos en el muestreo se
es una
asignaron al azar, el muestreo sistemático puede
selecc
producir resultados similares al muestreo aleatorio
població
simple.

El muestreo sistemático elimina la posibilidad La estim

de autocorrelación.
El muestreo sistemático asegura que la muestra
es extendida a toda la población.

Como lleves a cabo tu muestreo será

determinante para los resultados que vas a
 obtener. En conclusión, considera la
elección de un muestreo sistematico si:
 Es difícil identificar elementos utilizando un
método de muestreo aleatorio simple.
 Es importante utilizar un procedimiento de

muestreo de probabilidad que pueda ser

fácilmente implementado.
Sigue conociendo las técnicas de muestreo,
en nuestra próxima publicación hablaremos
del muestreo por conglomerados.
El muestreo por conglomerados nos ayuda
cuando es imposible o poco práctico crear
un marco de muestreo de una población
objetivo debido a que está muy dispersa
geográficamente y el costo de la
recopilación de datos es relativamente alto.
El muestreo por conglomerados es un
procedimiento de muestreo probabilístico
en que los elementos de la población son
seleccionados al azar en forma natural por
agrupaciones (clusters). Los elementos del
muestreo se seleccionan de la población de
manera individual, uno a la vez.
Las unidades de muestreo o grupos pueden
ser espaciados, tal como ocurre
naturalmente en las unidades geográficas o
físicas (por ejemplo: estados, delegaciones
o distritos); en base a una organización
como escuelas, grado escolar; o servicio
telefónico tales como códigos de área o el
cambio de las claves lada de los números
de teléfono. La heterogeneidad del grupo es
fundamental para un buen diseño del
muestreo por conglomerados. Por otra
parte, los elementos dentro de cada grupo
debe ser tan heterogéneos como la
población objetivo

Pasos para seleccionar un

muestreo por conglomerados
1. Definir la población objetivo.
2. Determinar el tamaño de la
muestra deseada.
3. Identificar un marco de muestreo
existente o desarrollar un nuevo marco de
muestreo de grupos de la población
objetivo.
4. Evaluar el marco de muestreo para la
falta de cobertura, cobertura excesiva,
múltiple cobertura, y la agrupación, y
hacer los ajustes cuando sea necesario.
Idealmente, los grupos serían tan
 heterogéneos como la población,
mutuamente excluyentes, y
colectivamente exhaustivos. La
duplicación de elementos de la muestra
puede aparecer si elementos de la
población pertenecen a más de un grupo.
La omisión dará lugar a un sesgo de
cobertura.
5. Determinar el número de grupos que se
seleccione. Esto se puede hacer
dividiendo el tamaño de la muestra por el
número promedio estimado de elementos
de la población en cada grupo. En la
medida en que la homogeneidad y la
heterogeneidad de los grupos sean
diferentes a la de la población, el número
del grupo aumenta e incrementa la
precisión. Por otra parte, si las diferencias
aumentan, la precisión disminuye.
6. Seleccionar al azar el número previsto
de las agrupaciones.
Subtipos del muestreo por
conglomerados
Dos grandes dimensiones se utilizan para
clasificar los diferentes tipos de muestreo
por conglomerados. Una se basa en el
número de etapas en el diseño de la
muestra, y el otro en la representación
proporcional de los grupos en la muestra
total.
Subtipo basado en el número de etapas:
A menudo, el muestreo por conglomerados
se lleva a cabo en más de una “etapa”. Una
etapa es un paso dentro del proceso de
muestreo en el que se toma una muestra.
Considerando el número de etapas en el
diseño, hay tres subtipos principales de
este muestreo: de una sola etapa, de dos
etapas, y el muestreo por conglomerados
de etapas múltiples.
Muestreo por conglomerados de una
etapa. El muestreo se hace una sola vez.
Un ejemplo sería, digamos que estamos
interesados en el estudio de personas sin
hogar que viven en refugios. Si hay cinco
refugios en una ciudad, un investigador
seleccionará al azar a uno de los refugios y
luego incluirá en el estudio a todas las
personas sin hogar que residen en el
refugio seleccionado. Un investigador de
mercado podría optar por utilizar un diseño
de muestreo por conglomerado de una sola
etapa.
Digamos que un investigador está
interesado en la prueba de comercialización
de un producto. El investigador puede
seleccionar al azar códigos postales; enviar
muestras del producto junto con un
cuestionario de evaluación a cada dirección
dentro del grupo seleccionado.
Muestreo por conglomerados en dos
etapas. El diseño incluye todos los pasos
del diseño de un muestreo por
conglomerados, con una excepción del
último paso. En lugar de incluir todos los
elementos de los grupos seleccionados de
la muestra, una muestra aleatoria (ya sea
una muestra aleatoria simple, muestra
estratificada o muestra sistemática) se
toman los elementos de cada grupo
seleccionado. El muestreo por
conglomerados de una etapa se refiere a
veces como un submuestreo. En general, a
menos que el grupos sea homogéneo, un
diseño de muestra de conglomerados en
dos etapas es mejor que uno de una sola
etapa.
Muestreo por conglomerados de etapas
múltiples. Las encuestas de grandes áreas
geográficas requieren una diseño de la
muestra algo más complicado que los
descritos hasta este punto. Por lo general,
se debe utilizar un diseño de muestreo por
conglomerados. de etapas múltiples, que
consiste en la repetición de dos pasos
básicos: listado y toma de muestras.
Típicamente, en cada etapa, los grupos se
hacen progresivamente más pequeños en
tamaño; y en la última etapa se utiliza el
elemento de muestreo. Los procedimientos
de muestreo (aleatorio simple, estratificado,
o el sistemático) pueden ser diferentes en
cada etapa.

Fortalezas y debilidades del

muestreo por conglomerados en
comparación con el muestreo
aleatorio simple

Fortalezas en comparación con el muestreo Debilidade

aleatorio simple:
Una mues
Si los grupos están definidos geográficamente,
representa
el muestreo por conglomerados requiere menos
muestra
tiempo, dinero y mano de obra.

El muestreo por conglomerados permite

muestreos posteriores debido a que los grupos Las variac
incluidos en la muestra son elementos más alta
agregados.
 El mue
Uno puede estimar características de los grupos
complejo
como el de la población.

El muestreo por conglomerados no requiere de El muest

un marco de muestreo de todos los elementos muestre
de la población objetivo. compar
Con esta publicación cerramos el tema de
los tipos de muestreo de probabilidad.
Recuerden que pueden consultar nuestros
demás artículos referentes al: