12 Guia-T Poblacion Muestra MIP-II 2017

UNIVERSIDAD WIENER E.A.P.
DE PSICOLOGA
GUIA T-12. POBLACIN Y MUESTRA
1. NOCIONES PREVIAS Y DIFERENCIA CONCEPTUAL

Censo. Universo. Poblacin y muestra
Parmetro y estadgrafo
Nivel de confianza y nivel de significancia (Lectura)
2. PERFIL ANTROPOGEOGRAFICO
La institucin educativa est ubicada en la Comunidad Autogestionaria La Era en el Distrito

de Chaclacayo a la altura del kilmetro 18 de la Carrera Central. La referida comunidad tiene
una antigedad aproximada de diez aos y se encuentra en proceso de gestin de los servicios
bsicos de luz y agua. El transporte pblico es limitado (dos lneas de microbuses) y por el
entorno semi-rodeado de cerros solo ingresan algunos canales de seal abierta. Tiene un
mercado de abastos, un centro de salud con los servicios bsicos de atencin ambulatoria un
centro de educacin inicial y de primaria, un puesto policial, un terreno destinado para un
parque, un terreno asignado para loza deportiva y un local comunal. No cuenta con catastro
urbano por lo tanto no tiene pistas ni veredas. Las casas estn en proceso de construccin,
generalmente con techo de calamina. A dos kilometro a la redonda se ubican la Universidad
Unin, algunos centros recreacionales privados, campos de cultivo y ladrilleras.
La institucin educativa es de gestin pblica y de nivel primario de menores del turno
maana, cuenta con los seis grados y con dos secciones cada una de ellas. La infraestructura de
aproximadamente mil metros cuadrado es de material noble y de dos plantas con un patio, una
escalera y dos oficinas. No cuenta con laboratorios, talleres ni sala de computo. El personal
directivo y docente en su mayora son profesionales titulados en educacin y nombrados que
generalmente residen fuera del Distrito. La poblacin estudiantil proviene de hogares de nivel
socio-econmico pobre y extremadamente pobre, los padres de familia tienen trabajos
eventuales y la mayora de madres de familia son amas de casa, algunas de ellas se dedican al
comercio ambulatorio. En las calles se observan algunos nios en edad escolar que no estn
yendo al colegio.
3. POBLACIN Y UNIVERSO
El diccionario de la RAE (2001) define la poblacin, en su acepcin sociolgica, como Conjunto de
los individuos o cosas sometido a una evaluacin estadstica mediante el muestreo. En cualquier
investigacin, el primer problema que aparece, relacionado con este punto, es la frecuente
imposibilidad de recoger datos de todos los sujetos o elementos que interesen a la misma.
Los manuales clsicos de epistemologa suelen definir a la poblacin como el conjunto de todas
las medidas o personas de un cierto tipo, y la hacen sinnima del concepto ms antiguo de
universo (Jimnez 1983; Sierra, 1988; Gil, 2004). Otros autores distinguen entre universo y
poblacin (Fox, 1981; Marn, 1985; Buenda, 1998). Estos autores consideran que el investigador
casi nunca, o nunca, tiene acceso a todas las posibles medidas, elementos o personas y, por tanto,
utilizan el trmino universo para designar esa entidad que lo incluye todo, reservando el
Metodologa de la investigacin psicolgica - II: Jorge Carrillo Lima, noviembre de 2017. Pg. 1
UNIVERSIDAD WIENER E.A.P. DE PSICOLOGA
concepto de poblacin a la parte del universo de la que se selecciona la muestra y sobre la que
deseamos hacer inferencia o aplicacin de las generalizaciones que obtengamos de la
investigacin. Para la Torre (2003) el universo es simplemente un colectivo (hiptetico).
La definicin de la poblacin es una parte importante, y con frecuencia difcil del estudio, es por
ello que Lohr (1999) dice: Por ejemplo, en una encuesta poltica, la poblacin objetivo deberan
ser todos los adultos registrados en la ONPE? Todos los ciudadanos que pueden y/o quieren
votar? Todas las personas que votaron en la ltima eleccin?. En cualquier caso, la eleccin de
esta poblacin objetivo afectar profundamente al resultado de la investigacin.
Una vez definido el problema a investigar, formulados los objetivos y delimitadas las variables se
hace necesario determinar los elementos o individuos con quienes se va a llevar a cabo el estudio
o investigacin. Esta consideracin nos conduce a delimitar el mbito de la investigacin
definiendo una poblacin y seleccionando la muestra. Cualquier caracterstica medible de la
poblacin se denomina parmetro, los valores de los parmetros calculados sobre las muestras se
conocen como estadgrafos o estadsticos, utilizan letras latinas (s2, S, r: varianza, desviacin
estndar, coeficiente de correlacin) y describen a las citadas muestras.
Se define tradicionalmente la poblacin como el conjunto de todos los individuos (objetos,

personas, eventos, etc.) en los que se desea estudiar el fenmeno. stos deben reunir las
caractersticas de lo que es objeto de estudio (Latorre, 2003). El individuo, en esta acepcin, hace
referencia a cada uno de los elementos de los que se obtiene la informacin. Los individuos
pueden ser personas, objetos o acontecimientos.
Hoy se prefiere hablar de unidad de anlisis o elemento de observacin para referirse al objeto
sobre el cual se realiza una medicin. En los estudios con poblaciones humanas, con frecuencia
ocurre que la unidad de observacin son los individuos. En la investigacin social se acostumbra a
diferenciar dos tipos de poblacin: la poblacin objetivo que es la poblacin total pero no
disponible, y la poblacin accesible.
Otros autores definen la poblacin como el conjunto de entidades (instituciones, grupos,
personas, elementos o unidades) que tienen caractersticas determinadas y cuya situacin se est
investigando. Ejemplo: los nios y nias de edad escolar de cinco aos de edad de instituciones
educativas estatales del distrito de Conga. Es importante definir la poblacin objetivo con un
mximo de precisin, dado que los sujetos pertenecientes a categoras diferentes (por ejemplo: no
escolarizados) corren el riesgo de ser ubicados en un mismo conjunto de igualdad.
Se debe precisar cuntos sujetos constituyen la poblacin y cules son sus caractersticas. Las
caractersticas son las siguientes: de gnero; es decir, varones y mujeres, sus promedios de
edades, procedencia de familias, labores de los padres y de los estudiantes, o precisiones de la
economa familiar. Se seleccionan las caractersticas que podran actuar como variables
intervinientes y por lo tanto que pueden afectar el logro de los objetivos previstos en las
propuestas experimentales.
Motivos o razones por las que no se puede estudiar a toda la poblacin
Poblacin grande
Poblacin desconocida o no hay marco muestral
Poblacin inaccesible a estudiar a toda la poblacin
Ejemplo de delimitacin y distribucin de la poblacin

