Your SlideShare is downloading. ×
0
PoblacióN Y Muestra
PoblacióN Y Muestra
PoblacióN Y Muestra
PoblacióN Y Muestra
PoblacióN Y Muestra
PoblacióN Y Muestra
PoblacióN Y Muestra
PoblacióN Y Muestra
PoblacióN Y Muestra
PoblacióN Y Muestra
PoblacióN Y Muestra
PoblacióN Y Muestra
PoblacióN Y Muestra
PoblacióN Y Muestra
PoblacióN Y Muestra
PoblacióN Y Muestra
PoblacióN Y Muestra
PoblacióN Y Muestra
PoblacióN Y Muestra
PoblacióN Y Muestra
PoblacióN Y Muestra
PoblacióN Y Muestra
PoblacióN Y Muestra
PoblacióN Y Muestra
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

PoblacióN Y Muestra

140,751

Published on

Published in: Education
5 Comments
19 Likes
Statistics
Notes
No Downloads
Views
Total Views
140,751
On Slideshare
0
From Embeds
0
Number of Embeds
11
Actions
Shares
0
Downloads
2,478
Comments
5
Likes
19
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. Población y Muestra Metodología de la Investigación
  • 2. CONCEPTOS
    • Población . Es un conjunto de elementos que poseen una característica. En el proceso investigativo la población corresponde al conjunto de referencia sobre el cual se va a desarrollar la investigación o estudio.
    • Muestra. Es un subconjunto de la población.
    • Una muestra representativa es una muestra que recoge todas las características relevantes de la población.
  • 3. Técnicas para determinar la muestra o Técnicas de Muestreo
    • Probabilístico: Si a cada elemento tiene la misma posibilidad) de formar parte de la muestra
    • No probabilístico: Si cada elemento NO tiene la misma posibilidad) de formar parte de la muestra
  • 4.  
  • 5. Muestreo Probabilístico
    • Cuando todas las unidades que componen el universo son conocidas y tienen igual posibilidad de ser seleccionadas en la muestra.
    • Recomendada para poblaciones no muy grandes.
    • Muestreo Simple Aleatorio
  • 6. Ejemplo
    • En una fábrica hay 1000 personas trabajando, 600 de las cuales son obreros, 250 son técnicos y 150 son profesionales. Si queremos seleccionar una muestra aleatoria simple (de 200 personas, por ejemplo), la probabilidad de selección de cada persona es:
    • Probabilidad = muestra deseada = 200 = 0,2
    • Población 1000
    • Y la distribución tendería a que los 200 de la muestra se distribuyan así: 120 obreros, 50 técnicos y 30 profesionales. Y se utilizaría el azar para escoger a los elementos de la muestra.
  • 7. Ejemplo
    • Se quiere un muestra de 500 viviendas en un barrio de 2000 casas. Se determinan escogiendo una casa cada cierto intervalo.
    • El intervalo sería K = Población/Muestra
    • K=2000/500= 4, osea se numeran las 2000 casas y luego empezando por una al azar cada 4 se escoge hasta completar las 500.
  • 8.  
  • 9. Muestreo Probabilístico
    • Cuando hay estratos de importancia para la investigación, tales como el sexo de las personas o las regiones de un país, se escoge la muestra al interior del estrato.
    • Muestreo Estratificado
  • 10. Ejemplo
    • En el caso del ejemplo de la fábrica, podríamos haber argumentado que obreros, técnicos y profesionales son importantes para establecer comparaciones y se decide escoger 80 de cada estrato. En este caso las probabilidades de selección serían, por estrato, las siguientes:
    • Obreros 80/600 = 0.133
    • Técnicos 80/250 = 0.320
    • Profesionales 80/150 = 0.530
    • Donde se puede apreciar que la probabilidad de selección no es igual para todas las personas, sino que depende del estrato en que éstas se encuentran y así un obrero tiene menor posibilidad de ser seleccionado que un profesional, simplemente porque estos últimos son menos.
  • 11.  
  • 12. Muestreo Probabilístico
    • Una muestra por conglomerados es aquella en la que la unidad de muestreo no es la unidad o elemento de la población sino el conglomerado. La unidad de muestra se refiere a los elementos del universo que se seleccionan en la muestra.
