Muestreo clase2

6,392 views

Published on

0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
6,392
On SlideShare
0
From Embeds
0
Number of Embeds
3,999
Actions
Shares
0
Downloads
76
Comments
0
Likes
1
Embeds 0
No embeds

No notes for slide

Muestreo clase2

  1. 1. MUESTREOMUESTREO GENERALIDADESGENERALIDADES Una vez definido el problema a investigar, formulados los objetivos y delimitadas las variables se hace necesario determinar los elementos o individuos con quienes se va a llevar a cabo el estudio estadístico.
  2. 2. 2  Las poblaciones están formadas por individuos, pero sería mejor denominarlas unidades de muestreo o unidades de estudio:  Personas, células, familias, hospitales, países…  La población ideal que se pretende estudiar se denomina población objetivo.  No es fácil estudiarla por completo. Aproximamos mediante muestras que den idealmente la misma probabilidad a cada individuo de ser elegido.  Tampoco es fácil elegir muestras de la población objetivo:  Si llamamos por teléfono excluimos a los que no tienen.  Si elegimos indiv. en la calle, olvidamos los que están trabajando...  El grupo que en realidad podemos estudiar se denomina población de estudio.
  3. 3. CONCEPTOS INICIALES Población: Conjunto de unidades de las que se desea obtener cierta información. Unidades: Personas, Familias, Viviendas, Escuelas, Organizaciones, Artículos de Prensa Muestra: Selección de unas unidades concretas de la población que representen la característica que se quiere medir.
  4. 4. MUESTREO Procedimiento por el cual se extraese extrae, de un conjunto de unidades que constituyen el objeto de estudio ( población), un número de casos reducido (muestra) elegidos con criterios tales que permitan la generalización a toda la población de los resultados obtenidos al estudiar la muestra.
  5. 5. RAZONES DE MUESTREO  Disminución de costos ( tiempo, personal, material)  Al disminuir el número de casos disminuyen también los errores asociados a la manipulación de los datos.  Puede confiarse en la generalización de los resultados si se ha tenido cuidado al seleccionar la muestra.
  6. 6. CRITERIOS IMPORTANTES PARA LA SELECCIÓN DE LA MUESTRA Salvo en poblaciones muy pequeñas y accesibles nunca se observan a todas las unidades de la población. Se debe diseñar una muestra que constituya una representación a pequeña escala de la población a la que pertenece. Cualquier diseño muestral comienza con la búsqueda de la información que ayude a la identificación de las características de la población bajo estudio.
  7. 7. CONDICIONES QUE DEBE CUMPLIR UNA “BUENA” MUESTRA Que comprendan parte de la población y no la totalidad de ésta.  Aunque el sentido común pareciera indicar que poblaciones más grandes deben producir muestras mayores, esto no es siempre cierto ya que: El tamaño de la población NO es el único elemento que influye en el tamaño de la muestra.
  8. 8. CONDICIONES QUE DEBE CUMPLIR UNA “BUENA” MUESTRA La ausencia de distorsión en la elección de los elementos de la muestra. Si esta elección presenta alguna anomalía, la muestra resultará por este mismo hecho viciada. Que sea representativa o reflejo fiel de la población, de tal modo que reproduzca sus características básicas en orden a la investigación.
  9. 9. CONDICIONES QUE DEBE CUMPLIR UNA “BUENA” MUESTRA Si hay sectores diferenciados en la población que se supone ofrecen características especiales la muestra también deberá comprenderlos en la misma proporción.
