Está en la página 1de 19

LECTURA 08 – MIC- UCV 2015 –II

TEORÍA DE LA MUESTRA.

1.1. UNIVERSO Y MUESTRA

1.1.1. UNIVERSO:
• Es el conjunto de individuos u objetos de los que se desea conocer algo en una investigación.
• Totalidad de individuos o elementos en los cuales puede presentarse determinada
característica susceptible de ser estudiada.
• Toda la agregación o cúmulo de casos que cumple con un conjunto predeterminado de
criterios. El universo o población puede estar constituida por personas, animales, registros
médicos, nacimientos, muestras, accidentes, entre otros.
• El universo es el grupo de elementos al que se generalizarán los hallazgos.
El universo debe quedar claramente identificado, desde el inicio de la investigación y se debe
ser especifico al incluir sus elementos

Ejemplo:
• Estudio de características de las/os estudiantes de Enfermería:
• Se debe definir claramente:
– Estudiantes de postgrado o pregrado,
– Todas las inscritas en la carrera,
– Solo las de 2º año,
– Las de una escuela o de todas las del país,
– Solo las mayores de 18 años,
– etc.

1.1.2. UNIVERSO POBLACIÓN O COLECTIVO:

Constituye la totalidad de un conjunto de elementos, seres u objetos que se desea investigar y de


la cual se estudiara una fracción (la muestra) que se pretende que se reúna las mismas
características y en igual proporción (libros, técnicas de investigación social). Otros autores
distinguen los dos términos.

UNIVERSO: conjunto de elementos seres u objetos, el universo tiene varias poblaciones.


POBLACIÓN. Es un conjunto de elementos que poseen una característica. Conjunto de números
obtenidos midiendo y contando ciertas características de las mismas

En el proceso investigativo la población corresponde al conjunto de referencia sobre el cual se va a


desarrollar la investigación o estudio.

MUESTRA. Es un subconjunto de la población.


Una muestra representativa es una muestra que recoge todas las características relevantes de la
población
♦PARA OBTENER UNA MUESTRA HAY QUE TENER EN CUENTA:
o Tipo de estudio.
o Los objetivos que se persiguen.
o Universo, unidades de análisis de esa investigación.
o Las Características.

♦FASES PARA LA SELECCIÓN DE UNA MUESTRA :

Tener en cuenta los objetivos y finalidad de la investigación.

o La disponibilidad de información sobre el conjunto del que se extraerá la muestra (censo


material cartográfico).
o Nivel de confianza adoptado.
o Error de estimación permitido.
o Los recursos humanos y equipos mecánicos disponibles.
o Los medios financieros.
o Los métodos y técnicas a utilizar en la investigación.
o Recopilación y análisis de los datos.
o Medición de la representación de la muestra.

2. MUESTRA: TIPOS DE MUESTRAS

• Es el subconjunto o parte del universo o población en que se llevará a cabo la investigación


con el fin posterior de generalizar los hallazgos al todo.
MUESTRA PROBABILISTICA: Es aquella extraída de una población de tal manera que todo
miembro de esta última tenga una probabilidad conocida de estar incluido en la muestra.

• Desde cualquier población o universo de tamaño N, se puede extraer un cierto número de


muestras distintas de tamaño n.
• Cuando la s poblaciones son muy pequeñas es conveniente tomarlas en su totalidad.

UNIDAD DE OBSERVACIÓN: Son los elementos del universo en que se medirán o estudiarán
las variables de interés.

UNIDAD DE MUESTREO: Es el elemento utilizado para seleccionar la muestra.


– Puede ser la misma unidad de observación o nó.
Ej: Si estudio niños puede que sea mejor muestrear por padres o por casas en sus barrio

MUESTREO:

• Si se busca estudiar algo en un grupo menor que el total para luego generalizar los
hallazgos al todo, la parte que se estudia debe ser:
– Extraída del Universo,
– Debe ser representativa del Universo: Debe poseer las características básicas del
todo.
Ej: Universo 55% mujeres y 45% de hombres; la muestra debería tener la misma
proporción.
• Universo Finito: Constituido por unidades conocidas y delimitadas, si es muy grande será
difícil de estudiar.

