SlideShare a Scribd company logo
1 of 14
BASES TEÓRICAS DEL
MUESTREO
POBLACIÓN
• En estadística, población es el conjunto de cosas, personas, animales
o situaciones que tiene una o varias características o atributos
comunes
•"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).
•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.
EJEMPLO DE POBLACIÓN
•Jóvenes de 18 años de España
•Personas fallecidas en accidente de tráfico
TIPOS DE POBLACIÓN
•Población finita: cuando el número de elementos que la forman es
finito, por ejemplo el número de alumnos de un centro de enseñanza,
o grupo clase.
•Población infinita: cuando el número de elementos que la forman es
infinito, o tan grande que pudiesen considerarse infinitos. Como por
ejemplo si se realizase un estudio sobre los productos que hay en el
mercado. Hay tantos y de tantas calidades que esta población podría
considerarse infinita.
•Población Real: es todo el grupo de elementos concretos, como las
personas que en Europa se dedican a actividades artísticas.
POBLACIÓN OBJETIVO
•Conformada por los elementos que cumplan con determinadas
características en un tiempo y espacio
•Ejemplo:
•Estudiantes inscritos durante el presente ciclo escolar que le gusta la música
clásica
•Personas del país de México que tuvieron hepatitis en el 2014
MUESTRA
•Una muestra estadística es un subconjunto de casos o individuos de una población
estadística. Las muestras, se obtienen con la intención de inferir propiedades de la
totalidad de la población, para lo cual deben ser representativas de la misma
•Una muestra es una porción representativa de una determinada población
•Parte de una población que se considera representativa de la misma.
• Es tomar información de una parte, generalmente pequeña, pero representativa de
la población de estudio
•Requisitos de una muestra: aleatoria, de un tamaño mínimo y representativa de la
población.
EJEMPLO DE MUESTRA
Libros impresos en Madrid, en la población de libros de la Biblioteca
Nacional
Alumnos del primer semestre de la BUAP que les gusta las ciencias
sociales.
CENSO
•Es tomar información de todos y cada uno de los elementos de la población
de interés.
•Se entiende por censo aquella numeración que se efectúa a todos y cada
uno de los caracteres componentes de una población.
•Se denomina censo al recuento de individuos que conforman
una población estadística, definida como un conjunto de elementos de
referencia sobre el que se realizan las observaciones
EJEMPLO DE CENSO
•Población de México
•Especies de aves que existen en Brasil
•Alumnos universitarios que hay en el Estado de Chihuahua
MUESTREO
•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.
•Es la técnica para la selección de una muestra a partir de una población
•Procedimiento empleado para obtener una o más muestras de una
población; el muestreo es una técnica que sirve para obtener una o más
muestras de población.
MUESTREO PROBABÍLISTICO
•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.
•El muestreo probabilístico es una técnica de muestreo en virtud de la cual
las muestras son recogidas en un proceso que brinda a todos los individuos
de la población las mismas oportunidades de ser seleccionados.
TIPOS DE MUESTREO
EJEMPLO
Muestreo aleatorio simple
Para obtener una muestra, se numeran los elementos de la
población y se seleccionan al azar los n elementos que contiene la
muestra.
Muestreo aleatorio estratificado
Se divide la población en clases o estratos y se escoge,
aleatoriamente, un número de individuos de cada estrato
proporcional al número de componentes de cada estrato.
MUESTREO NO
PROBABILÍSTICO
•La representatividad de la muestra depende de criterios no
probabilísticos, es decir, la inclusión o no de un elemento en la
muestra se determina en gran medida por el criterio de los
investigadores.
• En general se seleccionan a los sujetos siguiendo determinados
criterios procurando, en la medida de lo posible, que la muestra sea
representativa.
•El muestreo no probabilístico es una técnica de muestreo donde las
muestras se recogen en un proceso que no brinda a todos los
individuos de la población iguales oportunidades de ser
EJEMPLO
El muestreo por conveniencia
Es probablemente la técnica de muestreo más común. En el muestreo por conveniencia,
las muestras son seleccionadas porque son accesibles para el investigador. Los sujetos
son elegidos simplemente porque son fáciles de recluta
Muestreo por cuotas
El muestreo por cuotas es una técnica de muestreo no probabilístico en donde el
investigador asegura una representación equitativa y proporcionada de los sujetos, en
función de qué rasgo es considerado base de la cuota.
Por ejemplo, si la base de la cuota es de nivel de año en la universidad y el investigador
necesita una representación igual, con un tamaño de muestra de 100, debe seleccionar 25
estudiantes de 1º año, 25 de 2° año, 25 de 3º año y 25 de 4º año.
Muestreo de bola de nieve
El muestreo de bola de nieve se lleva a cabo generalmente cuando hay una población muy
pequeña. En este tipo de muestreo, el investigador le pide al primer sujeto que identifique
a otro sujeto potencial que también cumpla con los criterios de la investigación.

