SlideShare a Scribd company logo
1 of 21
POBLACIÓN YPOBLACIÓN Y
MUESTRAMUESTRA
POBLACIÓNPOBLACIÓN
 POBLACIÓN: Conjunto de individuos que
tienen las características (variables), que se
quieren estudiar.
 POBLACIÓN DIANA: Está definida por los
objetivos del estudio. Ejm. Diabéticos de Lima.
 POBLACIÓN FINITA: Cuando se conoce el
tamaño de la población.
 POBLACIÓN INFINITA: Cuando no se conoce
el tamaño de la población.
MUESTRAMUESTRA
 Es un subconjunto de la población de
estudio y es el grupo de personas que
realmente se estudiarán.
 Debe ser representativa de la población y
para lograr esto, se tiene que tener bien
definido los criterios de inclusión y
esclusión, así como también realizar una
buena técnica de muestreo.
Cuando Calcular el Tamaño de laCuando Calcular el Tamaño de la
MuestraMuestra
 Cuando no se puede estudiar a toda la
población y se quieren estimar parámetros.
Prevalencia, promedio, porcentaje, tasas.
 Cuando se desean comparar dos, o más
grupos y establecer si hay diferencias.
Porqué Calcular el Tamaño de laPorqué Calcular el Tamaño de la
Muestra.Muestra.
 Las muestras pueden estudiarse con mayor
rapidez que las poblaciones.
 El estudio de una muestra es menos costosa que
el de una población.
 Toma menos tiempo de estudio.
 En la mayoría de las situaciones el estudio de una
población es imposible.
 Con frecuencia los resultados de una muestra son
más precisos que los que se basan en una
población.
 En todo proyecto se deben considerar
imprevistos que pueden hacer que el
tamaño de muestra calculada inicialmente
se vea afectada ya sea porque el sujeto de
estudio se mudó, no desea participar,
abandona, viaja
MuestreoMuestreo
 El muestreo es el proceso mediante el cual el
investigador, podrá seleccionar los pacientes o
sujetos de estudio a partir de la muestra calculada
previamente.
 Si el muestreo no se realiza con criterio, los
resultados de la investigación no serán validos,
ya que se pueden cometer errores de sesgo o
imparcialidad al momento de elegir los sujetos
Tipos de MuestreoTipos de Muestreo
Probabilístico
(Aleatorio)
Aleatorio simple.
Sistemático.
Estratificado.
Por conglomerados.
No
Probabilístico
Accidental
Por conveniencia.
Por cuotas.
Bola de Nieve.
Muestreo ProbabilísticoMuestreo Probabilístico
 ´También se conoce como muestreo
aleatorio, la característica de este muestreo
es que todos los sujetos de la población de
estudio, tienen la misma probabilidad de
ser seleccionados para formar parte de la
muestra.
Muestreo Aleatorio SimpleMuestreo Aleatorio Simple
 Cada unidad tiene la probabilidad
equitativa de ser incluida en la muestra.
 Lista de todos los individuos de la
población de estudio: “marco muestral”
 Selección al azar. (tablas de números
aleatorios, calculadoras, sofware).
Muestreo SistemáticoMuestreo Sistemático
 Se selecciona individuos del marco
muestral a intervalos regulares.
 Ejemplo: 5, 10, 15, 20, .........
 Lleva el sesgo de selección si el marco
muestral está distribuido siguiendo algún
patrón particular.
Muestreo EstratificadoMuestreo Estratificado
 Este tipo de muestreo se emplea cuando se tiene
interés en que la muestra sea la más
representativa posible en lo que se refiere a sub