Universo Infinito: Formado por una cantidad ilimitada de unidades, la dificultad surge al no
conocer su magnitud

CONJUNTO DE
ELEMENTOS QUE
PRESENTAN UNA GENERALIZACIÓN DE
CARACTERISTICAS O HALLAZGOS
CONDICION COMUN
QUE ES OBJETO DE
ESTUDIO

CONJUNTO DE
ELEMENTOS QUE
PRESENTAN UNA
EXTRACCION DE CARACTERISTICAS O
CONDICION COMUN
MUESTRA QUE ES OBJETO DE
ESTUDIO

3. CONSIDERACIONES EN EL MUESTREO

3.1. DEFINIR EN FORMA CONCRETA Y ESPECÍFICA CUÁL ES EL UNIVERSO A ESTUDIAR:


• Debe delimitarse cuidadosamente la población en función del problema, objetivos,
hipótesis, variables y tipos de estudio.
• Definir claramente cuáles serán las unidades de observación y las unidades de muestreo
en caso que estas no sean las mismas; familias, viviendas, manzanas, estudiantes, etc.

3.2. LA MUESTRA A SELECCIONAR DEBE SER REPRESENTATIVA:

• Es la única forma para poder generalizar los datos.


• Una muestra es representativa cuando reúne las características principales de la población
en relación a la variable estudiada.
• La representatividad de una muestra está dada por su tamaño y por la forma en que
el muestreo se ha realizado.

4. TAMAÑO DE LA MUESTRA
• La estadística es el principal requisito.
• Una muestra probabilistica depende de:
– Recursos disponibles,
– Heterogeneidad de las variables,
– Sujetos a estudiar, técnica de muestreo,
– Tipo de análisis, grado de precisión que deben tener los datos, entre otros.
• Uno de los métodos para definir la muestra lo aporta Fisher; para lo cuál elige dos
criterios:
– Los recursos disponibles; fija el tamaño máximo de la muestra, siempre tomar la
muestra mayor posible, mientras más grande mas posibilidad de ser
representativa y menor será el error de muestreo.
– Plan de análisis de los datos; fija tamaño mínimo de la muestra, el tamaño de la
muestra deberá ser suficiente para permitir un análisis confiable de los cruces de
variables, para probar si las diferencias entre proporciones son estadísticamente
significativas.

• Al realizar cruce de variables se recomienda no tener menos de 20 o 30 casos en cada una


de las subcategorias de las variables independientes principales.
• Es decir que variabilidad, tendría que ser considerada.
• Cuando los fenómenos son homogéneos, las muestras son más pequeñas.
• Cuando la variabilidad es muy grande, se necesitarán grandes muestras.
• Lo importante no es la proporción que represente la muestra, sino el tamaño absoluto de
la muestra.
• Una muestra representativa no la define el tamaño; como así lo hace el diseño del
muestreo y la forma en que se realizará.
Ej: N: 100, mínimo el 30%.
N: 50000, puede hacer análisis incluso con 1000 individuos, 2%.

• Un procedimiento tal, que al escoger un grupo pequeño de una población se pueda tener
un grado de probabilidad de que ese pequeño grupo efectivamente posee las
características del universo que estamos estudiando. Pardinas.
• Muestreo es el proceso utilizado para escoger y extraer una parte del universo o población
de estudio con el fin de que represente al total.
• Todo subgrupo de una población constituye una muestra, PERO;
– NO TODOS SON REPRESENTATIVOS DE ELLA.
– TAMPOCO TIENEN LA MISMA PROBABILIDAD DE SER ESCOGIDOS.
• Existen dos tipos:
1- Muestreo Aleatorio Simple y
2- Muestro No-Probabilistico

♦MUESTREO PROBABILISTICO

• Es el método que consiste en extraer una parte o muestra de una población o universo, de
tal forma que todas las muestras posibles de tamaño fijo tengan la misma posibilidad de
ser seleccionadas.
– En el caso anterior se indica sacar más de una muestra debido a la dificultad para
asegurar que una muestra al azar sea representativa.
– Atendidos ciertos criterios se puede confiar en que la muestra será representativa.

• Para que el muestreo sea probabilístico o aleatorio es requisito que todos y cada uno de
los elementos de la población tenga la misma probabilidad de ser seleccionado, además
esa probabilidad es conocida.

♦MUESTREO ALEATORIO SIMPLE

• Más sencillo, más usado. Se caracteriza porque cada unidad tiene la misma probabilidad
de ser incluida en la muestra.