More Related Content

What's hot

Regrecion lineal..2 ejercicios.
Regrecion lineal..2 ejercicios.Regrecion lineal..2 ejercicios.
Regrecion lineal..2 ejercicios.
Laariissa He
 
Probabilidad Variables Aleatorias
Probabilidad Variables AleatoriasProbabilidad Variables Aleatorias
Probabilidad Variables Aleatorias
PZB200
 
TAMAÑO DE LA MUESTRA
TAMAÑO DE LA MUESTRATAMAÑO DE LA MUESTRA
TAMAÑO DE LA MUESTRA
guest8a3c19
 
Trabajo estadistica
Trabajo estadisticaTrabajo estadistica
Trabajo estadistica
hoteles1
 

What's hot (20)

Calculo de la muestra
Calculo de la muestraCalculo de la muestra
Calculo de la muestra
 
Regrecion lineal..2 ejercicios.
Regrecion lineal..2 ejercicios.Regrecion lineal..2 ejercicios.
Regrecion lineal..2 ejercicios.
 
Probabilidad Variables Aleatorias
Probabilidad Variables AleatoriasProbabilidad Variables Aleatorias
Probabilidad Variables Aleatorias
 
Normal as Approximation to Binomial
Normal as Approximation to BinomialNormal as Approximation to Binomial
Normal as Approximation to Binomial
 
Muestreo
MuestreoMuestreo
Muestreo
 
Prueba de hipotesis para dos poblaciones
Prueba de hipotesis para dos poblacionesPrueba de hipotesis para dos poblaciones
Prueba de hipotesis para dos poblaciones
 
Estimacion de-parametros
Estimacion de-parametrosEstimacion de-parametros
Estimacion de-parametros
 
Muestreo sistemático
Muestreo sistemáticoMuestreo sistemático
Muestreo sistemático
 
Análisis de Componentes Principales
Análisis de Componentes Principales Análisis de Componentes Principales
Análisis de Componentes Principales
 
Distribuciones muestrales diapositivas
Distribuciones muestrales diapositivasDistribuciones muestrales diapositivas
Distribuciones muestrales diapositivas
 
Equipo 4_ capitulo 6.pptx
Equipo 4_ capitulo 6.pptxEquipo 4_ capitulo 6.pptx
Equipo 4_ capitulo 6.pptx
 
Chi cuadrada
Chi cuadradaChi cuadrada
Chi cuadrada
 
MéTodo De Muestreo Por Conglomerados
MéTodo De  Muestreo  Por  ConglomeradosMéTodo De  Muestreo  Por  Conglomerados
MéTodo De Muestreo Por Conglomerados
 
Tipos de muestreo
Tipos de muestreoTipos de muestreo
Tipos de muestreo
 
Estimación
EstimaciónEstimación
Estimación
 
estadistica inferencial
estadistica inferencialestadistica inferencial
estadistica inferencial
 
TAMAÑO DE LA MUESTRA
TAMAÑO DE LA MUESTRATAMAÑO DE LA MUESTRA
TAMAÑO DE LA MUESTRA
 
Variables aleatorias discretas
Variables aleatorias discretasVariables aleatorias discretas
Variables aleatorias discretas
 
Prueba de hipotesis 2018 final
Prueba de hipotesis 2018 finalPrueba de hipotesis 2018 final
Prueba de hipotesis 2018 final
 