  10. 10. TAMAÑO DE LA MUESTRA Es el número de unidades a incluir en la muestra. Existen varios factores que influyen en el: Tiempo y recursos disponibles Modalidad de Muestreo Tipo de Análisis Previsto Varianza o heterogeneidad de la población Margen de Error máximo admisible Nivel de confianza de la estimación muestral
  11. 11. HETEROGENEIDAD POBLACIONAL Cuanto mas heterogénea sea la población mayor será su varianza poblacional lo que implicará mayores tamaños muestrales. Cuando se desconoce el valor de la varianza poblacional se recurre al supuesto mas desfavorable, asumiendo una varianza poblacional igual a 0,5. 0,5 significa que una unidad seleccionada tiene 50 % de posibilidades de pertenecer o no a un grupo específico dentro de la población
  12. 12. 2DA PARTE: ERRORES Y CÁLCULO DEL TAMAÑO DE LA MUESTRA 12
  13. 13. 13 FUENTES DE SESGO/ERROR  Las poblaciones objetivo y de estudio pueden diferir en cuanto a las variables que estudiamos.  El nivel económico en la población de estudio es mayor que en la objetivo,...  Los individuos que se eligen en la calle pueden ser de mayor edad (mayor frecuencia de jubilados p.ej.)…  En este caso, diremos que las muestras que se elijan estarán sesgadas. Al tipo de sesgo debido a diferencias sistemáticas entre población objetivo y población de estudio se denomina sesgo de selección.  Hay otras fuentes de error/sesgo  No respuesta a encuestas embarazosas  Consumo de drogas, violencia doméstica, prácticas poco éticas,…  Mentir en las preguntas “delicadas”.  Para evitar este tipo de sesgo se utilizan la técnica de respuesta aleatorizada.
  14. 14. 14 TÉCNICAS DE RESPUESTA ALEATORIZADA  Reducen la motivación para mentir (o no responder) a las encuestas.  ¿Si digo la verdad, se me verá el plumero…?  ¿Cómo se hace? Pídele que lance una moneda antes de responder y…  Si sale cara que diga la “opción compremetida”  (no tiene por qué avergonzarse, la culpa es de la moneda)  Si sale cruz que diga la verdad  (no tiene por qué avergonzarse, el encuestador no sabe si ha salido cara o cruz)  Aunque no podamos saber cuál es la verdad en cada individuo, podemos hacernos una idea porcentual sobre la población, viendo en cuánto se alejan las respuestas del 50%.
  15. 15. 15 EJEMPLO: ¿HA TOMADO DROGAS ALGUNA VEZ? 100% No Sin sinseridad!! 40% No 60% Sí Con respuesa aleatorizada Sin respuesta aleatorizada ¡No son mitad y mitad! El porcentaje estimado de individuos que tomó drogas es: %202,0 5,01 5,06,0* == − − ≈p Los que deben decir la verdad Diferencia entre los que han dicho sí y los que debían hacerlo por que así lo indicaba la moneda
  16. 16. ERROR ALEATORIO El error aleatorio no se suele ajustar a ninguna regla o norma , varían en cada caso , en su sentido y magnitud, y por ello tiende a anularse cuando se trata de un número elevado de casos. Los errores aleatorios se comenten, por ejemplo, cuando un encuestado elige erróneamente una casilla queriendo hacerlo en otra, cuando un encuestador marca erróneamente un dato, etc.
  17. 17. ERRORES SISTEMÁTICOS  Un error sistemático es aquel que se produce de igual modo ( sentido y proporción) en todas las mediciones que se realizan sobre un parámetro de la muestra  Contrario al error aleatorio, NO se anula en muestras grandes.
  18. 18. ERRORES SISTEMÁTICOS. EJEMPLOS Las tendencias subjetivas conscientes o inconscientes del investigador. Sustituciones, según criterio propio del investigador, de unidades de la muestra que habían sido elegidas al azar. Insuficiente observación del conjunto de la población que influye en una deficiente definición de sus características.