Grado
SUB
A B C D E F TOTAL
Seccin
1 (Maana) 23 23 22 22 21 21 132
1 (Tarde) 22 22 21 21 20 20 126
2
3
4
5
SUBTOTAL 45 45 43 43 41 41 258
4. EL MUESTREO
Habitualmente, el investigador no trabaja con todos los elementos de la poblacin que estudia
sino slo con una parte o fraccin de ella; a veces, porque es muy grande y no es fcil abarcarla en
su totalidad. Por ello, se elige una muestra representativa y los datos obtenidos en ella se utilizan
para realizar pronsticos en poblaciones futuras de las mismas caractersticas.
Salvo en el caso de poblaciones pequeas, pocas veces en una investigacin se cuenta con el
tiempo, los recursos y los medios para estudiar una poblacin completa. A veces ni siquiera
podemos delimitar exactamente una poblacin, otras veces la poblacin total an no existe
como sucede en los estudios sobre prediccin Estos motivos de tiempo, coste, accesibilidad a los
individuos y complejidad de las operaciones de recogida, clasificacin y anlisis de los datos hacen
que la gran mayora de los proyectos de investigacin no estudien ms que una parte
representativa de la poblacin, denominada muestra. Esto se puede hacer as porque, si se
selecciona correctamente la muestra, sta puede aportarnos informacin representativa y exacta
de toda la poblacin.
Se conoce con el nombre de muestreo al proceso de extraccin de una muestra a partir de la

poblacin. El proceso esencial del muestreo consiste en identificar la poblacin que estar
representada en el estudio. Previamente es necesario calcular el tamao de la muestra. Entre las
ventajas que proporciona el muestreo (Latorre, 2003) suele sealarse: el ahorro de tiempo en la
realizacin de la investigacin, la reduccin de costos y la posibilidad de mayor profundidad y
exactitud en los resultados. Los inconvenientes ms comunes suelen ser: dificultad de utilizacin
de la tcnica de muestreo, una muestra mal seleccionada o sesgada distorsiona los resultados, las
limitaciones propias del tipo de muestreo y tener que extraer una muestra de poblaciones que
poseen pocos individuos con la caracterstica que hay que estudiar.
La importancia del muestreo radica en que no es necesario trabajar con los N elementos de una
poblacin para comprender con un nivel razonable de exactitud la naturaleza del fenmeno
estudiado. Este conocimiento se puede obtener a partir de una muestra que se considere
representativa de aquella poblacin.
Aunque la razn esencial por la que se muestrea es la imposibilidad de estudiar todos los sujetos,
es un proceso lgico, porque en la prctica no es necesario obtener datos de todos los posibles
sujetos para comprender con exactitud la naturaleza del fenmeno que se estudia, sino que, en
general, se puede alcanzar esa comprensin con una parte de los sujetos. Debido a esto, se
pueden aprovechar las ventajas del muestreo, que son la reduccin del coste de la investigacin
en tiempo y en dinero. El ahorro de tiempo o dinero mediante el muestreo slo es lgico cuando
se puede justificar el hecho de que los datos obtenidos a partir de la muestra proporcionarn una
base firme para determinar con exactitud las caractersticas del fenmeno que se estudia. (Fox,
1981).
5. LA MUESTRA
El Diccionario de la Lengua Espaola (RAE, 2001) define la muestra, en su segunda acepcin, como
parte o porcin extrada de un conjunto por mtodos que permiten considerarla como
representativa de l.
En el terreno epistemolgico, Jimnez Fernndez (1983) destaca la condicin de representatividad

que ha de tener la muestra: ... es una parte o subconjunto de una poblacin normalmente
seleccionada de tal modo que ponga de manifiesto las propiedades de la poblacin. Su
caracterstica ms importante es la representatividad, es decir, que sea una parte tpica de la
poblacin en la(s) caractersticas que son relevantes para la investigacin. (Jimnez, 1983). Es
decir, una muestra es representativa si rene las caractersticas de los individuos de la poblacin
(aupas, Novoa, Meja y Villagmez; 2011).
Sierra Bravo (1988) hace hincapi en la generalizacin de resultados: ... es una parte
representativa de un conjunto o poblacin debidamente elegida, que se somete a observacin
cientfica en representacin del conjunto, con el propsito de obtener resultados vlidos, tambin
para el universo total investigado. Latorre (2003) pone especial nfasis en la metodologa del
muestreo: Conjunto de casos extrados de una poblacin, seleccionados por algn mtodo de
muestreo.
Las muestras tienen un fundamento matemtico estadstico. ste consiste en que obtenidos unos
determinados resultados, de una muestra elegida correctamente y en proporcin adecuada, se
puede hacer la inferencia o generalizacin fundada matemticamente de que dichos resultados
son vlidos para la poblacin de la que se ha extrado la muestra, dentro de unos lmites de error y
probabilidad, que se pueden determinar estadsticamente en cada caso.
Las muestras presentan evidentes ventajas, respecto del estudio de poblaciones. Con una muestra
relativamente reducida en relacin a la poblacin, se pueden encuestar grandes poblaciones y
ncleos humanos, que de otra manera sera muy difcil o prcticamente imposible investigar.
Suponen una gran economa en las encuestas y la posibilidad de mayor rapidez en su ejecucin. A
veces, ... una muestra puede ofrecer resultados ms precisos que una encuesta total, aunque est
afectada del error que resulta de limitar el todo a una parte. (Sierra, 1988). La seleccin correcta
de la muestra implica crear una que represente a la poblacin con la mayor fidelidad posible. Esto
conlleva utilizar unas tcnicas especficas de seleccin de la muestra, as como la necesidad de
determinar su tamao ptimo.
En este proceso de seleccin hemos de distinguir entre elemento muestral y unidad de

muestreo (Se considera unidad de muestreo a los elementos, con los que confeccionamos la
muestra: personas, familias, centros, empresas) y el marco de muestreo. El elemento o individuo
(muestral) es un objeto en el cual se toman las mediciones, la unidad ms pequea en que
podemos descomponer la muestra. La unidad de muestreo hace referencia a la unidad donde
realizamos la muestra, est constituida por grupos excluyentes de elementos de la poblacin que
completan la misma. Por ejemplo, podramos desear estudiar a un grupo de personas (una ciudad,
una zona urbana, un grupo de estudiantes de un determinado nivel educativo, los trabajadores de
un sector de produccin, etc.), pero no tenemos una lista de todos los individuos que pertenecen a
la poblacin. En su lugar las familias, los centros educativos, las empresas... podran servir como
unidades de muestreo. Las unidades de observacin o elementos muestrales seran los individuos
que viven en una familia o que trabajan en una determinada empresa... La lista de las unidades de
muestreo (familias, centros educativos, empresas...) constituyen el marco de muestreo.
5.1 Condiciones que ha de cumplir la muestra (Sierra, 1988)
1) Que comprendan parte del universo y no la totalidad de ste.

