POSTGRADOS UVM

GRADOS UVM POSTGRADOS UVM

POSTGRA
Unidad de aprendizaje 1:

La estadística conceptos y
definiciones preliminares
Carla Leal Kaymalyz

Introducción

El Diccionario de la lengua española1 define la palabra estadística

como “Rama de la matemática que utiliza grandes conjuntos de
datos numéricos para obtener inferencias basadas en el cálculo
de probabilidades”. Esta palabra deriva del término “estado” y
se relaciona con la función del estado como “recolector de la
información”. Existen antecedentes de recuentos desde el 2,000 A.C.
en China y desde 1,200 A.C. de la cultura Inca. Sin embargo, hoy la
Estadística es mucho más que recolectora de información, ya que
es capaz de ser una ciencia que entrega diversas metodologías para
entregar información relevante y de este modo ayudar en la toma de
decisiones en distintos campos del conocimiento.

1
Fuente: http://dle.rae.es/?id=GjpDTiC

1
 1.1. Definiciones: conceptos, nociones y clasificación de variables

Para el entendimiento de los procesos metodológicos que ofrece la Estadística como ciencia es importante
introducir algunas definiciones de conceptos y nociones. La Tabla 1 entrega un resumen de las definiciones
más utilizadas.

Tabla1: Definiciones de conceptos utilizados en el área de la investigación estadística

Concepto Significado
Métodos usados para recolectar, interpretar los datos, extraer conclusiones y
Estadística tomar decisiones. Puede ser vista como “la ciencia que transforma los datos en
información”.
Es el conjunto de elementos de interés para estudiar y desde donde se extraen los
Población
datos. Estos elementos pueden ser objetos o personas.
Subconjunto de elementos de la población y se utiliza cuando no se tiene acceso
Muestra (aleatoria,
a toda la población. Esta debe ser aleatoria, es decir los elementos se seleccionan
tamaño adecuado y
al azar, debe ser de un tamaño adecuado, es decir que al utilizar la muestra esta
representativa)
permita tener estimaciones con un margen de error acotado2.
Unidad de observación Es el objeto sobre el cual se realiza una medición.
Son el conjunto de características que se miden a cada elemento de la población.
Variable Por ejemplo, a un conjunto de alumnos se le mide: nombre, edad, peso, talla, nota
promedio, etc.
Dato Es una representación de la variable (numérica o atributo).
Es el proceso3 que permite asignar números o atributos a las variables para cada
Medición científica
unidad de análisis de la muestra o población.
Instrumento de Es la herramienta que permite realizar la medición de las variables que se van a
medición analizar.
Caracterización de todas las unidades de análisis de una población y se entenderá
Censo por caracterización a la medición de todas las variables de interés para cada unidad
de análisis.
Es el proceso que provee herramientas para obtener conclusiones de la población
Inferencia
a partir de la muestra.

–
2
Estimador es una función de una muestra y se representa con las letras mayúsculas, por ejemplo X es el
promedio muestral y las estimación es el valor. Este “valor” tiene un margen de error acotado si es obtenido a
partir de una muestra aleatoria.

3
Este proceso consta de (1) Identificar el objeto o sujeto a medir, (2) identificar la característica, concepto o
conducta que se va a medir sobre el objeto (o sujeto), (3) Aplicar una regla de asignación numérica o atributo
a la característica, concepto o conducta que se va a medir sobre el objeto o sujeto

2
 También llamado parámetro poblacional es cualquier función de los datos
calculada en la población. Usualmente desconocidos si no se tiene acceso a los
Parámetro datos de TODA la población.
Ejemplo: Promedio poblacional (μ), Varianza poblacional (σ2), Proporción
poblacional (π), etc.
También llamado estimadores muestrales, estadísticos o estadígrafos, es cualquier
función de los datos calculada en la muestra.
Estimador –
Por ejemplo: Media muestral (X ), Varianza muestra (S2), Proporción muestral (P),
etc.
Es el valor numérico que toma el estimador.
Estimación –
Por ejemplo: X = x donde x representa el valor (el número).