grupos de interés relacionados con variables
confusoras o que podrían crear sesgo a la
investigación, por ejm. Sexo, edad, situación
laborar, etc.
 El marco poblacional se divide en grupos
homogéneos (estratos), de cada uno se extrae una
submuestra proporcional al tamaño del estrato.
Muestreo por ConglomeradosMuestreo por Conglomerados
 También se denomina de etapas múltiples.
 Se utiliza para poblaciones grandes y dispersas.
 No es posible disponer de un listado.
 En lugar de individuos se seleccionan
conglomerados que están agrupados de forma
natural. (cuadras de casas, departamentos,
hospitales, provincias).
 Se selecciona en primer lugar el conglomerado
más alto, a partir de este se selecciona un
subgrupo. A partir de este subgrupo se selecciona
otro subgrupo, y así sucesivamente, hasta llegar
hasta las unidades de análisis.
Muestreo no ProbabilísticoMuestreo no Probabilístico
 No existe el criterio de que todos los
sujetos tengan la misma posibilidad para
ser elegidos para formar parte de la
muestra, ya que en este tipo de muestreo
hay uno o más criterios de decisión por
parte del investigador, paa que un
determinado sujeto pueda o no formar
parte del estudio.
Muestreo AccidentalMuestreo Accidental
 Se hace sobre la base de la presencia o no,
en un lugar y momento determinados.
 Aunque se parece a un muestreo
probabilísitico, no todas las personas
tienen la misma probabilidad de estar en el
momento y lugar donde se selecciona a los
sujetos.
Muestreo por ConvenienciaMuestreo por Conveniencia
 El investigador decide en base a los
conocimientos de la población, quienes son
los que deben formar parte de la muestra.
 Se tiene en cuenta los criterios de inclusión
y exclusión, los cuales deben estar bien
establecidos y se deben cumplir
rigurosamente.
Muestreo por Cuota.Muestreo por Cuota.
 La muestra se selecciona tomando en cuenta
características (variables) específicas de la
población.
 Tiene similitud con el muestreo estratíficado,
sólo que en este caso la selección dentro de cada
cuota (estrato)se hace de manera accidental.
 Generalmente se usa para encuestas de opinión y
mercado.
Muestreo por Bola de NieveMuestreo por Bola de Nieve
 Se utiliza cuando la población es de difícil acceso
por razones sociales (prostitutas, alcohólicos,
drogadictos, etc)
 En este caso se contsactará con una persona del
grupo a estudiar, puede ser un lider de una
pandilla, el amigo de un colaborador,etc.Y a
partir de éste poco a poco se va llegando a un
número mayor de individuos
Tamaño de
muestra
para
un grupo
Variable
cualitativa
(Una
proporción)
2
2
**
d
qpZ
n ∝
=
( ) qpZNd
qpZN
n
**1
***
22
2
∝
∝
+−
=
2
2
*
d
SZ
n ∝
=
( ) 222
22
*1*
**
SZNd
SZN
n
∝
∝
+−
=
Variable
cuantitativa
(Una media)
Población
Desconocid
a
Población
conocida
Población
desconocida
Población
conocida
Tamaño de
muestra
para
dos grupo
Variable
cualitativa
(Dos
Proporciones)
Variable
cuantitativa
(Dos
medias)
( ) ( ) ( )[ ]
( )2
21
2
2211 11*12*
pp
ppppZppZ
n
−
−+−+−
= ∝ β
( )
2
22
*2
d
SZZ
n β+
= ∝
Saber no es suficiente, debemosSaber no es suficiente, debemos
aplicar. Desear no es suficiente,aplicar. Desear no es suficiente,
debemos hacer.debemos hacer.
-Johann W. Von Goethe-Johann W. Von Goethe
  

