sábado, 23 de abril de 2011

CONVERTIR TANTO POR CIENTO A DECIMALES Y VICEVERSA


Se debe recordar siempre que un por ciento significa un centésimo. Lo dice la palabra misma: por ciento es por cien, se está comparando con cien: si 15% de la populación son ancianos, significa que 15 personas de cada cien son ancianos.

1% es un centésimo ó 0.01
4% es cuatro centésimos ó 0.04
12% es doce centésimos ó 0.12
89% es 89 centésimos ó 0.89
100% es cien centésimos ó 1
145% es 145 centésimos ó 1.45



Convertir un número decimal en tanto por ciento
 Si tiene un número decimal, sólo se observa cuántos centésimos tiene.
Por eso se debe entender que la primera cifra decimal después del punto significa los décimos, y la
segunda cifra después del punto significa las centésimos.
0.08 tiene 8 centésimos o 8%


0.2 no tiene dos cifras decimales; entonces pongamos un cero en la segunda cifra decimal:
0.2 es igual a 0.20.
entonces tiene 20 centésimos o 20%.
1.1 también pongamos un cero en la segunda cifra decimal y es 1.10
Es más de uno; tiene más de 100 centésimos;
1.10 tiene 110 centésimos; y es 110%.

0.495 tiene tres cifras decimales. Cuando se convierte a tanto por ciento, el
porcentaje tendrá un punto decimal.
0.495 tiene 49 centésimos;
y un medio centésimo además.
Por eso 0.495 es 49 1/2 % o normalmente escribimos 49.5%

0.3829 es 38.29%
1.078 es 107.8%

NOTACIÓN CIENTÍFICA

La notación científica (o notación índice estándar) es un modo conciso de representar un número utilizando potencias de base diez. Los números se escriben como un producto: a · 10k, (siendo a un número mayor o igual que 1 y menor que 10, y k un número entero). Esta notación se utiliza para poder expresar fácilmente números muy grandes. 0 = 1 1 = 10 2 = 100 3 = 1 000 4 = 10 000 5 = 100 000 6 = 1 000 000 9 = 1 000 000 000 10 = 10 000 000 000 20 = 100 000 000 000 000 000 000 30 = 1 000 000 000 000 000 000 000 000 000 000
La notación científica utiliza un sistema llamado coma flotante, o de punto flotante en países de habla inglesa y en algunos hispanohablantes.
Escritura
10
10
10
10
10
10
10
10
10
10
10
 –n es igual a 1/10n o equivalentemente a 0, (n–1 ceros) 1: –1 = 1/10 = 0,1 –3 = 1/1000 = 0,001 –9 = 1/1 000 000 000 = 0,000 000 001
10 elevado a una potencia entera negativa
10
10
10
 29, y un número pequeño como 0,000 000 000 023 4 puede ser escrito como 2,34·10–11.
Por tanto, un número como: 156 234 000 000 000 000 000 000 000 000 puede ser escrito como 1,56234·10

 Usos Por ejemplo, la distancia a los confines observables del universo es ~4,6·10
 Operaciones matemáticas con notación científica

Suma y resta
Siempre que las potencias de 10 sean las mismas, se debe sumar las mantisas, dejando la potencia de 10 con el mismo grado (en caso de que no tengan el mismo exponente, debe convertirse la mantisa multiplicándola o dividiéndola por 10 tantas veces como sea necesario para obtener el mismo exponente).
Ejemplo:
2·10
4 + 3·104 = 5·104 Para sumar y restar dos números (o más) debemos tener el mismo exponente en las potencias de base diez. Tomamos como factor común el mayor y movemos la coma flotante, en los menores, tantos espacios como sea necesario, elevando los correspondientes exponentes hasta que todos sean iguales.
Ejemplo:
2·10
0.2·10
4 + 3·105 - 6·103 (tomamos el exponente 5 como referencia) 5 + 3·105 - 0.06·105 3.14·10

 Multiplicación Se multiplican los coeficientes y se suman a la vez los exponentes.
Ejemplo:
(4·10

 División Se dividen las mantisas y se restan los exponentes (numerador-denominador).
Ejemplo:
(4·10
12)/ (2·105) =2·107 Además se pueden pasar los dos números al mismo exponente y luego nada más multiplicar.
Potenciación Se potencia la mantisa y se multiplican los exponentes.
Ejemplo:
(3·10
6)2 = 9·1012 Radicación
Se debe extraer la raíz de la mantisa y dividir el exponente por el índice de la raíz:
Ejemplos:

5)· (2·107) = 8·1012
5

La notación científica es altamente útil para anotar cantidades físicas, pues pueden ser medidas solamente dentro de ciertos límites de error y al anotar sólo los dígitos significativos se da toda la información requerida sin malgastar espacio.