2) Que su amplitud sea estadsticamente proporcionada a la magnitud del universo. Esta
condicin se halla en relacin con el punto prctico de determinacin del tamao de la
muestra y sirve para decidir si, segn las unidades que comprende respecto al universo, una
muestra es o no admisible.
3) La ausencia de distorsin en la eleccin de los elementos de la muestra. Si esta eleccin
presenta alguna anomala, la muestra resultar por este mismo hecho viciada.
4) Que sea representativa o reflejo fiel del universo, de tal modo que reproduzca sus
caractersticas bsicas en orden a la investigacin. Esto quiere decir que si hay sectores
diferenciados en la poblacin que se supone ofrecen caractersticas especiales, a efectos de
los objetivos de la investigacin, la muestra tambin deber comprenderlos y precisamente
en la misma proporcin, es decir, deber estar estratificada como el universo. Para Sierra,
(1988), poblacin y universo son sinnimos.
Para cumplir estas condiciones es necesario aplicar unas determinadas tcnicas de seleccin de la
muestra que garanticen su representatividad, determinar el tamao ptimo de la muestra y, tener
en cuenta el error muestral. En los apartados siguientes desarrollaremos estos aspectos.
5.2 Representatividad de la muestra

Uno de los problemas fundamentales que se le plantea al investigador en relacin con el muestreo
consiste en saber si el grupo elegido es verdaderamente representativo del conjunto; para que lo
sea, los rasgos de los elementos o individuos elegidos para la muestra deben ser similares a los de
toda la poblacin (Marn, 1985).
La representatividad es la caracterstica ms importante de una muestra. El muestreo adquiere

todo su sentido en cuanto que garantiza que las caractersticas que se quieren observar en la
poblacin quedan reflejadas adecuadamente en la muestra. Generalizar a la poblacin a partir de
la muestra slo est justificado si sta representa realmente a la poblacin. Preservar la
representatividad es el atributo ms importante que debe reunir el muestreo, lo que nos permitir
generalizar a la poblacin los resultados obtenidos en la muestra. (Latorre, 2003)
Fox (1981) seala que para lograr la representatividad se requiere: 1. Conocer qu caractersticas
(variables) estn relacionadas con el problema que se estudia; 2. Capacidad para medir esas
variables, y 3. Poseer datos de la poblacin sobre estas caractersticas o variables para usarlos
como variable de comparacin. El mismo autor seala que si no se cumple alguna de estas
condiciones, para algunas de las caractersticas, se pierde la capacidad de buscar deliberadamente
la representatividad en cuanto a ella.
La seleccin aleatoria de la muestra garantiza la ausencia de sesgo en el proceso de seleccin de la

misma, ayuda a garantizar su representatividad, pero esta circunstancia no es garanta total para
que estemos seguros de que la muestra al azar es representativa de la poblacin de la que se ha
extrado (Kerlinger, 1985). Se espera que sea representativa de las caractersticas relevantes de la
poblacin, pero pudiera no serlo. Lo normal es que lo sea, ya que lo tpico, lo representativo de la
poblacin, es lo que aparece con ms frecuencia, pero no hay seguridad total. El muestreo
estratificado proporcional asegura, en cambio, la representatividad en cuanto a una o dos
caractersticas (Jimnez, 1983).
Para Fox (1981) otra forma de analizar el problema de la representatividad de la muestra consiste
en distinguir entre la muestra convocada, la muestra aceptante y la muestra productora de
datos. La primera corresponde al conjunto de individuos invitados del conjunto de la poblacin,
la segunda hace referencia al grupo de individuos que aceptan participar y la muestra productora
de datos coincide con la muestra real del estudio.
Si no se ha logrado representatividad en una o ms variables, el investigador tiene dos opciones:

a) trabajar con la muestra no representativa y contar con ese lmite; b) seleccionar ms elementos
de la poblacin, con la esperanza de que una muestra mayor s sea representativa, aunque el
estudio tenga una muestra mayor que buscada inicialmente.
Por ltimo, es necesario preguntarse qu prdida puede tolerarse desde la seleccin de la muestra
inicial hasta llegar a la que proporciona los datos. Al mismo tiempo, hay que tener en cuenta que
se tiene constancia probada de que las personas que no responden tienen opiniones o patrones
de conducta distintos de las que responden; y que el porcentaje de la prdida tambin depende,
para su representatividad, de cmo se distribuyan las respuestas en la diferentes categoras de la
variable. Se suele considerar que una prdida del 25% debe preocupar, aun cuando no existan
diferencias estadsticamente significativas; cuando sea inferior al 50% se debe leer y escribir con
cuidado; y cuando la proporcin es menor del 40% no se deberan dar a conocer los datos, ni
considerarlos como conclusiones vlidas. Son tiles como estudios pilotos, pero no se pueden
aceptar sin hacer un estudio posterior ms exhaustivo (Latorre, 2003).
TAREA:
1. Calcular la cantidad de sujetos que forman parte de la muestra segn la poblacin (supuesta),
as como el % que representan en relacin al total de la poblacin.
2. Identificar o diferenciar las caractersticas de la muestra y/o de la poblacin.
6. TAMAO DE LA MUESTRA (Procedimientos)
a. Cul debe ser el tamao de la muestra?

La eleccin del tamao de la muestra depende de consideraciones no estadsticas y estadsticas.
Las consideraciones no estadsticas pueden incluir la accesibilidad a la muestra, la disponibilidad
de los recursos, la mano de obra, la tica y el marco de muestreo. Las consideraciones estadsticas
incluirn la precisin deseada de la estimacin de la prevalencia y la prevalencia esperada de los
problemas especficos de los sujetos. Para determinar el tamao adecuado de las muestras es
necesario seguir los tres criterios:
A. Nivel de precisin
El nivel de precisin, tambin llamado error de muestreo, es el rango en donde se estima que est
el valor real de la poblacin. Este rango se expresa en puntos porcentuales. Por lo tanto, si un
investigador descubre que el 70% de los estudiantes de la muestra han adoptado una tecnologa
del aprendizaje recomendada con una tasa de precisin de 5%, el investigador puede concluir
que entre el 65% y el 75% de los estudiantes de la poblacin han adoptado la nueva tecnologa.
B. Nivel de confianza
El intervalo de confianza es la medida estadstica del nmero de veces de cada 100 que se espera
que los resultados se encuentren dentro de un rango especfico. Por ejemplo, un intervalo de
confianza de 90% significa que los resultados de una accin probablemente cubrirn las
expectativas el 90% de las veces. La idea bsica descrita en el Teorema del Lmite central es que
cuando una poblacin se muestrea muchas veces, el valor promedio de un atributo obtenido es
igual al valor real de la poblacin. En otras palabras, si un intervalo de confianza es del 95%,
significa que 95 de 100 muestras tendrn el valor real de la poblacin dentro del rango de
precisin.
C. Grado de variabilidad
Dependiendo de la poblacin objetivo y los atributos a considerar, el grado de variabilidad oscila
considerablemente. Cuanto ms heterognea sea una poblacin, mayor deber ser el tamao de
la muestra para obtener un nivel ptimo de precisin. Tener en cuenta que una proporcin de
55% indica un nivel ms alto de variabilidad que un 10% o un 80%. Esto se debe a que 10% y 80%
significa que una gran mayora no posee o posee el atributo en cuestin.
6.1 Clculo del tamao de la muestra mediante la pirmide (Size)
Considerando que el Nivel de Confianza (Confidence) es de 95 % (0.95) el Nivel de Significancia o