Trabajo estadistica
Trabajo estadisticaTrabajo estadistica
Trabajo estadistica
 

Similar to 6. bases teoricas del muestreo (20)

Bases teóricas-del-muestreo
Bases teóricas-del-muestreoBases teóricas-del-muestreo
Bases teóricas-del-muestreo
 
tipos de muestra
tipos de muestratipos de muestra
tipos de muestra
 
Teoría del Muestreo.pptx
Teoría del Muestreo.pptxTeoría del Muestreo.pptx
Teoría del Muestreo.pptx
 
Población y muestra seminario de tesis
Población y muestra  seminario de tesisPoblación y muestra  seminario de tesis
Población y muestra seminario de tesis
 
Clase 1 16 01-2021
Clase 1 16 01-2021Clase 1 16 01-2021
Clase 1 16 01-2021
 
Uce Muestra psicología educativa octubre 2017
Uce Muestra psicología educativa octubre 2017Uce Muestra psicología educativa octubre 2017
Uce Muestra psicología educativa octubre 2017
 
muestreo
muestreomuestreo
muestreo
 
elmuestreo.pdf
elmuestreo.pdfelmuestreo.pdf
elmuestreo.pdf
 
El muestreo (1)
El muestreo (1)El muestreo (1)
El muestreo (1)
 
PRESENTACIÓN EL MUESTRO
PRESENTACIÓN EL MUESTRO PRESENTACIÓN EL MUESTRO
PRESENTACIÓN EL MUESTRO
 
Elmuestreo
ElmuestreoElmuestreo
Elmuestreo
 
Elmuestreo
ElmuestreoElmuestreo
Elmuestreo
 
Elmuestreo
ElmuestreoElmuestreo
Elmuestreo
 
Elmuestreo
ElmuestreoElmuestreo
Elmuestreo
 
El muestreo
El muestreoEl muestreo
El muestreo
 
Elmuestreo
ElmuestreoElmuestreo
Elmuestreo
 
Elmuestreo
ElmuestreoElmuestreo
Elmuestreo
 
El muestreo
El muestreoEl muestreo
El muestreo
 
Tipos de muestreo
Tipos de muestreoTipos de muestreo
Tipos de muestreo
 
(268083723) el muestreo
(268083723) el muestreo(268083723) el muestreo
(268083723) el muestreo
 

More from KarlaDanielaOrtega

More from KarlaDanielaOrtega (20)

1. Línea del tiempo
1. Línea del tiempo1. Línea del tiempo
1. Línea del tiempo
 
17. Planeación de la enseñanza multigrado
17. Planeación de la enseñanza multigrado17. Planeación de la enseñanza multigrado
17. Planeación de la enseñanza multigrado
 
Etapas de expresión gráfica en el niño
Etapas de expresión gráfica en el niñoEtapas de expresión gráfica en el niño
Etapas de expresión gráfica en el niño
 
12. Enseñando en escuela rural (sombreros)
12. Enseñando en escuela rural (sombreros)12. Enseñando en escuela rural (sombreros)
12. Enseñando en escuela rural (sombreros)
 
9.Los fenómenos naturales(enfoque globalizador)
9.Los fenómenos naturales(enfoque globalizador)9.Los fenómenos naturales(enfoque globalizador)
9.Los fenómenos naturales(enfoque globalizador)
 
8.actividad en equipo con base en zabala
8.actividad en equipo con base en zabala8.actividad en equipo con base en zabala
8.actividad en equipo con base en zabala
 
5.Competencias para la vida
5.Competencias para la vida5.Competencias para la vida
5.Competencias para la vida
 
2. Escuela nueva escuela activa una escuela innovadora
2. Escuela nueva escuela activa una escuela innovadora2. Escuela nueva escuela activa una escuela innovadora
2. Escuela nueva escuela activa una escuela innovadora
 
10.las batallas en el desierto
10.las batallas en el desierto10.las batallas en el desierto
10.las batallas en el desierto
 
5.mi historia de vida
5.mi historia de vida5.mi historia de vida
5.mi historia de vida
 