Para expresar un número en notación científica debe expresarse en forma tal que contenga un dígito (el más significativo) en el lugar de las unidades, todos los demás dígitos irán entonces después del separador decimal multiplicado por el exponente de 10 respectivo.
Ejemplo:
238294360000 = 2,3829436E11 y 0,000312459 = 3,12459E-4.

26m y la masa de un protón es ~1,67·10-27 kilogramos. La mayoría de las calculadoras y muchos programas de computadora presentan resultados muy grandes y muy pequeños en notación científica; los números 10 generalmente se omiten y se utiliza la letra E para el exponente; por ejemplo: 1,56234 E29. Nótese que esto no está relacionado con la base del logaritmo natural también denotado comúnmente con la letra e.

DEFINICIÓN Y OBJETO DE LA ESTADÍSTICA

Historia de la Estadística Los comienzos de la estadística pueden ser hallados en el antiguo Egipto, cuyos faraones lograron recopilar, hacia el año 3050 antes de Cristo, prolijos datos relativos a la población y la riqueza del país. De acuerdo al historiador griego Heródoto, dicho registro de riqueza y población se hizo con el objetivo de preparar la construcción de las pirámides.
En el mismo Egipto, Ramsés II hizo un censo de las tierras con el objeto de verificar un nuevo reparto.


En el antiguo Israel la Biblia da referencias, en el libro de los Números, de los datos estadísticos obtenidos en dos recuentos de la población hebrea.
El rey David por otra parte, ordenó a Joab, general del ejército hacer un censo de Israel con la finalidad de conocer el número de la población.

También los chinos efectuaron censos hace más de cuarenta siglos. Los griegos efectuaron censos periódicamente con fines tributarios, sociales (división de tierras) y militares (cálculo de recursos y hombres disponibles). La investigación histórica revela que se realizaron 69 censos para calcular los impuestos, determinar los derechos de voto y ponderar la potencia guerrera.

Pero fueron los romanos, maestros de la organización política, quienes mejor supieron emplear los recursos de la estadística. Cada cinco años realizaban un censo de la población y sus funcionarios públicos tenían la obligación de anotar nacimientos, defunciones y matrimonios, sin olvidar los recuentos periódicos del ganado y de las riquezas contenidas en las tierras conquistadas. Para el nacimiento de Cristo sucedía uno de estos empadronamientos de la población bajo la autoridad del imperio.

Durante los mil años siguientes, a la caída del imperio Romano, se realizaron muy pocas operaciones Estadísticas, con la notable excepción de las relaciones de tierras pertenecientes a la Iglesia, compiladas por Pipino el Breve en el 758 y por Carlomagno en el 762 DC. Durante el siglo IX se realizaron en Francia algunos censos parciales de siervos. En Inglaterra, Guillermo el Conquistador recopiló el Domesday Book o libro del Gran Catastro para el año 1086, un documento de la propiedad, extensión y valor de las tierras de Inglaterra.
Esa obra fue el primer compendio estadístico de Inglaterra.

Aunque Carlomagno, en Francia, y Guillermo el Conquistador, en Inglaterra, trataron de revivir la técnica romana, los métodos estadísticos permanecieron casi olvidados durante la Edad Media.

Durante los siglos XV, XVI, y XVII, hombres como Leonardo de Vinci, Nicolás Copérnico, Galileo, Neper, William Harvey, Sir Francis Bacon y René Descartes, hicieron grandes operaciones al método científico, de tal forma que cuando se crearon los Estados Nacionales y surgió como fuerza el comercio internacional existía ya un método capaz de aplicarse a los datos económicos.