    • Un ejemplo de conglomerados son los cursos de una escuela, cada curso es un conglomerado.
    • Muestreo Por Conglomerados
  • 13.  
  • 14. Muestreo No Probabilístico
    • Es un muestreo no probabilístico y corresponde a la posibilidad que tiene el investigador de seleccionar como muestra un subconjunto de la población en un momento no previsto con anterioridad.
    • Muestreo Accidental
  • 15. Ejemplo
    • En una investigación sobre comportamiento cívico de las personas, si el investigador está presente en el momento de un accidente de tránsito puede tomar como referencia los sujetos que se encuentren directa e indirectamente involucrados en el hecho.
  • 16.  
  • 17. Muestreo No Probabilístico
    • Caso extremo. También es denominado desviado, corresponde a seleccionar el mejor o el peor de los casos y analizar si funciona o no el estudio correspondiente
    • Variación máxima o casos extremos. Consiste en seleccionar casos de los dos extremos y jugar con esas dos posiciones en el análisis de la información; es decir, comparar lógicas diferentes.
    • Homogénea. Es llamada también de grupos focales. Se recomiendan grupos pequeños (de 6 a 8 personas).
    • Caso típico. Consiste en seleccionar un caso representativo de la comunidad.
    • Muestreo Intencional
  • 18. Muestreo No Probabilístico
    • Caso crítico. Seleccionando el peor de los casos se plantean preguntas como: ¿Si tiene esas posibilidades qué pasaría?
    • Bola de nieve o de cadena. Es utilizado generalmente cuando no es posible detectar las personas por cuestiones delicadas o comprometedoras; entonces un primer representante puede sugerir otro y éste un tercero y así sucesivamente.
    • Por criterio. El investigador se plantea unas características especiales que deben cumplir los elementos de la muestra.
    • Confirmatorio o desconfirmatorio. Se seleccionan elementos muestrales que ratifican o no el caso estudiado.
    • Muestreo Intencional
  • 19. Muestreo No Probabilístico
    • Políticamente importante. Se selecciona una muestra cuya atención, en ese momento, es relevante por sus condiciones y características.
    • Por conveniencia. El investigador puede seleccionar una muestra con la que se facilite la recolección de información. Conocido también como muestreo por seguimiento, ya que la muestra corresponde a una parte, fracción o segmento de la población, lo cual, a su vez, produce resultados muy sesgados debido a la escasa representatividad que puede presentar dicho segmento. Este método también es utilizado en encuestas preliminares.
    • Por cuotas. Es una forma de diseño estratificado, en el cual la selección final de los casos dentro del estrato no es aleatoria.
    • Muestreo Intencional
  • 20. Tamaño de la Muestra Metodología de la Investigación
  • 21.
    • Suponiendo que no hay limitaciones de costos ni otras limitaciones de orden práctico, el investigador debe aclarar las variables que analizará, el diseño muestral que utilizará y, sobre todo, el error que está dispuesto a aceptar para las estimaciones o decisiones que tome a partir de los resultados encontrados en la muestra. Igualmente, hay que considerar el nivel de significancia con el cual se trabajará.
  • 22. Fórmula para el Tamaño de la Muestra
  • 23. Ejemplo
    • Suponga que fue seleccionado para realizar una investigación en educación básica de una ciudad sobre “dificultades en el aprendizaje de las Matemáticas”. Esta investigación se va a desarrollar en un municipio donde los estudiantes de educación básica son 35.280. Se desea seleccionar una muestra cuyo margen de error de muestreo sea del 2% y cuyo nivel de confianza sea del 95%. ¿Cuál debe ser el tamaño de la muestra?
  • 24.  

×