METODOLOGÍA DE LA

INVESTIGACIÓN

DISEÑOS MUESTRALES

PROFESOR:
MSc. ODILIO AYALA
 METODOLOGÍA DE LA INVESTIGACIÓN 2017

1. CONCEPTOS BÁSICOS DEL MUESTREO.

1.1. Definición: Se puede definir como el conjunto de operaciones que se realizan para
estudiar la distribución de determinadas características en la totalidad de la
población, observando una parte o subconjunto de la población.

El método de muestreo es un instrumento de gran validez en la

investigación, porque el investigador selecciona algunas unidades representativas
(muestra), a partir de las cuales obtendrá los datos que le permitirán hacer
inferencias acerca de la población sobre la cual se investiga. Es un procedimiento
más rápido y barato y, en ciertos casos, el único posible.

• Inferencia Estadística: Procedimiento por el cual se obtienen conclusiones

acerca de una población a partir de la información que se tiene de una muestra
de esa población.
• Estimador (Estadígrafo): Es una medición numérica que describe alguna
característica de una muestra.
• Parámetro: Es una medición numérica que describe alguna característica de
una población.

Medidas Estimadores Parámetros

Media X 
Varianza s 2 2
Desviación Estándar s 
Proporción p 

• Elemento o Unidad Estadística: Es el elemento básico que es objeto de estudio

y del cual se requerirá toda la información necesaria en una investigación.
• Unidades de muestreo: Son aquellos elementos o grupos de elementos
disponibles para su selección en alguna etapa del proceso del muestreo. Si cada
unidad de muestreo contiene uno y solamente un elemento de la población,
entonces una unidad de muestreo y un elemento son iguales. Ejemplo: Si se
muestrea individuos, estos serían los elementos y la unidad de muestreo. Si se
muestrea hogares, éstos serían la unidad de muestreo y el elemento sería el
individuo dentro del hogar que brinda la información.
• Marco Muestral o Lista: Es una lista de todas las unidades de muestreo.
Ejemplo: Si es el hogar la unidad de muestreo, entonces un directorio telefónico
o un mapa de la ciudad podría ser el marco muestral.

1.2. Representatividad de la Muestra: Por tratarse de un proceso inductivo, se corre el

riesgo de que la muestra seleccionada no sea representativa del todo y, por lo tanto,

Profesor: MSc. Odilio Ayala Rivera Página 1

 METODOLOGÍA DE LA INVESTIGACIÓN 2017

que la generalización no sea precisa, sino que tenga cierto margen de error. La
representatividad de la muestra dependerá de factores tales como:

• Definición de la población objetivo en relación con su ubicación.

• Procesos de medición (diagnósticos, cuestionarios, etc.)
• Formas de seleccionar la muestra. Durante la selección de la muestra pueden
haber sesgos que alteren la representatividad de la misma, lo que hará que el
estudio pierda validez.

1.3. Fiabilidad y Efectividad: Son generalmente los dos criterios para evaluar un
diseño de muestreo. Es de esperar que en éste haya errores. Un error de muestreo es
la diferencia entre el valor del estadígrafo o estimador (aproximado) y el del
parámetro (exacto); se mide por la fiabilidad, o por la precisión del muestreo, la
cual está relacionada con la varianza del estadígrafo muestral. A mayor varianza,
menor fiabilidad en el muestreo. Un diseño de muestreo es más efectivo que otro si
con él se obtiene el mismo grado de fiabilidad, con un costo menor.

2. TIPOS DE MUESTREO.

Existen dos tipos de muestreo: El muestreo aleatorio o probabilístico, y el muestreo no

aleatorio o no probabilístico.

2.1. Muestreo Aleatorio: Es aquél en que cada uno de los elementos de la población
objetivo tiene la misma probabilidad de ser seleccionado en la muestra. Es el tipo
de muestreo más adecuado, ya que sus procedimientos son más científicos debido a
que se basan en la Ley de los grandes números y el cálculo de la probabilidad, de
ahí que también se le denomine muestreo científico. Entre los tipos de muestreo
aleatorio se incluyen: Muestreo Aleatorio Simple, Muestreo Estratificado,
Muestreo Sistemático y Muestreo por Conglomerados. En el muestreo aleatorio
los elementos se pueden seleccionar Con Reemplazo o Sin Reemplazo.

• Muestreo Con Reemplazo: Es cuando se puede dar o seleccionar elementos

repetidos. En este caso, el muestreo aleatorio se le conoce como muestreo
irrestricto.
• Muestreo Sin Reemplazo: No se puede dar la selección de elementos
repetidos.

2.1.1. Muestreo Aleatorio Simple: Es un método de muestreo en el que los

elementos de la muestra se escogen en forma individual y al azar de la
totalidad de la población. Es el método más común para obtener una muestra
representativa, ya que cada uno de los elementos de una población tiene la
misma probabilidad de ser elegido.

2.1.2. Muestreo Aleatorio Estratificado: Una muestra es estratificada cuando

los elementos de la muestra son proporcionales a su presencia en la
población. Para este tipo de muestreo, se divide la población en varios grupos

Profesor: MSc. Odilio Ayala Rivera Página 2

 METODOLOGÍA DE LA INVESTIGACIÓN 2017

o estratos con el fin de dar representatividad a los distintos factores que

integran la población del estudio; la condición de la estratificación es la
presencia en cada estrato de las características que conforman la población.
Cada estrato es muy homogéneo internamente, pero diferentes entre ellos.