Para el año 1532 empezaron a registrarse en Inglaterra las defunciones debido al temor que Enrique VII tenía por la peste. Más o menos por la misma época, en Francia la ley exigió a los clérigos registrar los bautismos, fallecimientos y matrimonios.
Durante un brote de peste que apareció a fines de la década de 1500, el gobierno inglés comenzó a publicar estadísticas semanales de los decesos. Esa costumbre continuó muchos años, y en 1632 estos Bills of Mortality (Cuentas de Mortalidad) contenían los nacimientos y fallecimientos por sexo.
En 1662, el capitán John Graunt usó documentos que abarcaban treinta años y efectuó predicciones sobre el número de personas que morirían de varias enfermedades y sobre las proporciones de nacimientos de varones y mujeres que cabría esperar. El trabajo de Graunt, condensado en su obra Natural and Political Observations... made upon the Bills of Mortality (Observaciones Políticas y Naturales... hechas a partir de las Cuentas de Mortalidad), fue un esfuerzo innovador en el análisis estadístico.

Por el año 1540 el alemán Sebastián Muster realizó una compilación estadística de los recursos nacionales, comprensiva de datos sobre organización política, instrucciones sociales, comercio y poderío militar. Durante el siglo XVII aportó indicaciones más concretas de métodos de observación y análisis cuantitativo y amplió los campos de la inferencia y la teoría Estadística.

Los eruditos del siglo XVII demostraron especial interés por la Estadística Demográfica como resultado de la especulación sobre si la población aumentaba, decrecía o permanecía estática.

En los tiempos modernos tales métodos fueron resucitados por algunos reyes que necesitaban conocer las riquezas monetarias y el potencial humano de sus respectivos países.

El primer empleo de los datos estadísticos para fines ajenos a la política tuvo lugar en 1691 y estuvo a cargo de Gaspar Neumann, un profesor alemán que vivía en Breslau.
Este investigador se propuso destruir la antigua creencia popular de que en los años terminados en siete moría más gente que en los restantes, y para lograrlo hurgó pacientemente en los archivos parroquiales de la ciudad.
Después de revisar miles de partidas de defunción pudo demostrar que en tales años no fallecían más personas que en los demás. Los procedimientos de Neumann fueron conocidos por el astrónomo inglés Halley, descubridor del cometa que lleva su nombre, quien los aplicó al estudio de la vida humana. Sus cálculos sirvieron de base para las tablas de mortalidad que hoy utilizan todas las compañías de seguros.

Durante el siglo XVII y principios del XVIII, matemáticos como Bernoulli, Francis Maseres, Lagrange y Laplace desarrollaron la teoría de probabilidades.

No obstante durante cierto tiempo, la teoría de las probabilidades limitó su aplicación a los juegos de azar y hasta el siglo XVIII no comenzó a aplicarse a los grandes problemas científicos. Godofredo Achenwall, profesor de la Universidad de Gotinga, acuñó en 1760 la palabra estadística, que extrajo del término italiano statista (estadista); Creía, y con sobrada razón, que los datos de la nueva ciencia serían el aliado más eficaz del gobernante consciente. La raíz remota de la palabra se halla, por otra parte, en el término latino status, que significa estado o situación; esta etimología aumenta el valor intrínseco de la palabra, por cuanto la estadística revela el sentido cuantitativo de las más variadas situaciones.
Jacques Quételect es quien aplica las Estadísticas a las ciencias sociales; éste interpretó la teoría de la probabilidad para su uso en las ciencias sociales y resolver la aplicación del principio de promedios y de la variabilidad a los fenómenos sociales. Quételect fue el primero en realizar la aplicación práctica de todo el método Estadístico, entonces conocido, a las diversas ramas de la ciencia.


Entretanto, en el período del 1800 al 1820 se desarrollaron dos conceptos matemáticos fundamentales para la teoría Estadística; la teoría de los errores de observación, aportada por Laplace y Gauss; y la teoría de los mínimos cuadrados desarrollada por Laplace, Gauss y Legendre. A finales del siglo XIX, Sir Francis Gaston ideó el método conocido por Correlación, que tenía por objeto medir la influencia relativa de los factores sobre las variables. De aquí partió el desarrollo del coeficiente de correlación creado por Karl Pearson y otros cultivadores de la ciencia biométrica como J. Pease Norton, R. H. Hooker y G. Udny Yule, que efectuaron amplios estudios sobre la medida de las relaciones.


Los progresos más recientes en el campo de la Estadística se refieren al ulterior desarrollo del cálculo de probabilidades, particularmente en la rama denominada indeterminismo o relatividad, se ha demostrado que el determinismo fue reconocido en la Física como resultado de las investigaciones atómicas y que este principio se juzga aplicable tanto a las ciencias sociales como a las físicas.

