Está en la página 1de 22

ESTRATEGIAS DE MUESTREO APLICADA A LAS TIC’s 1

Estrategias de muestreo aplicada a las TIC’s

Carlos Alejandro Quiñones Martinez-1151805, ,Johan Sebastián Casadiegos Gómez -


1151832, Luis Camilo Daza Vargas - 1151773, Manuel Felipe Mora Espitia - 1151863,
Andres Tellez Ramirez - 1151712,

Noviembre 2019

Universidad Francisco de Paula Santander

Departamento de sistemas e informatica

Probabilidad y Estadística
ESTRATEGIAS DE MUESTREO APLICADA A LAS TIC’s 2

Índice General

1.Portada………………………………………………………………………………...1

2.Introducción…………………………………………………………………………...2

3.Objetivos………………………………………………………………………………3

4.Índice de contenidos​…………………………………………………………………4

4.1.Conceptos Básicos…………………………………………………….…….5

4.2.Clasificación de muestreo…………………………………………………...11

4.3.Diseño de una investigación de muestreo…………………………………...16

5. Índice de tablas​…………………………………………………………………….…..10

Tabla 5.1 :Técnica aleatoria simple………………………………………………………...11

tabla 5.2 : Técnica de conglomerado……………………………………………………....13

6. Conclusiones……………………………………………………………………………..19

7. Objetivos de desarrollo sostenible………………………………………………………..20

8. Bibliografía……………………………………………………………………………….22
ESTRATEGIAS DE MUESTREO APLICADA A LAS TIC’s 3

1. Introducción

El mundo de hoy está en constante cambio , la cantidad de información que se genera


cada segundo es enorme y cada vez está más globalizada y diversificada , lo cual hace
que al realizar un estudio estadístico de cualquier tipo se haga increíblemente difícil y
tedioso poder generar dicho estudio sobre toda la población y no solo eso , sino que a
niveles industriales generar un estudio y realizar pruebas a toda la población podría
hacer inviable desde la venta y distribución de esta y en el peor de los casos : destruir
toda materia objeto de estudio. Por tal motivo cobra gran relevancia realizar estudios
muestrales y estrategias de muestreo a un pequeño pero significativo grupo de
elementos de la población ( muestra ) en vez de censos a toda la población. En el
caso de las TIC’s cobra aún más importancia por que esta es una industria mucho más
abstracta y globalizada y por lo tanto realizar estudios a toda la población se ha
vuelto algo cada vez más reducido y aplicable a casos muy específicos. En el presente
trabajo entraremos en contexto e identificamos estrategias de muestreo en las TIC’s.
ESTRATEGIAS DE MUESTREO APLICADA A LAS TIC’s 4

2. Objetivos

General: Identificar la aplicabilidad , el alcance y la prospectiva que tiene la teoría de


muestreo en las tecnologías de la información y la comunicación( TIC’s ).

Específicos:

● Exponer las características de la teoría de muestreo.


● Proponer ejemplos prácticos del uso de la teoría de muestreo en el área de las TIC’s
● Establecer y estructurar el diseño de una investigación de muestreo.
● Dar a conocer conceptos básicos de la teoría de muestreo.
● Fomentar la estrategia de muestreo mediante ejemplos sencillos aplicados a
cualquier área.
ESTRATEGIAS DE MUESTREO APLICADA A LAS TIC’s 5

4.1 Conceptos Básicos

4.1.1 Población.

Es el conjunto de personas u objetos de los que se desea conocer algo en una


investigación. "El universo o población puede estar constituido por personas, animales,
registros médicos, los nacimientos, las muestras de laboratorio, los accidentes viales entre
otros". (PINEDA et al 1994:108) En nuestro campo pueden ser artículos de prensa,
editoriales, peliculas, videos, novelas, series de televisión, programas radiales y por supuesto
personas.

Ejemplo aplicado a la ingeniería de sistemas: En nuestro campo pueden ser empresas de


tecnología, programas académicos, semilleros de investigación, campos laborales en
sistemas.

4.1.2. Censo.

“Es el proceso de toma de la información de todos y cada uno de los elementos que
constituyen la población”, (Martinez, 2012, pág 8). en este caso se dice que la investigación
es total o exhaustiva.