  19. 19. ERROR MUESTRAL  Cuando se extrae una muestra de una población es frecuente que los resultados obtenidos de la muestra no sean exactamente los valores reales de la población. El error de muestreo ocurre al estudiar una muestra en lugar de la población total. La diferencia entre el valor del parámetro de una población y el obtenido de una muestra recibe el nombre de error muestral. ( y que no puede ser asociado a otro tipo de explicación, es decir no es error aleatorio o sistemático)
  20. 20. ERROR MUESTRAL Por muy perfecta que sea la muestra siempre habrá grado de divergencia entre los parámetros estimados usándola y los de la verdadera población. En el cálculo del error intervienen: Tamaño de la muestra Varianza poblacional Nivel de confianza Tipo de muestreo
  21. 21. ESTIMACIÓN DEL ERROR  Cuando variable bajo estudio es una media. (solo válido para variables numéricas) Donde: Z: grado de confianza de la estimación s: desviación típica muestral de la variable analizada n: tamaño de la muestra 1-f: Factor de corrección para poblaciones finitas. f= n/N fze −= 1 n s
  22. 22. EL ERROR MUESTRAL ES MAYOR EN LA MEDIDA QUE:  Crece el grado de confianza que el investigador quiere dar a su estimación del parámetro medido mediante la muestra  Es más elevada sea la variabilidad de la variable estudiada.  Es menor el tamaño de la muestra.
  23. 23. ESTIMACIÓN DEL ERROR  Cuando la variable bajo estudio es una proporción (ej, variables nominales u ordinales con pocas categorías) Donde: Z: grado de confianza de la estimación p: proporción de la muestra para la categoría a examinar q: 1-p n: tamaño de la muestra 1-f: Factor de corrección para poblaciones finitas. f= n/N f n pq ze − − = 1 1
  24. 24. TAMAÑO DE LA MUESTRA VS. ERROR MUESTRAL
  25. 25. MARGEN DE CONFIANZA EN LA ESTIMACIÓN  Expresa el grado de probabilidad que el investigador tiene en que su estimación se ajuste a la realidad.  Los valores comúnmente utilizados son 95, 99, 99,9%
  26. 26. MARGEN DE ERROR ADMISIBLE Los incrementos en el tamaño de la muestra repercuten en una mayor precisión y por consiguiente en menor error muestral. El error muestral interviene en el cálculo del tamaño de la muestra solo si el diseño es probabilístico. En el muestreo probabilístico el investigador fija el error máximo admisible a priori y sobre esa base realiza el cálculo del tamaño de la muestra.
  27. 27. CÁLCULO DEL TAMAÑO DE LA MUESTRA * A los fines de este módulo, utilizaremos una calculadora de muestra, por ejemplo: http://www.netquest.com/pan
  28. 28. EJEMPLO DEL CÁLCULO DEL TAMAÑO DE LA MUESTRA (POBLACIÓN INFINITA) Estimando qué proporción de sujetos poseen una característica al nivel de confianza del 99.7% (Z=3) y un error de admitido del 2%, será: EL TAMAÑO DE LA POBLACIÓN NO FUE TOMADO EN CUENTA!!! POR QUÉ P y Q valen 50 % ? 5625 2 50503 2 2 == xx n
  29. 29. CÁLCULO DEL TAMAÑO DE LA MUESTRA PARA POBLACIONES FINITAS. (F=N/N>0,05)Ej. El número óptimo para un estudio de 60.000 personas estableciendo un nivel de confianza de 95.5%(z=2), y el margen de error en el 3%, sería 4 * 50 * 50 * 60.000 n = --------------------------------- 9 (60.000-1) + 4 * 50 * 50 n= 1091 pqZNe pqNZ n 22 2 )1( +− =
  30. 30. TAMAÑO DE LA MUESTRA Fuente: Metodología y Técnicas de Investigación Social. Piergiorgio Corbetta
  31. 31. 3RA PARTE TIPOS DE MUESTREO
  32. 32. 32 TIPOS/TÉCNICAS DE MUESTREO  Cuando elegimos individuo de una población de estudio para formar muestras podemos encontrarnos en las siguientes situaciones:  Muestreos probabilistas  Conocemos la probabilidad de que un individuo sea elegido para la muestra.  Interesantes para usar estadística matemática con ellos.  Muestreos no probabilistas  No se conoce la probabilidad.  Son muestreos que seguramente esconden sesgos.  En principio no se pueden extrapolar los resultados a la población.  A pesar de ello una buena parte de los estudios que se publican usan esta técnica. ¡Buff!  En adelante vamos a tratar exclusivamente con muestreos con la menor posibilidad de sesgo (probabilistas): aleatorio simple, sistemático, estratificado y por grupos.