Etapas de Desarrollo de la Estadística
La historia de la estadística está resumida en tres grandes etapas o fases.

Primera Fase: Los Censos. Desde el momento en que se constituye una autoridad política, la idea de inventariar de una forma más o menos regular la población y las riquezas existentes en el territorio está ligada a la conciencia de soberanía y a los primeros esfuerzos administrativos.

Segunda Fase: De la Descripción de los Conjuntos a la Aritmética Política. Las ideas mercantilistas extrañan una intensificación de este tipo de investigación. Colbert multiplica las encuestas sobre artículos manufacturados, el comercio y la población: los intendentes del Reino envían a París sus memorias. Vauban, más conocido por sus fortificaciones o su Dime Royale, que es la primera propuesta de un impuesto sobre los ingresos, se señala como el verdadero precursor de los sondeos.
Más tarde, Bufón se preocupa de esos problemas antes de dedicarse a la historia natural.
La escuela inglesa proporciona un nuevo progreso al superar la fase puramente descriptiva. Sus tres principales representantes son Graunt, Petty y Halley. El penúltimo es autor de la famosa Aritmética Política. Chaptal, ministro del interior francés, publica en 1801 el primer censo general de población, desarrolla los estudios industriales, de las producciones y los cambios, haciéndose sistemáticos durante las dos terceras partes del siglo XIX.

Tercera Fase: Estadística y Cálculo de Probabilidades. El cálculo de probabilidades se incorpora rápidamente como un instrumento de análisis extremadamente poderoso para el estudio de los fenómenos económicos y sociales y en general para el estudio de fenómenos "cuyas causas son demasiado complejas para conocerlos totalmente y hacer posible su análisis".

Definición de Estadística La Estadística es la ciencia cuyo objetivo es reunir una información cuantitativa concerniente a individuos, grupos, series de hechos, etc. y deducir de ello, gracias al análisis de estos datos, significados precisos o unas previsiones para el futuro.
La estadística, en general, es la ciencia que trata de la recopilación, organización presentación, análisis e interpretación de datos numéricos con el fin de realizar una toma de decisión más efectiva.
Otros autores tienen definiciones de la Estadística semejantes a las anteriores, y algunos otros no tan afines. Para Chacón esta se define como "la ciencia que tiene por objeto el estudio cuantitativo de los colectivos".
La más aceptada, sin embargo, es la de Minguez, que define la Estadística como "La ciencia que tiene por objeto aplicar las leyes de la cantidad a los hechos sociales para medir su intensidad, deducir las leyes que los rigen y hacer su predicción próxima".
Los estudiantes confunden comúnmente los demás términos asociados con las Estadísticas, una confusión que es conveniente aclarar debido a que esta palabra tiene tres significados: la palabra estadística, en primer término se usa para referirse a la información estadística; también se utiliza para referirse al conjunto de técnicas y métodos que se utilizan para analizar la información estadística; y el término estadístico, en singular y en masculino, se refiere a una medida derivada de una muestra.

Utilidad e Importancia Los métodos estadísticos tradicionalmente se utilizan para propósitos descriptivos, para organizar y resumir datos numéricos. La estadística descriptiva, por ejemplo trata de la tabulación de datos, su presentación en forma gráfica o ilustrativa y el cálculo de medidas descriptivas.

ESTADÍSTICA DESCRIPTIVA Y ESTADÍSTICA INFERENCIAL

La Estadística para su mejor estudio se ha dividido en dos grandes ramas: la Estadística Descriptiva y la Inferencial.
Estadística Descriptiva: consiste sobre todo en la presentación de datos en forma de tablas y gráficas. Esta comprende cualquier actividad relacionada con los datos y está diseñada para resumir o describir los mismos sin factores pertinentes adicionales; esto es, sin intentar inferir nada que vaya más allá de los datos, como tales, es decir, únicamente los adquiere, los recopila y los organiza.
Estadística Inferencial: se deriva de muestras, de observaciones hechas sólo acerca de una parte de un conjunto numeroso de elementos y esto implica que su análisis requiere de generalizaciones que van más allá de los datos. La estadística inferencial simplemente es el procedimiento por medio del cual se llega a las inferencias acerca de una población base en los resultados obtenidos de una muestra extraída de la población, es decir, la Estadística Inferencial investiga o analiza una población partiendo de una toma de muestra.

