UNIVERSIDAD METROPOLITANA DE EDUCACION, CIENCIA Y TECNOLOGIA

FACULTAD DE CINCIAS DE LA SALUD

LICENCIATURA EN RADIOLOGIA E IMÁGENES MEDICAS.

TEMA:

INVESTIGACIÓN #4 MÉTODOS DE MUESTREO Y TEOREMA DE LIMITE

CENTRAL

ELABORADO POR:

ACEVEDO ALEXANDRA 8-1021-2360

FLORES LINETH 8-1024-100

GONZALEZ DORLING 6-725-1916

ASIGNATURA:

ESTADÍSTICA

FACILITADOR:

EDUARDO NAVALO

FECHA DE ENTREGA:

LUNES, 9 DE DICIEMBRE DE 2024

pág. 1
INTRODUCCIÓN

A lo largo de la historia, numerosos científicos han realizado aportes

fundamentales al desarrollo de la estadística, transformando esta disciplina en una
herramienta clave para el avance del conocimiento en diversas áreas. Desde el
análisis de datos en medicina y biología hasta su aplicación en las ciencias
sociales, la estadística ha permitido cuantificar fenómenos complejos y sacar
conclusiones valiosas. Entre los pioneros se encuentran figuras como Florence
Nightingale, que aplicó métodos estadísticos para mejorar las prácticas de salud
pública, y Karl Pearson, uno de los padres de la estadística moderna, que
desarrolló conceptos cruciales como el coeficiente de correlación. Estos
científicos, junto con muchos otros, han contribuido al diseño de métodos que son
esenciales en la investigación científica actual, ayudando a resolver problemas y
tomar decisiones informadas basadas en evidencia cuantitativa.

Índice

pág. 2
INTRODUCCIÓN.........................................................................................2
MÉTODOS DE MUESTREO..........................................................................4
¿CUÁLES SON LOS MÉTODOS DE MUESTREO?......................................4
1.1. Tipos de muestreo no probabilístico................................................4
1.2. Tipos de muestreo probabilístico....................................................5
2. ¿CUÁLES SON LAS RAZONES PARA MUESTREAR?...........................7
3. ¿CÓMO VARÍAN LAS ESTIMACIONES DE PARÁMETROS
POBLACIONALES CUANDO SE UTILIZA EL MUESTREO ALEATORIO
SIMPLE FRENTE AL MUESTREO ESTRATIFICADO EN DIFERENTES
ESCENARIOS?.....................................................................................7
4. ¿CÓMO EL TAMAÑO DE LA MUESTRA INFLUYE EN LA PRECISIÓN DE
LAS ESTIMACIONES AL UTILIZAR EL MUESTREO SISTEMÁTICO EN
POBLACIONES GRANDES?......................................................................8
5. ¿CÓMO EL MUESTREO POR CONGLOMERADOS PUEDE SER
UTILIZADO EN ESTUDIOS DE SALUD PÚBLICA PARA OBTENER DATOS
REPRESENTATIVOS CON COSTOS REDUCIDOS?....................................8

1. MÉTODOS DE MUESTREO
1.1. ¿CUÁLES SON LOS MÉTODOS DE MUESTREO?
Tipos de muestreo no probabilístico

pág. 3
 Es una técnica de muestreo donde las muestras se recogen por medio
de un proceso que no les brinda a todos los individuos de la población
las mismas oportunidades de ser seleccionados. Existen 4 tipos de
muestreo que puedes crear de esta manera:
 Muestreo por conveniencia: es el que se basa en los sujetos
disponibles, como detener a las personas en la esquina de la calle
mientras pasan por ahí, es un método de muestreo, aunque es
extremadamente riesgoso y debe realizarse con cautela, este método,
también conocido como un método basado en los sujetos disponibles,
no le permite al investigador tener control sobre la representatividad de
la muestra. Por ejemplo, en una encuesta rápida sobre satisfacción del
cliente, una empresa puede seleccionar a los primeros 50 clientes que
ingresan a su tienda en un día específico.
 Muestreo deliberado, crítico o por juicio: Este tipo de muestreo es
más efectivo en situaciones en las que sólo hay un número restringido
de personas que poseen cualidades que un investigador espera de la
población objetivo. Los investigadores prefieren implementar el
muestreo deliberado, crítico o por juicio cuando sienten que otras
técnicas de muestreo consumirán más tiempo y confían en su
conocimiento para seleccionar una muestra para llevar a cabo la
investigación. Por ejemplo, en situaciones en las que un investigador
lleva a cabo un muestreo por conveniencia para recolectar
retroalimentación de los profesores sobre su universidad, pero el hecho
de que hay altas probabilidades de que los resultados sean sesgados,
los investigadores prefieren un muestreo deliberado, crítico o por juicio
para seleccionar a aquellos profesores que proporcionarán 100% de
retroalimentación sobre la universidad.
 Muestreo Bola de Nieve: Una muestra de bola de nieve es aquella en
la que el investigador recopila datos sobre los pocos miembros de la
población objetivo que puede localizar, y luego les pide que le