Además, es importante lograr identificar a groso modo las dos áreas de las estadística; la primera denominada
Organización (proceso de tabulación de datos) y resumen de datos, la cual tiene como objetivo explorar y
describir los datos en el sentido de conocer sus magnitudes a través de las estadísticas de resumen4 , tablas de
frecuencia y gráficas. Esta exploración y descripción permite obtener una primera interpretación de los datos
analizados. Mientras, la segunda, ofrece las herramientas estadísticas más sofisticadas condicionada a saber
si los datos provienen de la población o la muestra (ver Figura 1).

• Si los datos provienen de una muestra representativa de la población se dispone de las herramientas que
entrega la inferencia estadística. Acá, el investigador puede transformar la hipótesis de investigación en
hipótesis estadística y a través de las pruebas de hipótesis dar respuesta a la pregunta de investigación.

• Si todos los datos de la población han sido considerados, no tiene sentido transformar la hipótesis de
investigación en hipótesis estadística, ya que se obtienen los verdaderos valores de los parámetros.

Por otro lado, el área de clasificación de las variables (ver Figura 2) también permite identificar el alcance de
las herramientas estadísticas a utilizar. Se consideran cuatro clasificaciones generales de las variables; 1) Según
naturaleza, 2) Según escala de medición, 3) Según orden de ocurrencia y 4) Según el número de variables
consideradas.

4
Las estadísticas de resumen se estudian en la Unidad de aprendizaje 2

3
 Figura 1: Proceso del análisis de datos según (1) provienen de una muestra representativa o (2) es toda la
población.

1) Según naturaleza

Esta clasificación se subdivide en las variables cuantitativas y las cualitativas. Los valores de las variables
cuantitativas (discretas y continuas) se expresan en números y los valores de las variables cualitativas
(nominal y ordinal) se expresan en atributos.

• Las variables cuantitativas discreta están en correspondencia con los números naturales. Por ejemplo;
número de hermanos, número de respuesta acertadas en un test, etc.

• Variables cuantitativas continua están en correspondencia en un intervalo de números reales. Por

ejemplo, peso de los estudiantes, estatura de los pacientes, rendimiento promedio de los alumnos de un
colegio, etc.

2) Según escala de medición

La escala de medición es el conjunto de reglas para asignar números o atributos a las variables que se analizan
y esta es parte del proceso de medición de las variables y es responsabilidad del investigador cómo se van a
medir las variables en la investigación. Se definen cuatro escalas de medición:

• Escala de medición nominal: es la escala más sencilla y sólo asigna un “nombre” o “atributo” como “valor”
de la variable, se caracteriza por ser mutuamente excluyente. Por ejemplo; nombre del alumno, sexo del
alumno, comuna de residencia del alumno, etc.

• Escala de medición ordinal: es un poco más elaborada que la anterior, ya que no sólo designa un atributo
como valor a la variable, sino que ahora se considera una jerarquía de orden en la medición. Por ejemplo,
estrato social del alumno, niveles de educación de los padres del alumno, satisfacción de la capacitación
del alumno, etc.

4
• Escala de medición de intervalo: es mucho más sofisticada que las dos anteriores, ya que no solo es
posible ordenar los valores de la variable, sino que también ahora es posible medir distancia entre dos
valores de la variable. Además, con este tipo de escala se reconoce un punto cero relativo, es decir es
un cero que indica punto de inicio al medir distancias entre dos valores y no representa la ausencia de
unidad de medida.

• Escala de medición de razón: es la escala más elaborada en relación a las otras mencionadas. Además,
de considerar la jerarquía y distancia incorpora la propiedad de igualdad de intervalos y razones. En esta
escala el cero es absoluta, es decir si representa ausencia del valor de la variable. Por ejemplo; variables
que están medidas en esta escala pueden ser la estatura de los alumnos (cm), el peso de los alumnos (kg),
etc.

3) Según orden de ocurrencia

Clasificar las variables según orden de ocurrencia depende del registro de las observaciones a través del tiempo.
Una variable clasificada atemporal cuando las observaciones de la variable no se registran a través del tiempo.
Mientras que una variable es clasificada como temporal cuando las observaciones de la variable se registran
a través del tiempo. Por ejemplo; gasto mensual en transporte de los alumnos de la Universidad, rendimiento
de los alumnos trimestral, etc.