Ejemplo aplicado a la ingeniería de sistemas: El censo es la toma de información de la


población, en ingeniería de sistemas es exactamente igual al registro de datos que constituyen
a variables en una base de datos.

4.1.3. Parámetros.

“​Son todas aquellas medidas que describen numéricamente la característica de una


población”. (Martínez, 2012, pág 9). También se les denomina valor verdadero, ya que una
característica poblacional tendrá un solo parámetro (media, varianza, etc.). Sin embargo, una
población puede tener varias características y, por tanto, varios parámetros. Algunos los
denominan como valor estadístico de la población.

Ejemplo aplicado a la ingeniería de sistemas: Todo sistema, todo programa en nuestra


ingeniería tiene parámetros que permiten saber cómo se define el sistema por medio de sus
características.

4.1.4. Tipos de poblaciones

4.1.4.1. Población objetivo y población investigada.


ESTRATEGIAS DE MUESTREO APLICADA A LAS TIC’s 6

​ ales poblaciones pueden ser finitas o infinitas. Los elementos pueden ser un conjunto de
T
personas, animales, cosas, manzanas, etc. “También cuando se trata de variables cuantitativas
la población puede ser un conjunto de medidas en algunos casos se habla de Población o
Universo Estadístico. En todo caso la población inicial se denomina “ Población Objetivo.
(Martínez, 2012, pág 6). Puede ocurrir que no sea posible obtener información de toda la
población por dificultades de cualquier índole, como por ejemplo negativa a proporcionar la
información, en la parte industrial porque sean empresas muy pequeñas por ejemplo, esto da
lugar al concepto de Población Investigada, “que es la población que es realmente objeto de
estudio. Los resultados de la población investigada se aplicarán a toda la población objetivo”.
(Martínez, 2012, pág 6).

Ejemplo aplicado en la ingeniería de sistemas: En sistemas de información demasiados


grandes en la que requieren gasto de memoria alta, se pasan por desapercibidos algunos datos
que influyen en la población, como lo son población objetivo o población investigada.

4.1.4.2. Población finita.

“​ Es aquella que está conformada por un número determinado o relativamente pequeño de


elementos de observación”. (Martínez, 2012, pág 6).

Ejemplo aplicado en la ingeniería de sistemas: En la universidad contamos con 7-9


semilleros de investigación en nuestra ingeniería, donde su población es finita por un
determinado número de estudiantes que se esmeran para ampliar su conocimiento en base a
su profesión.

4.1.4.3. Población infinita.

“​ Aquella en que es muy grande el número de elementos que la conforman o al escoger una
muestra de ella, el tamaño muestral no difiere considerablemente si se realiza para una
población finita o infinita”. (Martínez, 2012, pág 6).

​ jemplo aplicado en la ingeniería de sistemas: La base de datos de grandes empresas de


E
sistemas, como lo son amazon, facebook, google. Cuentan con una población sumamente
extensa como para realizar una muestra.

4.1.5. Muestra.

“Es un subconjunto o parte del universo o población en que se llevará a cabo la


investigación. Hay procedimientos para obtener la cantidad de los componentes de la muestra
como fórmulas, lógica y otros que se verá más adelante”. La muestra es una parte
representativa de la población. (MATA et al, 1997:19)
ESTRATEGIAS DE MUESTREO APLICADA A LAS TIC’s 7

Ejemplo aplicado a la ingeniería de sistemas: En el campo de seguridad informática, un


campo con bastante trabajo en ingeniería de sistemas, se pueden realizar estudios acerca de
seguridad que se estén aplicando a ciertos equipos en una empresa, como muestra.

4.1.6. Muestreo.

​ s el método utilizado para seleccionar a los componentes de la muestra del total de la


E
población. "Consiste en un conjunto de reglas, procedimientos y criterios mediante los cuales
se selecciona un conjunto de elementos de una población que representan lo que sucede en
toda esa población".(MATA et al, 1997:19)

Ejemplo aplicado a la ingeniería de sistemas: En ingeniería de sistemas el muestreo, son


los algoritmos, que son la base y el pilar fundamental a la hora de entender los sistemas, un
conjunto de procedimientos que la computación sigue y efectúa el resultado que se espera
obtener.

