Exposición taller ii

PRESENTA:
CLEOTILDE JORGE RAFAEL
MARÍA DEL ROSARIO ANTONIO GÓMEZ
ANTONIO VICENTE MENDOZA
KEREN ARADI MARTÍNEZ HERRERA
CRISTIAN JOAQUÍN CONTI SÁNCHEZ
CARLOS ALEJANDRO SÁNCHEZ GONZÁLEZ
ASESOR:
L.I. MARÍA DE LOS ÁNGELES MARTÍNEZ
MORALES
S.E.P D.G.E.S.T S.N.E.S.T
INSTITUTO TECNOLÓGICO DE
TUXTEPEC
INGENIERIA EN SISTEMAS COMPUTACIONALES

POBLACIÓN Y MUESTRA
Se analizan los conceptos de muestra, población
o universo, tamaño de la muestra,
representatividad de la muestra y procedimiento
de selección.
Se presenta una tipología de muestras:
probabilísticas y no probabilísticas. Se explica
cómo definir a las unidades de análisis
(participantes, otros seres vivos, objetos, sucesos
o comunidades), de las cuales se habrán de
recolectar los datos.
Asimismo, se presenta cómo determinar el
tamaño adecuado de una muestra cuando
INTRODUCCIÓN

• Tómbolas
• Tablas de números
aleatorios
• STATS®
• Selección sistemática
Procedimientos
Listado o marco
muestral
Muestra
(es un subgrupo de la
población)
• Se utiliza por economía de
tiempo y recursos
• Implica definir la unidad de
análisis
• Requiere delimitar la
población para generalizar
resultados y establecer
parámetros
No probabilística o
dirigida
Requiere precisar el
tamaño de la muestra
Sus tipos son:
• Muestra aleatoria simple
• Muestra estratificada
• Muestra por racimos o
clusters
Probabilística
Clases
Seleccionar elementos
muéstrales por medio de:
• Selecciona participantes
por uno o varios propósitos
• No pretende que los
casos sean representativos
de la población

Subgrupo de la población del cual se
recolectan los datos y debe ser
representativo de ésta.
 Se utiliza por economía de tiempo y recursos
 Implica definir la unidad de análisis
 Requiere delimitar la población para
generalizar resultados y establecer
parámetros
MUESTRA

MUESTREO
CUANTITATIVO
Objetivo central:
Seleccionar casos representativos para la generalización
Mediante una técnica adecuada
Generalizar:
• Características
• Hipótesis
Con la finalidad de construir y/o probar teorías que
expliquen a la población o fenómeno

 No siempre, pero en la mayoría de las
situaciones si realizamos el estudio en una
muestra.
 Las muestras se utilizan por economía de
tiempo y recursos.
¿EN UNA INVESTIGACIÓN
SIEMPRE TENEMOS UNA
MUESTRA?

 Aquí el interés se centra en “qué o quienes”, es
decir, en los participantes, objetos, sucesos o
comunidades de estudio, lo cual depende del
planteamiento de la investigación y de los
alcances del estudio.
 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.
¿SOBRE QUÉ O QUIÉNES
SE RECOLECTARÁN
DATOS?
Unidades de análisis: Se les denomina
también casos o elementos.

 POBLACIÓN: Es el conjunto de todos los casos que
concuerdan con una serie de especificaciones.
 Una vez que se ha definido cual 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.
¿CÓMO SE DELIMITA
UNA POBLACIÓN?
POSIBLES
ERRORES
Seleccionar casos que son
verdaderamente inelegibles.
Incluir a casos que no deberían
estar porque no forman parte de la
población.
Desestimar o no elegir a casos
que deberían ser parte de la
muestra.

EJEMPLO DE DELIMITACIÓN
DE LA MUESTRA
Límites de población
Todos los niños del área
metropolitana de la Ciudad
de México, que cursen 4o.,
5o. y 6o. de primaria en
escuelas privadas y públicas
del turno matutino.

 Muestra probabilística: Subgrupo de la
población en el que todos los elementos de ésta
tienen la misma posibilidad de ser elegidos.
TIPOS DE MUESTRA
EJEMPLO
Se realiza una investigación en un país, digamos Nicaragua,
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 —digamos por
ahora— 1 600 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.