2.1.3. Muestreo Aleatorio por Conglomerados: En este tipo de muestreo, los

elementos de la población se dividen en forma natural en subgrupos o
conglomerados; luego se seleccionan al azar unos cuantos de esos subgrupos
y, a continuación, se escogen todos los miembros de estos subgrupos
seleccionados. En este caso, cada grupo o conglomerado es muy heterogéneo,
pero no hay mucha diferencia entre ellos (los conglomerados). El más
utilizado es el Muestro por Conglomerados Geográficos.

2.1.4. Muestreo Aleatorio Sistemático: Consiste en seleccionar los elementos de

la población a intervalos uniformes (cada k-ésimo miembro), a partir de un
listado ordenado.

2.2. Muestreo No Aleatorio o Empírico: Este tipo de muestreo supone un

procedimiento de selección informal, no científico y un poco arbitrario. Aún así, se
utilizan en muchas investigaciones y a partir de ellas se hacen inferencias sobre la
población (lo cual no es recomendable). En las muestras de este tipo, la elección de
los sujetos no depende de que todos tengan la misma probabilidad de ser elegidos,
sino de la decisión del investigador. Entre los tipos de muestreo no aleatorio se
incluyen: Muestreo por Conveniencia, Muestreo Discrecional o por juicio,
Muestreo Bola de Nieve, Muestreo por Cuotas, Muestreo Casual o por accidente.

3. MÉTODOS MÁS COMUNES PARA LA SELECCIÓN DE UNA MUESTRA

ALEATORIA.

Para seleccionar una muestra aleatoria simple se pueden utilizar alguno de los siguientes
recursos:

• Ruleta: Es recomendable cuando la población contiene menos de 75 elementos.

• Lotería o Tómbola: Es recomendable cuando la población contiene más de 75
elementos.
• Tabla de Números Aleatorios: Es una tabla de uso universal, aunque se puede
elaborar una propia de acuerdo a los requerimientos del investigador.
• Computadora: Se puede utilizar un programa especial para selecciones de
muestras al azar, o bien la hoja de cálculo Excel, de Microsoft Office.

Ejemplo: Suponga que existen N = 2000 registros de estudiantes (enumerados

de 0001 a 2000), de los cuales será seleccionada una muestra de n = 20.
Determinar cuáles registros serán incluidos en esta muestra

Profesor: MSc. Odilio Ayala Rivera Página 3

 METODOLOGÍA DE LA INVESTIGACIÓN 2017

4. DETERMINACIÓN DEL TAMAÑO ADECUADO DE LA MUESTRA.

Antes de realizar una investigación por muestreo, el investigador debe determinar el

tamaño adecuado de la muestra con la cual hará la investigación, para evitar costos
innecesariamente elevados por el manejo de muestras demasiado grandes que tal vez no
aporten mayor exactitud en los resultados; por otra parte, si el tamaño de la muestra es muy
pequeño, puede llegar a resultados no válidos.

En general, el tamaño de la muestra dependerá de los siguientes factores técnicos:

• La variabilidad del fenómeno por estudiar

• La magnitud del error muestral (β = estadístico – parámetro)
• Un grado de confianza tal que el error de la estimación no exceda el máximo
error permisible

Según el tipo de estadístico (estimador) usado en el análisis de los datos, así será el tamaño
de la muestra por utilizar. Por esto, se debe determinar el tamaño de la muestra para estimar
las medias, las proporciones y el total, por cada tipo de muestreo aleatorio (Simple,
Estratificado, Sistemático y por Conglomerados), y según se trate de poblaciones conocidas
(finitas) o desconocidas (infinitas).

5. MUESTREO ALEATORIO SIMPLE (MAS).

5.1. INTRODUCCIÓN.

El objetivo de una encuesta por muestreo es hacer una inferencia acerca de la

población con base en la información contenida en una muestra. Dos factores afectan la
cantidad de información contenida en la muestra y, por lo tanto, afectan la precisión del
procedimiento de hacer inferencias. El primero es el tamaño de la muestra seleccionada de
la población. El segundo es la cantidad de variación en los datos; la variación
frecuentemente puede ser controlada por el método de selección de la muestra.

El procedimiento para seleccionar la muestra se denomina diseño de la encuesta

por muestreo, o simplemente diseño muestral. Para un tamaño de muestra fijo, n,
consideraremos diversos diseños de muestreo, para obtener las n observaciones en la
muestra. Puesto que las observaciones cuestan dinero, un diseño que proporciona un
estimador preciso del parámetro para un tamaño de muestra fijo produce un ahorro en el
costo para el experimentador. El diseño básico o técnica de muestreo, llamado Muestreo
Aleatorio Simple (MAS), se analiza en este capítulo.

Profesor: MSc. Odilio Ayala Rivera Página 4

 METODOLOGÍA DE LA INVESTIGACIÓN 2017

5.2. DEFINICIÓN:

Si un tamaño de muestra n es seleccionado de una población de tamaño N de tal

manera que cada muestra posible de tamaño n tiene la misma probabilidad de ser
seleccionada, el procedimiento de muestreo se denomina Muestreo Aleatorio Simple
(MAS). A la muestra así seleccionada se le llama muestra irrestricta aleatoria.