pág. 4
 proporcionen la información necesaria para localizar a otros miembros
que conozcan de esa población.
Por ejemplo, si un investigador quiere entrevistar a inmigrantes
indocumentados de México, podría entrevistar a algunos
indocumentados que conozca o pueda localizar, y luego dependerá de
esos sujetos para que lo ayuden a localizar a más individuos
indocumentados.
 Muestreo por Cuotas: es aquel en la que las unidades son
seleccionadas en una muestra partiendo de las características
predeterminadas, de modo que la muestra total tenga la misma
distribución de características que se supone que existen en la
población que está siendo estudiada.
Por ejemplo, si eres un investigador que está realizando una muestra
por cuota nacional, podrías necesitar saber qué proporción de la
población es masculina y qué proporción es femenina. Así como
también qué proporciones de los miembros de cada género pertenecen
a las diferentes categorías de edad, raza o étnicas, educativas, entre
otras. Después, el investigador recogería una muestra con las mismas
proporciones que la población nacional.

Tipos de muestreo probabilístico

Es una técnica en la cual las muestras son recogidas mediante un

proceso que le brinda a todos los individuos de la población la misma
oportunidad de ser seleccionados.
Existen 4 tipos de muestreo que puedes crear de esta manera:
 Muestreo aleatorio simple: es el método de muestreo básico utilizado
en métodos estadísticos y cálculos. Para recopilar una muestra aleatoria
simple, a cada unidad de la población objetivo se le asigna un número.
Luego se genera un conjunto de números aleatorios y las unidades que
tienen esos números son incluidas en la muestra.

pág. 5
 Por ejemplo, supongamos que tienes una población de 1,000 personas
y quieres seleccionar una muestra aleatoria simple de 50 personas.
Primero, cada persona está numerada del 1 al 1,000. Luego, generas
una lista de 50 números aleatorios, generalmente con un programa
informático, y los individuos que tienen asignados estos números son los
que vas a incluir en la muestra.
 Muestreo sistemático: es una técnica donde se seleccionan elementos
de una población a intervalos constantes, después de determinar un
punto de inicio aleatorio. Este método es conocido por su simplicidad y
eficacia en la recolección de datos. Por ejemplo, Si una empresa desea
realizar una encuesta de satisfacción del cliente entre sus 10,000
clientes, puede decidir seleccionar una muestra de 1,000 clientes. Si
divide 10,000 entre 1,000, obtiene un intervalo de muestreo de 10.
Después de seleccionar un punto de inicio al azar (digamos, el cliente
número 5), seleccionará cada décimo cliente (es decir, el cliente 5, 15,
25, y así sucesivamente).
 Muestreo estratificado: es una técnica de muestreo en la que el
investigador divide a toda la población objetivo en diferentes subgrupos
o estratos, y luego selecciona aleatoriamente a los sujetos finales de los
diferentes estratos de forma proporcional. Este tipo de muestreo se
utiliza cuando el investigador quiere resaltar subgrupos específicos
dentro de una población.
Por ejemplo, para obtener una muestra estratificada de estudiantes
universitarios, el investigador primero tendría que organizar a la
población por grado universitario y luego seleccionar el número
adecuado de estudiantes de primer, segundo, tercer y último año. Esto
aseguraría que el investigador tenga cantidades adecuadas de sujetos
de cada grado en la muestra final.
 Muestreo por conglomerados: puede ser utilizado cuando es
imposible o impráctico elaborar una lista exhaustiva de los elementos
que constituyen a la población objetivo. Sin embargo, generalmente los

pág. 6
 elementos de la población ya están agrupados en subpoblaciones y las
listas de esas subpoblaciones ya existen o pueden ser creadas. Por
ejemplo, supongamos que la población objetivo de un estudio eran los
miembros de iglesias en Guatemala. No existe una lista de los miembros
de las iglesias en el país.
Sin embargo, el investigador podría elaborar una lista de iglesias
ubicadas en Guatemala, seleccionar una muestra de iglesias y luego
conseguir listas de los miembros de esas iglesias.

1.2. ¿CUÁLES SON LAS RAZONES PARA MUESTREAR?

El muestreo es una técnica de investigación estadística que se utiliza para obtener
información de una población a partir de una muestra representativa de la misma.
El muestreo es útil por las siguientes razones:
 Permite realizar estudios en menos tiempo.
 Reduce los gastos.
 Permite profundizar en el análisis de las variables.
 Es una herramienta fundamental en disciplinas como la demografía, la
biología o la política.
 Es útil cuando no es posible estudiar a cada uno de los individuos de
una población.
 Permite obtener información fiable de la población.