Margen de Error (Margin) es de 5 % (0.05) y, la Distribucin de las Respuestas (Probability o
proporcin de individuos de la poblacin que tienen la caracterstica en estudio) es de p-q = 50 %
(probabilidad de xito menos de fracaso = 0.50), se puede ubicar o calcular la muestra segn la
cantidad de la poblacin (finita) en la siguiente pirmide de Krejcie y Morgan (1970) y adaptada
por Carrillo (1984).
Si N es 30, entonces n es 28
6.2 Clculo del tamao de la muestra mediante frmulas
Para algunos autores existen distintas frmulas para calcular el tamao de muestra. La seleccin
de la frmula adecuada depende bsicamente de ciertos criterios: El marco lgico, el tipo de
variable (segn su naturaleza) y la existencia de grupos a comparar.
Cuando se trata de un grupo, por ejemplo si se desea evaluar el nivel de comprensin lectora de
alumnos de primer grado de una institucin educativa, se pueden utilizar las frmulas de la Figura
N 1. En este caso hay que definir si la comprensin lectora se va a medir en escala de cuantitativa
(razn o intervalo) o cualitativa (ordinal o nominal). Se debe definir si la poblacin es conocida o
no, en este caso la poblacin de los alumnos se conoce, por lo que se debe utilizar la frmula para
una proporcin de poblacin conocida, utilizando un valor de Z = 1,96 que corresponde a un nivel
de confianza del 95%.
Figura 1. Frmulas para calcular el tamao de muestra de un grupo
Para el caso de comparacin de dos grupos, por ejemplo una nueva intervencin educativa frente
a la intervencin tradicional, se puede utilizar las frmulas de la Figura N 2.
NOTA 1: Para el caso de las variables cuantitativas: S= desviacin estndar.
NOTA 2: Para el valor de la precisin en el caso de las variables cuantitativas se debe considerar el
efecto tamao, el cual debe ser menor a 0,5. Se aplica la siguiente frmula:

= =

Figura 2. Frmulas para calcular el tamao de muestra de dos grupos
Aplicando la frmula
N = Tamao de la poblacin o universo: nmero total de posibles encuestados.
n = Tamao de la muestra: nmero de encuestas que vamos a tomar.
Z o k = Nivel o intervalo de confianza: es una constante cuyo valor depende del porcentaje de
seguridad que asignemos para generalizar los resultados. El nivel de confianza indica la
probabilidad de que los resultados de nuestra investigacin sean ciertos: un 95 % de confianza es
lo mismo que decir que nos podemos equivocar con una probabilidad del 0.05 %. Los valores de k
se obtienen de la tabla de la distribucin normal estndar N (0,1).
Los valores de k ms utilizados y sus niveles de confianza son:
Valor de k 1,15 1,28 1,44 1,65 1,96 2,24 2,58
Nivel de confianza 75% 80% 85% 90% 95% 97,5% 99%
(Por tanto si pretendemos obtener un nivel de confianza del 95% necesitamos poner en la frmula
k=1,96)
= Desviacin estndar: es un ndice numrico de la dispersin de un conjunto de datos (o

poblacin). Mientras mayor es la desviacin estndar, mayor es la dispersin de la poblacin.
Generalmente cuando no se tiene su valor, suele utilizarse un valor constante de 0,5.
p = Probabilidad de xito o proporcin esperada: porcentaje de la variable de estudio que poseen

los individuos de la poblacin de estudio con la que se acepta la hiptesis. El valor de P (P valor) es
generalmente desconocido y se puede obtener de la literatura (antecedentes), de una prueba
piloto (medir la variable a un grupo no mayor de 30 sujetos) o, maximizar con p = 0,5 (se supone
que es una opcin segura).
q = Probabilidad de fracaso: proporcin de individuos que no poseen esa caracterstica esperada

con la que se rechaza la hiptesis, es decir, es 1 p.
p q = Heterogeneidad o variabilidad es la probabilidad o porcentaje con el que se acepta o rechaza

la hiptesis que se quiere probar. El 0.5 significa que un 50 % de la muestra opina una cosa y el
otro 50 % lo contrario.
d e = Error muestral (esperado) o margen de error (aceptable): es el intervalo en el que puede

oscilar un resultado en tanto por ciento o en trminos de proporcin y, que generalmente cuando
no se tiene su valor, suele utilizarse un valor que vara entre el 1 % (0,01) y 9 % (0,09), valor que
queda a criterio del investigador. Lo recomendable es trabajar con valores del 5 % o menos (0.05).
Significa elegir la probabilidad de rechazar una hiptesis nula siendo verdadera. Un margen de
error de 0.05 significa que los datos o resultados obtenidos pueden deberse al azar hasta un 5 %
de casos. Sin embargo, en estudios exploratorios o pruebas piloto se acepta hasta el 10 %. El error
muestral es la diferencia que puede haber entre el resultado que obtenemos encuestando a una
muestra de la poblacin y el que obtendramos si encuestramos al total de ella.
Ejemplo 1 del clculo de la muestra en una poblacin conocida con variable cualitativa:
n = 258 (1.96)2 (0.5)(0.5)

0.052 (257) + 1.962 (0.5)(0.5)
38416 (258) 0.25

6425 + 9604
2477832
16029
n = 154
N = Tamao de la poblacin o universo: 258

n = Tamao de la muestra: 154
Za o k = Nivel o intervalo de confianza: 95 % (k = 196)
= Desviacin estndar: (0,5)
p = Probabilidad de xito o proporcin esperada: El valor porcentual de p (p valor = 0.5).
q = Probabilidad de fracaso: (1 p).
d e = Error muestral (esperado) o margen de error (aceptable): intervalo en trminos de
proporcin o porcentual entre el 1 % (0,01) y 9 % (0,09). = 5 %.
Ejemplo 2: si en una encuesta de satisfaccin laboral de empleados de una universidad privada el

60 % de los encuestados se muestran satisfechos estimndose un error muestral del 3 %, significa
que entre el 57 % y el 63 % (60 % +/- 3 %) del total de los empleados de la referida universidad lo
estarn.
Ejemplo 3: si los resultados de una encuesta electoral indicaran que un partido poltico iba a
obtener el 55 % de los votos y el error estimado fuera del 3%, se estima que el porcentaje real de
votos estar en el intervalo 52-58 % (55 % +/- 3 %).
Tarea: Si los resultados de una encuesta dicen que 100 docentes aprobaran la encuesta
estudiantil y tenemos un error muestral del 5 %, entonces cul es el error muestral o margen de
error que aprueben los docentes?
Altos niveles de confianza y bajo margen de error no significan que la encuesta sea de mayor
confianza o est ms libre de error necesariamente; antes es preciso minimizar la principal fuente
de error que tiene lugar en la recogida de datos.
6.3 Calculo del tamao de la muestra mediante calculadoras on-line
http://www.med.unne.edu.ar/biblioteca/calculos/calculadora.htm
http://www.gruporadar.com.uy/01/?p=567
http://www.surveysoftware.net/sscalce.htm
http://formaciongerencial.com/calculador/
http://www.feedbacknetworks.com/cas/experiencia/sol-preguntar-calcular.html
http://www.mey.cl/html/samplesize.html
1: https://www.youtube.com/watch?v=dyKSPq-PaTA
2: https://www.fisterra.com/mbe/investiga/9muestras/tamano_muestral.xls
RESULTADOS DEL CLCULO ON-LINE DEL TAMAO DE LA MUESTRA:
TAMAO DEL UNIVERSO = 258