El Muestreo Aleatorio Simple (MAS) se usa para obtener estimadores de las

medias, totales y proporciones poblacionales. Además, dicho procedimiento forma la base
de la mayoría de los diseños de muestreo conocidos, y forma la base de la mayoría de las
encuestas científicas que se realizan en la práctica.

5.3. TAMAÑO DE LA MUESTRA EN EL MUESTREO ALEATORIO SIMPLE.

5.3.1. TAMAÑO DE LA MUESTRA PARA ESTIMAR UNA MEDIA

POBLACIONAL (  ) A PARTIR DE POBLACIONES INFINITAS.

Sabemos que el intervalo de confianza para estimar  cuando la población es

infinita está dado por: X  Z x , donde el Error muestral E  Z x .


A partir de E  Z x , tenemos E  Z ,
n
Z 2 2
luego elevamos al cuadrado ambos miembros de esta ecuación: E 2 
 n 2

y despejamos para n obteniendo la siguiente fórmula para determinar el tamaño de

la muestra (n), que nos permita estimar la media poblacional, cuando las poblaciones
(N) son infinitas:

Z 2 2
n
E2
Donde:
E = Error muestral máximo permisible en la investigación. Por ejemplo, si
deseamos conocer el ingreso promedio de los docentes de la UNACHI, con un error
máximo de E =  25 , el intervalo de confianza será   25
Z = Valor crítico correspondiente a un determinado coeficiente de confianza. Por
ejemplo, si el coeficiente de confianza fuese de 95%, el valor de Z sería  1.96
 = Desviación estándar de la población, la cual puede ser real o estimada por
muestreo (s).

Profesor: MSc. Odilio Ayala Rivera Página 5

 METODOLOGÍA DE LA INVESTIGACIÓN 2017

Ejemplo 1:
El Ministerio de Vivienda publica datos acerca del alquiler mensual de viviendas
unifamiliares en la ciudad de Panamá. La desviación estándar del alquiler mensual
es de, aproximadamente, B/. 80.00. Suponga que se debe seleccionar una muestra
para estimar la media del alquiler de la población total de viviendas unifamiliares de
la ciudad de Panamá.
a. ¿De qué tamaño debe ser la muestra para que el error sea de más o menos
B/. 15.00, con un nivel de confianza de 95%?
b. Emplee el nivel de confianza del 95% y determine ¿De qué tamaño debe ser
la muestra para que el margen de error deseado sea de más o menos B/.
25.00?
c. Con un nivel de confianza del 90%, ¿de qué tamaño debe ser la muestra para
que el margen de error deseado sea de más o menos B/. 25.00?

5.3.2. TAMAÑO DE LA MUESTRA PARA ESTIMAR UNA MEDIA

POBLACIONAL (  ) A PARTIR DE POBLACIONES FINITAS.

Sabemos que, para poblaciones finitas (conocidas), el intervalo de confianza para

 n 
estimar  está dado por: X  Z X  1  
 N

A partir de dicha ecuación se realizan algunas operaciones algebraicas, como en el

caso anterior, para finalmente obtener la fórmula para determinar el tamaño de la muestra
(n), que nos permita estimar la media poblacional, cuando las poblaciones (N) son finitas:

Z 2 2 N
n
N  1E 2  Z 2 2

Ejemplo 2: Desarrolle cada uno de los puntos del ejemplo # 1, pero ahora considere
que la población (N) es conocida y es igual a 10,000

Ejemplo 3: Se desea investigar el salario promedio de los trabajadores

pertenecientes a un sindicato compuesto por 1,260 trabajadores. Según estudios
pasados la varianza de los salarios de los trabajadores de ese sindicato se estima en
B/. 445.21.
a. Si la estimación del salario promedio se puede hacer permitiendo un límite
de error de B/. 2.67. ¿Cuál es el tamaño de la muestra que se necesita?
b. Suponga que se permite ampliar el límite del error de estimación a B/. 3.32
¿De qué tamaño será la muestra?

Profesor: MSc. Odilio Ayala Rivera Página 6

 METODOLOGÍA DE LA INVESTIGACIÓN 2017

5.3.3. TAMAÑO DE LA MUESTRA PARA ESTIMAR UNA

PROPORCIÓN POBLACIONAL  p  A PARTIR DE POBLACIONES
INFINITAS.

La proporción corresponde a la prevalencia, probabilidad o proporción de

exposición a un factor; por lo tanto, esta fórmula se utiliza cuando se desea determinar la
cantidad de población expuesta a un factor, por ejemplo, determinar la prevalencia de una
enfermedad en una determinada población.

El intervalo de confianza para estimar Proporción está dado por: p̂  Z p ,

p1  p   pq 
donde  p  , y (1 - p) = q, por lo tanto: E  Z  
n  n 

A partir de dicha ecuación se obtiene que la fórmula para determinar el tamaño de la

muestra (n), que nos permita estimar la proporción poblacional, cuando las poblaciones (N)
son infinitas:

Z 2 pq
n
E2
La fórmula de la desviación estándar (  p ) para variables dicotómicas (presencia o
ausencia de la característica en estudio), es la siguiente: p (1 – p); donde p es la presencia
de la característica en estudio y 1 – p, la ausencia de ésta, la cual también puede ser
simbolizada por q.