More Related Content

What's hot

Tipos de muestreo
Tipos de muestreoTipos de muestreo
Tipos de muestreo
Home
 
Curso de estadística ii clase n° 1
Curso de estadística ii   clase n° 1Curso de estadística ii   clase n° 1
Curso de estadística ii clase n° 1
Yami Cennet
 
Universo o población
Universo o población Universo o población
Universo o población
Jorge Gamarra
 

What's hot (20)

muestreo
muestreomuestreo
muestreo
 
Tipos de muestreo
Tipos de muestreoTipos de muestreo
Tipos de muestreo
 
Tipos de muestreo
Tipos de muestreoTipos de muestreo
Tipos de muestreo
 
Muestreo No Probabilístico
Muestreo No ProbabilísticoMuestreo No Probabilístico
Muestreo No Probabilístico
 
Muestra EN TESIS
Muestra EN TESISMuestra EN TESIS
Muestra EN TESIS
 
Tipos de muestreo
Tipos de muestreoTipos de muestreo
Tipos de muestreo
 
Tipos de Muestras
Tipos de MuestrasTipos de Muestras
Tipos de Muestras
 
Tipos muestreo estadistico
Tipos muestreo estadisticoTipos muestreo estadistico
Tipos muestreo estadistico
 
Tipos de muestreo
Tipos de muestreoTipos de muestreo
Tipos de muestreo
 
Guia de clasificacion del muestreo
Guia de clasificacion del muestreoGuia de clasificacion del muestreo
Guia de clasificacion del muestreo
 
Curso de estadística ii clase n° 1
Curso de estadística ii   clase n° 1Curso de estadística ii   clase n° 1
Curso de estadística ii clase n° 1
 
La poblacion y muestra en una investigacion
La poblacion y muestra en una investigacionLa poblacion y muestra en una investigacion
La poblacion y muestra en una investigacion
 
Población y Muestra
Población y MuestraPoblación y Muestra
Población y Muestra
 
Diapositivas muestra
Diapositivas muestraDiapositivas muestra
Diapositivas muestra
 
El muestreo
El muestreoEl muestreo
El muestreo
 
Población y muestra
Población y muestra Población y muestra
Población y muestra
 
La Muestra
La MuestraLa Muestra
La Muestra
 
Tipos de muestreo
Tipos de muestreoTipos de muestreo
Tipos de muestreo
 
Muestra o analisis_muestral
Muestra o analisis_muestralMuestra o analisis_muestral
Muestra o analisis_muestral
 
Universo o población
Universo o población Universo o población
Universo o población
 

Similar to Pym

4.-muestreo ..................................pptx
4.-muestreo ..................................pptx4.-muestreo ..................................pptx
4.-muestreo ..................................pptx
yaneth898834
 
poblacion y muestra
poblacion y muestrapoblacion y muestra
poblacion y muestra
Karen Noelia
 

Similar to Pym (20)

Poblacion y muestra
Poblacion y muestraPoblacion y muestra
Poblacion y muestra
 
Poblacion_Muestra_Muestreo.
Poblacion_Muestra_Muestreo.Poblacion_Muestra_Muestreo.
Poblacion_Muestra_Muestreo.
 
Poblacion_Muestra_Muestreo.pptx
Poblacion_Muestra_Muestreo.pptxPoblacion_Muestra_Muestreo.pptx
Poblacion_Muestra_Muestreo.pptx
 
4.-muestreo ..................................pptx
4.-muestreo ..................................pptx4.-muestreo ..................................pptx
4.-muestreo ..................................pptx
 
Poblacion muestra y variable
Poblacion muestra y variablePoblacion muestra y variable
Poblacion muestra y variable
 
Técnicas de Muestreo .pptx
Técnicas de Muestreo               .pptxTécnicas de Muestreo               .pptx
Técnicas de Muestreo .pptx
 
Clase Nº 2- Teoria del Muestreo (1).pptx
Clase Nº 2- Teoria del Muestreo (1).pptxClase Nº 2- Teoria del Muestreo (1).pptx
Clase Nº 2- Teoria del Muestreo (1).pptx
 
poblacion y muestra
poblacion y muestrapoblacion y muestra
poblacion y muestra
 
10° Población y Muestra.pptx
10° Población y Muestra.pptx10° Población y Muestra.pptx
10° Población y Muestra.pptx
 
Muestreo
MuestreoMuestreo
Muestreo
 
Odonto. 9na muestreo y tamaño de muestra
Odonto. 9na muestreo  y tamaño de muestraOdonto. 9na muestreo  y tamaño de muestra
Odonto. 9na muestreo y tamaño de muestra
 
Psico. 9na muestreo. tamaño de muestra
Psico. 9na muestreo. tamaño de muestraPsico. 9na muestreo. tamaño de muestra
Psico. 9na muestreo. tamaño de muestra
 
elmuestreo.pdf
elmuestreo.pdfelmuestreo.pdf
elmuestreo.pdf
 
El muestreo (1)
El muestreo (1)El muestreo (1)
El muestreo (1)
 
Elmuestreo
ElmuestreoElmuestreo
Elmuestreo
 
Elmuestreo
ElmuestreoElmuestreo
Elmuestreo
 
Elmuestreo
ElmuestreoElmuestreo
Elmuestreo
 
Elmuestreo
ElmuestreoElmuestreo
Elmuestreo
 
El muestreo
El muestreoEl muestreo
El muestreo
 
Elmuestreo
ElmuestreoElmuestreo
Elmuestreo
 

More from Tensor

More from Tensor (20)