♦EXISTEN VARIAS MODALIDADES:

a)- Por medio del uso de tabla de números aleatorios.


b)- Muestreo sistemático.
c)- Muestreo estratificado.
d)- Muestreo por conglomerado.

MUESTREO BASICO SEGÚN EL TIPO DE INVESTIGACIONES

INVESTIGACIÓN CUANTITATIVA: INVESTIGACIÓN CUALITATIVA:

• Escoger una parte de la población de • Estudiar en profundidad algo, a fin de que


manera aleatoria, sea válido.
• Que sea representativa de la misma y que • Se hace en pocos casos seleccionados, en
permita hacer generalizaciones de la forma intencionada.
muestra al universo.
• Usualmente muestras grandes.

MUESTRA

ENFOQUE CUANTITATIVO ENFOQUE CUALITATIVO

Es un subgrupo de la población del cual se Unidad de análisis o conjunto de personas,


recolectan los datos y debe ser contextos, eventos o sucesos sobre él (la)
representativo de dicha población. cual se recolectan sin que necesariamente
sea representativo (a) del universo. La
muestra es en esencia un subgrupo de la
población.
RECOMENDACIONES PARA INVESTIGACIONES CUALITATIVAS

Quinn Patton, recomienda una serie de estrategias útiles para seleccionar muestras en estudios
cualitativos.

TIPOS DE MUESTREO EJEMPLOS


Muestreo de casos extremos o Ejemplo: mujeres exitosas, alumnos que se retiran de una
inusuales carrera, discapacitados en la universidad, etc.
Muestreo de casos que parecido al anterior, pero manifiestan con intensidad el
manifiestan con intensidad lo fenómeno, Ejemplo: Mujeres gerentes de empresa, alumnos
que se estudia: que se retiran de una carrera por mal rendimiento,
discapacitados profesionales con honores.

Muestreo de máxima variabilidad Se incluyen las diferentes posibilidades de las variables más
importantes. Ej: si se desea estudiar procedencia de
enfermos de Chagas, se deberá estudiar áreas urbana,
semiurbana, y rural
Muestras Homogéneas: Se busca incluir subgrupos con características similares a fin
de estudiarlo a fondo, Ejemplo: Estudio de violencia
intrafamiliar, incluir mujeres menores de 20 años, baja
escolaridad y no trabajan
Grado de autoestima incluir mujeres madre soltera.
Muestreo de Casos Típicos Con informantes claves se seleccionan casos “típicos”, así
conocemos lo normal o usual del grupo Ejemplo: Utilizar una
comunidad indígena del norte como caso típico de las otras
comunidades indígenas del norte
Muestreo Estratificado Tomar casos agrupados según una característica, una vez
Intencionado elegidos los casos se seleccionan intencionadamente.
Muestreo de Casos Críticos Se toman grupos que hayan sufrido un caso critico, Ejemplo:
familias con pérdida de un hijo.
Muestras a Base de Criterios 1º se elaboran criterios que los casos deben cumplir, luego
se escogen de acuerdo a dichos criterios, Ejemplo: Estudio de
desempeño del equipo de salud, al seleccionar al personal se
utilizará , mínimo de años de trabajo, calidad técnica, etc.

Muestreo Aleatorio Intencionado Consiste en escoger un pequeño número de casos en forma


aleatoria, de manera de profundizar en ellos
Muestreo de Informante Clave Se escogen personas por su influencia política, grado de
participación, dominio del tema en estudio, etc
Muestreo por Conveniencia Se toman grupos de acuerdo a la disponibilidad o comodidad
del investigador.
Los muestreos para investigaciones cualitativas tienen ciertas características en común:

• El tamaño de la muestra no es tan importante como en las investigaciones cuantitativas,


depende de:

– Lo que se desee estudiar,


– Propósito del estudio,
– tiempo para desarrollar el estudio,
– utilidad de la información obtenida,
– Recursos disponibles , etc.

• El muestreo termina cuando deja de aparecer nueva información desde las unidades de
información (principio de la redundancia).

• Lo que interesa es contar con casos que posean y brinden información rica, abundante y
de profundidad.

• El éxito depende de que el investigador sea capaz de observar y analizar e interpretar la


información.