La literatura sobre el tema y otras fuentes puede dar una idea acerca de la
prevalencia (presencia) esperada (aquella que probablemente se obtendrá o se espera
obtener), o en el peor de los casos se puede escoger la situación que nos obligue a
seleccionar un tamaño mayor de muestra, con p = 50%. Así, trabajar con una prevalencia
del 50%, un error aceptado del 5% y un nivel de confianza del 95%, indica que esperamos
que, de cada 100 mediciones que se realicen, en 95 la prevalencia tenga un valor
comprendido en el intervalo 50%  5%, es decir: (45% - 55%)

Ejemplo 4: La Universidad está considerando la posibilidad de elevar la matrícula

con el fin de mejorar las instalaciones; para ello sus autoridades desean determinar
qué porcentaje de estudiantes está a favor de dicha propuesta. Según una encuesta
piloto hecha con anterioridad, el porcentaje de estudiantes que manifestó estar de
acuerdo fue de 35%. La universidad desea tener una confianza del 90% de que el
porcentaje se determinó dentro del 5% del valor verdadero. ¿Qué tamaño de la
muestra se requiere para garantizar esta precisión independientemente del
porcentaje verdadero?

Profesor: MSc. Odilio Ayala Rivera Página 7

 METODOLOGÍA DE LA INVESTIGACIÓN 2017

Ejemplo 5: Un país productor de ganado vacuno ha observado la importancia

creciente de la Diarrea Vírica Bovina. Las autoridades sanitarias sospechan que
actualmente existe una prevalencia del 80%. Ante esta situación, desean poner en
marcha un programa de control que requiere conocer el valor real de la prevalencia
de la enfermedad en esa población. Si se trabaja con un nivel de confianza del 95%
y un error aceptado del 5%, ¿Cuál será el tamaño de muestra necesario?

5.3.4. TAMAÑO DE LA MUESTRA PARA ESTIMAR UNA

PROPORCIÓN POBLACIONAL (P) A PARTIR DE POBLACIONES
FINITAS.

Cuando se conoce el tamaño de la población, el intervalo de confianza para estimar

pq  n 
p está dado por: p  Z   1 
n  N 

A partir de dicha ecuación se obtiene que la fórmula para determinar el tamaño de la

muestra (n), que nos permita estimar la proporción poblacional, cuando las poblaciones (N)
son conocidas:

Z 2 pqN
n
N  1E 2  Z 2 pq

Ejemplo 6: Para el ejemplo 4, si la matrícula de la Universidad en el presente

semestre es de 8,262 estudiantes, ¿Cuál será el tamaño de la muestra?

Ejemplo 7: Para el ejemplo 5, considere que la población (N) de ganado vacuno es

conocida y es igual a 2,760,000 cabezas.

Profesor: MSc. Odilio Ayala Rivera Página 8

 METODOLOGÍA DE LA INVESTIGACIÓN 2017

5.4. DETERMINACIÓN DEL TAMAÑO DE LA MUESTRA PARA ESTIMAR

LAS DIFERENCIAS (O PARA CONTRASTES DE HIPÓTESIS).

Toda investigación lleva implícita en la fase de diseño la determinación del tamaño

muestral necesario para la ejecución del mismo. El no realizar dicho proceso, puede llevar
al investigador a dos situaciones diferentes: primera, que se realice el estudio sin el número
adecuado de muestras, con lo cual no se podrá ser precisos al estimar los parámetros y
además no se encontrarán diferencias significativas cuando en realidad si existen. La
segunda situación es que se podría estudiar un número innecesario de muestras, lo cual
lleva implícito no solo la pérdida de tiempo e incremento de recursos innecesarios sino que
además la calidad del estudio, dado dicho incremento, puede verse afectado en sentido
negativo.

Para determinar el tamaño muestral de un estudio, debemos considerar diferentes

situaciones:

➢ Estudios para determinar Parámetros: Cuando se pretende hacer inferencias a

valores poblacionales (medias, proporciones) a partir de una muestra.
➢ Estudios para Contraste de Hipótesis: Cuando se pretende comparar si las
medias o las proporciones de las muestras son diferentes.

ESTUDIOS PARA CONTRASTES DE HIPÓTESIS.

Estos estudios pretenden comparar si las medias o las proporciones de las muestra
son diferentes. Habitualmente el investigador pretende comparar dos tratamientos. Para el
cálculo del tamaño muestral se precisa conocer:

➢ Magnitud de la diferencia a detectar que tenga interés relevante. Se pueden

comparar dos proporciones o dos medias.
➢ Tener una idea aproximada de los parámetros de la variable que se estudia (por
estudios previos o bibliografía consultada).
➢ Seguridad o Confianza del estudio (riesgo de cometer un error α).
➢ Poder estadístico (1- β), es decir, riesgo de cometer un error β.
➢ Definir si la hipótesis va a ser unilateral o bilateral

▪ Bilateral: Cualquiera de dos parámetros a comparar (medias o proporciones)

puede ser mayor o menor que el otro. No se establece dirección.
▪ Unilateral: Cuando se considera que uno de los parámetros debe ser mayor
que el otro, indicando por tanto una dirección de las diferencias.

La hipótesis bilateral es una hipótesis más conservadora y disminuye el riesgo de

cometer un error de tipo I (rechazar la Ho cuando en realidad es verdadera).