4) Según número de variables

No es común, en investigación estadística, analizar sólo una variable, al contrario, generalmente se analizan más
de una variable buscando relaciones y patrones entre ellas. Clasificar las variables según al número de estas
consideradas en cualquier análisis permite distinguir también cuáles de todas las herramientas estadísticas es
más adecuada. Si sólo se considera una variable se dice que el análisis de datos es Univariante, si se consideran
dos variables se dice que el análisis de datos es Bivariante y si se consideran más de dos variables se dice el
análisis de datos es Multivariante.

Ejemplo: Las siguientes variables son indicadores sociales recopilados desde organismos gubernamentales,
los cuales fueron usados para construir la primera versión del Índice Regional de Inclusión Social (IRIS) durante
el año 2017. Este índice ha sido desarrollado por el Centro Regional de Inclusión e Innovación Social (CRIIS)5
centro de investigación de la Universidad Viña del Mar. El objetivo es clasificar las variables según naturaleza,
escala de medición, orden de ocurrencia y número de variables. La Tabla 2 presenta la variable y en paréntesis
la unidad de medida de ésta.

5
www.criis.cl

5
 Tabla 2: Indicadores sociales para medir inclusión social

Escala de Orden de
Variables Naturaleza N° de variables
medición ocurrencia
Número de El número ya Escala de razón, ya Sólo se está Sólo se está
campamentos indica que es un que existe orden, analizando la analizando una
en la Región de conteo. Por lo tanto, distancia y el cero variable en un sola variable
Valparaíso es cuantitativa es absoluto en el tiempo fijo, por lo tanto es
discreta. valor de la variable. por lo tanto es univariada.
atemporal.
Tipo de vivienda (1: Los “valores” que La escala de Sólo se está Sólo se está
Sólida, 2: Material toma la variable medición en analizando la analizando una
ligero) son categorías sin correspondencia variable en un sola variable
jerarquía. Por lo con la naturaleza de tiempo fijo, por lo tanto es
tanto, la variable la variable es escala por lo tanto es univariada.
es cualitativa nominal. atemporal.
nominal.
Nivel educacional Los “valores” que La escala de Sólo se está Sólo se está
del jefe/a del hogar toma la variable medición en analizando la analizando una
(1: Básico, 2: Media, son categorías con correspondencia variable en un sola variable
3: Universitaria jerarquía. Por lo con la naturaleza de tiempo fijo, por lo tanto es
tanto, la variable es la variable es escala por lo tanto es univariada.
cualitativa ordinal. ordinal. atemporal.
Remuneración Ambas variables Las variables son Se analizan dos
imponible Ambas variables están medidas con temporales, ya que variables por lo
promedio de son cuantitativas la escala de razón, las observaciones tanto se clasifica en
afiliados a seguro continuas porque ya que existe orden, se registran entre bivariada.
de cesantía (pesos entre dos números distancia y el cero los años 2013 y
/ años 2013 hasta enteros toman es absoluto en el 2018.
2018). infinitos valores. valor que toman.
Además, poseen un
Población de 20 cero absoluto.
años y más que
está afiliada al Unidad de
seguro de cesantía medida pesos y
(porcentaje / año porcentaje.
2013 hasta 2018)
Ingreso total del La variable es La variables está Sólo se está Sólo se está
hogar (pesos/año cuantitativa medida en la analizando la analizando una
2011) continua porque escala de razón, ya variable en un sola variable
entre dos números que existe orden, tiempo fijo, por lo tanto es
enteros pueden distancia y el cero por lo tanto es univariada.
tomar infinitos es absoluto en el atemporal.
valores. Además, valor que toman.
posee un cero
absoluto y la
unidad de medida
es en pesos.