  33. 33. MODALIDAD DE MUESTREO SELECCIONADA La selección de las modalidades de muestreo ( probabilísticos y no probabilísticos) se halla determinada por la confluencia de varios factores: los objetivos, los recursos, la accesibilidad de la población y el tiempo. Los diseños no probabilísticos demandan un tamaño muestral menor.
  34. 34. TIPOS DE MUESTREOS PROBABILÍSTICOSPROBABILÍSTICOS NO PROBABILISTICOSNO PROBABILISTICOS • Todas las unidades tienen igual probabilidad de participar en la muestra. • La elección de cada unidad muestral es independiente de las demás • Se puede calcular el error muestral • Cada unidad NO tiene igual probabilidad de participar en la muestra. • No se puede calcular el error muestral • Alto riesgo de invalidez producido por la introducción de sesgos
  35. 35. EJEMPLO: ¿MUESTREO PROBABILÍSTICO?  Se realiza un muestreo entre los alumnos que van a clases de la Materia Metodología, eligiéndolos al azar a la entrada del salón. Este diseño es NO probabilístico porque aquellos queEste diseño es NO probabilístico porque aquellos que no van a clases NO PUEDEN ser elegidosno van a clases NO PUEDEN ser elegidos
  36. 36. EJEMPLO: ¿MUESTREO PROBABILÍSTICO?  Se utiliza la lista de propietarios de líneas telefónicas para elegir a aquellos que serán encuestados. Este diseño es NO Probabilístico porque aquellos queEste diseño es NO Probabilístico porque aquellos que no tienen teléfono NO PUEDEN ser elegidosno tienen teléfono NO PUEDEN ser elegidos
  37. 37. EJEMPLO: ¿MUESTREO PROBABILÍSTICO?  Un investigador toma muestras del carbón extraído de una mina, tomando al azar trozos de carbón de la parte superior de cada carro. Este diseño es NO probabilísticoEste diseño es NO probabilístico porque solo se toma carbónporque solo se toma carbón de la parte superiorde la parte superior
  38. 38. USOS DE CADA TIPO DE MUESTREO Muestreo Probabilísticos Estimación de Parámetros Comprobación de Hipótesis Muestreos No Probabilísticos Estudios Pilotos Estudios Cualitativos Investigaciones en poblaciones de difícil registro o localización ( Ej. Marginales, prostitutas, enfermos de VIH, etc…)
  39. 39. RECORDANDO: TIPOS DE MUESTREOS PROBABILÍSTICOSPROBABILÍSTICOS NO PROBABILISTICOSNO PROBABILISTICOS • Todas las unidades tienen igual probabilidad de participar en la muestra. • La elección de cada unidad muestral es independiente de las demás • Se puede calcular el error muestral • Cada unidad NO tiene igual probabilidad de participar en la muestra. • No se puede calcular el error muestral • Alto riesgo de invalidez producido por la introducción de sesgos
  40. 40. ALGUNOS TIPOS DE MUESTREO PROBABILÍSTICO
  41. 41. MUESTREOS PROBABILÍSTICOS: SIMPLE Se realiza utilizando alguna fuente de elección aleatoria. Supone que cada miembro de la población tiene elemento que lo identifica ( ej. Un número identificador) y mediante el cual puede ser elegido si “sale” sorteado. La afirmación anterior implica que hay que tener un listado completo de TODOS los miembros de la población
  42. 42. MUESTREOS PROBABILÍSTICOS: SIMPLE Ventajas Facilidad en los cálculos estadísticos Elevada probabilidad de lograr “equivalencia” entre las características de la muestra y las correspondientes a la población Desventajas Cada que cada miembro de la población tiene que ser identificado Complicado en poblaciones grandes Alto costo
  43. 43. MUESTREOS PROBABILÍSTICOS: MUESTREO ALEATORIO SISTEMÁTICO Similar al muestro simple salvo que: 1. Solo la primera unidad de la muestra se elige al azar siempre que el número seleccionado sea mayor que el coeficiente de elevación.  Coeficiente de Elevación = N/ n  Donde  N: Tamaño de la población  n : Tamaño de la muestra 1. Los restantes elementos de la muestra se hayan sumando, sucesivamente el coeficiente de elevación.
