Muestreo estratificado: afijación simple o uniforme

▶ Reproducir en la pizarra
1

Concepto y principios del muestreo estratificado

El muestreo aleatorio estratificado se utiliza cuando la población estadística se divide de forma natural en subpoblaciones o grupos internamente homogéneos respecto a la variable estudiada pero heterogéneos entre sí, denominados estratos (como tramos de edad, ramas de actividad económica, género o nivel de renta):

$$N = N_1 + N_2 + \dots + N_k = \sum_{i=1}^k N_i$$

El reparto del tamaño muestral global \(n\) entre los \(k\) estratos (\(n = n_1 + n_2 + \dots + n_k\)) se denomina afijación.

2

Afijación simple o uniforme

La afijación simple (o uniforme) consiste en asignar exactamente el mismo número de observaciones muestrales a cada uno de los estratos, con total independencia del tamaño poblacional de cada uno de ellos:

$$n_i = \frac{n}{k} \quad (\forall i = 1, 2, \dots, k)$$

donde \(n\) es el tamaño muestral total y \(k\) es el número de estratos.

3

Ámbitos de aplicación y limitaciones de la afijación simple

- Aplicación indicada: Se recomienda cuando el objetivo primordial del estudio es comparar los resultados entre estratos con la misma precisión estadística en cada uno de ellos, o cuando los estratos poseen tamaños poblacionales semejantes.

- Limitación principal: Provoca una sobre-representación de los estratos pequeños y una sub-representación de los estratos mayoritarios en la muestra global, por lo que la media muestral directa no es un estimador insesgado sin ponderar.

Ejemplo 1: Reparto de muestra con afijación simple en cuatro facultades universitarias
Explicación

Calculamos la cuota muestral por estrato aplicando el criterio de afijación uniforme.

Una universidad con 16000 estudiantes matriculados distribuidos en 4 facultades desea realizar una encuesta de satisfacción a una muestra total de 200 estudiantes (\(n = 200\)) mediante muestreo estratificado con afijación simple. Determinar cuántos estudiantes deben seleccionarse de cada facultad.

PASO 1

Identificamos el número total de estratos (\(k = 4\)) y el tamaño de la muestra (\(n = 200\)).

PASO 2

Aplicamos la fórmula de afijación simple dividiendo el tamaño muestral entre el número de estratos:

$$n_i = \frac{n}{k} = \frac{200}{4} = 50 \text{ estudiantes}$$
PASO 3

Asignamos las cuotas individuales:

Facultad 1:

$$n_1 = 50$$

Facultad 2:

$$n_2 = 50$$

Facultad 3:

$$n_3 = 50$$

Facultad 4:

$$n_4 = 50$$

Comprobación:

$$50 + 50 + 50 + 50 = 200$$
Conclusión

Se deben seleccionar exactamente 50 estudiantes de cada una de las cuatro facultades.

Ejemplo 2: Afijación simple con número decimal y ajuste de redondeo
Explicación

Ajustamos el reparto uniforme cuando el cociente no es un número entero exacto.

Se desea seleccionar una muestra de 100 personas en una región dividida en 3 provincias mediante afijación simple. Determinar el reparto muestral.

PASO 1

Calculamos el cociente exacto:

$$n_i = \frac{n}{k} = \frac{100}{3} = 33,333$$
PASO 2

Asignamos el entero base 33 a cada provincia (\(33 \cdot 3 = 99\)), restando una unidad para completar los 100.

PASO 3

Asignamos la unidad restante a una de las provincias (habitualmente la mayor o por sorteo):

Provincia A:

$$n_1 = 34$$

Provincia B:

$$n_2 = 33$$

Provincia C:

$$n_3 = 33$$

Comprobación:

$$34 + 33 + 33 = 100$$
Conclusión

La muestra se compone de 34 individuos en una provincia y 33 en las dos restantes.

Ejemplo 3: Estimación de la media poblacional ponderada en afijación simple
Explicación

Calculamos la media global ponderada a partir de las medias muestrales obtenidas en afijación simple.

En una empresa con dos plantas, P1 (800 trabajadores, \(w_1 = 0,80\)) y P2 (200 trabajadores, \(w_2 = 0,20\)), se realiza un muestreo de afijación simple con 50 empleados por planta (\(n_1 = 50, n_2 = 50\)). La media de absentismo observada es de 4 días en P1 (\(\bar{x}_1 = 4\)) y de 8 días en P2 (\(\bar{x}_2 = 8\)). Calcular la media global estimada del absentismo.

PASO 1

Constatamos que la media aritmética simple de las muestras (\(\frac{4 + 8}{2} = 6 \text{ días}\)) sería errónea porque no refleja el peso poblacional real de cada planta.

PASO 2

Aplicamos la media estratificada ponderada por los pesos poblacionales (\(w_i = \frac{N_i}{N}\)):

$$\bar{X}_{\text{est}} = w_1 \bar{x}_1 + w_2 \bar{x}_2 = 0,80(4) + 0,20(8)$$
$$\bar{X}_{\text{est}} = 3,2 + 1,6 = 4,8 \text{ días}$$
Conclusión

La media poblacional estimada de absentismo es de 4,8 días al año, sensiblemente inferior a los 6 días del promedio no ponderado debido al gran peso de la planta 1.

Ejemplo 4: Fracciones de muestreo dispares en afijación simple
Explicación

Calculamos y comparamos la probabilidad de selección en cada estrato bajo afijación simple.

En una asociación con dos

secciones, A (500 socios) y B (100 socios), se seleccionan 20 socios de cada sección (\(n_A = 20, n_B = 20\)). Calcular y comparar las fracciones de muestreo de ambos estratos.

PASO 1

Calculamos la fracción de muestreo en la

sección A:

$$f_A = \frac{n_A}{N_A} = \frac{20}{500} = 0,04 \quad (4\%)$$
PASO 2

Calculamos la fracción de muestreo en la

sección B:

$$f_B = \frac{n_B}{N_B} = \frac{20}{100} = 0,20 \quad (20\%)$$
Conclusión

La fracción de muestreo en la

sección B (20 por ciento) es cinco veces mayor que en la

sección A (4 por ciento), lo que demuestra la sobre-representación de estratos minoritarios en afijación simple.

Ejemplo 5: Afijación simple aplicada a un estudio clínico multicéntrico
Explicación

Justificamos el uso de la afijación simple en investigación biomédica de comparación de hospitales.

Un ensayo clínico evalúa la eficacia de un tratamiento en 5 hospitales con distinta presión asistencial. Se fija una muestra total de 150 pacientes con afijación simple (\(n_i = 30\)). Justificar por qué la afijación simple es la idónea en este diseño experimental.

PASO 1

El objetivo clínico es contrastar si los resultados del tratamiento varían entre los 5 centros hospitalarios.

PASO 2

Para que la potencia estadística de los contrastes de hipótesis sea comparable entre hospitales, cada grupo de tratamiento debe contar con el mismo tamaño muestral (\(n_i = 30\)).

Conclusión

La afijación simple garantiza idéntico poder estadístico en cada hospital individual, siendo el diseño idóneo para estudios comparativos independientes.