Introducción
El muestreo es una herramienta fundamental en estadística que permite estudiar poblaciones grandes mediante la selección de subconjuntos representativos. Su importancia radica en la eficiencia: ¿por qué analizar millones de datos cuando una muestra bien elegida puede ofrecer resultados confiables? En este artículo exploraremos los métodos más utilizados, sus fundamentos matemáticos y aplicaciones reales, como en encuestas políticas o control de calidad industrial. Si deseas profundizar en conceptos básicos, revisa nuestro artículo sobre Introducción a la Estadística.
1. Muestreo Aleatorio Simple
En este método, cada elemento de la población tiene igual probabilidad de ser seleccionado. La fórmula para calcular la probabilidad es:
$$P(\text{seleccionar un elemento}) = \frac{1}{N}$$ donde $N$ es el tamaño de la población.
Ejemplo: Para una población de 1000 estudiantes, la probabilidad de seleccionar uno cualquiera es $1/1000$.
2. Muestreo Estratificado
Divide la población en estratos homogéneos y luego muestrea dentro de cada uno. La asignación puede ser proporcional:
$$n_h = n \times \frac{N_h}{N}$$ donde $n_h$ es el tamaño del estrato $h$, $n$ el tamaño total de la muestra, y $N_h$ el tamaño del estrato en la población.
Ejemplo: En una empresa con 200 empleados (120 hombres y 80 mujeres), una muestra de 50 se distribuiría como 30 hombres y 20 mujeres.
3. Teoremas Fundamentales
Teorema 1: Ley de los Grandes Números
Para una muestra aleatoria $X_1, X_2, …, X_n$ con media $\mu$, la media muestral $\bar{X}$ converge en probabilidad a $\mu$ cuando $n \to \infty$.
Demostración: Por la desigualdad de Chebyshev, $P(|\bar{X} – \mu| \geq \epsilon) \leq \frac{\sigma^2}{n\epsilon^2} \to 0$.
Teorema 2: Error Estándar de la Media
El error estándar de $\bar{X}$ es $\sigma_{\bar{X}} = \frac{\sigma}{\sqrt{n}}$ para población infinita.
Demostración: $\text{Var}(\bar{X}) = \text{Var}\left(\frac{1}{n}\sum X_i\right) = \frac{\sigma^2}{n}$.
4. Ejercicios Resueltos
Ejercicio 1
Calcula el tamaño de muestra necesario para estimar la media poblacional con un error máximo de 2 unidades y confianza del 95% ($\sigma = 10$).
Solución: Usamos $n = \left(\frac{z_{\alpha/2} \cdot \sigma}{E}\right)^2 = \left(\frac{1.96 \times 10}{2}\right)^2 = 96.04 \approx 97$.
Ejercicio 2
En un muestreo estratificado con tres estratos de tamaños 200, 300 y 500, ¿cómo se distribuye una muestra de 100?
Solución: $n_1 = 100 \times \frac{200}{1000} = 20$, $n_2 = 30$, $n_3 = 50$.
5. Aplicaciones Prácticas
- Encuestas electorales: Muestreo por conglomerados para predecir resultados.
- Control de calidad: Muestreo sistemático en líneas de producción.
- Investigación médica: Muestreo aleatorio en ensayos clínicos.
Para técnicas avanzadas, consulta nuestro artículo sobre Análisis Estadístico Avanzado.
Conclusión
Los métodos de muestreo son esenciales para extraer información confiable de grandes poblaciones. Desde el aleatorio simple hasta técnicas estratificadas, cada método tiene ventajas según el contexto. Los teoremas presentados garantizan propiedades estadísticas clave, mientras que las aplicaciones demuestran su utilidad en campos diversos. Dominar estos conceptos permite tomar decisiones basadas en datos con mayor precisión.
«`