Profesor: MSc. Odilio Ayala Rivera Página 9

 METODOLOGÍA DE LA INVESTIGACIÓN 2017

5.4.1. TAMAÑO DE LA MUESTRA PARA LA COMPARACIÓN DE DOS

MEDIAS (μ1 y μ2)

La fórmula que debe utilizarse para determinar el tamaño de muestra adecuado,

cuando se quieren comparar dos medias, es la siguiente:

n
2Z   Z   s 2
2
 
d2
Donde:
n = sujetos necesarios en cada una de las muestras
Zα = Valor Z correspondiente al riesgo deseado
Zβ = Valor Z correspondiente a la potencia estadística deseada
s2 = Varianza de la variable cuantitativa que tiene el grupo control o de referencia
d = Valor mínimo de la diferencia que se desea detectar (datos cuantitativos) o precisión.

Los valores Zα según la seguridad o confianza y Zβ según el poder se indican en la

siguiente tabla:

Tabla: Valores Zα y Zβ más frecuentemente utilizados

Zα Zα
α Test Unilateral Test Bilateral
0.20 0.842 1.282
0.15 1.036 1.440
0.10 1.282 1.645
0.05 1.645 1.960
0.025 1.960 2.240
0.01 2.326 2.575
Potencia
β (1 – β) Zβ
0.01 0.99 2.326
0.05 0.95 1.645
0.10 0.90 1.282
0.15 0.85 1.036
0.20 0.80 0.842
0.25 0.75 0.674
0.30 0.70 0.524
0.35 0.65 0.385
0.40 0.60 0.253
0.45 0.55 0.126
0.50 0.50 0.000

Profesor: MSc. Odilio Ayala Rivera Página 10

 METODOLOGÍA DE LA INVESTIGACIÓN 2017

Ejemplo 8: Se desea utilizar un nuevo fármaco antidiabético y se considera que será

clínicamente eficaz si se logra un descenso de 15 mg/dl respecto al tratamiento habitual con
el antidiabético estándar. Por estudios previos, se sabe que la desviación típica de la
glicemia en pacientes que reciben el tratamiento habitual es de 16 mg/dl. Si se acepta un
riesgo de α = 0.05 y un poder estadístico de 90% para detectar las diferencias que existen,
¿Cuál sería el tamaño de muestra adecuado para los dos grupos?

Solución:

n
   21.645  1.282 16   4386.472448  19.5  20
2Z   Z  2 s 2 2 2

d2 15 2 225

Respuesta: Se necesita una muestra de 20 pacientes en cada grupo.

5.4.2. TAMAÑO DE LA MUESTRA PARA LA COMPARACIÓN DE DOS

PROPORCIONES (PREVALENCIAS O PROPORCIONES DE
EXPOSICIÓN A UN FACTOR).

La fórmula para determinar el tamaño de muestra adecuado, cuando se quieren

comparar dos proporciones, es la siguiente:

n
Z  2 p1  p   Z  p1 1  p1   p 2 1  p 2  
2

 p1  p 2 2
Donde:
n = sujetos necesarios en cada una de las muestras
Zα = Valor Z correspondiente al riesgo deseado
Zβ = Valor Z correspondiente a la potencia estadística deseada
p1 = Valor de la proporción en el grupo de referencia, placebo, control o
tratamiento habitual
p2 = Valor de la proporción en el grupo del nuevo tratamiento, intervención
o técnica
p = Media de las proporciones p1 y p2
p1  p 2
p
2

Ejemplo 9: Se desea evaluar si el Tratamiento T2 es mejor que el Tratamiento T1

para el alivio del dolor, por lo que se diseña un ensayo clínico. Se sabe por datos previos
que la eficacia del fármaco habitual está alrededor del 70% y se considerará clínicamente
relevante si el nuevo fármaco alivia el dolor en un 90%. El nivel de riesgo se fija en α =
0.05 y el poder estadístico en 80%, para detectar diferencias, si es que existen.

Profesor: MSc. Odilio Ayala Rivera Página 11

 METODOLOGÍA DE LA INVESTIGACIÓN 2017

p1  p 2 0.70  0.90
Solución: p    0.80
2 2

n
Z  2 p1  p   Z  p1 1  p1   p 2 1  p 2  
2

 p1  p 2 2

n
1.645 2* 0.81  0.8  0.842 0.71  0.7   0.91  0.9 2


0.93055  0.46118 2
 48.4  49
0.7  0.92 0.04

Respuesta: En cada grupo se necesita una muestra de aproximadamente 49 pacientes

5.4.3. EL TAMAÑO MUESTRAL AJUSTADO A LAS PÉRDIDAS.

En todos los estudios es preciso estimar posibles pérdidas de elementos por razones
diversas (pérdida de información, abandono, no respuesta, etc.), por lo que se debe
incrementar el tamaño muestral respecto a dichas pérdidas. Para ello, se debe utilizar la
siguiente fórmula de ajuste:

1
Muestra ajustada a las perdidas: 𝑛𝑎 = 𝑛 ( )
1−𝑅

Donde: R = proporción esperada de pérdidas.

