1 23/10/2019 PANORAMA GENERAL DE LAS TÉCNICAS DE MUESTREO Lorena López Lozada Diplomado en herramientas estadísticas para el control de la Calidad.

Presentación del tema: "1 23/10/2019 PANORAMA GENERAL DE LAS TÉCNICAS DE MUESTREO Lorena López Lozada Diplomado en herramientas estadísticas para el control de la Calidad."— Transcripción de la presentación:

1 1 23/10/2019 PANORAMA GENERAL DE LAS TÉCNICAS DE MUESTREO Lorena López Lozada Diplomado en herramientas estadísticas para el control de la Calidad

2 23/10/2019 2 Introducción  La utilización del muestreo para aproximarse al conocimiento de la realidad es práctica habitual en el campo de la investigación científica. Sin embargo, para que sea posible, que a través de una muestra se pueda inferir hacia una población con la precisión y confiabilidad deseada, es necesario que el diseño muestral y su desarrollo se ajusten a los requerimientos que exige la teoría del muestreo.

3 23/10/2019 3 Cuando se va a seleccionar una muestra básicamente debemos de preocuparnos por dos cosas:  La solución a este problema nos indica cuál es el mínimo de elementos que se requieren para lograr un propósito específico de inferencia con una precisión y confiabilidad establecida. ¿Cuántos elementos muestrear?

4 23/10/2019 4  Este problema se resuelve con un esquema de muestreo apropiado; es decir, con un método que nos lleve a obtener una muestra de los elementos de la población bajo estudio. ¿Cómo seleccionar los elementos que componen la muestra?

5 23/10/2019 5 Los esquemas de muestreo se dividen en:  Aleatorios  No aleatorios Ambos pueden producir buenos resultados, aunque la aleatoriedad es un elemento que se valora más como científico. Razón por la que es preferible el uso de esquemas aleatorios.

6 23/10/2019 6 Censos y muestras - Resultados muy precisos - Resultados precisos - Obtención y análisis de la información en un corto periodo de tiempo - Gran duración en la obtención y análisis de la información - Organización poco compleja - Organización compleja - Pocos recursos humanos - Muchos recursos humanos - Un bajo costo - Costoso MuestraCenso En la siguiente tabla se comparan algunos aspectos relacionados a los censos y las muestras:

7 23/10/2019 7 Planeación de una encuesta La realización de una encuesta requiere de la implementación de una metodología cuidadosamente diseñada. Se recomienda siempre tomar en cuenta los siguientes aspectos para el desarrollo de una encuesta por muestreo:

8 23/10/2019 8 1. Establecimiento de objetivos 2. Definición de la población objetivo 3. Obtención del marco muestral 4. Seleccionar el diseño o esquema de muestreo 5. Determinar los métodos de medición 6. Escoger el instrumento de medición 7. Selección y adiestramiento de los investigadores de campo 8. Prueba piloto 9. Organización del trabajo de campo 10. Organización del manejo de datos 11. Análisis de datos 12. Elaborar un reporte

9 23/10/2019 9 Muestreo aleatorio simple En este esquema se supone que se tiene una población homogénea de tamaño N, lo cual es poco frecuente en problemas reales. La idea es darle a cada elemento la misma probabilidad de salir seleccionada en la muestra, lo que se garantiza a través de una rifa simple o seleccionando n números aleatorios de entre 1 a n, a partir de una tabla o con la ayuda de una calculadora. Estos números nos indicarán cuáles elementos debo elegir y observar. Para hacer esta rifa debo tener un listado de los elementos de la población de muestro que se denomina marco.

10 23/10/2019 10... 2 Población finita de tamaño N Selección aleatoria simple Muestra aleatoria simple de tamaño n 1 3 4 5 6 7 N-1 N-2 N-4 N-5 N-6 N 1 2 3 4 5 6 n 8 N-3... Esquema de un muestreo aleatorio simple

11 23/10/2019 11 Muestreo aleatorio estratificado En los problemas reales es más frecuente tener una población estratificada; es decir, una población de muestreo compuesta por varios grupos bien identificados, a los que se les llama estratos. Los individuos pertenecen a uno y solamente uno de los estratos. Para seleccionar una muestra estratificada de tamaño, procedemos de la siguiente manera.

12 23/10/2019 12 Sea N=N 1 +N 2 +...+N L. Donde N h = número de elementos o unidades en el estrato h -ésimo. Determinamos n y lo distribuimos en los L estratos, por ejemplo usando asignación proporcional; es decir: n NNn h h  Una vez determinado n h se procede a realizar un muestreo aleatorio simple en cada estrato.