4.1.7. Marco muestral.

“Es un listado, actualizado y revisado, de todos los elementos que constituyen la población
que va a ser objeto de investigación” (Martínez, 2012, pág 274).

Ejemplo aplicado a la ingeniería de sistemas: Una base de datos es un listado actualizado y


revisado que se puede utilizar para cualquier estudio o gestionar compañías.

4.1.8. Estimadores.

“​ Es una medida que describe una determinada característica de la muestra, obtenida


mediante la aplicación de promedios, proporciones, tasas, razones, varianzas, desviaciones
típicas, etc.” (Martínez, 2012, pág 677).

Ejemplo aplicado a la ingeniería de sistemas: En este caso los que analizan los valores
obtenidos de las pruebas, son aquellos que hacen parte de labor de la empresa, como
programadores hasta lo más alto.

4.1.9. Variable.

“​ La variable estadística se refiere a una característica o cualidad de un individuo que está


propenso a adquirir diferentes valores. Estos valores se caracterizan por poder medirse”.
(Martínez, 2012, pág 453).

​ Ejemplo aplicado a la ingeniería de sistemas: Este concepto es muy fundamental puesto


que se utiliza cuando recién comienzas la carrera de ingeniería de sistemas, hasta que ya estás
ESTRATEGIAS DE MUESTREO APLICADA A LAS TIC’s 8

trabajando aun la sigues usando. Son aquellos objetos que se podrán manipular en un
programa y permiten la funcionalidad correcta del mismo.

4.1.10. Medición.

“​ La medición, entonces, es un proceso básico que consiste en comparar un patrón elegido


con otro objeto o fenómeno que tenga una magnitud física igual a éste para poder así calcular
cuántas veces el patrón está contenido en esa magnitud en especial”. (Martínez, 2012, pág
453). Sin embargo, esta acción que parece tan simple de calcular, se dificulta cuando lo que
se desea medir y expresar numéricamente es un poco más intangible o incluso evanescente.

​ Ejemplo aplicado a la ingeniería de sistemas: Cuando hacemos programas matemáticos


en ingeniería de sistemas, podemos jugar con mediciones que son programables para
demostrar que nuestro programa funciona correctamente e inclusive dar respuestas a
incógnitas que nos puedan generar problemas.

4.1.11. Unidades de selección.

​ on los diferentes grupos o subgrupos que pueden formarse de una población total o
S
universo. “Deben distinguirse las unidades parciales y finales de selección, las unidades de
observación y las unidades de análisis” (Martínez, 2012, pág. 659).

Ejemplo aplicado a la ingeniería de sistemas: Grupos de personas que poseen distintos


tipos de identificación para una base de datos, Ejemplo: Manuel, C.C ; José, C. Extranjera;
María, T.I. Etc.

​4.1.12. Unidades parciales de selección.

Son aquellas que se obtienen como consecuencia del proceso de selección de las unidades
que conformarán la muestra. “Se constituyen en subdivisiones de la población a través de la
cual se llega a la unidad final de selección” (Martínez, 2012, pág. 659).

Ejemplo aplicado a la ingeniería de sistemas: Número de personas que en una red local,
envían cierta cantidad de archivos de información al día. Ejemplo: Manuel, de 2 a 10
archivos; José, de 10 a 20 archivos; María, más de 20 archivos.

4.1.13. Unidad final de selección.

“Tiene características definidas de permanencia y puede ser identificada con facilidad en


el transcurrir del tiempo” (Martínez, 2012, pág. 660).

Ejemplo aplicado a la ingeniería de sistemas: Personas que tengan C.C y envíen menos de
10 archivos al día. Ejemplo: Manuel, C.C; Envía de 2 a 10 archivo al día.
ESTRATEGIAS DE MUESTREO APLICADA A LAS TIC’s 9

4.1.14. Unidad de observación.

“Son aquellas que en conjunto forman la población o universo dada una característica
común” (Martínez, 2012, pág. 660).

Ejemplo aplicado a la ingeniería de sistemas: Personas que tengan identificación para


buscar en una base de datos.

