Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

3

Share

Download to read offline

7. población y muestra

Download to read offline

se hace una descripcion del proceso de seleccion de la pobalacion y los proceso de muestero

7. población y muestra

  1. 1. POBLACION Y MUESTRA MG. HERBERT COSIO DUEÑAS
  2. 2.  Primero definir la unidad de análisis.  Segundo delimitar la población.  Tercero se obtiene la muestra.
  3. 3. PRIMERO ESTABLECER LA UNIDAD DE ANALISIS (CASOS O ELEMENTOS) Es decir sobre que o quienes se recolecta datos?  Individuos.  objetos  Organizaciones.  Periódicos.  Comunidades  Situaciones  Eventos  Radiografías  Historias clínicas  Etc.
  4. 4. POBLACIÓN O UNIVERSO es el conjunto de todos los casos o unidades de análisis que concuerdan con una serie de especificaciones
  5. 5. DELIMITACIÓN DE LA POBLACIÓN Las poblaciones deben situarse claramente en torno a sus características de contenido, de lugar y en el tiempo
  6. 6. DELIMITACIÓN DE LA POBLACIÓN evitar tres errores que pueden presentarse: 1. desestimar o no elegir a casos que deberían ser parte de la muestra 2. incluir a casos que no deberían estar porque no forman parte de la población. 3. Seleccionar casos que son verdaderamente inelegibles
  7. 7. MUESTRA Es un subgrupo de la población de interés sobre el cual se recolectaran datos, y que tiene que definirse o delimitarse de antemano con precisión, este deberá ser representativo de dicha población.
  8. 8. TIPOS DE MUESTRA Categorizamos las muestras en dos grandes ramas.
  9. 9. MUESTRA PROBABILÍSTICA  se obtienen definiendo las características de la población y el tamaño de la muestra, y por medio de una selección aleatoria o mecánica de las unidades de análisis.
  10. 10. MUESTRA NO PROBABILÍSTICA  Aquí el procedimiento no es mecánico ni con base en formulas de probabilidad, sino que depende del proceso de toma de decisiones de un investigador o de un grupo de investigadores y, desde luego, las muestras seleccionadas obedecen a otros criterios de investigación.
  11. 11. Elegir entre una muestra probabilística o una no probabilística depende de los objetivos del estudio, del esquema de investigación y de la contribución que se piensa hacer con ella.
  12. 12. EJEMPLOS 1. Tenemos una investigación sobre uso de una marca de implementos de seguridad en el trabajo. El objetivo de la investigación era documentar sus experiencias en la manipulación y resultados.
  13. 13. SELECCIÓN DE UNA MUESTRA PROBABILÍSTICA  la principal ventaja que presenta es que se puede medirse el tamaño del error en nuestras predicciones.  El principal objetivo es reducir al mínimo este error, al que se le llama error estándar
  14. 14. Las muestras probabilísticas son esenciales en los diseños de investigación descriptivos como correlaciónales-causales.
  15. 15. Para hacer una muestra probabilística son necesarios dos procedimientos: 1. calcular un tamaño de muestra que sea representativo de la población. 2. seleccionar los elementos muéstrales (casos) de manera que al inicio todos tengan la misma posibilidad de ser elegidos.
  16. 16. CÁLCULO DEL TAMAÑO DE MUESTRA Cuando se hace una muestra probabilística, uno debe preguntarse:  dado que una población es de N tamaño.  cual es el menor numero de unidades muéstrales (personas, organizaciones, etc.) que necesito para conformar una muestra (n) que me asegure un determinado nivel de error estándar.
  17. 17. La respuesta a esta pregunta busca encontrar una muestra que sea representativa del universo o población con cierta posibilidad de error (se pretende minimizar) y nivel de confianza (maximizar), así como probabilidad.
  18. 18. TAMAÑO DE MUESTRA  Para determinar el tamaño de la muestra con intervalo de confianza del 95% y márgenes de error de + o- 1% hasta +o-10%, se puede utilizar la siguiente fórmula.  La siguiente fórmula es utilizada en el caso de que el universo o población en estudio sea inferior a 100,000. Z2 * N * p * q n= E2 * (N-1)+ Z2* p * q Donde : n=tamaño de la muestra a ser determinado N=tamaño del universo p=50% ó 0.5 q=50% ó 0.5 E=5% o 0.05 Z=1.96 para un nivel de confianza del 95%
  19. 19. EXPLICAR ERROR, CONFIANBILIDAD  E = error máximo aceptado (0.05%)  Z = Nivel deseado de confianza, que es el complemento del error máximo aceptable. Para un 95% de confiabilidad se usa 1.96 Si el error elegido fue de 5%, el nivel deseado de confianza sera de 95%.
  20. 20. EXPLICAR ERROR, CONFIANBILIDAD  “p” = posibilidades a partir DE UN TODO de que si ocurra.  “q” = posibilidad de que no ocurra a partir de un todo (p + q = 1). Cuando no tenemos marcos de muestreo previo, usamos un porcentaje estimado es de 50% o lo que es igual a 0.5 de un todo.