La teoría del muestreo tiene por objetivo, el estudio de las relaciones existentes entre la
distribución de un carácter en dicha población y las distribuciones de dicho carácter en todas sus
muestras

Las ventajas de estudiar una población a partir de sus muestras son principalmente:

VENTAJAS ALCANCES
Coste reducido: Si los datos que buscamos los podemos obtener a partir de una pequeña
parte del total de la población, los gastos de recogida y tratamiento de los
datos serán menores.

Por ejemplo:
Cuando se realizan encuestas previas a un a la elección presidencial o de
un referéndum nacional, es más barato preguntar a 10.000 personas su
intención de voto, que a 28.000.000 de habitantes
Mayor rapidez: En las elecciones electorales estamos acostumbrados a ver cómo con los
resultados del escrutinio de las primeras mesas electorales “a boca de
urna”, se obtiene una aproximación bastante buena del resultado final de
unas elecciones, muchas horas antes de que el recuento final de votos
haya finalizado;
Más Para hacer cierto tipo de estudios, por ejemplo el de duración de cierto
posibilidades: tipo de bombillas, no es posible en la práctica destruirlas todas para
conocer su vida media, ya que no quedaría nada que vender. Es mejor
destruir sólo una pequeña parte de ellas y sacar conclusiones sobre las
demás.
De este modo se ve que al hacer estadística inferencial debemos enfrentarnos con dos problemas:
ESTADÍSTICA INFERENCIAL

La determinan los elementos que Extrapolación de las conclusiones


van a pertenecer a la muestra se obtenidas sobre la muestra, al resto
denominan de la población

Elección de la muestra Inferencia


(muestreo)

Por lo general, ante la dificultad de trabajar con todo el universo se requiere definir una muestra
significativa o representativa para garantizar la validez y con fiabilidad de los resultados de la
investigación. Todo estudio lleva implícito en la fase de diseño la determinación del tamaño
muestral necesario para la ejecución del mismo. El no realizar dicho proceso, puede llevarnos a
dos situaciones diferentes:

primera que realicemos el estudio sin el número adecuado de personas, con lo cual no podremos
ser precisos al estimar los parámetros y además no encontraremos diferencias significativas
cuando en la realidad sí existen.

La segunda situación es que podríamos estudiar un número innecesario de sujetos, lo cual


lleva implícito no solo la pérdida de tiempo e incremento de recursos innecesarios sino que
además la calidad del estudio, dado dicho incremento, puede verse afectada en sentido negativo.

Para determinar el tamaño muestral de un estudio, debemos considerar diferentes situaciones:

A. Estudios para determinar parámetros. Es decir pretendemos hacer inferencias a valores


poblacionales (proporciones, medias) a partir de una muestra (Tabla 1).

B. Estudios para contraste de hipótesis. Es decir pretendemos comparar si las medias o las
proporciones de las muestras son diferentes.

A. Estudios para determinar parámetros:

Con estos estudios pretendemos hacer inferencias a valores poblacionales (proporciones,


medias) a partir de una muestra.

A.1. Estimar una proporción:


Si deseamos estimar una proporción, debemos saber:

a) El nivel de confianza o seguridad (1-α). El nivel de confianza prefijado da lugar a un


coeficiente (Zα).

Dependiendo del tipo de investigación se utilizan diferentes técnicas de muestreo.

El muestreo puede ser probabilístico o no probabilístico. Si a cada elemento de la


población se le puede determinar la probabilidad (posibilidad) de que forme parte de la
muestra, se dice que el muestreo es probabilístico; si no se cumple esta condición se
denomina no probabilístico.

MUESTREO

Comprende

PROBABILÍSTICO NO

Tal es el caso Se divide en

ALEATORIO INTENCIONAL
ACCIDENTAL

Comprende

ESTRATOS – Caso extremo – En cadena


– Variación – Por criterio
máxima
CONGLOMERADO – Homogéneo – Confirmatorio o
desconfirmatorio
– Caso típico – Políticamente
SISTEMATIZADO importante
– Caso crítico – Por conveniencia

POLIETÁPICO

Muestreo por conglomerados. Una muestra por conglomerados es aquella en la que la unidad de
muestreo no es la unidad o elemento de la población sino el conglomerado. La unidad de muestra
se refiere a los elementos del universo que se seleccionan en la muestra.
En el caso de muestreo por conglomerado, la unidad de muestreo es el conglomerado y en el
muestreo de elementos la unidad de muestreo contiene un solo elemento. Por ejemplo, si
escogemos escuelas como conglomerados, para identificar allí a los estudiantes en lugar de ir de
casa en casa para encontrarlos, estamos muestreando por conglomerados.