Libertad
LibertadLibertad
Libertad
 
Método de la regla falsa (o metodo de la falsa posición)
Método de la regla falsa (o metodo de la falsa posición)Método de la regla falsa (o metodo de la falsa posición)
Método de la regla falsa (o metodo de la falsa posición)
 
Metodo de la bisección
Metodo de la bisecciónMetodo de la bisección
Metodo de la bisección
 
Transito vehicular
Transito vehicularTransito vehicular
Transito vehicular
 
Teoria de colas
Teoria de colasTeoria de colas
Teoria de colas
 
Practica 7 2016
Practica 7 2016Practica 7 2016
Practica 7 2016
 
Practica 6 2016
Practica 6 2016Practica 6 2016
Practica 6 2016
 
Game maker
Game makerGame maker
Game maker
 
Practica 5 2016
Practica 5 2016Practica 5 2016
Practica 5 2016
 
Procesamiento de archivos
Procesamiento de archivosProcesamiento de archivos
Procesamiento de archivos
 
Cadenas y funciones de cadena
Cadenas y funciones de cadenaCadenas y funciones de cadena
Cadenas y funciones de cadena
 
Simulación en promodel clase 04
Simulación en promodel clase 04Simulación en promodel clase 04
Simulación en promodel clase 04
 
Reduccion de orden
Reduccion de ordenReduccion de orden
Reduccion de orden
 
Variación+de+parametros
Variación+de+parametrosVariación+de+parametros
Variación+de+parametros
 
Coeficientes indeterminados enfoque de superposición
Coeficientes indeterminados   enfoque de superposiciónCoeficientes indeterminados   enfoque de superposición
Coeficientes indeterminados enfoque de superposición
 
Bernoulli y ricatti
Bernoulli y ricattiBernoulli y ricatti
Bernoulli y ricatti
 
Practica no. 3 tiempo de servicio
Practica no. 3 tiempo de servicioPractica no. 3 tiempo de servicio
Practica no. 3 tiempo de servicio
 
Clase 14 ondas reflejadas
Clase 14 ondas reflejadasClase 14 ondas reflejadas
Clase 14 ondas reflejadas
 
Ondas em
Ondas emOndas em
Ondas em
 
Clase 7 ondas electromagneticas
Clase 7 ondas electromagneticasClase 7 ondas electromagneticas
Clase 7 ondas electromagneticas
 

Recently uploaded

TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
jlorentemartos
 
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
 
🦄💫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
 

Recently uploaded (20)

Usos y desusos de la inteligencia artificial en revistas científicas
Usos y desusos de la inteligencia artificial en revistas científicasUsos y desusos de la inteligencia artificial en revistas científicas
Usos y desusos de la inteligencia artificial en revistas científicas
 
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
 
Desarrollo y Aplicación de la Administración por Valores
Desarrollo y Aplicación de la Administración por ValoresDesarrollo y Aplicación de la Administración por Valores
Desarrollo y Aplicación de la Administración por Valores
 
Tema 10. Dinámica y funciones de la Atmosfera 2024
Tema 10. Dinámica y funciones de la Atmosfera 2024Tema 10. Dinámica y funciones de la Atmosfera 2024
Tema 10. Dinámica y funciones de la Atmosfera 2024
 
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
 
Biografía de Charles Coulomb física .pdf
Biografía de Charles Coulomb física .pdfBiografía de Charles Coulomb física .pdf
Biografía de Charles Coulomb física .pdf
 
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
 
La Sostenibilidad Corporativa. Administración Ambiental
La Sostenibilidad Corporativa. Administración AmbientalLa Sostenibilidad Corporativa. Administración Ambiental
La Sostenibilidad Corporativa. Administración Ambiental
 
Feliz Día de la Madre - 5 de Mayo, 2024.pdf
Feliz Día de la Madre - 5 de Mayo, 2024.pdfFeliz Día de la Madre - 5 de Mayo, 2024.pdf
Feliz Día de la Madre - 5 de Mayo, 2024.pdf
 
Prueba de evaluación Geografía e Historia Comunidad de Madrid 4ºESO
Prueba de evaluación Geografía e Historia Comunidad de Madrid 4ºESOPrueba de evaluación Geografía e Historia Comunidad de Madrid 4ºESO
Prueba de evaluación Geografía e Historia Comunidad de Madrid 4ºESO
 
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...
 