 Muestra no probabilística o dirigida: Subgrupo de la
población en la que la elección de los elementos no
depende de la probabilidad sino de las características
de la investigación.
TIPOS DE MUESTRA
EJEMPLO
Tenemos una investigación sobre inmigrantes extranjeros en
México (Baptista, 1988). El objetivo de la investigación era
documentar sus experiencias de viaje, de vida y de trabajo.
Para cumplir dicho propósito se seleccionó una muestra no
probabilística de personas extranjeras que por diversas
razones (económicas, políticas, fortuitas) hubieran llegado a
México entre 1900 y 1960. Las personas se seleccionaron por
medio de conocidos, de asilos y de referencias. De esta
manera se entrevistó a 40 inmigrantes con entrevistas
semiestructuradas, que permitieron al participante hablar

 Se determina con base en el planteamiento
del problema, las hipótesis, el diseño de
investigación y el alcance de sus
contribuciones.
¿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,
se requiere un marco de selección
adecuado y un procedimiento la
aleatoriedad en la selección.
¿CÓMO SE SELECCIONA
UNA
MUESTRA
PROBABILÍSTICA?

 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.
 Se busca encontrar una muestra que sea
representativa del universo o población con cierta
posibilidad de error (se pretende minimizar) y nivel de
CÁLCULO DEL TAMAÑO
DE MUESTRA

DE MUESTRA
En donde:
N= Población
n= Muestra
Z= Nivel de confianza. Es una constante dada por el nivel deseado de
confianza elegida
(1.96 para el caso de precisión 95%)
E= Error máximo tolerable. Es el margen dentro del cual deben
ubicarse la verdadera respuesta. Se utiliza 5%=0.05.
P= Porcentaje estimado de la muestra. Cuando es desconocida o no
existe precedente de la investigación se utiliza P=0.5.
Fórmula para calcular el tamaño
de muestra:

EJEMPLO
Supongamos que el gobierno de un estado, provincia o
departamento ha emitido una ley que impide (prohibición
expresa) a las estaciones de radio transmitir comerciales que
utilicen un lenguaje procaz (groserías, malas palabras). Dicho
gobierno nos solicita analizar en qué medida los anuncios
radiofónicos transmitidos en el estado utilizan en su contenido
este lenguaje, digamos, durante el último mes.
Tamaño de la población: 20000
Error máximo aceptable: 5%
Porcentaje estimado de la muestra: 50%
Nivel de confianza: 95%
DE MUESTRA

PROCEDIMIENTO
n = (1.96)2 (0.5) (0.5) (20,000)
(20,000-1)(0.05)2 + (1.96)2 (0.5) (0.5)
n = 19,208 = 376.9386 ≈ 377
50.9579
Que es el número de comerciales radiofónicos que necesitamos
para representar al universo de 20 000, con un error de 0.05 (5%)
y un nivel de confianza de
95%.
DE MUESTRA

 Muestreo en el que la población se divide en
segmentos y se selecciona una muestra para
cada segmento.
 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.
MUESTRA PROBABILÍSTICA
ESTRATIFICADA

MUESTRA PROBABILÍSTICA
ESTRATIFICADA
Ejemplos de estratos en la variable
Religión Grado o nivel de
estudios
Católicos Preescolar
Cristianos Primaria
Protestantes Secundaria
Judíos Bachillerato
Mahometanos Universidad (o
equivalente)
Budistas Posgrado

DE MUESTRA PROBABILÍSTICA
ESTRATIFICADA
En donde:
fh = La fracción del estrato
n = El tamaño de la muestra
sh =Es la desviación estándar de cada elemento en
el estrato h
K = Una proporción constante que nos dará como
resultado una q optima para cada estrato.

 Muestreo en el que las unidades de análisis se
encuentran encapsuladas en determinados lugares
físicos.
 En este tipo de muestreo 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 se
denomina racimos.
MUESTREO
PROBABILÍSTICO
POR RACIMOS

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.
MUESTREO
PROBABILÍSTICO
POR RACIMOS

 TÓMBOLA
Muy simple pero muy rápido, consiste en numerar
todos los elementos muestrales de la población, del
uno al número N. Después se hacen fichas o papeles,
uno por cada elemento, se revuelven en una caja y se
van sacando n número de fichas, según el tamaño de
la muestra. Los números elegidos al azar conformaran
la muestra.
 Cuando nuestro muestreo es estratificado, se sigue el
¿CÓMO SE LLEVA A CABO
EL PROCEDIMIENTO
DE SELECCIÓN DE LA
MUESTRA?

 Números Random o números aleatórios
 STATS®
Excelente alternativa para generar números
aleatorios se encuentra en el programa
STATS®, que contiene un subprograma
para ello y evita el uso de la tabla de
números aleatorios.
¿CÓMO SE LLEVA A CABO
EL PROCEDIMIENTO
DE SELECCIÓN DE LA
MUESTRA?