Nmero de personas que componen la poblacin a estudiar.
HETEROGENEIDAD % = 50
Es la diversidad del universo. Lo habitual es usar 50%, el peor caso.
MARGEN DE ERROR % = 5
Menor margen de error requiere mayor muestra.
NIVEL DE CONFIANZA % = 95
Mayor nivel de confianza requiere mayor muestra. Lo habitual es entre 95% y 99%
MUESTRA = 155
Personas a encuestar
Lectura: Criterios para seleccionar el tamao de la muestra:

Criterio 1: El marco lgico, el tipo de variable (segn su naturaleza) y la existencia de grupos a
comparar.
Criterios 2: Nivel de precisin. Nivel de confianza. Grado de variabilidad
Link para calcular el intervalo de confianza:
http://es.wikihow.com/calcular-el-intervalo-de-confianza
7 TIPOS Y TECNICAS DE MUESTREO
El muestreo es el proceso mediante el cual el investigador podr 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 investigacin no sern vlidos, ya que se pueden cometer errores de
sesgo o de imparcialidad al momento de elegir los sujetos.
En el muestreo es necesario eliminar o separar las variables confusoras: aquellas que estando
relacionada con la variable independiente tienen efecto sobre la variable dependiente y que al no
ser controladas por el investigador puede daar la validez interna del experimento.
Tabla 1. Tipos y tcnicas de muestreo
MUESTREO PROBABILISTICO MUESTREO NO PROBABILISTICO

(ALEATORIO) (NO ALEATORIO)
Aleatorio simple Accidental
Sistemtico Por conveniencia
Estratificado Por cuotas
Por conglomerados Bola de nieve
A. MUESTREO PROBABILSTICO
Tambin se conoce como muestreo aleatorio, todos los sujetos u objetos de la poblacin de
estudio tienen la misma posibilidad o probabilidad de formar parte de la muestra. Este muestreo
se utiliza cuando la poblacin es conocida, existe el marco muestral o listado de los sujetos de la
poblacin de estudio.
a. Muestreo aleatorio simple

Para este muestreo se necesita la lista de todos los individuos de la poblacin de estudio:
marco muestral, sin ningn criterio de ordenamiento, la seleccin se realiza al azar (tablas
de nmeros aleatorios, calculadoras, software).
Procedimiento
1. Elaborar el listado de pacientes (Poblacin de estudio) sin ningn ordenamiento en
particular.
2. Generar tantos nmeros aleatorios como el tamao de la muestra (n). Cuyos valores
deben estar entre 1 y N.
3. Elaborar el listado de la muestra, seleccionando los pacientes de acuerdo con la ubicacin
proporcionada por los nmeros aleatorios.
b. Muestreo sistemtico
Se selecciona individuos a intervalos regulares (Ejemplo. 5, 10, 15, 20, 25,...), puede haber
sesgo de seleccin si el listado est distribuido siguiendo algn ordenamiento particular.
Procedimiento:
1. Elaborar el listado de pacientes sin ningn ordenamiento.
2. Calcular el intervalo con la siguiente frmula:
3. Redondear al entero inferior

4. Seleccionar aleatoriamente el nmero de inicio de la serie con una urna de nmeros del
1 hasta k.
5. Elaborar la lista de la muestra seleccionando los pacientes de acuerdo con la ubicacin
proporcionada por los nmeros del intervalo.
c. Muestreo estratificado
Este tipo de muestreo se emplea cuando se tiene inters en que la muestra sea la ms
representativa posible en lo que se refiere a subgrupos de inters relacionados con variables
confusoras o que podran crear sesgo a la investigacin por ejemplo: sexo, edad, situacin
laboral, etc. Se divide el marco muestral en grupos homogneos (estratos); de cada uno se
extrae una submuestra, proporcional al tamao del estrato.
Procedimiento:
1. Determinar la caracterstica de los estratos o la composicin de los estratos.
2. Si se conoce el porcentaje de los estratos, distribuir porcentualmente el tamao de
muestra en los estratos.
3. Si se conoce la cantidad de individuos en cada estrato, se calcula el factor de proporcin
con la siguiente frmula: K = N/n.
4. El cual se multiplica por la cantidad respectiva en los estratos.
5. Seleccionar aleatoriamente los individuos en cada estrato (Muestreo aleatorio simple o
sistemtico).
6. Elaborar la lista de la muestra por cada estrato.
d. Muestreo por conglomerados

Se le conoce tambin, de etapas mltiples. Se utiliza para poblaciones grandes y dispersas,
donde no es posible disponer de un listado. En lugar de seleccionar a los sujetos
directamente, se seleccionan conglomerados que estn agrupados de forma natural (cuadras
de casas, departamentos, hospitales, provincias, etc.). Se selecciona en primer lugar el
conglomerado ms alto, a partir de ste se selecciona un subgrupo, y as sucesivamente hasta
llegar a las unidades de anlisis.
B. MUESTREO NO PROBABILSTICO
En este tipo de muestreo no existe el criterio de que todos los sujetos tengan la misma
posibilidad de ser elegidos para formar parte de la muestra, ya que en este tipo de muestreo
hay uno o ms criterios de decisin por parte del investigador, para que un determinado
sujeto pueda o no formar parte del estudio.
En estas tcnicas de muestreo, prima el criterio del investigador. Criterios de Inclusin o

Exclusin de los sujetos muestrales que tendr que justificar en este acpite. Criterios como la
accesibilidad o el conocimiento previo de los participantes o la autenticidad y veracidad de los
datos a obtener as como la facilidad de trabajo con ellos, pueden justificar estos
considerandos.
a. Muestreo accidental
Se hace sobre la base de la presencia o no, en un lugar y momento determinados (por
ejemplo: estudiantes que asisten al rea psicolgica por problemas de rendimiento). Aunque
se parece a un muestreo probabilstico, no todas las personas tienen la misma probabilidad
de estar en el momento y lugar donde se seleccionan a los sujetos.
b. Muestreo por conveniencia

En este caso el investigador decide en base a los conocimientos de la poblacin, quienes son
los que deben formar parte de la muestra.
Se tiene en cuenta los criterios de inclusin y exclusin, los cuales deben estar bien
establecidos y se deben cumplir rigurosamente.
c. Muestreo por cuotas

La muestra se selecciona tomando en cuenta caractersticas (variables) especficas de la
poblacin. Tiene similitud con el muestreo estratificado solo que en este caso la seleccin
dentro de cada estrato se hace de manera accidental. Generalmente se usa para encuestas de
opinin y mercado.
d. Muestreo bola de nieve

