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.

Unidad 3.5 población y muestra

6,150 views

Published on

Población, Muestra y Tipo de Muestreo

Published in: Education
  • Be the first to comment

  • Be the first to like this

Unidad 3.5 población y muestra

  1. 1. FASE DE PLANIFICACIÓN O DISEÑO Población y Muestra
  2. 2. Población y Muestra Población objeto de estudio: Conjunto de todos los casos que concuerdan con determinadas especificaciones. Es aquella sobre la que se pretende recaigan las conclusiones de estudio. Muestra: parte de la población que se observa directamente. Es un subconjunto de esa población y debe ser representativo de ésta.
  3. 3. • Para abordar una investigación hay preguntas que siempre están presentes: ¿Cuántas personas, familias, animales, etc. debo estudiar para que mi investigación sirva o sea importante? ¿Tengo 100 sujetos para mi investigación, serán suficientes para que la muestra sea representativa? ¿Qué clase o tipo de muestreo debo realizar para escoger o seleccionar la parte de la población que deseo estudiar?
  4. 4. El investigador una vez que ha formulado el problema, construido el marco teórico que lo sustenta, formulado los objetivos y las hipótesis si proceden y ha seleccionado las variables, probablemente se percatará que es imposible realizar el estudio debido a que el número de sujetos, que potencialmente, participará en éste para la obtención de los datos es muy numerosa o sencillamente no lo puede conocer, aunque lo conozca le es imposible observar a todos. Esto puede deberse a diversas limitaciones como: pocos recursos, problema de financiación entre otros.
  5. 5. Las situaciones planteadas así como las interrogantes señaladas están relacionadas con la teoría del muestreo probabilístico y tiene solución con la aplicación de sus métodos. Para resolver el problema de la muestra se debe: • a) delimitar el número de unidades de análisis (elemento de la población objeto de estudio) y qué seleccionar (tamaño muestral) • b) Establecer la forma en que efectuara la selección (método de muestreo a emplear: probabilístico o no probabilístico, etc.) • c) Determinar el modo en que se procesara los datos para realizar la estimación (análisis). • d) Indicar el procedimiento del cálculo de error que se comete en el proceso de estimación:
  6. 6. • Error de muestreo o aleatorio: sacar conclusiones sobre una población, a partir de una muestra de ésta. (desviación de la muestra seleccionada de las verdaderas características, rasgos, comportamientos, cualidades o figuras de toda la población) • Probabilidad de inclusión: probabilidad que tiene un elemento de la población, objeto de estudio, de ser incluido en la muestra que se observa.
  7. 7. • Muestra representativa: no existe una definición formal sobre la representatividad de una muestra. Para conseguir la representatividad, se debe procurar que la muestra exhiba internamente el mismo grado de variabilidad que la población. Una muestra se considera representativa de ciertos aspectos específicos de la población, cuando el error en que se incurra al sacar conclusiones sobre esos aspectos no excede ciertos límites prefijados. • Por otro lado, el tamaño no hace representativa una muestra sino la aplicación de algún método probabilístico utilizado y que sea aplicada correctamente.
  8. 8. • Según Silva (2003) es improcedente utilizar los giros “muestra significativa” o “muestra estadística significativa” en el caso del muestreo por la naturaleza del asunto. Lo correcto es muestra probabilística, si fuese el caso o muestra simple aleatoria. • Y nunca a firmar se obtuvo una muestra significativa.
  9. 9. Por tanto, para seleccionar una muestra, lo primero que hay que hacer es definir la unidad de análisis (individuos, organizaciones, periódicos, comunidades, situaciones, eventos, etc.). Una vez definida la unidad de análisis se delimita la población. Para el proceso cuantitativo la muestra es un subgrupo de la población de interés sobre el cual se recolectarán datos, y que tiene que definirse o delimitarse de antemano con precisión, éste deberá ser representativo de dicha población. El investigador pretende que los resultados encontrados en la muestra logren generalizarse o extrapolarse a la población.