Así, por ejemplo, si en el estudio anterior se espera tener un 15% de pérdidas, el

tamaño muestral necesario sería:

1
𝑛𝑎 = 49 (1−0.15) = 49 ∗ 1.17647 = 57.6 ≈ 58 pacientes en cada grupo

Profesor: MSc. Odilio Ayala Rivera Página 12

 METODOLOGÍA DE LA INVESTIGACIÓN 2017

6. MUESTREO ALEATORIO ESTRATIFICADO (MAE)

6.1. INTRODUCCIÓN.

El objetivo del diseño de encuestas por muestreo es maximizar la cantidad de

información para un costo dado. El muestreo irrestricto aleatorio, diseño básico de
muestreo, suele suministrar buenas estimaciones de cantidades poblacionales a un costo
bajo. En este capítulo definimos un segundo procedimiento de muestreo, el muestreo
aleatorio estratificado, que en muchas ocasiones incrementa la cantidad de información
para un costo dado.

6.2. DEFINICIÓN:

Una muestra aleatoria estratificada es la obtenida mediante la separación de los

elementos de la población en grupos que no presentan traslapes, llamados estratos, y la
selección posterior de una muestra irrestricta aleatoria simple de cada estrato.

Los motivos principales para utilizar muestreo aleatorio estratificado en lugar de

muestreo irrestricto aleatorio son los siguientes:

➢ La estratificación puede producir un límite más pequeño para el error de

estimación que el que se generaría por una muestra irrestricta aleatoria del
mismo tamaño. Este resultado es particularmente cierto si las mediciones
dentro de los estratos son homogéneas.
➢ El costo por observación en la encuesta puede ser reducido mediante la
estratificación de los elementos de la población en grupos convenientes.
➢ Se puede obtener estimaciones de parámetros poblacionales para subgrupos
de la población. Los subgrupos deben ser entonces estratos identificables.

Estos tres principios para la estratificación deben tenerse presentes cuando se está
planeando estratificar o no a una población o decidiendo cómo definir los estratos. El
muestreo de pacientes hospitalizados, sujetos a cierta dieta para evaluar ganancia de peso,
puede ser más eficiente si son estratificados por sexo, ya que el varón tiende a pesar más
que la mujer. Si los gerentes de una planta manufacturera requieren estimaciones de la
proporción de productos defectuosa, se pude realizar un plan de muestreo para control de
calidad estratificado por línea de producción.

Generalmente la estratificación se utiliza con muestreo irrestricto aleatorio en cada

estrato, sin embargo, la estratificación también puede ser combinada con otros tipos de
muestreo dentro de los estratos.

Profesor: MSc. Odilio Ayala Rivera Página 13

 METODOLOGÍA DE LA INVESTIGACIÓN 2017

6.3. TAMAÑO DE LA MUESTRA EN EL MUESTREO ALEATORIO

ESTRATIFICADO

El primer paso en la selección de una muestra aleatoria estratificada es especificar

claramente los estratos; así, cada unidad muestral se ubica en el estrato apropiado.

En general, se tienen dos tipos de Muestreo Aleatorio Estratificado: el Estratificado

Simple (MAES), en el que los estratos tienen igual tamaño; y el Estratificado
Proporcional (MAEP), en que los estratos son de tamaño diferente, por lo que las
varianzas en cada estrato también son diferentes. En este último caso, se debe considerar
una mayor cantidad de elementos en la muestra o estrato que tenga mayor varianza; y
también en aquellos estratos que representen menor costo.

6.3.1. DETERMINACIÓN DEL TAMAÑO DE LA MUESTRA (n) EN EL

MUESTREO ALEATORIO ESTRATIFICADO SIMPLE (MAES), AL
ESTIMAR LA MEDIA (  ) Y EL TOTAL (T) POBLACIONAL:

N i2 i2
 w
n 2 i

N D   N i i2
Donde,
N = Tamaño de la población,
Ni = Tamaño de la población del estrato i,
wi = Proporción de unidades de la muestra a ser asignada al estrato i,
 i2 = Varianza poblacional del estrato i.
B2 B2
D , para estimar  y D  para estimar el Total,
4 4N 2
B = Límite de error de estimación

La asignación de cada estrato (i) se determinará a partir de: ni  nwi

Ejemplo 10: Una encuesta se realizará para estimar el salario promedio de los
empleados de una empresa, la cual se divide en tres estratos: administrativos, ventas y
fábrica. Según estudios anteriores se dispone de la siguiente información: N1= 155, N2= 62,
N3= 93;  12  25,  22  225,  32  100.
a) Si se desea hacer una estimación con un límite de error (B) de B/. 2.00,
determinar el tamaño de la muestra y de las submuestras, las cuales deben ser de
igual tamaño.
b) Suponga que se desea estimar el monto total de la planilla, con un error de
estimación de B/. 400.00. ¿Cuál será el tamaño de la muestra y las submuestras?

Profesor: MSc. Odilio Ayala Rivera Página 14

 METODOLOGÍA DE LA INVESTIGACIÓN 2017

6.3.2. DETERMINACIÓN DEL TAMAÑO DE LA MUESTRA (n) EN EL

MUESTREO ALEATORIO ESTRATIFICADO SIMPLE (MAES), AL
ESTIMAR LA PROPORCIÓN POBLACIONAL (Π):

 N i2 pi qi
wi
n 2
N D   N i pi qi

B2
Aquí, D  , y lo demás es igual que en el caso anterior, sólo que no se tiene  i2 ,
4
sino piqi. Cuando no se conoce el valor de pi, entonces se asume que pi= 0.5

Ejemplo 11: Se desea estimar la proporción de hogares en donde se consume un

producto determinado en una comunidad cualquiera. La población está dividida en tres
estratos, cuyo tamaño son los siguientes: N1= 45, N2= 60, N3=100. Si se quiere realizar
estimaciones con un error de estimación (B) del 10%, determinar el tamaño de la muestra.