Presentación final de unidad trabajo final
Presentación final de unidad trabajo finalPresentación final de unidad trabajo final
Presentación final de unidad trabajo final
 
Propuestas para una escuela inclusiva
Propuestas para una escuela inclusivaPropuestas para una escuela inclusiva
Propuestas para una escuela inclusiva
 
Aula inclusiva
Aula inclusivaAula inclusiva
Aula inclusiva
 
Propuestas para aulas inclusivas
Propuestas para aulas inclusivasPropuestas para aulas inclusivas
Propuestas para aulas inclusivas
 
Aula inclusiva y barreras para el aprendizaje
Aula inclusiva y barreras para el aprendizajeAula inclusiva y barreras para el aprendizaje
Aula inclusiva y barreras para el aprendizaje
 
5.analisis el caso de juan, el niño triqui
5.analisis el caso de juan, el niño triqui5.analisis el caso de juan, el niño triqui
5.analisis el caso de juan, el niño triqui
 
10.fotografía y frase
10.fotografía y frase10.fotografía y frase
10.fotografía y frase
 
7.Tabasco
7.Tabasco7.Tabasco
7.Tabasco
 
4.Fresnillo
4.Fresnillo4.Fresnillo
4.Fresnillo
 
9. tiching
9. tiching9. tiching
9. tiching
 

Recently uploaded

🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx
🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx
🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx
EliaHernndez7
 
Concepto y definición de tipos de Datos Abstractos en c++.pptx
Concepto y definición de tipos de Datos Abstractos en c++.pptxConcepto y definición de tipos de Datos Abstractos en c++.pptx
Concepto y definición de tipos de Datos Abstractos en c++.pptx
Fernando Solis
 
6°_GRADO_-_MAYO_06 para sexto grado de primaria
6°_GRADO_-_MAYO_06 para sexto grado de primaria6°_GRADO_-_MAYO_06 para sexto grado de primaria
6°_GRADO_-_MAYO_06 para sexto grado de primaria
Wilian24
 
Proyecto de aprendizaje dia de la madre MINT.pdf
Proyecto de aprendizaje dia de la madre MINT.pdfProyecto de aprendizaje dia de la madre MINT.pdf
Proyecto de aprendizaje dia de la madre MINT.pdf
patriciaines1993
 

Recently uploaded (20)

Procedimientos para la planificación en los Centros Educativos tipo V ( multi...
Procedimientos para la planificación en los Centros Educativos tipo V ( multi...Procedimientos para la planificación en los Centros Educativos tipo V ( multi...
Procedimientos para la planificación en los Centros Educativos tipo V ( multi...
 
Prueba libre de Geografía para obtención título Bachillerato - 2024
Prueba libre de Geografía para obtención título Bachillerato - 2024Prueba libre de Geografía para obtención título Bachillerato - 2024
Prueba libre de Geografía para obtención título Bachillerato - 2024
 
ACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLA
ACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLAACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLA
ACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLA
 
FUERZA Y MOVIMIENTO ciencias cuarto basico.ppt
FUERZA Y MOVIMIENTO ciencias cuarto basico.pptFUERZA Y MOVIMIENTO ciencias cuarto basico.ppt
FUERZA Y MOVIMIENTO ciencias cuarto basico.ppt
 
Prueba de evaluación Geografía e Historia Comunidad de Madrid 2º de la ESO
Prueba de evaluación Geografía e Historia Comunidad de Madrid 2º de la ESOPrueba de evaluación Geografía e Historia Comunidad de Madrid 2º de la ESO
Prueba de evaluación Geografía e Historia Comunidad de Madrid 2º de la ESO
 
Plan-de-la-Patria-2019-2025- TERCER PLAN SOCIALISTA DE LA NACIÓN.pdf
Plan-de-la-Patria-2019-2025- TERCER PLAN SOCIALISTA DE LA NACIÓN.pdfPlan-de-la-Patria-2019-2025- TERCER PLAN SOCIALISTA DE LA NACIÓN.pdf
Plan-de-la-Patria-2019-2025- TERCER PLAN SOCIALISTA DE LA NACIÓN.pdf
 