6
Ingreso per Cápita La variable es La variables está Sólo se está Sólo se está
del Hogar (pesos/ cuantitativa medida en la analizando la analizando una
año 2011) continua porque escala de razón, ya variable en un sola variable
entre dos números que existe orden, tiempo fijo, por lo tanto es
enteros pueden distancia y el cero por lo tanto es univariada.
tomar infinitos es absoluto en el atemporal.
valores. Además, valor que toman.
posee un cero
absoluto y la
unidad de medida
es en pesos.
Personas en La variable es La variables está Sólo se está Sólo se está
situación de cuantitativa medida en la analizando la analizando una
pobreza por continua porque escala de razón, ya variable en un sola variable
ingresos (tasa / año entre dos números que existe orden, tiempo fijo, por lo tanto es
2013). enteros pueden distancia y el cero por lo tanto es univariada.
tomar infinitos es absoluto en el atemporal.
Tasa: número valores. Además, valor que toman.
de personas en posee un cero
situación de pobreza absoluto y la
por ingreso por cada unidad de medida
100.000 habitantes es en tasa.

Figura 2: Clasificación de las variables según naturaleza, escala de medición, orden de ocurrencia y número
de variables

7
 1.2. La estadística descriptiva y la inferencia estadística

Hasta ahora hemos entendido que los datos en bruto, si no son procesados no nos entregan información
fácil de entender, por eso se indica que el proceso de ordenamiento y resumen de datos es crucial para
entender magnitudes, patrones y estructura los datos involucrados en cualquier investigación cuantitativa.
En este proceso de organización y resumen entra la estadística descriptiva como herramienta que ofrece un
conjunto de técnicas para comprender los datos disponibles. Esta herramienta siempre debe ser la primera
etapa de cualquier análisis de datos, ya que nos puede sugerir relaciones entre las variables o patrones. Por
otro lado, otra herramienta estadística de gran importancia para probar hipótesis estadística es la Inferencia
estadística que es viable o aplicable sólo cuando no se tiene acceso a la información de toda la población. Este
escenario ocurre muy a menudo, ya que por ejemplo aplicar una encuesta a toda la población bajo estudio es
muy costoso y por ese motivo se recurre al proceso de obtener una muestra representativa de la población. La
inferencia estadística se basa en las probabilidades para obtener conclusiones para la población, pero a partir
de la muestra. Por ejemplo, si un investigador está interesado en la siguiente hipótesis de investigación “las
mujeres tienen mejor puntaje SIMCE lenguaje que los hombres”. Sin embargo, para uno de los desafíos de la
investigación es que es muy costoso tener acceso a todos los puntajes de los alumnos que rindieron el SIMCE,
entonces para resolver éste desafío la estadística inferencial permite, a partir de una muestra representativa de
la población objetivo, obtener conclusiones para toda la población.

Ahora bien, ¿cómo se obtienen conclusiones de la población a través de la muestra representativa? Para
responder ésta pregunta es vital importancia que el investigador tenga propuesta la hipótesis de investigación
(es una suposición de lo que se quiere investigar y debe comprobarse de manera científica), la cual nace
desde la pregunta de investigación. Si el alcance de la investigación requiere información cuantitativa para
responder la pregunta de investigación y además no es posible acceder a la información de toda la población
bajo estudio, entonces es pertinente transformar la hipótesis de investigación en hipótesis estadística. La
Figura 3 muestra las nociones del proceso de responder la pregunta de investigación a partir de una “idea”
de investigación. Mientras que, la Figura 4 entrega un ejemplo de este proceso destacando nociones de
inferencia.

Finalmente, a modo de ejemplo el proceso de transformar la hipótesis de investigación en hipótesis estadística

es simple de comprender. Por ejemplo, usando el ejemplo de la Figura 4, la Tabla 3 se concentra en explicar el
proceso de transformación.

8
 Figura 3: El proceso desde la idea hasta dar respuesta a la pregunta de investigación

Figura 4: Nociones de inferencia estadística, población, muestra, parámetro, estadístico e hipótesis

estadística

9
 Tabla 3: Ejemplo de transformación de la hipótesis de investigación en hipótesis estadística

Hipótesis de investigación Hipótesis alternativa y nula Hipótesis estadística

El puntaje promedio del SIMCE de Hipótesis alternativa:

todos los alumnos de los colegios
HA: μ1≠ 245 (alternativa)
de la comuna de Valparaíso son El promedio poblacional del
distintos a 245 puntos. SIMCE es distinto a 245 puntos.