4.1.15. Unidades de análisis​.

“Son aquellos elementos o unidades sobre las cuales se concentra el estudio, quienes
suministran la información que luego va a ser analizada a fin de obtener conclusiones”
(Martínez, 2012, pág. 660).

Ejemplo aplicado a la ingeniería de sistemas:

4.1.16. El Pre-test o Prueba Piloto.

Es un proceso de ensayo en la aplicación de la técnica seleccionada para la recolección de


datos y su administración respectiva, que permita evaluar su eficiencia en función al
problema motivo de investigación. “Este proceso se lleva a cabo previo a la aplicación
definitiva de la técnica a la realización del trabajo de campo propiamente dicho” (Paz, 2008,
pág. 18).

Ejemplo aplicado en la ingeniería de sistemas:

1. ¿Cuál crees que son los principales problemas de un software?

Difíciles de usar o de entender

Diseño confuso
ESTRATEGIAS DE MUESTREO APLICADA A LAS TIC’s 10

Lenguaje muy técnico

Otro. ¿Cuál? __________

2. ¿Te gustaría que nuestro software solicite tus datos personales?

Si.

No.

Tal vez.
ESTRATEGIAS DE MUESTREO APLICADA A LAS TIC’s 11

4.2 Clasificación de muestreo

Las estrategias de muestreo se clasifican según la forma en que se realiza , según los métodos
empleados para realizarlo y según la técnica.

Por forma de muestreo contamos con 2 categorías , la primera es : Sin reemplazamiento , la


cual implica que durante el proceso no puede tener reemplazamiento durante su proceso, esta
forma de muestreo se puede realizar aleatoriamente. La segunda forma de hacer muestreo es:
con reemplazamiento en poblaciones finitas o sin reemplazamiento en poblaciones infinitas o
muy grandes, esta forma se puede aplicar tanto en el tipo de muestreo probabilístico como no
probabilístico.

los tipos de muestreos como se mencionó anteriormente son : Aleatorio o probabilístico o No


aleatorio o no probabilístico.

Por muestreo aleatorio o probabilístico tenemos :


● Aleatorio SImple :
“Consiste en la selección de n elementos entre los N que constituyen la población, de
modo que todas las muestras posibles de tamaño n (tantas como combinaciones de N
elementos de n en n) tengan la misma probabilidad de ser obtenidas tenga la
misma probabilidad 1/(n m ) debe ser obtenidas.” ​(Zhandra Flores, Félix Ordaz, &
Ángel Ramírez, 2008 , p.11)

Con este supuesto, por ser equiprobables todas las muestras de n elementos, la
probabilidad de que un elemento poblacional dado parte de la muestra se puede
calcular así:

Podemos, pues, definir el muestreo aleatorio simple como selección de n elementos


cuando los N de la población tienen la misma probabilidad de ser extraídos. Sus
principales estimadores quedarían de la siguiente manera:

Tabla 5.1
ESTRATEGIAS DE MUESTREO APLICADA A LAS TIC’s 12

● Estratificado :
Este tipo de muestreo reduce enormemente el margen de error , formando grupos de
datos lo más homogéneos posibles, este tipo de técnica es aplicable cuando hay cierta
característica que diferencie y que permite separar los datos de manera óptima , a esta
característica la denominamos ​estrato​ , como estos estratos no se sobreponen los
unos con los otros podemos afirmar que la suma de todos los estratos me da la
totalidad de mi población la cual fue partida en L pedazos.

“Una vez que han sido determinados los estratos, se saca una muestra de cada uno, la
obtención se realiza independientemente en estratos diferentes. Los tamaños de
muestra dentro de los estratos son representados por n1 , n2 , n3…,nL
respectivamente. Si se toma una muestra simple aleatoria de cada estrato, el
procedimiento completo es conocido como muestreo estratificado aleatorio.La ventaja
principal que puede conseguirse estratificando es aumentar la precisión de las
estimaciones al agrupar elementos con características comunes. Además de procurar
mediante la estratificación muestras más representativas, puede lograrse un mejor
aprovechamiento de la organización administrativa y en general de las
particularidades de diferentes grupos de elementos de la población. En particular,
cuando nos interesan las estimaciones de cada estrato es muy conveniente tener idea
de la distribución de la característica estudiada o de alguna otra correlacionada con
ella. Conviene que los estratos sean tales que pueda conseguirse un aumento
sustancial de la precisión por agrupamiento de elementos de cierta homogeneidad.
Además de conocerse el tamaño de la población, N, como en el muestreo aleatorio
simple, habrá que saber el tamaño de cada estrato, y designaremos por N el del estrato
h-ésimo.”​(Zhandra Flores et al., 2008, p.12)