1.3. ¿CÓMO VARÍAN LAS ESTIMACIONES DE PARÁMETROS

POBLACIONALES CUANDO SE UTILIZA EL MUESTREO
ALEATORIO SIMPLE FRENTE AL MUESTREO
ESTRATIFICADO EN DIFERENTES ESCENARIOS?
Las estimaciones de parámetros poblacionales varían cuando se utiliza muestreo
aleatorio simple frente al muestreo estratificado porque el muestreo estratificado
es más representativo de la población:
 Muestreo aleatorio simple: Cada individuo de la población tiene la
misma probabilidad de ser seleccionado. Este método es útil para hacer
generalizaciones válidas sobre la población.
 Muestreo estratificado: Se divide la población en grupos más
pequeños, llamados estratos, en función de características compartidas.
Esto permite asegurar que los elementos de cada estrato están
representados en la muestra. El muestreo estratificado es más
beneficioso cuando las subpoblaciones son dispares.

pág. 7
1.4. ¿CÓMO EL TAMAÑO DE LA MUESTRA INFLUYE EN LA
PRECISIÓN DE LAS ESTIMACIONES AL UTILIZAR EL
MUESTREO SISTEMÁTICO EN POBLACIONES GRANDES?
El tamaño de la muestra es un factor que influye directamente en la precisión de
las estimaciones, ya que las muestras más grandes suelen dar resultados más
precisos. Esto se debe a que un mayor tamaño de muestra acerca el estudio al
tamaño real de la población. La precisión es lo opuesto al margen de error, por lo
que cuanto menor sea el margen de error, mayor será la precisión. Sin embargo,
una estimación más precisa requiere un tamaño de muestra mayor.
Otros factores que determinan el tamaño de la muestra son: La distribución de la
población, El nivel de confianza, La varianza poblacional, El sesgo, El error
muestral.
1.5. ¿CÓMO EL MUESTREO POR CONGLOMERADOS PUEDE
SER UTILIZADO EN ESTUDIOS DE SALUD PÚBLICA PARA
OBTENER DATOS REPRESENTATIVOS CON COSTOS
REDUCIDOS?
El muestreo por conglomerados es una técnica que puede ser utilizada en
estudios de salud pública para obtener datos representativos a un costo reducido,
ya que permite estudiar poblaciones grandes y dispersas.
El muestreo por conglomerados se realiza de la siguiente manera:
 Se define el público objetivo y el tamaño de la muestra.
 Se crea un marco de muestreo, ya sea utilizando uno existente o
creando uno nuevo.
 Se evalúa el marco de muestreo en función de la cobertura y la
agrupación.
 Se determinan los grupos y se incluye una cantidad promedio de
miembros en cada uno.
 Se eligen los grupos al azar.
 Se seleccionan los miembros de la muestra de manera individual.

1.6. EFICIENCIA Y PRECISIÓN DEL MUESTREO ADAPTATIVO EN

LA ESTIMACIÓN DE PROPORCIONES DE EVENTOS RAROS
EN UNA POBLACIÓN.
El muestreo adaptativo es una estrategia eficaz para estimar proporciones de
eventos raros en una población debido a su capacidad para concentrarse en áreas

pág. 8
o subpoblaciones con mayor probabilidad de ocurrencia de dichos eventos. A
diferencia de métodos de muestreo aleatorio simple, que pueden requerir un gran
tamaño de muestra para capturar eventos raros, el muestreo adaptativo ajusta la
selección de unidades muestrales en función de la información obtenida durante el
proceso de muestreo, lo que permite optimizar recursos y reducir costos. Este
enfoque mejora la precisión de la estimación al aumentar la probabilidad de incluir
unidades relevantes, aunque puede introducir sesgos si no se controla
adecuadamente. Para abordar este desafío, se implementan técnicas de
ponderación y ajuste que garantizan una representación precisa de las
proporciones, logrando así una evaluación más fiable de eventos raros en una
población.

1.7. DIFERENCIAS EN LOS RESULTADOS DE ENCUESTAS

SOCIALES CUANDO SE UTILIZAN MÉTODOS DE MUESTREO
NO PROBABILÍSTICOS, COMO EL MUESTREO POR
CONVENIENCIA, FRENTE A MÉTODOS PROBABILÍSTICOS.
Los métodos de muestreo probabilísticos, en comparación con el muestreo por
conveniencia, generan resultados más representativos y confiables en encuestas
sociales, pues garantizan una selección aleatoria que minimiza el sesgo y permite
realizar inferencias estadísticas precisas, como intervalos de confianza y pruebas
de significancia. En cambio, el muestreo por conveniencia, aunque es más rápido
y económico, suele producir resultados sesgados y menos exactos al no asegurar
una probabilidad de selección igual para todos los miembros de la población,
limitando su validez y capacidad para generalizar conclusiones. Por tanto, aunque
el muestreo por conveniencia puede ser útil en estudios exploratorios, los métodos
probabilísticos son preferibles cuando la precisión y representatividad son
prioritarias.

2. TEOREMA DE LÍMITE CENTRAL

pág. 9