  10. 10. • Una vez que se ha definido cuál será la unidad de análisis, se procede a delimitar la población que va a ser estudiada y sobre la cual se pretende generalizar los resultados. Así, una población es el conjunto de todos los casos que concuerdan con una serie de especificaciones. Una deficiencia que se presenta en algunos trabajos de investigación es que no describen lo suficiente las características de la población o consideran que la muestra la representa de manera automática. • Es preferible entonces establecer con claridad las características de la población, con la finalidad de delimitar cuáles serán los parámetros muestrales.
  11. 11. Cálculo del tamaño de muestra Cuando se hace una muestra probabilística, uno debe preguntarse: dado que una población es de N tamaño, ¿cuál es el menor número de unidades muestrales (personas, organizaciones, capítulos de telenovelas, etc.) que necesito para conformar una muestra (n) que me asegure un determinado nivel de error estándar, digamos menor de 0.01? 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.
  12. 12. Entonces, lo primero es conocer el tamaño de la población. Generalmente un programa informático donde se pueda calcular el tamaño muestral le va a pedir los siguientes datos: • ¿Tamaño del universo? • ¿Error máximo aceptable? • ¿Porcentaje estimado de la muestra? • ¿Nivel deseado de confianza?
  13. 13. Tamaño óptimo de una muestra Precisar adecuadamente el tamaño de la muestra puede tornarse complejo, esto depende del problema de investigación y la población a estudiar. Para el investigador que se inicia, será muy útil comparar qué tamaño de muestra han empleado otros investigadores, a la luz de la revisión de la literatura. Vemos algunos ejemplos que indican los tamaños de muestra más utilizados por los investigadores, según sus poblaciones (nacionales o regionales).
  14. 14. Muestras utilizadas con frecuencia en investigaciones nacionales y regionales según área de estudio Tipos de estudio Nacionales Regionales Económicos 1000+ 100 Médicos 1000+ 500 Conductas 1000+ 700-300 Actitudes 1000+ 700-400 Experimentos de laboratorio – – – 100
  15. 15. Tamaños de muestra mínimos en estudios cuantitativos de acuerdo con el propósito de estudio Tipo de estudio Tamaño mínimo de muestra Transeccional descriptivo o correlacional 30 casos por grupo o segmento del universo. Encuesta a gran escala 100 casos para el grupo o segmento más importante del universo y de 20 a 50 casos para los menos importantes. Causal 15 casos por variable independiente. Experimental o cuasiexperimental 15 por grupo.
  16. 16. Clases de muestra Básicamente categorizamos las muestras en dos grandes ramas: las muestras no probabilísticas y las muestras probabilísticas.
  17. 17. El muestreo probabilístico En las muestras probabilísticas todos los elementos de la población tienen la misma posibilidad de ser escogidos y 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.
  18. 18. Ejemplo: medir la satisfacción de los clientes de una empresa. Para poder generar un marco muestral, podríamos acceder al sistema informático de la empresa y extraer una lista de todas las personas que han contratado un producto en el último año. Cada una de las personas de esa lista serían unidades muestrales. Seleccionando un conjunto de estos clientes, obtendría una muestra. O el procedimiento para obtener el número premiado en un sorteo de lotería. Este número se va formando en el momento del sorteo. En las loterías tradicionales, a partir de las esferas con un dígito que se extraen (después de revolverlas mecánicamente) hasta formar el número, de manera que todos los números tienen la misma probabilidad de ser elegidos.
  19. 19. Muestreo no probabilístico • En las muestras no probabilísticas, la elección de los elementos no depende de la probabilidad, sino de causas relacionadas con las características de la investigación o de quien hace la muestra. Aquí el procedimiento no es mecánico ni con base en fórmulas 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.
  20. 20. • 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.
  21. 21. EJEMPLO. Una investigación a nivel nacional, para saber cuántos niños han sido vacunados y cuántos no, y las variables asociadas (nivel socioeconómico, lugar donde viven, educación) con esta conducta y sus motivaciones. Se haría una muestra probabilística nacional de, por ej.: 1600 infantes, y de los datos obtenidos se tomarían decisiones para formular estrategias de vacunación, así como mensajes dirigidos a persuadir la pronta y oportuna vacunación de los niños.