Hipótesis nula:
H0: μ1= 245 (nula)
El promedio poblacional del
SIMCE es igual a 245 puntos.

Nota: es posible proponer más de una hipótesis de investigación y transformar en más de una
hipótesis estadística.

1.3. La estadística y el método científico

En el método científico puede ser visto como una especie de “sistematización de la investigación” en él se
determinan varias etapas para encontrar, responder o estudiar varias “ideas” de investigación. Sin embargo, es
posible destacar aquellas etapas que acompaña la estadística.

Figura 5: Esquema de algunos pasos del método científico con la estadística

10
 1.4. Investigación cuantitativa y tipos de estudios en la investigación

En la investigación cuantitativa al menos se pueden reconocer tres tipos; (1) la descriptiva, (2) causal y (3)
relacional. El objetivo de (1) es describir y resumir los datos y así levantar potenciales preguntas e hipótesis
de investigación. Por ejemplo, estudiar el gasto promedio en movilización de los alumnos de la UVM. Mientras
que, el objetivo de la (2) es encontrar si las variables están correlacionadas. Por ejemplo, conocer la relación
entre el promedio de horas dedicadas al estudio y las calificaciones obtenidas de los alumnos de la UVM.
Finalmente, el objetivo de la (3) es encontrar relación de causa-efecto, ya sea bajo un experimento controlado
(manipulan las variables) o bajo una situación observacional (no se manipulan las variables). Por ejemplo, en
el escenario experimental se desea aplicar vitaminas un grupo de alumnos y al otro grupo aplicar un placebo
para encontrar si hay o no diferencias en el rendimiento promedio de los alumnos que asisten a un curso de
Formación General de la UVM. Mientras que, en el escenario no experimental, interesa comparar el rendimiento
promedio entre hombres y mujeres de los alumnos que asisten a un curso de Formación General de la UVM.

Por otro lado, desde el punto de vista de los métodos para el análisis de la información, existen diferentes
maneras de clasificar los estudios científicos. Estos son; (1) el descriptivo, (2) longitudinal, (3) transversal y
(4) inferencial. La Tabla xx muestra ejemplos y la descripción para cada uno de los tipos de estudios como
métodos en el análisis de datos.

Tabla 4: Descripción y ejemplos de tipos de estudio

Estudio ¿a qué se refiere? Ejemplo ¿qué pretende?

Los datos provienen de Gasto medio semanal en Describir la población
Descriptivo TODA LA POBLACIÓN transporte de todos los respecto al fenómeno
(Censo). alumnos de la UVM. bajo estudio.
Los datos provienen de Gasto medio semanal en Inferir hacia la población
una muestra aleatoria transporte considerando respecto al gasto medio
Inferencial (muestra representativa). una muestra poblacional.
representativa de los
alumnos de la UVM.
Se realiza en un Gasto medio semanal Describir o inferir la
momento específico del (3ra semana de marzo) población respecto gasto
Transversal tiempo. en transporte de todos medio en transporte sin
(o una parte) los alumnos repetirlo en el tiempo.
de la UVM.
Se recolectan los datos Gasto medio semanal Describir o inferir la
en diferentes instantes (3ra semana de marzo) población para realizar
del tiempo. en transporte de todos comparaciones o
Longitudinal
(o una parte) los alumnos evaluaciones temporales
de la UVM cada año. del gastos medio en
transporte.

11
 1.5. El diseño de muestreo y la muestra representativa

El diseño de muestreo es un proceso relacionado con el proceso de inferencia estadística, el cual permite
sistematizar el ¿cómo? se debe extraer la muestra representativa y ¿cuántas? unidades de muestreo es
adecuado seleccionar de manera aleatoria (ver Figura 6). La primera etapa de un diseño de muestreo es definir
la población bajo estudio o de interés. La población bajo estudio es el conjunto de elementos u objetos los
cuales presentan la información buscada por el investigador. Una manera de poder definir la población bajo
estudio es identificar; (1) la unidad de observación (o elemental), la cual es el elemento o conjunto de ellos
sobre los cuales se realiza una medición (obtiene la información), (2) unidad de muestreo es la unidad donde
se selecciona la muestra, (3) extensión se refiere a determinar los límites geográficos de la investigación y (4)
tiempo se refiere al lapso de tiempo que se va a realizar la investigación.