Se utiliza cuando la poblacin es de difcil acceso por razones sociales (prostitutas,
alcohlicos, drogadictos, etc.).
En este caso se contacta con una persona del grupo a estudiar, puede ser el lder de una
pandilla, el amigo de un colaborador, etc. y a partir de ste se poco a poco se va llegando a un
nmero mayor de individuos.
Para seleccionar la muestra tambin puede aplicarse Excel segn los siguientes tutoriales:
https://www.youtube.com/watch?v=un7vulEnj_8
https://www.youtube.com/watch?v=38wgpAmmNkE
TCNICA DE MUESTREO SEGN EL NIVEL DE INVESTIGACIN
NIVEL DE INVESTIGACION TECNICA DE MUESTREO

Aplicativo De aceptacin
Predictivo Algoritmos genticos
Explicativo Segn criterio
Relacional Aleatorio estratificado
Descriptivo Aleatorio simple
Exploratorio Por conveniencia
8 ETAPAS DEL MUESTREO Y DISTRIBUCIN DE LA MUESTRA

1) Definicin o seleccin del universo o especificacin de los posibles sujetos o elementos de un
determinado tipo;
2) Determinacin de la poblacin o parte de ella a la que el investigador tiene acceso;
3) Seleccin de la muestra convocada o conjunto de elementos de la poblacin a los que se pide
que participen en la investigacin;
4) Muestra aceptante o parte de la muestra convocada que acepta participar;
5) Muestra productora de datos; la parte que acept y que realmente produce datos.
Ejemplo de distribucin de la muestra

Grado y A B C D E F
Turno
SUB
Seccin V M T V M T V M T V M T V M T V M T TOTAL
y Sexo
Turno 4 3 7 4 3 7 4 3 7 4 3 7 3 3 6 3 3 6
1 Maana 40
Turno 4 3 7 4 3 7 4 3 7 3 3 6 3 3 6 3 3 6
Tarde 39
Turno 4 3 7 4 3 7 4 3 7 3 3 6 3 3 6 3 3 6 39
2 Maana
Turno 4 3 7 3 3 6 3 3 6 3 3 6 3 3 6 3 3 6 37
Tarde
SUBTOTAL 16 12 28 15 12 27 15 12 27 13 12 25 12 12 24 12 12 24 155
9 ERROR DE MUESTREO
9.1 Introduccin
Cuando se extrae una muestra de una poblacin es frecuente que los resultados obtenidos de la
muestra no sean exactamente los valores reales de la poblacin. El error de muestreo ocurre al
estudiar una muestra en lugar de la poblacin total. La diferencia entre el valor del parmetro de
una poblacin y el estadgrafo de una muestra recibe el nombre de error muestral.
La nica forma de poder conocer el error muestral real consiste en realizar paralelamente la
investigacin con la muestra y, a la vez, con toda la poblacin. Esta realidad, a todas luces
descartable en la prctica, nos advierte acerca de la imposibilidad de conocer el error muestral
real. En primer lugar, la muestra perdera su razn de ser. Por tanto, cuando nos referimos a error
muestral no es al concepto sealado en el prrafo anterior, no conocido, sino a un error muestral
determinado estadsticamente, de tipo genrico, vlido para todas las muestras posibles, del
mismo tamao. Este error muestral, estadstico, sirve para darnos no un error especfico y
determinado, sino nicamente para establecer el intervalo de confianza dentro del que nos
movemos en la muestra; para sealarnos los lmites formados por la media de la muestra, ms o
menos el error en cuestin, dentro del que se debe encontrar la media del universo, con el grado de
probabilidad con que se trabaje, dos o tres sigmas. (Sierra, 1988)
Los errores de muestreo o fluctuaciones de muestra a muestra son aleatorios y no han de

considerarse como equivocaciones, fallos, etc., sino como variaciones debidas al hecho de que no
hay jams dos muestras que sean exactamente iguales (Garret, 1976). Los estadsticos obtenidos
en estas muestras al azar son estimaciones de los parmetros y sus errores tpicos miden la
bondad de la estimacin.
9.2 Diferencia entre error muestral y no muestral
Hay dos tipos de errores en la estadstica inferencial: El error muestral y el error no muestral.
Una muestra tiene error muestral y no muestral, mientras que un censo slo tiene el primero.
Hay un tercer tipo de error: la no respuesta. Para muchos autores constituye un grupo
separado. Por ahora la dejaremos de lado, ya que tendr su propio artculo.
Cuando uno habla de error muestral, se est refiriendo a la "precisin" del clculo. Mientras ms
alto es el error, hay ms imprecisin, ms grande es el intervalo en el cul se encuentra el
parmetro con cierto % de confianza. Todas las muestras poseen error muestral.
El error no muestral es el tipo de error que se relaciona con problemas prcticos. Problemas a la
hora de la encuesta (que el encuestador invente datos, que los anote mal, que el encuestado
responda mintiendo, etc.), errores a la hora de codificar los datos, errores a la hora de cargarlos en
el sistema informtico, etc.
A primera vista el censo parecera mejor ya que posee un slo tipo de error. Sin embargo esto no
siempre es as. Un censo tiene un error no muestral tan grande que en determinados casos puede
representar un problema mayor que la suma de los dos tipos de errores para la muestra. En ese
caso sera preferible la muestra.
Pero todava falta lo ms importante, el punto de vista prctico. El censo tiene un gasto de
recursos (humanos, financieros, etc.) mucho mayor que el de la muestra. As es que en casos
donde estadsticamente sea adecuado el censo, a veces no es posible econmicamente, o a veces
no es tanta la diferencia de precisin, que conviene realizar una muestra un poco menos preciso,
pero mucho menos costosa. Todo tiene que ser analizado en cada situacin en concreto.
Tambin pueden utilizarse de conjunto. Hay casos donde hay una coexistencia de un censo y una
muestra sobre las mismas unidades de anlisis. Un ejemplo es el de la Encuesta Nacional
Econmica, que realiza anualmente el INDEC desde el 2005. sta se comenz a hacer luego de
realizar un Censo Econmico previo.
Hay diversos mecanismos para reducir tanto los errores muestrales, como los no muestrales, lo
importante es saber que hay formas de calcularlo y que es vital hacerlo.
El error de muestreo resulta cuando la muestra seleccionada no es perfectamente representativa

de la poblacin. Hay dos tipos de errores de muestra: Administrativo y Aleatorio.
9.3 Fundamento (estadstico) del error muestral
Los errores de medicin se refieren a los fallos de los instrumentos de medida, as como del que
los aplica y corrige. Estos errores, que actan de modo incontrolado, pueden aumentar
considerablemente el error tpico de un estadstico. Por ello, un error muestral grande no implica
necesariamente falta de representatividad de la muestra, pues la variacin puede estar causada
por los errores de medicin. Si stos son pequeos, un error tpico grande s indica un
considerable error de muestreo.
Los errores muestrales son debidos a dos causas principales. El primero, denominado error de
sesgo, es debido a que la muestra no es representativa de la poblacin; el segundo, debido al azar,
se conoce como error aleatorio. Ambos se relacionan matemticamente mediante la siguiente
expresin:
(Error total)2 = (error por sesgo)2 + (error de muestreo)2
Para estimar el error muestral existen varias tcnicas denominadas de submuestreo (subsample) o
remuestreo (resample) que se basan en dividir la muestra total en dos o ms submuestras
aleatorias y a partir de ellas estimar los estadsticos y determinar las propiedades del estimador
(Wilson, 1988).
9.4 Factores que intervienen en el error muestral.
De acuerdo con las expresiones matemticas que calculan el error muestral, los factores que
intervienen en l son (Sierra Bravo, 1988):
A) La amplitud del universo, finito o infinito.