La decisión para usar un tipo de conglomerado depende de los siguientes factores:

– Deben los conglomerados estar bien definidos de tal forma que cada elemento de la
población pertenezca a uno y sólo a un conglomerado.

– El número de elementos de cada conglomerado debe ser conocido, o por lo menos debe estar
bien estimado.

– El número de conglomerados debe ser pequeño, de tal forma que pueda haber ahorro en los
costos, lo que es una de las características que justifican este tipo de diseño muestral. En
efecto, el costo de localizar un elemento es menor en una muestra por conglomerados, por
estar más concentrados, especialmente, que el costo en un MAS, por ejemplo.

Una diferencia que vale la pena anotar entre este diseño por conglomerados y el estratificado es
que, aunque en ambos casos se divide al universo en grupos, en el momento de ejecutar el
muestreo el mecanismo utilizado es prácticamente opuesto. En cualquiera de las modalidades del
estratificado se seleccionan elementos en cada estrato y así aseguramos que el estrato tiene un
número n que le da representatividad. El error de muestreo se refiere a la variabilidad dentro de
cada estrato; por eso, precisamente, se definen los estratos de una manera homogénea al interior
de los mismos, pero diferenciándose entre sí.

En el diseño por conglomerados, en cambio, no tenemos error de muestreo al interior del


conglomerado, porque, por ejemplo, al identificar la escuela, se seleccionan todos los alumnos. El
error de muestreo generado es por la variabilidad entre los conglomerados, las escuelas en
nuestro ejemplo.

Muestreo no probabilístico

Muestreo accidental. Es un muestreo no probabilístico y corresponde a la posibilidad que tiene el


investigador de seleccionar como muestra un subconjunto de la población en un momento no
previsto con anterioridad.

Por ejemplo, en una investigación sobre comportamiento cívico de las personas, si el investigador
está presente en el momento de un accidente de tránsito puede tomar como referencia los
sujetos que se encuentren directa e indirectamente involucrados en el hecho.

Muestreo intencional
TIPO ALCANCES
Caso extremo También es denominado desviado, corresponde a seleccionar el
mejor o el peor de los casos y analizar si funciona o no el estudio
correspondiente.
Variación máxima o Consiste en seleccionar casos de los dos extremos y jugar con esas
casos extremos dos posiciones en el análisis de la información; es decir, comparar
lógicas diferentes.
Homogénea. Es llamada también de grupos focales. Se recomiendan grupos
pequeños (de 6 a 8 personas).
Caso típico Consiste en seleccionar un caso representativo de la comunidad.
Caso crítico Seleccionando el peor de los casos se plantean preguntas como: ¿Si
tiene esas posibilidades qué pasaría?
Bola de nieve o de Es utilizado generalmente cuando no es posible detectar las
cadena personas por cuestiones delicadas o comprometedoras; entonces un
primer representante puede sugerir otro y éste un tercero y así
sucesivamente
Por criterio El investigador se plantea unas características especiales que deben
cumplir los elementos de la muestra.
Confirmatorio o Se seleccionan elementos muestrales que ratifican o no el caso
desconfirmatorio estudiado
Políticamente Se selecciona una muestra cuya atención, en ese momento, es
importante relevante por sus condiciones y características
Por conveniencia El investigador puede seleccionar una muestra con la que se facilite
la recolección de información. Conocido también como muestreo
por seguimiento, ya que la muestra corresponde a una parte,
fracción o segmento de la población, lo cual, a su vez, produce
resultados muy sesgados debido a la escasa representatividad que
puede presentar dicho segmento.
Por cuotas Es una forma de diseño estratificado, en el cual la selección final de
los casos dentro del estrato no es aleatoria

Este método es utilizado en investigaciones de mercadeo, cuando se desea tener algún


conocimiento sobre la opinión de un grupo de consumidores potenciales, sobre un determinado
producto. El muestreo por cuotas implica la aplicación del muestreo dirigido de cierta manera, ya
que la selección de las unidades que se deben entrevistar dentro de cada grupo o características
en que se ha dividido la población o muestra, se hace libremente.