  44. 44. MUESTREOS PROBABILÍSTICOS: MUESTREO ALEATORIO ESTRATIFICADOPresupone el conocimiento de las características de las unidades que forman la población para poder dividirla en grupos ( estratos) Se eligen los miembros de la muestra en cada estrato creado siguiendo algún tipo de muestreo de los vistos anteriormente.
  45. 45. EJ. MUESTREO PROBABILÍSTICO POR ESTRATOS Estrato Primario Se seleccionan ALEATORIAMENTE ni profesores de cada una de las escuelas seleccionadas . Ej. 2 de la escuela primaria 1 y 2 de la escuela primaria 2.
  46. 46. MUESTREOS PROBABILÍSTICOS: MUESTREO ALEATORIO ESTRATIFICADO CONT… El objetivo de este tipo de muestreo es garantizar la representatividad equitativa de los estratos ( que implica representación equitativa de las características de la población). Se logra si: Son máximas las diferencias entre los estratos Son mínimas las diferencias entre los miembros de un mismo estrato. Los criterios de división de la población en estratos se hallen relacionadas con los objetivos de la investigación.
  47. 47. MUESTREOS PROBABILÍSTICOS: MUESTREO ALEATORIO ESTRATIFICADO CONT… • Los tamaños de cada estrato pueden ser: Los mismos ( Afiliación simple) Proporcional al peso relativo ( tamaño) del estrato dentro de la población (Proporcional) En función de la heterogeneidad de cada estrato ( Óptima)
  48. 48. EJEMPLO: MUESTRO POR ESTRATOS Ejemplo tomado del Maria Ángeles Cea
  49. 49. EJEMPLO MUESTRO POR ESTRATOS. AFILIACIÓN SIMPLE 3 2500 =estratosn
  50. 50. EJEMPLO MUESTRO POR ESTRATOS. AFILIACIÓN PROPORCIONAL 400250016,0 975250039,0 1125250045,0 3 2 1 == == == xn xn xn estrato estrato estrato
  51. 51. EJEMPLO DE MUESTREO POR ESTRATOS. AFILIACIÓN ÓPTIMA 33600210016 101400260039 85500190045 = = = x x x Paso 1 : Multiplicar el porcentaje de la población correspondiente al estrato por la varianza del estrato Paso 2: Se suman todos los valores obtenidos en el paso 1 (85500+101400+33600=220500) Paso 3: Se calcula a proporción de cada valor obtenido en el paso 1 dentro del paso 2. 152,0220500/33600Pr 460,0220500/101400Pr 388,0220500/85500Pr 3 2 1 == == == estrato estrato estrato oporción oporción oporción Paso 4 : Se calcula el tamaño de la muestra de cada estrato multiplicando su proporción por el tamaño de la muestra global ( 2500) ∑ = = = = 2500380,1150,970 3802500152,0 11502500460,0 9702500388,0 x x x
  52. 52. VENTAJAS Y DESVENTAJAS DEL MUESTREO ALEATORIO ESTRATIFICADO 1. No es necesario disponer de la lista de toda la población sino de las subpoblaciones de orden superior extraídas ( por ej. las escuelas primarias y secundarias) 2. Existe una considerable reducción de costos  Puede ocurrir que los miembros de una unidad superior se parezcan, reduciendo la representatividad de otros en la muestra final. Ventajas Desventajas
  53. 53. MUESTREO ALEATORIO POR CONGLOMERADOS  La unidad muestral es un grupo de elementos de la población que forman una unidad, a la que llamamos conglomerado.  A diferencia de un estrato, un conglomerado es una unidad de elementos que contienen representantes de toda la población
  54. 54. EJEMPLO: MUESTREO POR CONGLOMERADOS Todos los profesores de las Escuelas 2 (Primaria) y 1 (Secundaria) son parte de la muestra
  55. 55. EJEMPLOS DE CONGLOMERADOS  Zona Geográfica  Edificio  Una institución  …..