B) El tamao, n, de la muestra.
C) El nivel de confianza adoptado.
D) La desviacin tpica.
El hecho de que se estime el universo como infinito supone que su amplitud no influye para nada
en la frmula a aplicar. El tamao de la muestra es, en las frmulas del error muestral, un dato que
nos dan o elegimos. No obstante, si al calcular el error ste resulta demasiado elevado -por
ejemplo, superior al 6%-, entonces estamos obligados a aumentar el tamao de la muestra para
reducir el error. Hay una relacin inversa entre tamao de la muestra y error muestral.
El nivel de confianza adoptado es tambin otro dato que nos puede venir dado o que podemos
elegir. Las pruebas empricas realizadas muestran que la distribucin muestral de medias de
diferentes muestras se ajusta generalmente a una distribucin normal o curva de Gauss. Supuesto
esto, el nivel de confianza ser la proporcin de las medias muestrales que forman el rea de esta
curva de distribucin normal del universo que se piensa abarcar. El rea abarcada por 1 sigma
(68%), por 2 (95.5%) por 3 (99.7), que nosotros adoptemos, recibe el nombre de nivel de
confianza, porque representa el % de seguridad o probabilidad que elegimos. Es decir, que de las
medias de todas las muestras posibles que forman en su conjunto la curva muestral, slo
consideramos como probables el 95.5%, por ejemplo, por lo que prescindimos del otro 4.5%, por
estimar que es muy improbable su obtencin, y por creer que el indicativo 95.5% nos proporciona
una seguridad no total pero suficiente en la prctica. En consecuencia, con esta eleccin
adoptamos un riesgo razonable de equivocarnos. El nivel de confianza ms corriente con el que se
trabaja en muestras de investigaciones sociales es el de dos sigmas.
9.5 Error sistemtico.
Los errores se clasifican, segn su carcter, en sistemticos, aleatorios y muestrales. El error

aleatorio no se suele ajustar a ninguna pauta, vara normalmente, en cada caso distinto, en su
sentido y magnitud, y por ello tiende a anularse cuando se trata de un nmero elevado de casos.
El error muestral, visto ms arriba, es un error de tipo aleatorio estadstico, que tiene lugar cuando
se utilizan muestras y se basa en las fluctuaciones aleatorias del muestreo.
El error sistemtico se suele ajustar a una pauta determinada en su sentido y magnitud, y por lo
tanto, al repetirse los casos, su magnitud aumenta acumulativamente. Para Bugeda (1974; en
Sierra, 1988) las principales vas de infiltracin del error sistemtico o de distorsin son las
siguientes:
1. Modo de eleccin defectuoso de una muestra que hace que sta no sea representativa.
2. La dependencia del mtodo de muestreo de una caracterstica de las unidades del
universo a elegir. Ello puede llevar a una hper/sub-representatividad de la muestra. Este
sera el caso de un muestreo aleatorio sistemtico realizado cada cinco elementos, cuando
en la base de la muestra tambin uno de cada cinco son individuos con una caracterstica
determinada.
3. Las tendencias subjetivas conscientes o inconscientes del investigador.
4. Sustituciones, segn criterio propio del investigador, de unidades de la muestra que
haban sido elegidas al azar.
5. Insuficiente observacin del conjunto de la muestra, que lleva a atenerse a los primeros
resultados. Respecto de este motivo, especialmente presente en las encuestas por
cuestionario escrito, se ha constatado que los que contestan primero son los ms
interesados en la encuesta. Por ello, en las encuestas por correo se estima necesario
reiterarlas hasta tres veces, pues de otro modo adems de quedar modificado el tamao
de la muestra, la encuesta slo abarcara un tipo de gente, los rpidos en contestar, y
quedaran fuera los menos rpidos, que seguramente constituyen un grupo de
caractersticas diferentes de los primeros.
9.6 Error administrativo

Se relaciona con los problemas en la ejecucin de la muestra, es decir, con las fallas en el diseo o
la ejecucin de la muestra que hacen que no sea representativa de la poblacin.
Estos tipos de errores se pueden evitar o minimizar si se presta una cuidadosa atencin al diseo y
a la ejecucin de la muestra.
Los resultados de la administracin o ejecucin inadecuadas en la tarea de investigacin son

errores administrativos. Son causados en forma inadvertida (o tontamente) por confusin,
descuido, omisin, etc. hay 4 tipos diferentes de errores administrativos:
A. Error en el procesamiento de datos: categora del error administrativo que ocurre por la
captura incorrecta de datos, la programacin inadecuada de cmputo u otros errores de
procedimiento durante la etapa de anlisis. Estos se pueden reducir al mnimo estableciendo
procedimientos cuidadosos para verificar cada paso en la etapa de procesamiento de datos.
B. Error en la seleccin de la muestra: error administrativo causado por el diseo inadecuado de
la muestra o de la ejecucin del procedimiento de muestreo.
C. Error del entrevistador: cuando los entrevistadores registran las respuestas, pueden anotar la
respuesta equivocada o ser incapaces de escribir lo suficientemente rpido para registrar las
respuestas al pie de la letra. La percepcin selectiva puede causar el error del entrevistador al
influir en la manera que el entrevistador registra los datos que no apoyan sus propias
actitudes y opiniones.
D. Engao del entrevistador: ocurre cuando un entrevistador falsifica todos los cuestionarios o
contesta las preguntas que salt de manera intencional. Algunos entrevistadores engaan
para terminar una entrevista tan rpido como sea posible o para evitar preguntas sobre
temas delicados.
9.7 Error Aleatorio de Muestreo:
Se debe al azar y no se puede evitar. Este tipo de error se puede reducir, pero nunca eliminar
totalmente, como por ejemplo el que dejen sin contestar una respuesta, error en el registro de
respuestas, o que se nieguen a participar. Los errores de Muestreo generan sesgo en las
respuestas y a continuacin se explican los tipos de sesgo que se pueden generar.
Tipos de sesgo de respuesta.
A. Sesgo de conformidad: algunos encuestados estn de acuerdo con todo, estas personas
responden afirmativamente a todas las preguntas que se le plantean. Esta tendencia a estar
de acuerdo con todas o con casi todas las preguntas es particularmente prominente en la
investigacin de nuevos productos. Las preguntas sobre la idea de un nuevo producto genera
casi siempre sesgo de conformidad por que los encuestados otorgan connotaciones positivas
a la mayora de nuevas ideas. Por lo tanto el sesgo de conformidad es un sesgo de respuesta
debido a la tendencia de los encuestados a coincidir con una postura en particular.
B. Sesgo de postura extrema: algunos individuos tienden a expresar posturas extremas cuando
responden las preguntas, otros evitan siempre las posturas extremas y responden en forma
ms neutral. Los estilos de respuesta varan de persona a persona y pueden causar un sesgo
de postura extrema en los datos.
C. Sesgo por influencia del encuestador: el sesgo de respuesta puede surgir por la relacin entre
el encuestador y el encuestado. Si la presencia del entrevistador influye sobre los
encuestados de tal manera que stos proporcionan respuestas falsas o alteradas, la encuesta
presentar un sesgo por influencia del entrevistador. Muy a menudo, los encuestados dan
respuestas aceptables socialmente ms que respuestas verdicas para quedar bien en
presencia de un encuesrtador. La edad, el sexo, el estilo de ropa, el tono de voz, las
expresiones faciales u otras caractersticas no verbales del entrevistador pueden ejercer
cierta influencia en la respuesta de un encuestado. Esta fuente potencial de respuestas con
cierta influencia puede evitarse en cierto grado si los encuestadores reciben capacitacin y
supervisin que enfatice la necesidad de que parezcan neutrales. Si las encuestas son
demasiado largas, los encuestados pueden sentir que estn perdiendo el tiempo y responder
tan rpido como sea posible sin pensar la respuesta.
D. Sesgo de apoyo: sesgo en las respuestas de sujetos causadas por que los encuestados reciben
la influencia de la organizacin que conduce al estudio.
E. Sesgo del deseo de la sociedad: sesgo en las respuestas debido al deseo de los encuestados,
consciente o inconsciente, de obtener prestigio o parecer que pertenecen a una clase social
diferente.
BIBLIOGRAFIA
Garca M. Toms (2005). Investigacin, estadstica y muestreo. Madrid: S/E.

