Métodos Estadísticos para la investigación

Mg. Segundo A. García Flores

2021-1
X
II
Población de estudio, muestreo, muestra
 Contenidos

• Tipos de muestreo
• Tamaño de muestra
 Tipos de muestreo
Ejemplo. Tres empresas están investigando el nivel adquisitivo de las personas que acuden a un
determinado concierto de música clásica. Para ello, cada una elige una muestra de la siguiente
manera:
1.- 50 primeras personas que entren en el auditorio.
2.- 50 personas elegidas al azar de las que se ubican en la platea baja.
3.- 50 personas elegidas al azar de todas las asistentes.

Muestreo aleatorio o Muestreo no aleatorio o

PROBABILÍSTICO NO PROBABILÍSTICO

Ventajas y desventajas
 Tipos de
mues treo

No
Probabilístico
probabilístico

Mues treo Mues treo Aleatorio

Intencional Sim ple

Mues treo
Sis tem ático

Mues treo Mues treo

Accidental Es tratificado

Mues treo de Mues treo por

Voluntarios Conglom erados
 Tipos de muestreo ALEATORIO O PROBABILÍSTICO

Muestreo aleatorio simple: todos los

elementos de la población tienen la misma
probabilidad de ser elegidos para formar
parte de la muestra.

Muestreo aleatorio estratificado: la

población se divide en grupos
Estrato 1 Estrato 2
homogéneos que llamamos estratos. La
proporción de cada estrato en la
población se mantiene en la muestra. Población
Cada uno de los estrato de la muestra se
obtiene por muestreo aleatorio simple
sobre el estrato correspondiente de la
población.
Muestra
 Tipos de muestreo aleatorio (II)

Muestreo aleatorio sistemático: se selecciona

al azar un elemento de la población y a
partir de él se seleccionan de k en k los
elementos siguientes.

Muestreo por conglomerados y áreas: se

divide la población en distintas secciones o
conglomerados. Se eligen al azar unas pocas
de estas secciones y se toman todos los
elementos de las secciones elegidas para
formar la muestra.
Para dividir la población en secciones
podemos usar las provincias.
 DETERMINACIÓN DEL DISEÑO MUESTRAL APROPIADO

 Grado de precisión: La selección de una muestra representativa es importante

para todos los investigadores. No obstante, el grado de precisión necesario o la
tolerancia del investigador de los errores de muestreo y ajenos al muestreo pueden
ser distintos en cada proyecto, especialmente cuando la reducción de la precisión
pueda compensarse con el ahorro de costes u otros beneficios.
 Recursos: Los costes asociados a las diversas técnicas de muestreo varían
enormemente. Si los recursos financieros y humanos del investigador son
restringidos, habrán de eliminarse ciertas opciones.
 Tiempo: El investigador que necesite cumplir con un plazo o completar un proyecto
rápidamente seguramente elegirá un diseño simple que ocupe poco tiempo .
 Conocimiento previo de la población: disponibilidad de listas de sus miembros.
 Proyecto nacional o local.
 Necesidad de análisis estadístico.
 MUESTREO NO PROBABILÍSTICO: CARACTERÍSTICAS

