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.

Universo, población y muestra

270,094 views

Published on

Metodología

Published in: Education

Universo, población y muestra

  1. 1. Prof. N. Tomás Atauje Calderón Metodología de la Investigación Obstetricia UPSB – Ciclo II
  2. 2. Universo  Totalidad de individuos o elementos en los cuales puede presentarse determinada característica susceptible a ser estudiada.  No siempre es posible estudiarlo en su totalidad.  Puede ser finito o infinito, y en el caso de ser finito, puede ser muy grande y no poderse estudiar en su totalidad. Por eso es necesario escoger una parte de ese universo, para llevar a cabo el estudio.
  3. 3. Población  Grupo del cual se desea algo (obtener información).  Parte del universo en la cual vamos a basar nuestro estudio, según las características de nuestra investigación.  Conjunto de todos los casos que concuerdan con una serie de especificaciones.  Se debe definir la unidad de análisis, “¿Quiénes van a ser medidos?”. Para esto se debe precisar el problema a investigar y los objetivos de la investigación.
  4. 4. Pregunta de Investigación Unidad de análisis errónea Unidad de análisis correcta ¿Discriminan a las mujeres en los anuncios de la televisión? Mujeres que aparecen en los anuncios de televisión. Error: No hay grupo de comparación. Mujeres y hombres que aparecen en los anuncios de televisión para comparar si categorías de análisis difieren entre los dos grupos. ¿Hay problemas de comunicación entre padres e hijos? Grupo de adolescentes, aplicarles cuestionario. Error: Se procedería a describir únicamente como perciben los adolescentes la relación con sus padres. Grupo de padres e hijos. A ambas partes se les aplicará el cuestionario.
  5. 5. ¿Cómo se delimita una población?  Las poblaciones deben situarse claramente en torno a sus características de contenido, lugar y tiempo.  Un estudio no es mejor al tener una población más grande, sino al haber delimitado claramente su población en base a los objetivos del estudio.  Los criterios de cada investigador dependen de sus objetivos de estudio, así que debe establecerlos claramente.  Ejemplo: *Toda investigación debe ser transparente, sujeta a crítica y a réplica.
  6. 6. Muestra  Parte o subconjunto de la población, también conocida como población muestral.  Grupo en el que se realiza el estudio.  Subconjunto de elementos que pertenecen al conjunto definido en sus características que llamamos población.  Para seleccionar la muestra deben delimitarse las características de la población.
  7. 7. ¿Cómo seleccionamos la muestra?  Estableciendo claramente las características de la población. Con esto delimitamos cuáles serán nuestro parámetros muestrales.  Se busca que la muestra sea un reflejo fiel del conjunto de la población (deben ser representativas).
  8. 8. Tipos de muestra  Muestra probabilísticas: Todos los elementos de la población tienen la misma posibilidad de ser escogidos. Esto se logra a través de una selección aleatoria y/o mecánica de las unidades de análisis.  Muestras no probabilísticas: Los elementos se seleccionan según los criterios de la persona encargada de hacer la muestra. *La elección entre estos tipos de muestras depende de los objetivos del estudio, del esquema de investigación y de la contribución que se piensa hacer con ella.
  9. 9. Muestras probabilísticas  Son esenciales en los diseños de investigación por encuestas en las que se pretende hacer estimaciones de variables en la población. Las variables se medirán con instrumentos de medición y se analizarán con pruebas estadísticas para el análisis de datos.  Tienen varias ventajas, la principal es que se puede medir el tamaño del error en nuestras predicciones. Gracias a ello, los elementos muestrales tendrán valores muy parecidos a los de la población.
  10. 10. Muestras probabilísticas *Para una muestra probabilística se necesitan: El tamaño de la muestra (n) y la selección de los elementos muestrales.
  11. 11. Tamaño de la muestra  ¿Cuál es el menor número de unidades muestrales que necesito para conformar una muestra (n) que me asegure un error estándar menor de 0.01?  Lo que se busca es la probabilidad de ocurrencia de “y” y que mi estimado de “y” se acerque a “Y” (valor real de la población). El error estándar no debe ser mayor a 0.01.  Para una determinada varianza (V) de “y”, ¿qué tan grande debe ser mi muestra (n)?
  12. 12. Tamaño de la muestra  La fórmula para determinar el tamaño de “n” consta de dos pasos:  “ n’ ” es el tamaño provisional de la muestra; el cual será corregido ajustándose con el tamaño de la población: n = n’ . 1 + (n’ / N)