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
 
CONCURSO NACIONAL JOSE MARIA ARGUEDAS.pptx
CONCURSO NACIONAL JOSE MARIA ARGUEDAS.pptxCONCURSO NACIONAL JOSE MARIA ARGUEDAS.pptx
CONCURSO NACIONAL JOSE MARIA ARGUEDAS.pptx
 
PINTURA DEL RENACIMIENTO EN ESPAÑA (SIGLO XVI).ppt
PINTURA DEL RENACIMIENTO EN ESPAÑA (SIGLO XVI).pptPINTURA DEL RENACIMIENTO EN ESPAÑA (SIGLO XVI).ppt
PINTURA DEL RENACIMIENTO EN ESPAÑA (SIGLO XVI).ppt
 
Tema 17. Biología de los microorganismos 2024
Tema 17. Biología de los microorganismos 2024Tema 17. Biología de los microorganismos 2024
Tema 17. Biología de los microorganismos 2024
 
prostitución en España: una mirada integral!
prostitución en España: una mirada integral!prostitución en España: una mirada integral!
prostitución en España: una mirada integral!
 
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 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
 
🦄💫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
 
SESION DE PERSONAL SOCIAL. La convivencia en familia 22-04-24 -.doc
SESION DE PERSONAL SOCIAL.  La convivencia en familia 22-04-24  -.docSESION DE PERSONAL SOCIAL.  La convivencia en familia 22-04-24  -.doc
SESION DE PERSONAL SOCIAL. La convivencia en familia 22-04-24 -.doc
 