13 23/10/2019 13 Población finita de tamaño 1 2 3 n1n1... n2n2 1 2 3 4 1 2 3 nLnL Estrato 1 Estrato 2 N1 N2... Estrato l NLNLNLNL Muestra aleatoria simple simple Muestra aleatoria estratificada de tamaño Muestra aleatoria estratificada de tamaño N NLNLNLNLN N  ...2 1 9 8 1 2 3 4 5 6 7... N2 4 1 2 3 4 5 6 7... N 1 2 3 5 6 7 8 NLNL L nnn  ... 21 Muestra aleatoria simple simple Muestra aleatoria simple simple n = Esquema de un muestreo aleatorio estratificado

14 23/10/2019 14 Muestreo por conglomerados A veces es muy costos obtener un marco de unidades elementales, pero éstas aparecen naturalmente agrupadas en pequeños grupos llamados conglomerados. Si podemos obtener un listado de conglomerados. Sea 1, 2,... M el marco de conglomerados. Nosotros podemos seleccionar una muestra de unidades básicas en dos etapas:

15 23/10/2019 15 1.Primero seleccionamos una muestra de m conglomerados usando muestreo aleatorio simple. 2. De cada conglomerado seleccionado obtenemos un marco de las N i unidades i =1,2,..., m 3. Seleccionamos una muestra aleatoria de tamaño n i, i =1,2,..., m de cada uno de los conglomerados. Así la muestra total será de tamaño n=n 1 +n 2 +...n m. La forma de determinar n i para cada conglomerado puede ser hecha por separado o bien determinar n y después distribuirla sobre los m conglomerados.

16 23/10/2019 16 Esquema de un muestreo por conglomerados en dos etapas 1 2 3 4 5 6... M 1 2 3 m Muestra aleatoria simple de m conglomerados n1n1... n3n3 n2n2 nmnm Muestra aleatoria simple de elementos en cada conglomerado seleccionado en la primera etapa Población finita de M conglomerados

17 23/10/2019 17 Muestreo sistemático Algunas poblaciones aparecen ordenadas físicamente, en filas, gavetas, etc., o bien en el tiempo. Una manera de aprovechar el orden para elegir una muestra es haciendo una selección sistemática. Para esto el total N de la población debe dividirse en n grupos cada uno de tamaño k ; así N = nk.

18 23/10/2019 18 Entonces de los primero k elementos seleccionamos uno aleatoriamente. El resto de los elementos de la muestra se obtiene sistemáticamente tomado siempre el elemento j+ik donde j es el lugar elegido entre los primeros k e i =1,2,...( n-1 ). Esto es j, J + k, J +2 k, J +3 k,... Si la población tiene un comportamiento cíclico la muestra puede ser poco representativa.

19 23/10/2019 19 Esquema de un muestreo sistemático GRUPO 1 GRUPO 2 GRUPO k... Muestra sistemática de tamaño n Población ordenada de tamaño N=nk j J+k... J+(n-1)k

20 23/10/2019 20 Otros esquemas aleatorios En la práctica resulta, con mucha frecuencia, necesario combinar varios esquemas. Así podríamos tener un muestreo estratificado y por conglomerados, que en la segunda etapa utilice el procedimiento sistemático. En general las características de la población y el problema bajo estudio nos darán los elementos que nos permitan confeccionar nuestro plan de la forma más adecuada.

21 23/10/2019 21 Muestras no aleatorias Las muestras aleatorias no necesariamente son más representativas. Incluso una muestra aleatoria puede ser muy mala. Las muestras aleatorias únicamente garantizan, que en promedio, obtendremos muestras con pocos sesgos de elección propiciados por las preferencias del que esta eligiendo.

22 23/10/2019 22 En la medida en la que tengamos conocimiento de la población podemos, con métodos no aleatorios, seleccionar muestras adecuadas y bastante representativas.

23 23/10/2019 23 Si hay un experto de la población bajo estudio, podría proponer una muestra “a juicio” que garantice representatividad. Esta muestra no necesita ser muy grande para proporcionar información de buena calidad. Dado que esta muestra proviene del buen juicio de un experto podría ser cuestionada, pero la experiencia es garantía en muchas situaciones.

24 23/10/2019 24 Otra forma de construir una muestra es a través de cuotas, estas establecidas en términos de algunas variables que definen representatividad. Estas cuotas se les establecen a los trabajadores de campo y encuestadores y ellos arbitrariamente eligen a las unidades específicas que pertenecerán a la muestra. Otro es a conveniencia, esto por la consideración de complejidad.

25 23/10/2019 25 Tamaño de muestra Los factores más importantes que deben tomarse en cuenta para la determinación del tamaño de muestra son: 1. La variabilidad de la característica de interés en los elementos de la población. 2. El tamaño de la población bajo estudio. 3. El nivel de precisión que se desea para estimar el parámetro de interés. 4. El nivel de confiabilidad deseado.

26 23/10/2019 26 Una manera simple de determinar el tamaño de muestra es cuando se puede fijar el interés en una sola variable y el objetivo de inferencia es estimar por intervalo una media, un total o una proporción. Así el tamaño de muestra se obtendría usando alguna de las siguientes fórmulas:

27 23/10/2019 27 2222/ B Z n    2 2 2/ 2 2 )1(      Z B N N n 2/ Z : Es Un valor de tablas que determina un nivel de confianza (90%, Z = 1.65, 95%, Z = 1.96, 99%, Z = 2.34). 2  : Varianza poblacional. : Varianza poblacional. B : Es la precisión con la que se desea obtener la estimación (Error). N : Tamaño de la población bajo estudio. N : Tamaño de la población bajo estudio. Media poblacional:  Estimador: x –

28 23/10/2019 28 2 222 2/ B NZ n  2 22 2/ 2 2 )1(      NZ B N N n Total poblacional:  Estimador:  = NX ˆ

29 23/10/2019 29 222/ B pqZ n   pq NZ B N Npq n   22 2/ 2 )1(  pq : Proporción de elementos que presentan la característica de interés en la población. : Proporción de elementos que no presentan la característica de interés en la población. Proporción poblacional: p Estimador: p ˆ