 Este procedimiento de selección es muy útil e implica
elegir dentro de una población N un número n de
elementos a partir de un intervalo K. Este ultimo (K )
es un intervalo que se va a determinar por el tamaño
de la población y el tamaño de la muestra. De
manera que tenemos que K = N/n.
En donde K = un intervalo de selección sistemática
N = la población
n = la muestra
SELECCIÓN SISTEMÁTICA
DE
ELEMENTOS MUESTRALES

 Marco muestral: 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.
Las muestras probabilísticas requieren la
determinación del tamaño de la muestra y de un
proceso de selección aleatoria que asegure que
todos los elementos de la población tengan la
LISTADOS Y OTROS
MARCOS MUESTRALES

El marco muestral constituye, un marco de
referencia que nos permita identificar físicamente
los elementos de la población, la posibilidad de
enumerarlos y, por ende, de proceder a la
selección de los elementos muéstrales (los casos
de la muestra). Normalmente se trata de un listado
existente o una lista que es necesario confeccionar
ad hoc, con los casos de la población.
LISTADOS Y OTROS
MARCOS MUESTRALES

LISTADOS Y OTROS
MARCOS MUESTRALES
Los listados existentes sobre una población son
variados: guías telefónicas, listas de miembros de las
asociaciones, directorios especializados, listas oficiales
de escuelas de la zona, bases de datos de los alumnos
de una universidad o de los clientes de una empresa,
registros médicos, catastros, nóminas de una
organización, etc. En todo caso hay que tener en cuenta
lo completo de una lista, su exactitud, su veracidad, su
calidad y su nivel de cobertura en relación con el
problema a investigar y la población que va a medirse,
ya que todos estos aspectos influyen en la selección de

No siempre existen listas que permitan identificar
a nuestra población. Entonces, será necesario
recurrir a otros marcos de referencia que
contengan descripciones del material, las
organizaciones o los casos que serán
seleccionados como unidades de análisis.
Ejemplos:
• Mapas
• Archivos electrónicos de periódicos en la web
LISTADOS Y OTROS
MARCOS MUESTRALES

TAMAÑO ÓPTIMO DE
UNA MUESTRA
Las muestras probabilísticas requieren dos
procedimientos básicos:
1) La determinación del tamaño de la muestra.
2) La selección aleatoria de los elementos
muéstrales.
Precisar adecuadamente el tamaño de la muestra
puede tornarse complejo, esto depende del
problema de investigación y la población a estudiar.

Ejemplo: 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

Ejemplo: Muestras típicas de estudios sobre
poblaciones humanas y organizaciones.
Número de
subgrupos
Población de
individuos u
hogares
Población de
organizaciones
Ninguno-pocos
(menos de 5)
Promedio (5 a
10)
Más de 10
Nacionales
Regionales
1000-1500 200-500
1500-2500 500-
1000
2500 + 1000 +
Nacionales
Regionales
200-500 50-
200
500-1 000 200-
500
1 000 + 500 +

Ejemplo: Tamaños de muestra mínimos en
estudios cuantitativos.
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 grupos menos
importantes.
Causal 15 casos por variable independiente.
Experimental o
cuasiexperimental
15 por grupo.

¿CÓMO Y CUÁLES SON LAS
MUESTRAS NO
PROBABILÍSTICAS?Las muestras no probabilísticas, también llamadas muestras
dirigidas, suponen un procedimiento de selección informal. Se
utilizan en diversas investigaciones cuantitativas y cualitativas.
Ventaja:
Desde la visión cuantitativa— es su utilidad para determinado
diseño de estudio que requiere no tanto una “representatividad”
de elementos de una población, sino una cuidadosa y
controlada elección de casos con ciertas características
especificadas previamente en el planteamiento del problema.
Desventaja:
Al no ser probabilísticas, no es posible calcular con precisión el
error estándar, es decir, no podemos calcular con qué nivel de
confianza hacemos una estimación.

 La muestra es un subgrupo de la población y puede ser
probabilística o no probabilística.
 Elegir qué tipo de muestra se requiere depende del
enfoque y alcances de la investigación, los objetivos del
estudio y el diseño.
 En el enfoque cuantitativo las muestras probabilísticas
son esenciales en diseños de investigación por
encuestas, donde se pretenden generalizar los
resultados a una población.
 El tamaño de la muestra se calcula mediante fórmulas o
por medio de programas.
 Las muestras no probabilísticas pueden también
CONCLUSIONES

Exposición taller ii

Más contenido relacionado

Similar a Exposición taller ii (20)

Más de Mary Antonio Gomez (16)

Exposición taller ii