En las investigaciones de tipo cualitativo, el muestreo no sólo se refiere a los actores; en algunos
casos es necesario realizar muestreo sobre situaciones, eventos, escenarios, lugares, momentos y
temas que serán abordados en el proceso investigativo. Esto se evidencia en los estudios de casos,
investigación –acción – participación, etnográfica, etc.

Tamaño de la muestra

¿Cuál debe ser el tamaño de la muestra?, es la pregunta a la que se enfrenta un investigador,


cuando diseña un estudio. A continuación presentamos unas observaciones de orden práctico y
teórico a este respecto.

– El investigador debe conocer lo que se ha hecho en otros estudios similares.

– Debe tener en cuenta los recursos económicos con que cuenta.


– Desde el punto de vista teórico, lo más importante, los objetivos finales del estudio que
realiza.

Un aspecto que merece mencionarse es que el tamaño de las muestras es importante, pero
dentro del conjunto total de la investigación; y si hay errores, por ejemplo de recolección, una muestra
grande puede ser mala, mientras que otra que sea la mitad de la anterior, pero con buena recolección
y selección, puede ser excelente. Es decir, un tamaño grande no es suficiente pare garantizar precisión
en los resultados.

Suponiendo que no hay limitaciones de costos ni otras limitaciones de orden práctico, el


investigador debe aclarar las variables que analizará, el diseño muestral que utilizará y, sobre todo,
el error que está dispuesto a aceptar para las estimaciones o decisiones que tome a partir de los
resultados encontrados en la muestra. Igualmente, hay que considerar el nivel de significancia con
el cual se trabajará.

Una fórmula para determinar el tamaño de la muestra n es:

no
n =
no
1+
N

Donde no es la primera aproximación al tamaño de la muestra y corresponde a:

z²PQ
no =

En el cual Z es el valor correspondiente al nivel de confianza y se obtiene de las tablas de la


distribución normal.

Para un nivel de confianza del 90% Z = 1.645


Para un nivel de confianza del 95% Z = 1.96
Para un nivel de confianza del 99% Z = 2.58

P = Probabilidad de que suceda el evento.

Q = Probabilidad de que no suceda el evento.

Cuando no se conoce estos valores se asume 0.5 para cada uno, puesto que corresponden a los
valores que dan la máxima variabilidad en el producto de P por Q.
d = Margen de error de muestreo.
N = Tamaño de la población.
Ejemplo:
Suponga que fue seleccionado para realizar una investigación en educación básica de una ciudad
sobre “dificultades en el aprendizaje de las Matemáticas”.

Esta investigación se va a desarrollar en un municipio donde los estudiantes de educación básica


son 35.280. Se desea seleccionar una muestra cuyo margen de error de muestreo sea del 2% y
cuyo nivel de confianza sea del 95%. ¿Cuál debe ser el tamaño de la muestra?

Aplicando la fórmula de tamaño de la muestra para poblaciones finitas, tenemos:

N = 35.280 (tamaño de la población)


d = 0.02 (error de muestreo)
Z = 1.96 (valor de Z para el nivel de confianza)
Una primera aproximación al tamaño de la muestra será:

z²PQ
no =

Como no se conocen los valores de P y Q se toma cada uno como 0.5 puesto que corresponden al
valor que da la máxima variabilidad en el producto de P por Q.
Entonces:

no = (1.96)² (0.5) (0.5)


(0.02)²

no = 2401

Y el tamaño será:

2.401 2.401
n = =
2.401 1.068
1+
35.280

n = 2.248

EL TAMAÑO DE LA MUESTRA EN LA INVESTIGACION EXPERIMENTAL.

Cuando se conoce el tamaño de la población se puede utilizar la siguiente ecuación:


N = N/1 + Ns2
Donde n es el tamaño de la muestra, N es el tamaño de la población y s es el error de estimación
aceptable. Para mayor facilidad, puede apoyarse en la siguiente Tabla.

TAMAÑO DE LA POBLACIÓN ERROR DE ESTIMACIÓN


5% 10%
500 222 83
1 000 286 91
1 500 316 94
2 000 333 95
2500 345 96
3 000 353 97
3500 359 97
4 000 364 98
4500 367 98
5000 370 98
6000 375 98
7000 378 99
8000 381 99
9000 383 99
10000 385 99
15000 390 99
20000 392 100
25000 394 100
50000 397 100
100000 398 100

Tomado de: Luis Cañedo Dorantes. INVESTIGACION CLINICA Interamericana, 1987


DISEÑO EXPERIMENTAL. PRUEBAS NO – PARAMÉTRICAS ÚTILES.