  21. 21. TAMAÑO DE MUESTRA PARA UNA POBLACIÓN INFINITA  Para determinar el tamaño de la muestra con intervalo de confianza de 95% y márgenes de error de +-1%,+-2%,+-3%,+-4%,+-5% se pueden utilizar las siguientes fórmulas: Para una población infinita es decir, superior a las 100,000 unidades de observación: Z2 p.q no= = E2 Donde : no = tamaño de la muestra aproximada o primera aproximación. Z=desviación estándar (para un intervalo de confianza de 95 es 1,96) p=proporción de la población que posee la característica (cuando se desconoce esa proporción se asume p= 0.5) q=1-p E= margen de error que se está dispuesto a aceptar. En este caso 0.05
  22. 22. FÓRMULA PARA EL TAMAÑO DE LA MUESTRA
  23. 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. 24. RECUERDA para obtener una muestra probabilística LO PRIMERO ES calcular un tamaño de muestra que sea representativo de la población. USA LAS FORMULAS
  25. 25. SELECCIÓN DE ELEMENTOS MUETRALES O MUESTREO Sistemático Aleatorio Simple Estratificado Conglomerado MUESTREO Probabilístico
  26. 26. MUESTREO PROBABILÍSTICO 1.1. ALEATORIO SIMPLE.- Su característica esencial, es que todos los casos del universo tienen al inicio la misma probabilidad de ser seleccionados
  27. 27. MUESTREO PROBABILÍSTICO 1.2. ESTRATIFICADO.- Muestreo en el que la población se divide en segmentos y se selecciona una muestra para cada segmento. Ejemplo: estratificar de acuerdo al nivel socioeconómico.
  28. 28. MUESTREO PROBABILÍSTICO 1.2. ESTRATIFICADO.- el interés del investigador es comparar sus resultados entre segmentos, grupos o nichos de la población, porque así lo señala el planteamiento del problema
  29. 29. MUESTREO PROBABILÍSTICO 1.2. ESTRATIFICADO  Lo que aquí se hace es dividir a la población en subpoblaciones o estratos, y se selecciona una muestra para cada estrato.  La estratificación aumenta la precisión de la muestra e implica el uso deliberado de diferentes tamaños de muestra para cada estrato, a fin de lograr reducir la varianza de cada unidad de la media muestral.
  30. 30. MUESTREO PROBABILÍSTICO  1.3. POR RACIMOS.- Son sinónimos de clusters o conglomerados. las unidades de análisis se encuentran encapsuladas o encerradas en determinados lugares físicos o geográficos, a los que se denomina racimos.
  31. 31. MUESTREO PROBABILÍSTICO
  32. 32. MUESTREO PROBABILÍSTICO Muestrear por racimos implica diferenciar entre la unidad de análisis y la unidad muestral.  La unidad de análisis indica quienes van a ser medidos, o sea, los participantes o casos a quienes en ultima instancia vamos a aplicar el instrumento de medición.  La unidad muestral (en este tipo de muestra) se refiere al racimo por medio del cual se logra el acceso a la unidad de análisis.
  33. 33. PROCEDIMIENTO DE SELECION DE LA MUESTRA Se utilizan básicamente tres procedimientos de selección: 1. Tómbola.- Los números elegidos al azar conformaran la muestra 2. Números random o números aleatorios.- Calculo del tamaño de muestra y otros procedimientos por formulas 3. Selección sistemática de elementos muéstrales.- implica elegir dentro de una población N un numero n de elementos a partir de un intervalo K.
  34. 34. LISTADOS Y OTROS MARCOS MUÉSTRALES Es un marco de referencia que nos permite identificar físicamente los elementos de la población, así como la posibilidad de enumerarlos y seleccionar los elementos muéstrales
  35. 35. MUESTRAS NO PROBABILISTICAS  También llamadas muestras dirigidas, suponen un procedimiento de selección informal.  Se seleccionan individuos o casos “típicos” sin intentar que sean representativos de una población determinada.  Mas se aplican a investigaciones cualitativas.
  36. 36. para fines deductivos-cuantitativos, donde la generalización o extrapolación de resultados hacia la población es una finalidad en si misma, las muestras dirigidas implican algunas desventajas
  37. 37. MUESTRAS NO PROBABILISTICAS  al no ser probabilísticas, no es posible calcular con precisión el error estándar, es decir, no podemos calcular con que nivel de confianza hacemos una estimación.  Los datos obtenidos no pueden generalizarse a la población.  la elección de los casos depende de la decisión de un investigador o grupo de personas que recolectan los datos.
  38. 38. Las investigaciones experimentales, la mayoría de las veces utilizan muestras dirigidas, porque como se comento, es difícil manejar grupos grandes (debido a ello se ha insistido que, en los experimentos, la validez externa se consolida mediante la repetición o reproducción del estudio).
  39. 39. MUESTRAS NO PROBABILISTICAS Accidental o circunstancial Por cuotas MUESTREO NO Probabilístico Criterial o intencional
  40. 40. Los estudios no experimentales descriptivos o correlaciónales-causales deben emplear muestras probabilísticas si quieren que sus resultados sean generalizados a una población.
  • rosaelizabethvelasqueortega3

    Jul. 9, 2020
  • anajacurrego

    Jan. 15, 2020
  • NadiaCarvajalVanegas

    Sep. 23, 2016

se hace una descripcion del proceso de seleccion de la pobalacion y los proceso de muestero

Views

Total views

16,383

On Slideshare

0

From embeds

0

Number of embeds

5

Actions

Downloads

248

Shares

0

Comments

0

Likes

3

×