6.3.3. DETERMINACIÓN DEL TAMAÑO DE LA MUESTRA (n) EN EL

MUESTREO ALEATORIO ESTRATIFICADO PROPORCIONAL
(MAEP), AL ESTIMAR LA MEDIA POBLACIONAL (  ):

Para determinar el tamaño de la muestra, se considera:

➢ El tamaño de los estratos

➢ La varianza de los estratos
➢ Costos de aplicar la encuesta en los estratos


 
2 
  N i  i   N i  i2 * Ci
 Ci 
n 
N 2 D   N i i2

Donde, N = Tamaño de la población,

Ni = Tamaño de la población del estrato i,
 i2 = Varianza poblacional del estrato i,
Ci = Costo de aplicar una encuesta en el estrato i,
B2
D .
4

Profesor: MSc. Odilio Ayala Rivera Página 15

 METODOLOGÍA DE LA INVESTIGACIÓN 2017

La proporción (wi) de elementos asignados a cada estrato se calcula con:

 i2
Ni
Ci
wi 
 i2
 Ni
Ci

Esta fórmula corresponde al método de asignación aproximada que minimiza el

costo para el valor fijo de  x2est o que minimiza  x2est para un costo fijo. Finalmente, los
tamaños de la submuestras se asignan mediante: ni  nwi

Ejemplo 12: Se desea estimar el consumo mensual promedio de cierto artículo. La

información disponible es la siguiente: N1= 155, N2= 62, N3= 93;  12  25,  22  225,
 32  100; C1=9.00, C2=9.00, C3=16.00. Determinar el tamaño de la muestra que se necesita
si queremos hacer estimaciones de la media, con un error máximo de 2 unidades.

6.3.4. ASIGNACIONES ESPECIALES DE LA MUESTRA AL ESTIMAR

LA MEDIA POBLACIONAL (  ):

▪ Método Neyman: No considera la variable costo.

n
 N i  i2 
2

N D   N i i2
2

B2  N 2 
Donde, D  y el tamaño de cada estrato está dado por: ni  n  i i 
4   Ni  i2 

▪ Método Proporcional: Se aplica cuando, aparte de que los costos

son iguales, las varianzas son similares.

 Ni  i2
n
1
ND 
N  Ni i2

B2 N  N
Donde, D  y el tamaño de cada estrato está dado por: ni  n i  , y wi  i
4 N N

Profesor: MSc. Odilio Ayala Rivera Página 16

 METODOLOGÍA DE LA INVESTIGACIÓN 2017

Ejemplo 13: Suponemos que tenemos una población dividida en tres estratos, con la
siguiente información: N1= 155, N2= 62, N3= 93; B = 2, las varianzas de cada estrato son
iguales a 100, y los costos de aplicar la encuesta en cada estrato tienen igual valor.
Determinar el tamaño de la muestra y asignar el tamaño de las submuestras.

▪ Método del Presupuesto Fijo:

  i2 
 Ni 
Donde, wi  
Pr e sup uesto Ci 
n y ni  nwi
 wiCi   i2 
  Ni 
 Ci 

Ejemplo 14: Se desea determinar el consumo promedio de cierto artículo, y se tiene

tres estratos con los siguientes datos: N1= 155, N2= 62, N3= 93;  12  25,  22  225,  32 
100; C1=9.00, C2=9.00, C3=16.00. Determine el tamaño de la muestra, y las submuestras,
que se necesita para estimar el consumo mensual de dicho artículo si sólo se dispone un
presupuesto de B/. 500.00.

6.3.5. DETERMINACIÓN DEL TAMAÑO DE LA MUESTRA (n) EN EL

MUESTREO ALEATORIO ESTRATIFICADO PROPORCIONAL
(MAEP), AL ESTIMAR LA PROPORCIÓN POBLACIONAL (Π):

N i2 pi qi
 w
n 2 i

N D   N i pi qi

 pi qi 
 Ni 
 Ci  B2
Donde wi  ni  nwi y D 
 pi qi  4
  Ni 
 Ci 

Ejemplo 15: Se desea estimar la proporción de hogares de una comunidad que

consume un producto determinado. Se divide la población en tres estratos y se obtienen los
siguientes datos de estudios anteriores. N1= 45, N2= 60, N3= 100; C1=5.00, C2=8.00,
C3=6.00. Determine el tamaño de la muestra, y de las submuestras, que se necesita si
queremos permitirnos un error máximo del 10% en las estimaciones.

Profesor: MSc. Odilio Ayala Rivera Página 17

 METODOLOGÍA DE LA INVESTIGACIÓN 2017

6.4. ESTIMACIONES EN EL MUESTREO ALEATORIO ESTRATIFICADO

6.4.1. Estimación de una Media Poblacional (μ).

 N i X i 
Estimador puntual de la media: X est 
N

donde: X est = Media de la muestra total, estratificada

Ni = Población del estrato i
N = Población Total
 Xi
X i = Media del estrato i, cuya fórmula es: X i 
ni

Estimación por intervalo de media poblacional (  est ):

X est  Z  ˆ X est
2

Donde: ˆ X est  ˆ X2 est

1  2  s i2  n 
ˆ X2 est  *   N i  1  i 

N 2
  ni  N i 

La varianza muestral ( si2 ), se calcula a partir de la siguiente fórmula:

1   X i 2 
s i2   i
X 2
 
ni  1  ni 

Fórmula para la Asignación o Afijación Proporcional:

n
ni    N i
N

Donde: ni = muestra del estrato i

n = muestra global

Profesor: MSc. Odilio Ayala Rivera Página 18

 METODOLOGÍA DE LA INVESTIGACIÓN 2017

Ni = Población del estrato i

N = Población Total (conocida)

6.4.2. Estimación del Total Poblacional (T).

Estimador puntual del Total: T  NX est

Estimación por intervalo del total poblacional (T):

T  Z  ˆ T
2

Donde: ˆ T  ˆ T
2
y ˆ T2  N 2ˆ X2 est

Ejemplo 16: Un mayorista del sector de la distribución de comestibles en una gran

ciudad desea saber si la demanda es lo suficientemente grande para justificar la inclusión de
un nuevo producto XYZ en sus existencias. Para tomar la decisión, planifica añadir este
producto a una muestra de los almacenes a los que abastece para estimar el promedio de las
ventas mensuales (en número de unidades). El distribuidor suministra únicamente a cuatro
grandes cadenas de la ciudad y, por conveniencia administrativa, decide utilizar muestreo
aleatorio estratificado, tomando cada cadena como un estrato. Hay 24 almacenes en el
estrato 1, 36 en el estrato 2, 30 en el estrato 3 y 30 en el estrato 4. El distribuidor decide
tomar una muestra de tamaño n = 20 almacenes y, utilizando afijación proporcional,
determina que el nuevo producto debe ser introducido en cuatro almacenes elegidos al azar
de la cadena 1, seis almacenes de la cadena 2, y cinco almacenes de cada una de las cadenas
3 y 4. Después de un mes, las ventas del producto XYZ presentan los siguientes resultados:

Estratos Ventas mensuales por almacén

1 94 90 102 110
2 91 99 93 105 111 101
3 108 96 100 93 93
4 92 110 94 91 113

A partir de estos datos, estime un intervalo de confianza de 95% para:

a. Las ventas promedio del producto XYZ para el mes (en el conjunto de las
cadenas)
b. Las ventas totales del producto XYZ para el mes.
c. Las ventas promedio del producto XYZ para el mes, en cada uno de los estratos
(cada cadena de almacenes)

Profesor: MSc. Odilio Ayala Rivera Página 19

 METODOLOGÍA DE LA INVESTIGACIÓN 2017

6.4.3. ESTIMACIÓN DE LA PROPORCIÓN POBLACIONAL (Π).

Estimador puntual de la proporción:

 N i p̂ i 
p̂ est 
N
Donde: p̂ est = Proporción a favor de la muestra global, estratificada
xi
p̂i = Proporción a favor, en el estrato i, es decir: p̂ i 
ni
xi = Número de elementos a favor

Estimación por intervalo la proporción (p):

p̂est  Z  ˆ p̂est
2

Donde: ˆ p̂est  ˆ 2p̂est

1   p̂ q̂  n 
ˆ 2pest  *   N i2  i i 1  i 
  ni  1  N i 
2
N

Ejemplo 17: Una encuesta fue llevada a cabo entre los médicos que laboran en las
Provincias Centrales (Herrera, Coclé, Veraguas y Los Santos), para conocer la proporción
de ellos que están de acuerdo con la propuesta de Reforma al Sistema de Salud. Los
resultados se presentan a continuación:

Médicos que laboran en Provincias Centrales Herrera Coclé Veraguas Los Santos
Número de Médicos (Ni) 75 100 150 75
Tamaño de muestra (ni) 20 40 80 30
Número de médicos de acuerdo con la Reforma (xi) 5 15 30 10

a. Estime un intervalo de 95% de confiabilidad para la proporción de médicos de

las provincias centrales, en su conjunto, que apoyan la propuesta de Reforma al
Sistema de Salud.
b. Estime un intervalo de 95% de confiabilidad para la proporción de médicos de
las provincias centrales, que apoyan la propuesta de Reforma al Sistema de
Salud, en cada provincia.

Profesor: MSc. Odilio Ayala Rivera Página 20

 METODOLOGÍA DE LA INVESTIGACIÓN 2017

BIBLIOGRAFÍA

▪ Hernández Sampieri, Roberto; y otros (2006). Metodología de la Investigación. 4a.

edición. México: McGraw – Hill.
▪ Pérez, César (2005). Muestreo Estadístico. Conceptos y Problemas Resueltos.
Madrid: Editorial Pearson Educación.
▪ Moya, Ligia (2002). Introducción a la Estadística de la Salud. San José, C.R.:
Editorial de la Universidad de Costa Rica.
▪ Triola, Mario (2000). Estadística Básica. 7a. edición. México: Editorial Pearson
Educación.
▪ Abad y Servín (1992). Introducción al Muestreo. 2a. edición. México: Editorial
LIMUSA
▪ Bonilla, Gildaberto (1991). Métodos Prácticos de Inferencia Estadística. México,
Editorial Trillas.
▪ Scheaffer, Mendehhall y Ott (1987). Elementos de Muestreo. México: Grupo
Editorial Iberoamérica.
▪ Daniel, Wayne. Bioestadística. 3a. edición. México: UTEHA editores.

Profesor: MSc. Odilio Ayala Rivera Página 21