ACERTIJO LA RUTA DEL MARATÓN OLÍMPICO DEL NÚMERO PI EN PARÍS. Por JAVIER SOL...
ACERTIJO LA RUTA DEL MARATÓN OLÍMPICO DEL NÚMERO PI EN  PARÍS. Por JAVIER SOL...ACERTIJO LA RUTA DEL MARATÓN OLÍMPICO DEL NÚMERO PI EN  PARÍS. Por JAVIER SOL...
ACERTIJO LA RUTA DEL MARATÓN OLÍMPICO DEL NÚMERO PI EN PARÍS. Por JAVIER SOL...
 
Tema 11. Dinámica de la hidrosfera 2024
Tema 11.  Dinámica de la hidrosfera 2024Tema 11.  Dinámica de la hidrosfera 2024
Tema 11. Dinámica de la hidrosfera 2024
 
Supuestos_prácticos_funciones.docx
Supuestos_prácticos_funciones.docxSupuestos_prácticos_funciones.docx
Supuestos_prácticos_funciones.docx
 
Los dos testigos. Testifican de la Verdad
Los dos testigos. Testifican de la VerdadLos dos testigos. Testifican de la Verdad
Los dos testigos. Testifican de la Verdad
 
TIENDAS MASS MINIMARKET ESTUDIO DE MERCADO
TIENDAS MASS MINIMARKET ESTUDIO DE MERCADOTIENDAS MASS MINIMARKET ESTUDIO DE MERCADO
TIENDAS MASS MINIMARKET ESTUDIO DE MERCADO
 
🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx
🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx
🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx
 
TRABAJO FINAL TOPOGRAFÍA COMPLETO DE LA UPC
TRABAJO FINAL TOPOGRAFÍA COMPLETO DE LA UPCTRABAJO FINAL TOPOGRAFÍA COMPLETO DE LA UPC
TRABAJO FINAL TOPOGRAFÍA COMPLETO DE LA UPC
 
Interpretación de cortes geológicos 2024
Interpretación de cortes geológicos 2024Interpretación de cortes geológicos 2024
Interpretación de cortes geológicos 2024
 
BIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICA
BIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICABIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICA
BIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICA
 
Concepto y definición de tipos de Datos Abstractos en c++.pptx
Concepto y definición de tipos de Datos Abstractos en c++.pptxConcepto y definición de tipos de Datos Abstractos en c++.pptx
Concepto y definición de tipos de Datos Abstractos en c++.pptx
 
Biografía de Charles Coulomb física .pdf
Biografía de Charles Coulomb física .pdfBiografía de Charles Coulomb física .pdf
Biografía de Charles Coulomb física .pdf
 
6°_GRADO_-_MAYO_06 para sexto grado de primaria
6°_GRADO_-_MAYO_06 para sexto grado de primaria6°_GRADO_-_MAYO_06 para sexto grado de primaria
6°_GRADO_-_MAYO_06 para sexto grado de primaria
 
Proyecto de aprendizaje dia de la madre MINT.pdf
Proyecto de aprendizaje dia de la madre MINT.pdfProyecto de aprendizaje dia de la madre MINT.pdf
Proyecto de aprendizaje dia de la madre MINT.pdf
 
Sesión de clase APC: Los dos testigos.pdf
Sesión de clase APC: Los dos testigos.pdfSesión de clase APC: Los dos testigos.pdf
Sesión de clase APC: Los dos testigos.pdf
 