  13. 13.  Respecto al ejemplo:  Se precisó que la población era de 1176 directores generales ya que 1176 empresas cumplían con las características mencionadas. ¿Cuál es entonces el número de directores que se tiene que entrevistar para tener un error estándar menor a 0.015?
  14. 14. Muestra probabilística estratificada  También llamado muestreo estratificado.  Se da cuando debemos dividir nuestra muestra a fin de que los elementos muestrales o unidades de análisis posean un determinado atributo. Estos estratos o categorías se presentan en la población y van a ser relevantes para los objetivos del estudio.  Se divide a la población en subpoblaciones o estratos (fracciones) y se selecciona una muestra para cada uno. N = ∑ nh  El tamaño de n y la varianza de “y” pueden minimizarse si calculamos submuestras proporcionales a la desviación estándar de cada estrato.
  15. 15. Muestra probabilística estratificada  Partimos de: ∑ fh = n =KSh N  Con lo cual obtendremos: fh =__nh = kSh Nh  En donde nh y Nh son muestra y población de cada estrato respectivamente y Sh es la desviación estándar de cada elemento en un determinado estrato. Con lo cual tenemos: kSh = n N
  16. 16. Muestra probabilística por racimos  También conocido como muestreo por conglomerado.  En estos estudios se reducen costos, tiempo y energía al considerar que muchas veces las unidades de análisis se encuentran encapsuladas o encerradas en determinados lugares físicos o geográficos a los que llamamos racimos.  Muestrear por racimos implica diferenciar entre la unidad de análisis (quienes van a ser medidos) y la unidad muestral (el racimo que nos da acceso a la unidad de análisis).  El muestreo por racimos consta de dos etapas:  La selección de los racimos (muestra probabilística simple o estratificada).  La selección de los sujetos u objetos que serán medidos.
  17. 17. Unidad de análisis Posibles racimos Adolescentes Academias Obreros Industrias Amas de casa Mercados Niños Colegios Personajes de televisión Programas de televisión
  18. 18. Procedimiento de selección  ¿Cómo seleccionar los elementos muestrales? ¿Cómo se seleccionan los sujetos dentro de cada racimo?  Las unidades de análisis o los elementos muestrales se eligen siempre aleatoriamente para asegurarnos de que cada elemento tenga la misma probabilidad de ser elegido.  Pueden usarse 3 procedimientos de selección:  Tómbola  Números random  Selección sistemática
  19. 19. Tómbola  Es un tipo de muestro aleatorio simple.  Proceso muy simple y no muy rápido.  Consiste en numerar todos los elementos muestrales; se hace una ficha para cada elemento, se revuelve en una caja y se sacan “n” fichas (tamaño de la muestra).  Los números escogidos al azar conformarán nuestra muestra.
  20. 20. Números random o aleatorios  Es un tipo de muestreo aleatorio simple.  Implica la utilización de una tabla de números realizada con un mecanismo de probabilidad muy bien diseñado.  Los números random de la corporación Rand fueron generados con una especie de ruleta electrónica. Existe una tabla de un millón de dígitos publicada por esta corporación; partes de dicha tabla se encuentran en los apéndices de muchos libros de estadística.
  21. 21. Selección sistemática  Se le conocerá como muestreo sistemático.  Es muy útil y fácil de aplicar. Implica seleccionar dentro de una población “N” un número “n” de elementos a partir de un intervalo “K”. K = N / n  “K” va ser redondeado al número entero superior inmediato.  El intervalo será 1/K y se irá seleccionando los elementos hasta llegar a nuestro “n”.  La selección sistemática de elementos muestrales 1/K se puede utilizar al elegir elementos de “n” para cada estrato y/o para cada racimo. *No es necesario escoger como primer elemento muestral al primero de nuestros datos.
  22. 22. Listados y Marcos muestrales  Listado: Lista (existente o por crear) con los elementos de la población y a partir de la cual se seleccionarán los elementos muestrales.  Marco muestral: Marco de referencia que nos permite identificar físicamente los elementos de la población, la posibilidad de numerarlos y por lo tanto, proceder a la selección de los elementos muestrales.  Contiene descripciones del material, organizaciones o sujetos que serán seleccionados como unidades de análisis. Dentro de ellos podemos considerar los archivos, mapas, volúmenes (libros) e incluso horas de transmisión (televisión, radio).
  23. 23. Marcos muestrales  Archivos: Cuando una investigación lo amerita, se debe recurrir a los archivos (por ejemplo de una empresa) para poder utilizarlos como marco de referencia a partir del cual obtendremos una muestra.  Mapas: Muy útiles en las muestras de racimo. Permite ver la población y su situación geográfica, así podrá seleccionar los lugares que se convertirán en los racimos de sus estudio.