  56. 56. VENTAJAS DEL MUESTREO POR CONGLOMERADOS  Es ventajoso, desde el punto de vista de costos, si se pueden agrupar los miembros de la población por conglomerados, en los cuales el criterio de agrupación no sea la variable que se estudia.  No es preciso tener un listado de toda la población, sino de las unidades ( conglomerados) por los que se agruparán.
  57. 57. DESVENTAJAS  El error es mayor que cuando se utilizan otras técnicas de muestreo.
  58. 58. TIPOS DE MUESTREOS NO PROBABILÍSTICOS
  59. 59. MUESTRO POR CUOTAS  La población debe ser dividida en estratos definidos por variables cuya distribución dentro de la población sea conocida.  Se procede a calcular el tamaño de cada estrato siguiendo el mismo procedimiento que si fuese un muestreo probabilístico estratificado. ( proporcional)
  60. 60. MUESTRO POR CUOTAS  A diferencia del M. Probabilístico Estratificado el entrevistador es libre para escoger a quienes forman parte de cada estrato. (CUOTA)
  61. 61. MUESTREO POR CUOTAS  Resulta más económico que los muestreos probabilísticos .  Fácil de ejecutar el trabajo de campo  No precisa el listado de la población  Supone mayor error muestral que los diseños probabilísticos.  No existe un método válido para calcular el error.  Dificultas para el control del trabajo de campo.  Limitaciones en la representatividad de la muestra para las características no especificadas en los controles de cuotas. Ventajas Desventajas
  62. 62. MUESTREO DE BOLA DE NIEVE  Este modelo es particularmente útil cuando se muestrean poblaciones cuyos componentes, por motivos morales, ideológicos, legales o políticos tienen a ocultar su identidad.  A partir de unos pocos individuos el entrevistador, con ayuda de los primeros, va “ conociendo” a nuevos miembros de la muestra.
  63. 63. MUESTREO BOLA DE NIEVE  El riesgo fundamental está asociado a la selección inadecuada de los primeros miembros de la muestra y de quienes dependerá el resto.  También es posible que ocurran distorsiones si no se tiene en cuenta criterios muy específicos para la selección de la muestra.
  64. 64. PARTE 4 Problemas del muestreo
  65. 65. ERRORES DE COBERTURA  ¿ Como se puede hacer un muestreo probabilístico si las unidades no son conocidas?  ¿Cómo localizar a todos los posibles miembros de la población?  Si se busca investigar sobre franjas particulares de la población el problema se hace más difícil de manejar
  66. 66. ERROR DE COBERTURA  Se produce cuando no son incluidos determinados elementos de la población objeto de estudio en el proceso de selección muestral .  La falta de cobertura impide la cooperación de un número de unidades muestrales, puesto que determinados individuos no pueden ser seleccionados en la muestra, dificultando con ello la capacidad de inferencia de los hallazgos de la investigación.
  67. 67. ERROR DE COBERTURA  Este error produce una subestimación en los resultados, cuya amplitud depende de las características de las unidades omitidas
  68. 68. PROBLEMAS DE REPRESENTATIVIDAD Si no se ha logrado representatividad en una o varias variables, el investigador tiene 3 opciones: a) Trabajar con la muestra no representativa y contar con ese límite b) Redefinir la población. Por ejemplo: no hablar de enfermos de SIDA sino de enfermos de SIDA que son atendidos en el HULA. c) Modificar deliberadamente la muestra para que represente el comportamiento de la variable bajo estudio.