6. bases teoricas del muestreo

  • 2. POBLACIÓN • En estadística, población es el conjunto de cosas, personas, animales o situaciones que tiene una o varias características o atributos comunes •"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). •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.
  • 3. EJEMPLO DE POBLACIÓN •Jóvenes de 18 años de España •Personas fallecidas en accidente de tráfico
  • 4. TIPOS DE POBLACIÓN •Población finita: cuando el número de elementos que la forman es finito, por ejemplo el número de alumnos de un centro de enseñanza, o grupo clase. •Población infinita: cuando el número de elementos que la forman es infinito, o tan grande que pudiesen considerarse infinitos. Como por ejemplo si se realizase un estudio sobre los productos que hay en el mercado. Hay tantos y de tantas calidades que esta población podría considerarse infinita. •Población Real: es todo el grupo de elementos concretos, como las personas que en Europa se dedican a actividades artísticas.
  • 5. POBLACIÓN OBJETIVO •Conformada por los elementos que cumplan con determinadas características en un tiempo y espacio •Ejemplo: •Estudiantes inscritos durante el presente ciclo escolar que le gusta la música clásica •Personas del país de México que tuvieron hepatitis en el 2014
  • 6. MUESTRA •Una muestra estadística es un subconjunto de casos o individuos de una población estadística. Las muestras, se obtienen con la intención de inferir propiedades de la totalidad de la población, para lo cual deben ser representativas de la misma •Una muestra es una porción representativa de una determinada población •Parte de una población que se considera representativa de la misma. • Es tomar información de una parte, generalmente pequeña, pero representativa de la población de estudio •Requisitos de una muestra: aleatoria, de un tamaño mínimo y representativa de la población.
  • 7. EJEMPLO DE MUESTRA Libros impresos en Madrid, en la población de libros de la Biblioteca Nacional Alumnos del primer semestre de la BUAP que les gusta las ciencias sociales.
  • 8. CENSO •Es tomar información de todos y cada uno de los elementos de la población de interés. •Se entiende por censo aquella numeración que se efectúa a todos y cada uno de los caracteres componentes de una población. •Se denomina censo al recuento de individuos que conforman una población estadística, definida como un conjunto de elementos de referencia sobre el que se realizan las observaciones
  • 9. EJEMPLO DE CENSO •Población de México •Especies de aves que existen en Brasil •Alumnos universitarios que hay en el Estado de Chihuahua
  • 10. MUESTREO •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. •Es la técnica para la selección de una muestra a partir de una población •Procedimiento empleado para obtener una o más muestras de una población; el muestreo es una técnica que sirve para obtener una o más muestras de población.
  • 11. MUESTREO PROBABÍLISTICO •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. •El muestreo probabilístico es una técnica de muestreo en virtud de la cual las muestras son recogidas en un proceso que brinda a todos los individuos de la población las mismas oportunidades de ser seleccionados. TIPOS DE MUESTREO
  • 12. EJEMPLO Muestreo aleatorio simple Para obtener una muestra, se numeran los elementos de la población y se seleccionan al azar los n elementos que contiene la muestra. Muestreo aleatorio estratificado Se divide la población en clases o estratos y se escoge, aleatoriamente, un número de individuos de cada estrato proporcional al número de componentes de cada estrato.
  • 13. MUESTREO NO PROBABILÍSTICO •La representatividad de la muestra depende de criterios no probabilísticos, es decir, la inclusión o no de un elemento en la muestra se determina en gran medida por el criterio de los investigadores. • En general se seleccionan a los sujetos siguiendo determinados criterios procurando, en la medida de lo posible, que la muestra sea representativa. •El muestreo no probabilístico es una técnica de muestreo donde las muestras se recogen en un proceso que no brinda a todos los individuos de la población iguales oportunidades de ser
  • 14. EJEMPLO El muestreo por conveniencia Es probablemente la técnica de muestreo más común. En el muestreo por conveniencia, las muestras son seleccionadas porque son accesibles para el investigador. Los sujetos son elegidos simplemente porque son fáciles de recluta Muestreo por cuotas El muestreo por cuotas es una técnica de muestreo no probabilístico en donde el investigador asegura una representación equitativa y proporcionada de los sujetos, en función de qué rasgo es considerado base de la cuota. Por ejemplo, si la base de la cuota es de nivel de año en la universidad y el investigador necesita una representación igual, con un tamaño de muestra de 100, debe seleccionar 25 estudiantes de 1º año, 25 de 2° año, 25 de 3º año y 25 de 4º año. Muestreo de bola de nieve El muestreo de bola de nieve se lleva a cabo generalmente cuando hay una población muy pequeña. En este tipo de muestreo, el investigador le pide al primer sujeto que identifique a otro sujeto potencial que también cumpla con los criterios de la investigación.