● Sistemático :
“Consiste en tomar aleatoriamente un cierto número i de las primeras k unidades, que
designará en una lista o población de N elementos al primero que va a formar parte de
la muestra. A continuación, de manera rígida o sistemática se va tomando el elemento
k+i que esta k lugares después del i-ésimo en la lista, el k+i2, que esta k2 lugares
después, y así sucesivamente hasta agotar los elementos disponibles de la lista o
población, lo que ocurrirá cuando se llegue al que ocupa el lugar i+(n-1)k”​(Zhandra
Flores et al., 2008, p.15)
ESTRATEGIAS DE MUESTREO APLICADA A LAS TIC’s 13

Para realizar la selección de los intervalos lo hacemos de forma regular siguiendo un


orden sistemático , para poder realizar este muestreo es necesario :

1. Se debe seguir un diseño estadístico específico, el mejor es aquel que


proporciona la precisión necesaria en cuanto al error de estimación.
2. La selección de elementos al azar, para luego recoger la información por
cualquier método.
3. El error muestral, se refiere a la diferencia entre el resultado obtenido
mediante la muestra y el obtenido por censo.

● Por conglomerado o por áreas :


“En las anteriores técnicas de muestreo, se ha supuesto que las unidades de muestreo
o unidades a seleccionar eran las mismas que constituían el objeto de estudio. El caso
más general, es que las unidades de muestreo comprenden dos o más unidades de
estudio o unidades últimas o físicas. En este caso se dice que cada unidad de muestreo
constituye un conglomerado de unidades últimas, y que el muestreo es por
conglomerados. Ejemplos de muestreo por conglomerados serían: la selección
aleatoria de familias de una población para efectuar un estudio de individuos; la
selección de fincas en un estado para una investigación en que las unidades últimas
fuesen las cabezas de ganado, etc”​(Zhandra Flores et al., 2008, p.16)

Tabla 5.2
ESTRATEGIAS DE MUESTREO APLICADA A LAS TIC’s 14

Estimación de la muestra:
“Establecida la característica o características a estimar y el grado de confianza y de
precisión requeridos, hay que decidir cuál va a ser el tamaño de la muestra o número
de elementos a seleccionar, de modo que los resultados no sean en exceso costosos o
imprecisos.”​(Zhandra Flores et al., 2008, p.17)

Para estimar la media de la población (infinitas):

Para estimar la media de la población (finitas):

El factor ​ (N - n ) / ( N - 1 ) ​ se llama factor de corrección de población finita. En caso


de que la muestra sea grande (5% ó más) en relación con la población, el
investigador puede reducir en forma adecuada el tamaño de la muestra necesaria:

Los errores no muestrales o sistemáticos son ocasionados por: el mal diseño del formulario,
errores cometidos en los procesos de recolección, procesamiento y análisis de la información,
que son controlables, pero no medibles, a diferencia de los errores aleatorios que son
controlables y medibles.
ESTRATEGIAS DE MUESTREO APLICADA A LAS TIC’s 15

4.3 Diseño de una investigación de muestreo

En la población de Norte de Santander se desea hacer un muestreo para determinar el


desarrollo e implementación de las TIC’s en las empresas de los cinco municipios con más
número de empresas de dicho departamento, los estratos poblacionales o la cantidad de
empresas por cada municipio se muestran en la tabla más abajo.

Para dicho muestreo se utilizó muestreo estratificado (MAE) con afijación proporcional para
que los tamaños de los estratos muestrales se asignen de acuerdo al tamaño de los estratos
poblacionales, un nivel de confianza del 95% y un error en el muestreo del 5%.

las fórmulas para calcular el tamaño de muestra en una proporción son las siguientes:

N: Total de unidades o elementos que constituyen la población objetivo, (N = 13.342).