DISEÑO PRUEBA MUESTRA ESCALA


De una muestra T, x2 > 20 Nominal
Signos
2 muestras Mann-Whitner >8 Ordinal
independientes Fischer >30 Nominal
Wald-Wolfowitz > 20 Ordinal
2 muestras relacionadas Signos >25 Nominal
Wilcoxon >25 Ordinal
muestras múltiples Kruskal-Wallis nj>5 Ordinal
independientes
Muestras múltiples Friedman K=3 N=2 a 9 Ordinal
relacionadas K=4 N= 2 a 4
CÁLCULOS ARITMÉTICOS Y ESTADÍSTICOS PARA EL MUESTREO.

ERROR ESTÁNDAR DE UN MEDIO ARITMÉTICO:


s
Sx
n 1

S x = error estándar del medio aritmético

s = desviación estándar calculada con valores de la muestra

n = tamaño de la muestra

ERROR ESTÁNDAR DE UNA PROPORCIÓN:

p.q
Sp z. ;
n

p = proporción de sujetos con el atributo A, en la muestra.


S p = error estándar de una proporción
q = complemento de p: (1 – q ).
n = tamaño de la muestra.
z = límite de confianza

LIMITES DE CONFIANZA.
z = 1.64= nivel de confianza o probabilidad de 90%
z = 1.96= nivel de confianza o probabilidad de 95%
z = 2.58= nivel de confianza o probabilidad de 99%

CUADRO N° 1

Principales Niveles de Confianza

1– Z( 2
80.00 % 1,280
90.00 % 1.645
95.00 % 1,960
95.45 % 2,000
96.00 % 2,050
98.00 % 2,330
99.00 % 2,580
99.73 % 2,300

DETERMINACIÓN DEL TAMAÑO DE LA MUESTRA CUANDO NO SE CONOCE LA


POBLACIÓN.
z 2. p . q
n
(Sp ) 2

(1.96)2 x O.5 x O.5


n
O.OOO9

n = tamaño de la muestra
p = proporción de sujetos con el atributo A, en la muestra
q = complemento de p: (1-q)
Sp = error estándar

A modo de ejemplo:

Se desea estimar la proporción de personas dentro de una población debidamente especificada,


que vota por cierto candidato, de tal manera que esa estimación tenga una precisión de + 3% (Sp),
ósea, una oscilación de 3 puntos alrededor del valor encontrado en la muestra, con un nivel de
confianza de 95%. ¿Cuál debe ser el tamaño de la muestra?.

Usando la fórmula del tamaño de la muestra:

(1.96) 2 . p . q
n
(Sp ) 2

Si no se tiene aunque sea una idea aproximada del valor de p en el universo, en la fórmula se le
puede dar el valor de 0.50 (50%), lo cual solo proporcionará una muestra de mayor tamaño que el
necesario para los fines expuestos.

Entonces p = 0.5

q = 1 – p = 1 – 0.5 = 0.5

(1.96) 2 x O.5 x O.5


n
(O.O 3) 2

n = 1067

Según la operación realizada, vemos que una muestra de 1067 cumplirá con los
requerimientos de nuestro estudio, en cuanto a la estimación de la proporción de
votantes por un candidato A, dentro del margen de error establecido y con cierto nivel de
confianza de 95%.

2.1. DETERMINACIÓN DEL TAMAÑO DE LA MUESTRA CUANDO SE CONOCE LA POBLACIÓN.


( Z)² (p) (q) (N)
n =
2 2 2
(N) (Sp) - ( Sp) + (p) (q) (Z)

A modo de ejemplo.

Suponiendo que se desea realizar una Encuesta con los miembros de la Fuerza Aérea
Dominicana que son Pilotos, con un margen de Error Estándar (Sp) de un 10% (ósea 0.10) y un
Límite de Confianza o de Probabilidad (Z) de un 95%. Imaginémonos que el total de Pilotos de
la F.A.D. es de 500, ósea la Población (N) = 500. ¿Cual debería ser el tamaño de la Muestra (n)
para la Encuesta de manera que esta sea representativa?.