  24. 24. Marcos muestrales  Volúmenes: Cuando se analiza el contenido de los medios escritos, se puede recurrir a volúmenes anteriores. Si alguno de los volúmenes no se encuentra, esto se explica en la investigación y se redefinen la población y muestra.  Horas de transmisión: Cuando se quiere analizar el contenido de las emisoras se puede hacer un estudio en corto tiempo. Ayudándose de divisiones por estratos y tomando muestras representativas al azar.
  25. 25. Tamaño óptimo de una muestra  Va depender del problema de investigación y la población a estudiar.  Resulta muy útil comparar qué tamaño de muestra se usó en estudios similares.  Sudman (1976) nos proporciona tablas que indican el tamaño de muestra más utilizada por los investigadores. Tipo de estudio Nacional Regional Económico 1000 + 100 Médico 1000 + 500 Conducta 1000 + 700 – 300 Actitud 1000 + 700 – 400 Experimento de laboratorio - - - - - 100
  26. 26. Tamaño óptimo de una muestra  El tamaño de una muestra tiende más a depender del número de subgrupos que nos interesan en una población.  En el caso de organizaciones el número de la muestra se reduce, ya que éstas representan casi siempre una gran fracción de la población total. *La distribución de muestras de 100 o más elementos tienden a ser normales, lo cual sirve para hacer estadística inferencial sobre los valores de una población. Número de subgrupos Población de sujetos u hogares Poblaciones de organizaciones Nacionales Regionales Nacionales Regionales Ninguno – pocos 1000 – 1500 200 – 500 200 – 500 50 – 200 Promedio 1500 – 2500 500 – 1000 500 – 1000 200 – 500 Muchos 2500 + 1000 + 1000 + 500 +
  27. 27. Muestras no probabilísticas  También llamadas muestras dirigidas.  Nacen de un proceso de selección informal y un poco arbitrario.  Selecciona sujetos “típicos” con la esperanza de que sean casos representativos de una población determinada.  En la elección de los sujetos no se busca que todos tengan la misma posibilidad de ser elegidos; depende de la decisión del investigador.  Su principal desventaja es que no se puede calcular el error estándar, o sea, no se puede calcular con qué nivel de confianza hacemos la estimación.
  28. 28. Tipos de muestras dirigidas Muestra de sujetos voluntarios:  Frecuentes en ciencias sociales y ciencia de la conducta.  Son muestras fortuitas, el investigador elabora conclusiones sobre especímenes que llegan a sus manos de manera casual.  Se usan en estudios de laboratorio donde se procura que los sujetos sean homogéneos en variables como edad, sexo, inteligencia. De esta manera los resultados no obedecen a diferencias individuales, sino a las condiciones a las que fueron sometidos.
  29. 29. Tipos de muestras dirigidas Muestra de expertos:  Son frecuentes en estudios cualitativos y exploratorios.  Nos ayudan a generar hipótesis más precisas y a mejorar el diseño de los cuestionarios.  Son válidas y útiles cuando los objetivos del estudio así lo requieren.
  30. 30. Tipos de muestras dirigidas Muestra de sujetos-tipo:  También es utilizada en estudios exploratorios y en investigaciones de tipo cualitativo.  Al igual que las muestras de expertos, suelen usarse en estudios de perspectiva fenomenológica, donde el objetivos es analizar los valores, ritos y significados de un determinado grupos social.  Los estudios motivacionales (análisis de actitudes y conductas del consumidor) también utilizan muestras de sujetos-tipo.
  31. 31. Tipos de muestras dirigidas Muestra por cuotas:  Muy utilizada en estudios de opinión y mercadotecnia.  Los encuestadores realizan cuestionarios a sujetos en la calle e irán conformando o llenando cuotas de acuerdo con la proporción de ciertas variables demográficas en la población.  Suelen depender del juicio del entrevistador.
  32. 32. Muestras probabilísticas Muestras dirigidas Muestra probabilística simple (estudios descriptivos, diseño de investigación por encuestas, censos, raitings, estudios para toma de decisiones). Sujetos voluntarios (diseños experimentales, situación de laboratorio). Muestra probabilística estratificada Muestras de experimentos Muestra probabilística estratificada y por racimos. Muestras de sujetos-tipo, estudios cualitativos; investigación motivacional. Muestras por cuotas; estudios de opinión y mercado. *Las conclusiones se generalizan a la población y se conoce el error estándar de nuestros estimados. *Las conclusiones difícilmente pueden generalizarse a la población. Si estos se hace, se debe hacer con mucha cautela.

×