 La selección de la muestra no es aleatoria, sino que se basa, en parte, en el

juicio del entrevistador o de responsable de la investigación.
 No se basa en ninguna teoría de la probabilidad y, por lo tanto, no es posible
calcular la precisión o acotar el error cometido.
 No es posible calcular estos errores ni la confianza de las estimaciones que,
además, no siempre se reducen aumentando el tamaño de la muestra.
 En el muestreo no probabilístico los costes y la dificultad del diseño son más
reducidos (al no ser necesario disponer de un marco). Este muestreo puede
dar buenos resultados, pero también apareja el riesgo de proporcionar una
información errónea.
 MUESTREO NO PROBABILÍSTICO
 Muestreo de conveniencia
 Las muestras se seleccionan según un criterio de accesibilidad o comodidad.
 Suele emplearse en centros comerciales, plazas, estaciones de autobuses o de
tren, metro, aeropuertos o lugares de gran afluencia pública.
 Se utiliza para obtener un mayor número de cuestionarios completados de
forma rápida y económica.
 Adecuado en la investigación exploratoria que venga seguida de una
investigación adicional en la que se extraiga una muestra probabilística.
 Muestreo de juicios
 La muestra es elegida por un experto de acuerdo con su criterio, buscando las
unidades más representativas.
 Ejemplo: mercados de prueba, presuntos líderes seleccionados en la
investigación de conducta de voto….
 Se emplea cuando el tamaño de la muestra es pequeño.
 MUESTREO NO PROBABILÍSTICO
 Muestreo por cuotas
 Tiene por objetivo asegurar que los diversos subgrupos de una población estén
representados en la muestra respecto de las características pertinentes de la muestra y
con la proporción exacta que el investigador desee.
 La selección accidental de sujetos puede producir sesgo.
 La velocidad de recopilación de datos, los menores costes y la comodidad son sus
principales ventajas frente al muestreo de probabilidad.
 Puede resultar apropiado cuando el investigador sabe que es más probable que un
cierto grupo demográfico rehúse colaborar con una encuesta.
 Muestreo de “bola de nieve”
 Los primeros elegidos como encuestados (probablemente a juicio del investigador)
proponen y ayudan a la selección de los restantes de la muestra. Esta técnica se utiliza
para localizar por referencias a miembros de poblaciones peculiares.
 Ventajas: los reducidos tamaños de muestra y los costes.
 Sesgo porque la persona sugerida por otro miembro de la muestra tiene una
probabilidad mayor de ser similar a la primera.
 PROBLEMA
Imagina que quieres saber qué porcentaje de la
población brasileña entre 15 y 65 años fuma. o
cuantos minutos por día ven la televisión.
obviamente, lo ideal sería preguntar a todos los
miembros de la población (136 millones) pero eso es
extremadamente costoso. por ello normalmente
optamos por encuestar a una parte de la población, lo
que se conoce como una muestra. Como una
muestra no contiene a todos los individuos,
inevitablemente vamos a cometer cierto error en
nuestras estimaciones. cuanto más pequeña sea la
muestra, ese error va a ser potencialmente mayor.
 PROBLEMA
Pero ¿es posible asegurar que el error de estimación no supere ciertos límites? sí, es
posible y vamos a ver cómo.
La población brasileña entre 15 y 65 años es muy
grande, podemos considerarla una población infinita.
Esta asunción es muy práctica: permite aceptar que
cada vez que selecciono un individuo para mi muestra,
su probabilidad de tener la característica que quiero
medir (por ejemplo, fumar) es constante, con
independencia de los individuos que ya haya
seleccionado anteriormente. Veremos luego qué hacer
si no puedo aceptar la asunción de población infinita.
Selección de una muestra representativa

Se quiere estimar un
Parámetro del Universo
partiendo de una Muestra
Representativa

Variable Variable
Cualitativa De qué naturaleza
es el Parámetro a Continua
estimar?

Muestreo Muestreo
Representativo Representativo
para estimar una para estimar una
Proporción Media
 FÓRMULA DE TAMAÑO DE MUESTRA
PARA ESTIMAR UNA MEDIA CUANTITATIVA

Z²  ² N
n=
E² (N-1) + Z² ²

N: Tamaño de la población que es objeto de estudio.

Z: Grado de confianza que se establece.
N.C.: 90% 95% 99%
Z : 1,64 1,96 2,58
: Desviación estándar de la población objeto de estudio.
E: Error absoluto o precisión de la estimación deseada de la
media.
 DETERMINACIÓN DEL TAMAÑO DE MUESTRA
PARA ESTIMAR UNA PROPORCIÓN

Z² P Q N
n= E² (N-1) + Z² P Q

N: Tamaño de la población.
Z: Grado de confianza que se establece.
E: Error absoluto o precisión de la estimación de la proporción.
P: Proporción de unidades que poseen el atributo de interés.
Q: Resto aritmético de P.
Relación entre error, nivel de confianza y tamaño de
muestra

Recuerda que margen de error, nivel de confianza y tamaño de la muestra siempre

van de la mano. Modificar cualquiera de los 3 parámetros, altera los restantes:
1. Reducir el margen de error obliga a aumentar el tamaño de la muestra.
2. Aumentar el nivel de confianza obliga a aumentar el tamaño de la muestra.
3. Si aumenta el tamaño de mi muestra, puedo reducir el margen de error o
incrementar el nivel de confianza.
CALCULADORA DE
MUESTRA ONLINE
 TECNICAS DE MUESTREO
MUESTREO ALEATORIO SIMPLE (MAS)
¡Gracias!

Cortesía: Dr. Higinio Wong.