N​h​: Total de unidades que constituye cada estrato poblacional, (h= 1,2,3,4,5).
M: Número total de estratos, (M= 5).
N​M​: Tamaños de los estratos poblacionales (N​1​, N​2​, N​3​, N4, N5).

Wh: Proporción de elementos en cada estrato o peso de cada estrato.


P​h​ : Proporción de la población, en este caso se utilizará 0,5 (para mayor variabilidad).
Q​h: Complemento de la proporción poblacional Q​h​ = 1- P.
d: Precisión o error de muestreo, prefijado, en este caso se fijará en (0,05).

: Nivel de significación o confianza en este caso 95% cuyo valor es (1,96).

: Coeficiente de riesgo:

o también
ESTRATEGIAS DE MUESTREO APLICADA A LAS TIC’s 16

Estratos de
N​h P​h Q​h N​h​ P​h Q​
​ h​= N​h​ x P​h x​
​ Q​
​ h
población

1 2656
N​1 = 10.624 P​1= 0,5 Q​1= 0,5 10624 x 0,5 x 0,5=

2 246
N​2= 984 P​2= 0,5 Q​2= 0,5 984 x 0,5 x 0,5=

3 188
N​3 = 752 P​3 = 0,5 Q​3 = 0,5 752 x 0,5 x 0,5=

4 152.5
N​4 = 610 P​4 = 0,5 Q​4 = 0,5 610 x 0,5 x 0,5=

5 93
N​5 = 372 P​5 = 0,5 Q​5 = 0,5 372 x 0,5 x 0,5=

Población 3335.5
13.342 Total de la sumatoria
total:
de los 5 términos:

Se procede a calcular E y sustituir en la fórmula para obtener ​n


ESTRATEGIAS DE MUESTREO APLICADA A LAS TIC’s 17

n = ​385 por aproximación.


Se procede a hallar lo tamaños de los estratos muestrales de cada estrato poblacional:

n​1= 306

n​2= 28

n​3= 22

n​4= 18

n​5= 11

Muestreo aleatorio estratificado​, (asignación igual, proporcional y óptima) garantiza la


representatividad, reduciendo el error de la muestra al formar grupos más o menos
homogéneos (homogeneidad dentro de grupos) y heterogéneos al comparar los grupos ó
estratos entre sí (heterogeneidad entre grupos) .
Este procedimiento es aplicable cuando existe una característica de la población que permite
diferenciar a sus elementos en grupos definidos, denominados estratos. Estos estratos deben
guardar estrecha relación con el objeto de la investigación. De esta manera se logra una
mayor precisión en los resultados.

Este método es más efectivo que el muestreo aleatorio simple, pese al grado de
heterogeneidad y dispersión que puede presentar la característica, con la ventaja de trabajar
ESTRATEGIAS DE MUESTREO APLICADA A LAS TIC’s 18

con grupos más o menos homogéneos, las muestras resultantes son más pequeñas y
representativas.

Mediante la selección aleatoria en cada uno de los estratos se conformará la muestra, ella
podrá ser elegida mediante un procedimiento de afijación igual, afijación proporcional o
afijación óptima.

Afijación igual​, es cuando cada estrato posee el mismo número de unidades.

Afijación proporciona​l, cuando los elementos de cada estrato son proporcionales al peso del
estrato dentro de la población.

Afijación óptima​, cuando el tamaño de la muestra y el de los estratos muestrales dependen


de la variabilidad de la característica en cada estrato, así como el costo se hace mínimo para
una precisión preestablecida.
ESTRATEGIAS DE MUESTREO APLICADA A LAS TIC’s 19

6. Conclusiones

Finalmente podemos concluir que la teoría de muestreo es la mejor manera de tomar datos de
una población y en especial en pleno siglo XXI , esta forma de hacer estadística abre muchas
posibilidades al mundo de las TIC’s en especial en la inteligencia artificial y en los
algoritmos de aprendizaje automático pues de una muestra mínima, si se aplican los criterios
adecuados se pueden llegar a resultados de increible precision a cualquier área que se aplique
, métodos de muestreo son muy importantes porque agrupa aplica una diversa gama de
conocimientos estadística así como también tiene en cuenta varios factores como la
aleatoriedad de los datos , el reemplazamiento de estos , si estos tienen diferencias
significativas entre ellos y demás factores que hacen que la estadística siga siendo un pilar
fundamental de la ciencia y la investigación a nivel mundial
ESTRATEGIAS DE MUESTREO APLICADA A LAS TIC’s 20