  69. 69. ERROR DE NO RESPUESTA
  70. 70. TIPOS DE ERROR DE NO RESPUESTA 08/04/13 70
  71. 71. EJEMPLOS DE ERRORES DE NO RESPUESTA  El entrevistado puede no contestar una pregunta por falta de conocimiento sobre esa cuestión, por considerarla muy entrometida al invadir el ámbito de su privacidad, porque la considera irrelevante para los objetivos del estudio, etc.  El entrevistador también contribuye a la no respuesta parcial por el “olvido” a la hora de recoger determinadas respuestas, o al tomarlas equivocadamente. Ejemplos tomados de : HEADY, P. (1995). «Calibrating Measurement Error in the 1991 Census». Survey Methods Centre Newsletter, vol. 15, nº 2, p. 3-7.
  72. 72. EJEMPLOS DE ERRORES DE NO RESPUESTA  Por último, el cuestionario genera no respuestas por problemas en la redacción de las preguntas, y por la utilización de preguntas «filtro» para que un grupo de preguntas no sean respondidas por determinados entrevistados que cumplen (o no cumplen) una serie de requisitos.
  73. 73. CONSECUENCIAS TIENE LA NO RESPUESTA
  74. 74. MÉTODOS DE REDUCCIÓN DEL IMPACTO DE LA NO RESPUESTA
  75. 75. LA RECOLECCIÓN DE LOS DATOS LA ENCUESTA
  76. 76. LA ENCUESTALA ENCUESTALA ENCUESTALA ENCUESTA LA ENTREVISTALA ENTREVISTALA ENTREVISTALA ENTREVISTA LA OBSERVACIONLA OBSERVACIONLA OBSERVACIONLA OBSERVACION EL CUESTIONARIOEL CUESTIONARIOEL CUESTIONARIOEL CUESTIONARIO EL CUESTIONARIOEL CUESTIONARIOEL CUESTIONARIOEL CUESTIONARIO LISTA DE CHEQUEOLISTA DE CHEQUEO ESCALASESCALAS (DE PERCEPCION)(DE PERCEPCION) LISTA DE CHEQUEOLISTA DE CHEQUEO ESCALASESCALAS (DE PERCEPCION)(DE PERCEPCION) TECNICASTECNICAS EE INSTRUMENTOSINSTRUMENTOS DEDE RECOLECCIONRECOLECCION DEDE DATOSDATOS TECNICASTECNICAS EE INSTRUMENTOSINSTRUMENTOS DEDE RECOLECCIONRECOLECCION DEDE DATOSDATOS
  77. 77. Identificación del Problema.Identificación del Problema. Selección de la Técnica.Selección de la Técnica. Diseño de Muestra.Diseño de Muestra. Diseño del Instrumento.Diseño del Instrumento. Recolección de la Información.Recolección de la Información. Procesamiento y Análisis.Procesamiento y Análisis. Generación de Informes.Generación de Informes. EE TT AA PP AA SS EE TT AA PP AA SS
  78. 78.  LA ENCUESTA Consiste en obtener información de los sujetos de estudio, proporcionados por ellos mismos. ( opiniones, conocimientos) CUESTIONARIOSA través
  79. 79. CUESTIONARIOCUESTIONARIO Conjunto de Preguntas con respecto a una o más Variables/Indicadores Conjunto de Preguntas con respecto a una o más Variables/Indicadores
  80. 80. PARTES DE UN CUESTIONARIO 1. Titulo del instrumento. 2. Presentación 3. Instrucciones. 4. Cuerpo del formulario: a) Datos generales b) Datos Específico (vinculados a la variable en estudio)
  81. 81. TIPOS DE PREGUNTAS. A. PREGUNTAS CERRADAS a.1 DICOTOMICAS. 1.- ¿Actualmente está desarrollando un proyecto de investigación? a. SI ( ) b. NO ( ) 2.- ¿Está usted satisfecho con el comportamiento de liderazgo de su jefe? a. SI ( ) b. NO ( )