FUENTE DE DATOS

En los apartados anteriores se ha señalado que el objetivo de la Estadística es el estudio de los fenómenos de masas. Pero ello requiere el manejo de una información numérica amplia. La cuestión inmediata que surge es saber a dónde se puede recurrir para encontrar esa información necesaria y sin la cual el análisis estadístico no se puede realizar. En definitiva, se trata de conocer las fuentes que suministran información de carácter estadístico. Estas fuentes son susceptibles de clasificarse según distintos criterios. Atendiendo al agente que elabore esa información, la misma puede agruparse en endógena y exógena. La primera sería la que elabora el propio investigador. En este caso, la operación estadística conducente a recabar los datos necesarios para la realización del análisis estadístico se supone que la lleva a cabo el propio investigador. Será quien se encargue de observar los distintos caracteres, cuantitativos o cualitativos, relevantes de los elementos de una población. El resultado será una base de datos, obtenida mediante una muestra, o cualquiera de los otros procedimientos indicados con anterioridad, que permitirá el correspondiente análisis estadístico.

POBLACIÓN Y MUESTRA

Población: El concepto de población en estadística va más allá de lo que comúnmente se conoce como tal. Una población se precisa como un conjunto finito o infinito de personas u objetos que presentan características comunes.

 Muestra

: La muestra es un conjunto o subconjunto representativo, seleccionado de una población, pero para que quede más claro el concepto, a continuación se enuncia el concepto de muestra de diferentes autores:

"Una población es un conjunto de todos los elementos que estamos estudiando, acerca de los cuales intentamos sacar conclusiones". Levin & Rubin (1996).
"Una población es un conjunto de elementos que presentan una característica común". Cadenas (1974).

Una población en estadística es el conjunto de todas las observaciones en las que estamos interesados, o bien, es el conjunto de todos los procesos suceptibles de aparecer en un problema y que interesan a la persona que hace el estudio.

Se llama tamaño de la población al número de individuos que la componen, siendo cada posible observación un individuo; así pues, las poblaciones pueden ser finitas e infinitas, en el caso de la segunda cabe mencionar que sólo existe en la teoría, ya que en la práctica no se encuentra la aplicación de elementos infinitos.

Cada observación en una población es un valor de una variable aleatoria X con una función de probabilidad o densidad determinada f(x). Normalmente, se denomina a las poblaciones con el nombre de la distribución de la variable; es decir, hablaremos de poblaciones normales, binomiales, etc.

Para estudiar una población existen dos posibilidades. Una de ellas consiste en estudiar todos sus elementos y sacar conclusiones; la otra consiste en estudiar sólo una parte de ellos, elegidos de tal forma que nos digan algo sobre la totalidad de las observaciones de la población.


El mejor método resulta ser el primero, cuando es posible, lo cual sólo ocurre en las poblaciones finitas y razonablemente pequeñas; en el caso de poblaciones muy grandes o infinitas será muy difícil o imposible realizar un estudio total. En este caso necesitaremos tomar una muestra y nos surgirá el problema de cómo hacer para que la muestra nos diga algo sobre el conjunto de la población.


Es a menudo imposible o poco práctico observar la totalidad de los individuos, sobre todos si estos son muchos. En lugar de examinar el grupo entero llamado población o universo, se examina una pequeña parte del grupo llamada muestra.

MUESTREO PROBABILÍSTICO Y NO PROBABILÍSTICO

Muestreo
 En ocasiones en que no es posible o conveniente realizar un censo (analizar a todos los elementos de una población), se selecciona una muestra, entendiendo por tal una parte representativa de la población.
El muestreo es por lo tanto una herramienta de la investigación científica, cuya función básica es determinar que parte de una población debe examinarse, con la finalidad de hacer inferencias sobre dicha población.

La muestra debe lograr una representación adecuada de la población, en la que se reproduzca de la mejor manera los rasgos esenciales de dicha población que son importantes para la investigación. Para que una muestra sea representativa, y por lo tanto útil, debe reflejar las similitudes y diferencias encontradas en la población, es decir, ejemplificar las características de ésta.