Ejemplo

a) Rendimiento académico de los alumnos que asisten a los colegios de la comuna de Valparaíso durante el
segundo semestre de 2018.

Unidad de observación: alumnos → la medición del rendimiento es sobre los alumnos.

Unidad de muestreo: colegios → la unidad que se puede extraer de la población para obtener la información
son los colegios
Extensión: comuna de Valparaíso → dónde
Tiempo: Segundo semestre de 2018 → cuándo

b) Puntaje SIMCE de los alumnos que cursan cuarto básico en los establecimientos municipalizados de Santiago
durante el año 2018.

Unidad de observación: alumnos → la medición de aprendizaje de contenidos mínimos es sobre los alumnos
Unidad de muestreo: colegios → la unidad que se puede extraer de la población para obtener los puntajes
SIMCE son los establecimientos municipalizados.
Extensión: Santiago → dónde
Tiempo: 2018 → cuándo

c) Asistencia promedio de los alumnos que cursan la carrera de pedagogía en la UVM durante el primer
semestre de 2018.

Unidad de observación: alumnos → la medición de la asistencia a clases es sobre los alumnos

Unidad de muestreo: alumnos → la unidad que se puede extraer de la población para obtener la asistencia
son los alumnos (coincide con la unidad de observación)
Extensión: Viña del Mar → dónde
Tiempo: 2018 → cuándo
Observación: a veces la unidad de observación coincide con la unidad de muestreo

12
 Figura 6: Proceso del diseño de muestreo

La segunda etapa del diseño de muestreo es identificar el marco de muestreo este se define como el conjunto
de instrucciones que permite identificar y enumerar las unidades de muestreo (u observación en caso de
coincidir) para su posterior selección.

Ejemplos

a) Lista de números telefónicos de alumnos de la UVM

b) Lista de hogares de una manzana
c) Lista de colegios de la comuna de Viña del Mar

La tercera etapa del diseño de muestreo es seleccionar la técnica de muestreo según el tipo de investigación
a realizar. En particular, en los estudios inferenciales se requiere seleccionar una muestra que represente a la
población bajo estudio, es decir se requiere seleccionar de manera aleatoria las unidades de muestreo. Existen
varios tipos de muestreos probabilísticos entre los más conocidos están; (1) el muestreo aleatorio simple, (2)
muestreo estratificado y (3) muestreo sistemático.

Ejemplo

a) Muestreo aleatorio simple: cada elemento de la población tiene la misma probabilidad de ser seleccionada.
Un profesor de un curso de FG quiere conocer el rendimiento de sus alumnos, como este curso es muy popular
el número de alumnos en él es de aproximadamente 100. Debido a que el profesor no puede evaluar a todos
los alumnos un mismo día el procede a seleccionar una muestra de tamaño 40 de forma aleatoria de modo
que todos los alumnos que componen la población bajo estudio tienen el mismo chance de ser seleccionados.

b) Muestreo estratificado: Consta de dos etapas, la primera define los estratos (heterogéneos) y la segunda
selecciona cada elemento con igual probabilidad en cada estrato.

El mismo profesor anterior desea evaluar el rendimiento de sus alumnos, pero tiene una sospecha de que a las
mujeres les va mejor que a los hombres. Para poder probar sus sospechas necesita seleccionar aleatoriamente
una muestra de tamaño 20 de mujeres y una muestra de tamaño 20 de hombres.

c) Muestreo sistemático: Consta en seleccionar aleatoriamente un punto de partida en una lista y luego se
elige cada “k” elementos hasta completar la muestra requerida.

13
El profesor anterior recordó que él tiene acceso al marco de muestreo (la lista de los alumnos) entonces de
manera aleatoria seleccionó como número de partida el alumno número 38 y cada 10 alumnos (k) seleccionaba
un alumno hasta completar la muestra de tamaño 40.