  22. 22. Comentario: este tipo de estudio, donde se hace una asociación entre variables y cuyos resultados servirán de base para tomar decisiones políticas que afectarán a una población, se logra por medio de una investigación por encuestas y, definitivamente, por medio de una muestra probabilística, diseñada de tal manera que los datos lleguen a ser generalizados a la población con una estimación precisa del error que pudiera cometerse al realizar tales generalizaciones.
  23. 23. ¿Cómo se selecciona una muestra probabilística? • 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 muestrales (casos) de manera que al inicio todos tengan la misma posibilidad de ser elegidos.
  24. 24. Tipos de muestreo probabilístico • Muestreo aleatorio simple: a cada elemento o unidad de la población se le asigna un número único, y a partir de esta lista se hace un sorteo, seleccionando los casos hasta llegar al tamaño de la muestra deseada. Es un procedimiento largo y tedioso cuando la población es grande.
  25. 25. • Muestreo estratificado: se divide a la población en los estratos o subgrupos homogéneos, por ejemplo: edad y sexo, y se obtiene aleatoriamente, una muestra separada de cada estrato. Se puede utilizar el muestreo aleatorio simple. • Muestreo sistemático: es la selección de un persona por cada cierto número de casos de una lista o grupo.
  26. 26. • Muestreo por conglomerados: se escogen conglomerados que pueden incluir por ejemplo un grupo de personas perteneciente a escuelas, hospitales, áreas geográficas, municipios, organizaciones, etc. Estos conglomerados son seleccionados aleatoriamente, y se procede a estudiar cada uno de los elementos que lo integran.
  27. 27. Por ejemplo: si se pretende investigar el comportamiento de los focos de Aedes Aegyptis, en un municipio, se seleccionará áreas del municipio según las condiciones higiénicos-sanitarias, y dentro de los conglomerados seleccionados se estudian todas las viviendas para buscar focos. • Un procedimiento más complejo puede incluir la selección inicial de los conglomerados, su estratificación en el supuesto caso de sean grupos de gran tamaño, y posteriormente se determina la muestra por cada estrato.
  28. 28. Muestreo no probabilístico • No aseguran la probabilidad que tiene cada unidad de la población para ser incluida en la muestra. • En lo posible, no es alternativo ni espontáneo, responde a un diseño dirigido a conocer como se producen los procesos, a una explicación de la percepciones, creencias, actitudes y otros atributos que no se pueden alcanzar por otro tipo de técnicas. • La fuerza de ésta técnica radica en la selección de casos ricos en información de los cuales se puede extraer conclusiones de gran relevancia en relación con aspectos centrales a los propósitos de la investigación. Se utiliza información obtenida de sujetos, documentos, artefactos u otros soportes.
  29. 29. a) El muestreo accidental o de conveniencia: entraña el uso de las personas u objetos, de los que fácilmente se cuenta, para sujetos de estudio. b) El muestreo por cuota divide a la población de en estratos o subpoblaciones homogéneas para asegurar la existencia de proporciones representativas en los estratos dentro de la muestra. c) En el muestreo intencionado se escogen sujetos u objetos para incluir en la muestra, con base en el conocimiento que tiene el investigador de la población.
  30. 30. • d) Muestreo de caso crítico: son aquellos de los cuales se suele decir si le sucedió a él (ella) le sucedería a cualquiera o recíprocamente si no le sucedió a él (ella) no le sucedería a nadie, o en si tal grupo hay problema podemos estar seguro de que los hay en todos los grupos. Se utiliza cuando se dispone de escaso recursos o es necesario elegir el caso o el grupo más informativo en términos del impacto sobre el conocimiento.
  31. 31. e) Muestreo en cascada: se utiliza para identificar casos críticos o informantes claves. El proceso comienza con una interrogante del tipo .. A quién me recomiendan para..? O quién esta bien informado en relación con..? Desde aquí se recluta una masa crítica de informantes clave. Los diseños no probabilísticos tienen la ventaja de ser cómodos y económicos, pero su principal desventaja es la gran posibilidad que tienen de generar errores de gran magnitud.

×