Los errores más comunes que se pueden cometer son:
1)
 2) Hacer conclusiones hacia una Población mucho más grandes de la que originalmente se tomó la muestra. Error de Inferencia

En la estadística se usa la palabra población para referirse no sólo a personas si no a todos los elementos que han sido escogidos para su estudio y el término muestra se usa para describir una porción escogida de la población.


Tipos de Muestreo Existen diferentes criterios de clasificación de los diferentes tipos de muestreo, aunque en general pueden dividirse en dos grandes grupos: métodos de muestreo probabilísticos y métodos de muestreo no probabilísticos.
I. Muestreo probabilístico
Los métodos de muestreo probabilísticos son aquellos que se basan en el principio de equiprobabilidad. Es decir, aquellos en los que todos los individuos tienen la misma probabilidad de ser elegidos para formar parte de una muestra y, consiguientemente, todas las posibles muestras de tamaño n tienen la misma probabilidad de ser seleccionadas. Sólo estos métodos de muestreo probabilísticos nos aseguran la representatividad de la muestra extraída y son, por tanto, los más recomendables.
. II. Métodos de muestreo no probabilísticos A veces, para estudios exploratorios, el muestreo probabilístico resulta excesivamente costoso y se acude a métodos no probabilísticos, aun siendo conscientes de que no sirven para realizar generalizaciones (estimaciones inferenciales sobre la población), pues no se tiene certeza de que la muestra extraída sea representativa, ya que no todos los sujetos de la población tienen la misma probabilidad de ser elegidos por lo que puede traer como consecuencia proporcionar información errónea

En general se seleccionan a los sujetos siguiendo determinados criterios procurando, en la medida de lo posible, que la muestra sea representativa, pero en este tipo de muestreo la selección de la muestra no es aleatoria, sino que se basa en el juicio del entrevistador o del responsables de la investigación, además no se basa en ninguna teoría de probabilidad, por lo tanto no es posible calcular la precisión o bien ocultar los posibles errores cometidos.

En algunas circunstancias los métodos estadísticos y epidemiológicos permiten resolver los problemas de representatividad aun en situaciones de muestreo no
probabilístico, por ejemplo los estudios de caso-control, donde los casos no son seleccionados aleatoriamente de la población.


Entre los métodos de muestreo no probabilísticos más utilizados en investigación encontramos:
1) Muestreo por cuotas
 2) Muestreo intencional o de conveniencia
 3) Bola de nieve

 4) Muestreo Discrecional: A criterio del investigador los elementos son elegidos sobre lo que él cree que pueden aportar al estudio
: Se localiza algunos individuos, los cuales conducen a otros, y estos a otros, y así hasta conseguir una muestra suficiente. Este se emplea muy frecuentemente cuando se hacen estudios con poblaciones "marginales", delincuentes, sectas, determinados tipos de enfermos, etc.

También puede ser que el investigador seleccione directa e intencionadamente los individuos de la población. El caso más frecuente de este procedimiento es utilizar como muestra los individuos a los que
se tiene fácil acceso (los profesores de universidad emplean con mucha frecuencia a sus propios alumnos).

: Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener muestras "representativas" mediante la inclusión en la muestra de grupos supuestamente típicos, las muestras se seleccionan según el criterio de accesibilidad o comodidad Es muy frecuente su utilización en sondeos preelectorales de zonas que en anteriores votaciones han marcado tendencias de voto, también se emplea en lugares como centros comerciales, plazas, estaciones de autobuses, tren, metro, sobre todo que tienen gran afluencia pública, ya que se obtiene así un gran número de cuestionarios de forma rápida y económica.

En este tipo de muestreo se fijan unas "cuotas" que consisten en un número de individuos que reúnen unas determinadas condiciones, por ejemplo: 20 individuos de 25 a 40 años, de sexo femenino y residentes en Gijón. Una vez determinada la cuota se eligen los primeros que se encuentren que cumplan esas características. Este método se utiliza mucho en las encuestas de opinión.

: También denominado en ocasiones "accidental". Se asienta generalmente sobre la base de un buen conocimiento de los estratos de la población y/o de los individuos más "representativos" o "adecuados" para los fines de la investigación. Mantiene, por tanto, semejanzas con el muestreo aleatorio estratificado, pero no tiene el carácter de aleatoriedad l.
Hacer conclusiones muy generales a partir de la observación de sólo una parte de la Población, se denomina error de muestreo.