7. Objetivos de desarrollo sostenible

Colombia se suscribió en el año 2000 los Objetivos


del Milenio junto con otras naciones, con el fin de
contribuir con los compromisos necesarios para
fomentar el desarrollo y la disminución de la
pobreza en los países del mundo. El Plan Nacional
de Tecnologías de la Información y las
Comunicaciones está alineado y estructurado
alrededor una matriz de ocho grandes ejes o líneas
de acción, cuatro verticales y cuatro transversales.
(​MinEducación, 2008, p 51-52)

Que junto con el plan nacional de desarrollo, el plan de ciencia y tecnología, la política
nacional de competitividad y el ministerio de tecnologías de la información y
telecomunicaciones (MTIC) en la educación buscan tener un efecto en la competitividad
tecnológica y velar porque se aproveche el acceso a la información para el uso, fomento y
apropiación de de las TIC.

Ejes transversales, que son los que contienen acciones que tienen influencia sobre todos los
sectores:

● Dar acceso masificado a las TIC, haciendo énfasis en la población vulnerable y en los
discapacitados, y crear una cultura nacional de uso y apropiación de TIC.
● Gobierno en Línea, con acciones orientadas a mejorar los servicios prestados por el
Gobierno nacional y regional, para lograr un crecimiento sustancial en el desarrollo
económico y en la inclusión social de los colombianos.
● Investigación, desarrollo e innovación, para jalonar cada uno de los sectores de los
ejes transversales y posicionar a Colombia entre los tres países con mejor ubicación
en los indicadores internacionales de uso y apropiación de TIC.
● Marco regulatorio e incentivos, la base necesaria para fomentar acciones de
infraestructura, uso y apropiación de las TIC en todos los ejes verticales.

Ejes verticales, que son aquellos que enmarcan las acciones de uso y apropiación de TIC en
sectores específicos considerados críticos:

● Educación, para incorporar las TIC en el proceso educativo y de formación, para


apalancar el cubrimiento y la calidad.
● Salud, con medidas que permitan impulsar la calidad de la gestión, la promoción, la
prevención y la prestación eficiente de los servicios de salud a la población.
ESTRATEGIAS DE MUESTREO APLICADA A LAS TIC’s 21

● Justicia, con el despliegue recursos de TIC y acciones que impulsen la eficiencia y la


eficacia en la prestación de justicia.
● Competitividad empresarial, con acciones orientadas a dar un salto en el desarrollo
del sector productivo del país y en la adopción de soluciones tecnológicas adecuadas,
con énfasis en las MIPYMES.
ESTRATEGIAS DE MUESTREO APLICADA A LAS TIC’s 22

8. Bibliografía

● Paz, D. C. (2008). ​CONCEPTOS Y TÉCNICAS DE RECOLECCIÓN DE DATOS EN


LA INVESTIGACIÓN JURÍDICO SOCIAL. Tesis doctoral, Universidad Nacional
Mayor de San Marcos, Facultad de Derecho y Ciencia Política, Lima.

● Martínez, C. (2012). ​Estadística y Muestreo (13ª edición ed.). Bogotá, D.C,


Cundinamarca, Colombia: ECOE Ediciones.

● PINEDA, Beatriz; DE ALVARADO, Eva Luz; DE CANALES, Francisca 1994


Metodología de la investigación, manual para el desarrollo de person al de salud,
Segunda edición. Organización Panamericana de la Salud. Washington.

● Zhandra Flores, Félix Ordaz, & Ángel Ramírez. (2008). ​Elementos de muestreo​.
Recuperado de ​http://cienciassociales.webcindario.com/PDF/TecMuestreo.pdf

● Ministerio de Educación de Colombia. (2008). Plan Nacional de TIC 2008 – 2019, 


51-52. Recuperado de: 
https://www.mintic.gov.co/portal/604/articles-8247_pe_plan_tic_colombia_2009
_2018.pdf