Pym

  • 2. POBLACIÓNPOBLACIÓN  POBLACIÓN: Conjunto de individuos que tienen las características (variables), que se quieren estudiar.  POBLACIÓN DIANA: Está definida por los objetivos del estudio. Ejm. Diabéticos de Lima.  POBLACIÓN FINITA: Cuando se conoce el tamaño de la población.  POBLACIÓN INFINITA: Cuando no se conoce el tamaño de la población.
  • 3. MUESTRAMUESTRA  Es un subconjunto de la población de estudio y es el grupo de personas que realmente se estudiarán.  Debe ser representativa de la población y para lograr esto, se tiene que tener bien definido los criterios de inclusión y esclusión, así como también realizar una buena técnica de muestreo.
  • 4. Cuando Calcular el Tamaño de laCuando Calcular el Tamaño de la MuestraMuestra  Cuando no se puede estudiar a toda la población y se quieren estimar parámetros. Prevalencia, promedio, porcentaje, tasas.  Cuando se desean comparar dos, o más grupos y establecer si hay diferencias.
  • 5. Porqué Calcular el Tamaño de laPorqué Calcular el Tamaño de la Muestra.Muestra.  Las muestras pueden estudiarse con mayor rapidez que las poblaciones.  El estudio de una muestra es menos costosa que el de una población.  Toma menos tiempo de estudio.  En la mayoría de las situaciones el estudio de una población es imposible.  Con frecuencia los resultados de una muestra son más precisos que los que se basan en una población.
  • 6.  En todo proyecto se deben considerar imprevistos que pueden hacer que el tamaño de muestra calculada inicialmente se vea afectada ya sea porque el sujeto de estudio se mudó, no desea participar, abandona, viaja
  • 7. MuestreoMuestreo  El muestreo es el proceso mediante el cual el investigador, podrá seleccionar los pacientes o sujetos de estudio a partir de la muestra calculada previamente.  Si el muestreo no se realiza con criterio, los resultados de la investigación no serán validos, ya que se pueden cometer errores de sesgo o imparcialidad al momento de elegir los sujetos
  • 8. Tipos de MuestreoTipos de Muestreo Probabilístico (Aleatorio) Aleatorio simple. Sistemático. Estratificado. Por conglomerados. No Probabilístico Accidental Por conveniencia. Por cuotas. Bola de Nieve.
  • 9. Muestreo ProbabilísticoMuestreo Probabilístico  ´También se conoce como muestreo aleatorio, la característica de este muestreo es que todos los sujetos de la población de estudio, tienen la misma probabilidad de ser seleccionados para formar parte de la muestra.
  • 10. Muestreo Aleatorio SimpleMuestreo Aleatorio Simple  Cada unidad tiene la probabilidad equitativa de ser incluida en la muestra.  Lista de todos los individuos de la población de estudio: “marco muestral”  Selección al azar. (tablas de números aleatorios, calculadoras, sofware).
  • 11. Muestreo SistemáticoMuestreo Sistemático  Se selecciona individuos del marco muestral a intervalos regulares.  Ejemplo: 5, 10, 15, 20, .........  Lleva el sesgo de selección si el marco muestral está distribuido siguiendo algún patrón particular.
  • 12. Muestreo EstratificadoMuestreo Estratificado  Este tipo de muestreo se emplea cuando se tiene interés en que la muestra sea la más representativa posible en lo que se refiere a sub grupos de interés relacionados con variables confusoras o que podrían crear sesgo a la investigación, por ejm. Sexo, edad, situación laborar, etc.  El marco poblacional se divide en grupos homogéneos (estratos), de cada uno se extrae una submuestra proporcional al tamaño del estrato.
  • 13. Muestreo por ConglomeradosMuestreo por Conglomerados  También se denomina de etapas múltiples.  Se utiliza para poblaciones grandes y dispersas.  No es posible disponer de un listado.  En lugar de individuos se seleccionan conglomerados que están agrupados de forma natural. (cuadras de casas, departamentos, hospitales, provincias).  Se selecciona en primer lugar el conglomerado más alto, a partir de este se selecciona un subgrupo. A partir de este subgrupo se selecciona otro subgrupo, y así sucesivamente, hasta llegar hasta las unidades de análisis.
  • 14. Muestreo no ProbabilísticoMuestreo no Probabilístico  No existe el criterio de que todos los sujetos tengan la misma posibilidad para ser elegidos para formar parte de la muestra, ya que en este tipo de muestreo hay uno o más criterios de decisión por parte del investigador, paa que un determinado sujeto pueda o no formar parte del estudio.
  • 15. Muestreo AccidentalMuestreo Accidental  Se hace sobre la base de la presencia o no, en un lugar y momento determinados.  Aunque se parece a un muestreo probabilísitico, no todas las personas tienen la misma probabilidad de estar en el momento y lugar donde se selecciona a los sujetos.
  • 16. Muestreo por ConvenienciaMuestreo por Conveniencia  El investigador decide en base a los conocimientos de la población, quienes son los que deben formar parte de la muestra.  Se tiene en cuenta los criterios de inclusión y exclusión, los cuales deben estar bien establecidos y se deben cumplir rigurosamente.
  • 17. Muestreo por Cuota.Muestreo por Cuota.  La muestra se selecciona tomando en cuenta características (variables) específicas de la población.  Tiene similitud con el muestreo estratíficado, sólo que en este caso la selección dentro de cada cuota (estrato)se hace de manera accidental.  Generalmente se usa para encuestas de opinión y mercado.
  • 18. Muestreo por Bola de NieveMuestreo por Bola de Nieve  Se utiliza cuando la población es de difícil acceso por razones sociales (prostitutas, alcohólicos, drogadictos, etc)  En este caso se contsactará con una persona del grupo a estudiar, puede ser un lider de una pandilla, el amigo de un colaborador,etc.Y a partir de éste poco a poco se va llegando a un número mayor de individuos
  • 19. Tamaño de muestra para un grupo Variable cualitativa (Una proporción) 2 2 ** d qpZ n ∝ = ( ) qpZNd qpZN n **1 *** 22 2 ∝ ∝ +− = 2 2 * d SZ n ∝ = ( ) 222 22 *1* ** SZNd SZN n ∝ ∝ +− = Variable cuantitativa (Una media) Población Desconocid a Población conocida Población desconocida Población conocida
  • 20. Tamaño de muestra para dos grupo Variable cualitativa (Dos Proporciones) Variable cuantitativa (Dos medias) ( ) ( ) ( )[ ] ( )2 21 2 2211 11*12* pp ppppZppZ n − −+−+− = ∝ β ( ) 2 22 *2 d SZZ n β+ = ∝
  • 21. Saber no es suficiente, debemosSaber no es suficiente, debemos aplicar. Desear no es suficiente,aplicar. Desear no es suficiente, debemos hacer.debemos hacer. -Johann W. Von Goethe-Johann W. Von Goethe