Jimnez Fernndez, C. (1983): Poblacin y muestra: el muestreo. En Jimnez Fernndez, C.,
Kerlinger, F. N. (1975): Investigacin del comportamiento: tcnicas y metodologa. Mxico:
Interamericana.
Kish, L. (1995). Survey sanmpling. New York: Wiley-Interscience;
Krejcie, R. & Morgan, D. (1970). Determining size of the sample for research purposes. Educational
and Psychological Measurement, 30, 607-610.
Lohr, S. L. (1999): Muestreo: diseo y anlisis. Madrid: Thomson
Marn Ibez, R. (1985): El muestreo. Tema 6. Madrid: UNED.
Scheaffer, R., Mendenhal, W. y Ott, R. (2006). Elementos de muestreo. Madrid: Paraninfo.
https://www.youtube.com/watch?v=zGtk_Ii9VBs
https://www.youtube.com/watch?v=mraM5jEDO5s
https://www.youtube.com/watch?v=0dWOVbIGGs8
http://www.mapasonoro.cultura.pe/#
http://sisbib.unmsm.edu.pe/bvrevistas/medicina_experimental/v27_n2/pdf/a19v27n2.pdf

12 Guia-T Poblacion Muestra MIP-II 2017

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

12 Guia-T Poblacion Muestra MIP-II 2017

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD WIENER E.A.P.

GUIA T-12. POBLACIN Y MUESTRA

1. NOCIONES PREVIAS Y DIFERENCIA CONCEPTUAL

La institucin educativa est ubicada en la Comunidad Autogestionaria La Era en el Distrito

Se define tradicionalmente la poblacin como el conjunto de todos los individuos (objetos,

Ejemplo de delimitacin y distribucin de la poblacin

Se conoce con el nombre de muestreo al proceso de extraccin de una muestra a partir de la

En el terreno epistemolgico, Jimnez Fernndez (1983) destaca la condicin de representatividad

En este proceso de seleccin hemos de distinguir entre elemento muestral y unidad de

5.1 Condiciones que ha de cumplir la muestra (Sierra, 1988)

1) Que comprendan parte del universo y no la totalidad de ste.

5.2 Representatividad de la muestra

La representatividad es la caracterstica ms importante de una muestra. El muestreo adquiere

La seleccin aleatoria de la muestra garantiza la ausencia de sesgo en el proceso de seleccin de la

Si no se ha logrado representatividad en una o ms variables, el investigador tiene dos opciones:

6. TAMAO DE LA MUESTRA (Procedimientos)

a. Cul debe ser el tamao de la muestra?

6.1 Clculo del tamao de la muestra mediante la pirmide (Size)

Considerando que el Nivel de Confianza (Confidence) es de 95 % (0.95) el Nivel de Significancia o

6.2 Clculo del tamao de la muestra mediante frmulas

Figura 1. Frmulas para calcular el tamao de muestra de un grupo

Figura 2. Frmulas para calcular el tamao de muestra de dos grupos

N = Tamao de la poblacin o universo: nmero total de posibles encuestados.

n = Tamao de la muestra: nmero de encuestas que vamos a tomar.

Los valores de k ms utilizados y sus niveles de confianza son:

Valor de k 1,15 1,28 1,44 1,65 1,96 2,24 2,58

Nivel de confianza 75% 80% 85% 90% 95% 97,5% 99%

= Desviacin estndar: es un ndice numrico de la dispersin de un conjunto de datos (o

p = Probabilidad de xito o proporcin esperada: porcentaje de la variable de estudio que poseen

q = Probabilidad de fracaso: proporcin de individuos que no poseen esa caracterstica esperada

p q = Heterogeneidad o variabilidad es la probabilidad o porcentaje con el que se acepta o rechaza

d e = Error muestral (esperado) o margen de error (aceptable): es el intervalo en el que puede

n = 258 (1.96)2 (0.5)(0.5)

38416 (258) 0.25

N = Tamao de la poblacin o universo: 258

Ejemplo 2: si en una encuesta de satisfaccin laboral de empleados de una universidad privada el

6.3 Calculo del tamao de la muestra mediante calculadoras on-line

RESULTADOS DEL CLCULO ON-LINE DEL TAMAO DE LA MUESTRA:

TAMAO DEL UNIVERSO = 258

Lectura: Criterios para seleccionar el tamao de la muestra:

Link para calcular el intervalo de confianza:

7 TIPOS Y TECNICAS DE MUESTREO

El muestreo es el proceso mediante el cual el investigador podr seleccionar los pacientes o

Tabla 1. Tipos y tcnicas de muestreo

MUESTREO PROBABILISTICO MUESTREO NO PROBABILISTICO

a. Muestreo aleatorio simple

3. Redondear al entero inferior

d. Muestreo por conglomerados

En estas tcnicas de muestreo, prima el criterio del investigador. Criterios de Inclusin o

b. Muestreo por conveniencia

c. Muestreo por cuotas

d. Muestreo bola de nieve

TCNICA DE MUESTREO SEGN EL NIVEL DE INVESTIGACIN

NIVEL DE INVESTIGACION TECNICA DE MUESTREO

8 ETAPAS DEL MUESTREO Y DISTRIBUCIN DE LA MUESTRA

Ejemplo de distribucin de la muestra

Los errores de muestreo o fluctuaciones de muestra a muestra son aleatorios y no han de

9.2 Diferencia entre error muestral y no muestral

El error de muestreo resulta cuando la muestra seleccionada no es perfectamente representativa

9.3 Fundamento (estadstico) del error muestral

(Error total)2 = (error por sesgo)2 + (error de muestreo)2

9.4 Factores que intervienen en el error muestral.

A) La amplitud del universo, finito o infinito.

9.5 Error sistemtico.