  82. 82. TIPOS DE PREGUNTAS EN LOS CUESTIONARIOS A.- DE ALTERNATIVA MÚLTIPLE 1.- ¿Que tanta importancia tiene para Ud. trabajar en una Universidad que proporcione amplias oportunidades de progreso? ( ) Extraordinariamente importante ( ) Muy importante. ( ) Moderadamente importante ( ) Sin importancia
  83. 83. 1.- ¿ Con que frecuencia participa en las decisiones1.- ¿ Con que frecuencia participa en las decisiones inherentes a la carga académica de los docentes?inherentes a la carga académica de los docentes? ( ) Muy frecuentemente( ) Muy frecuentemente ( ) Frecuentemente( ) Frecuentemente ( ) Ocasionalmente( ) Ocasionalmente ( ) Nunca( ) Nunca A.- DE ALTERNATIVA MÚLTIPLE
  84. 84. B.- PREGUNTAS ABIERTASB.- PREGUNTAS ABIERTAS 1.- ¿ Por que decidió estudiar un Diplomado en Investigación? 2.- ¿ Quien cree Ud. Que será el candidato que mejor plan de gobierno desarrolle como presidente?
  85. 85. ¿ CONVIENE USAR PREGUNTAS CERRADAS O ABIERTAS ?
  86. 86. LAS PREGUNTAS CERRADAS: - Son fáciles de codificar. - Requieren un menor esfuerzo por parte de los respondientes. - Se requiere menos tiempo para contestar. DESVENTAJA: Limitan las respuestas. LAS PREGUNTAS ABIERTAS:  Útiles cuando no tenemos información sobre las posibles respuestas, o estas son insuficientes.  Para profundizar una opinión o los motivos de un comportamiento. DESVENTAJA: Difíciles de codificar, clasificar y preparar su análisis.
  87. 87. CARACTERISTICAS DE UNA PREGUNTA 1.- Claras y comprensibles para los encuestado. Ejm. 1.1- ¿ Va Ud. a los casinos? 1.2.- ¿ Cada que tiempo prepara ud. Una evaluación para los estudiantes?
  88. 88. 2.-2.- No deben incomodar al encuestado 2.1.- ¿Acostumbra a consumir drogas? 2.2.- ¿ Cuantas parejas sexuales tiene actualmente? 3.- Deben referirse de preferencia a un solo aspecto o relación. 3.1.-¿Planea usted viajar este año y trabajar el próximo? 3.2.- ¿ Acostumbra a preparar sus clases con anticipación y a estudiarlas un día antes? CARACTERISTICAS DE UNA PREGUNTA
  89. 89. 4.- Las preguntas no deben inducir las respuestas. 4.1.- ¿ Los docentes de la Universidad “x” son productivos? 4.2.- ¿ Considera a Alan Garcia el mejor candidato para dirigir nuestro país? 4.3.- ¿No es cierto que Ud. quiere renunciar a este trabajo? CARACTERISTICAS DE UNA PREGUNTA
  90. 90.  Las preguntas no deben apoyarse en ideas respaldadas socialmente o en evidencia comprobada. Ejm. 1.- La Iglesia considera que la píldora del día siguiente es abortiva, Ud. Usaría la píldora del día siguiente? CARACTERISTICAS DE UNA PREGUNTA
  91. 91.  Rotar el orden de las respuestas.  El lenguaje utilizado en las preguntas debe ser adaptado a las características de los encuestados. Ejm. 1.-¿ Por que candidato presidencial votara UD. en las próximas elecciones? a.- Lourdes Flores Nano. b.- Ollanta Humala. CARACTERISTICAS DE UNA PREGUNTA
  92. 92. ¿ UNA O VARIAS PREGUNTAS PARA MEDIR UNA VARIABLE ?  Solo las preguntas necesarias.  Depende del numero de dimensiones e indicadores.

×