Las técnicas de muestreos no probabilísticas no permiten hacer conclusiones desde la muestra a la población,
ya que los resultados obtenidos sólo son referidos a la muestra analizada6 .

Figura 6: Tipos de muestreos según proceso probabilístico y no probabilístico

La tercera etapa del diseño de muestreo es determinar o calcular el tamaño de muestra esta depende de
las fórmulas establecidas en base al tipo de muestreo y el estadístico que se desea estimar, para profundizar
respecto a cómo es el proceso de calcular la muestra se recomienda leer (Cochran, 1991). Por ejemplo, para el
muestreo aleatorio simple existen fórmulas para calcular el tamaño de muestra para estimar la media muestral
y para estimar la proporción muestral. La forma de seleccionar la muestra aleatoria se puede hacer a través de
tablas de números aleatorios, calculadora o programa computacional. Lugo, una vez establecidos el diseño de
muestro se procede a la ejecución del mismo.

Nota: Estos apuntes fueron construidos usando distintos capítulos de libros entre los cuales se
recogen conceptos y definiciones de (Wayne, 2002), (Villarroel del Pino, 2013) (Caro Martín, 2005)

6
Conveniencia: el investigador selecciona de forma conveniente la unidad de muestreo, Juicio: las unidades
de muestreo son seleccionadas en base al juicio del investigador y Bola de nieve: el investigador selecciona
de manera aleatoria un conjunto de unidades muestrales, luego las unidades muestrales le recomiendan otras
unidades muestrales para ser seleccionadas, Fuente: http://www.sc.ehu.es/plwlumuj/ebalECTS/praktikak/
muestreo.pdf

14
 1.6. Caso de estudio (analizado en clases presenciales)

El Gobierno Regional está solicitando a un grupo de investigadores la construcción de un instrumento que

permita implementar lineamientos de políticas públicas en educación. El concepto que desean medir es el
de la inclusión social en educación y para esto han puesto a disposición de los investigadores un conjunto
de indicadores sociales relacionados con la educación. Suponga se ha levantado una encuesta para obtener
estos indicadores sociales. Un primer pilotaje se llevará a cabo en la comuna de Valparaíso durante el primer
semestre de 2018 considerando, en primera instancia los alumnos de cuarto básico de establecimientos
municipalizados.

• Identificar la población bajo estudio.

• Identificar la unidad de observación y la unidad de muestreo.
• Proponga un marco de muestreo.
• Si este estudio se realiza entre los años 2018 y 2022 ¿Cuál tipo de estudio es? Justifique.
• Si los investigadores no pueden acceder a toda la población bajo estudio y sólo acceden a una muestra
representativa ¿Cuál tipo de estudio es?.
• Proponga una técnica de muestreo para tener acceso a la muestra. Justifique.
• Clasifique las variables de interés presentadas en la Tabla 1.

Tabla 1: Indicadores sociales (variables) para medir la inclusión social de los establecimientos municipalizados

Escala de Orden de
Indicadores sociales (variables) Naturaleza Número variables
medición ocurrencia
Número de docentes con
certificación en inclusión,
respecto al total de docentes por
establecimiento municipalizado
Promedio del rendimiento en
matemática de alumnos de cuarto
básico por cada establecimiento
Promedio del puntaje SIMCE
lenguaje de mujeres de cuarto
básico en cada establecimiento
Promedio del puntaje SIMCE
lenguaje de hombres de cuarto
básico en cada establecimiento
Número de alumnos por docente en
cada establecimiento
Número de matrícula en
establecimientos municipalizados
respecto al total de la población de
niños en edad escolar (número/ año
2012)

15
 Bibliografía

• Caro Martín, A. (2005). Estadística básica y aplicada. Valparaíso.

• Cochran, W. (1991). Técnicas de muestreo. México: Compañía Continental.

• Villarroel del Pino, L. A. (2013). Métodos Bioestadísticos. Santiago: Universidad Católica de Chile.

• Wayne, D. (2002). Bioestadística. México: Limusa.

16