DATOS:

Sp = 10% = 0.1
Z = Para un 95%, usar Z= 1.96
N = 500
q = 0.5 (50%)
p = 0.5 (50%)
n=?

Para encontrar el tamaño de la Muestra, usamos la Fórmula:

2
(Z (p (q (N
n =
2 2 2
(N (Sp - ( Sp + (p (q
(Z

Sustituyendo:

2
( 1.96) (0.5) (0.5) (500) 480.2 480.2
n = = =
2 2 2
(500) (0.1) - (0.1) + (0.5) (0.5) (1.96) 5 – 0.01 + 0.96 5.95

= 80.71

Entonces el tamaño de nuestra Muestra es de : n= 81Pilotos.


2.2. MUESTREO ESTRATIFICADO:

Este tipo de muestra es conveniente cuando la población o universo puede ser dividido en
categorías, estratos o grupos. La ventaja que ofrece la estratificación es que mediante ella se logra
una mayor representatividad.

Por ejemplo: uno puede estratificar una población según sexo, edad, status socioeconómico, nivel
ocupacional, características de personalidad, educacionales, etc. Una vez determinada la
proporción se seleccionan las muestras dentro de cada estrato según los procedimientos del
muestreo aleatorio simple.

Por ejemplo: supongamos que en un establecimiento tenemos 500 alumnos y que por necesidad
del estudio, los agrupamos según su nivel socioeconómico. Así tenemos que 50 alumnos
provienen de clase alta, 300 alumnos provienen de clase media y 150 alumnos provienen de clase
baja.

Necesitamos una muestra de 50 casos. Para calcularla se siguen los siguientes pasos.

Primero calculamos la proporción, dividiendo el tamaño de la muestra por el tamaño del


universo (50 : 500 = 0,10). El resultado (0,10) es el factor que multiplica a cada estrato.
Segundo, multiplicamos cada estrato por el factor y obtenemos:
- clase alta: 50 x 0,10 = 5
- clase media: 300 x 0,10 = 30
- clase baja: 150 x 0,10 = 15

Tercero, se procede a la selección por los métodos indicados en el muestro aleatorio simple, de 5
casos en la lista de clase alta, 30 casos en la lista de clase media y 15 casos en la lista de clase baja.

Con ello logro que la muestra de cincuenta casos sea una réplica proporcional exacta del universo,
en lo que a clase social se refiere.

Veamos otro caso. Por ejemplo: deseamos conocer la opinión de los estudiantes de enseñanza
media de una región, con respecto al aborto.
Organizamos el universo según los siguientes criterios de estratificación: curso, tipo de
establecimiento y sexo de los estudiantes.
Supongamos que en la región hay dos liceos fiscales y tres particulares, y que a su vez, son dos
femeninos y tres masculinos.

La tabla de distribución quedaría como sigue:

TIPO DE ESTABLECIMIENTO

GRADO
I.E. ESTATAL I.E. PARTICULAR
Femenino Masculino Femenino Masculino
1° A B C D
2° E F G H
3° I J K I
4° M M N O

Tendríamos así, 16 estratos diferentes pero homogéneos en el interior. Cada uno de ellos tendría
características distintivas. El estrato «k», por ejemplo, agruparía a los estudiantes de tercero
medio, que son mujeres y que estudian en un establecimiento particular.

Esta distribución nos asegura desde la partida, que todos estos estratos serán debidamente
considerados dentro de la muestra y ninguna de ellos estará ni sobre ni bajo representados. Los
pasos siguientes son los mismos del ejemplo anterior. Se calcula qué proporción del universo
representa la muestra, y ese factor se multiplica por el total de unidades de cada estrato. Por ejemplo:
si el tamaño de la muestra resultó ser igual a 320 y eso a su vez, representa el 0,12 (o
12%) del universo y en el estrato j tenemos un total de 200 alumnos, en ese estrato tendríamos
que seleccionar mediante algún sistema de azar un total de 24 alumnos (200 x 0,12 = 24). Y así
procederíamos con cada uno de los estratos.

REFERENCIAS BIBLIOGRAFICAS:

(1) DELGADO ARENAS, Raúl et al. Constructos Básicos para la


Investigación Científica. Fondo Editorial UAP, Perú 2010
(2) RODRIGUEZ RIVAS, M.A. (2006) Metodología de la Investigación en
Ciencias Sociales. Edit. IGV. Lima Perú