TÉCNICAS DE INVESTIGACIÓN JOSÉ CHICCHI PEÑARANDA .

Tema 2 FUNDAMENTOS DE MUESTREO

2.1. MUESTRA O CENSO. El objetivo de la mayor parte de los proyectos de investigación

es obtener información sobre las variables, características o parámetros de una
población.
POBLACIÓN O UNIVERSO es el conjunto de todos los elementos que poseen alguna
característica común observable y que forman el universo para el propósito del problema
de la investigación. Es indispensable delimitar muy bien la población, cada investigación,
cada problema en particular por solucionar, tiene su respectiva población. Por lo regular,
los parámetros de la población son números o cualidades. La información sobre los
parámetros de la población puede obtenerse por medio de un censo o una muestra.
CENSO comprende un recuento completo de los elementos de una población.
MUESTRA es una parte o subconjunto de la población que se selecciona para participar
en el estudio. Las características de la muestra, llamadas estadísticas, se utilizan para
hacer inferencias sobre los parámetros de la población.
MUESTREO. Es un proceso por el cual se selecciona una parte del contenido total,
universo o población, para efectuar un estudio sobre cualquier variable y luego inferir que
la variable se repita o no en el total de los elementos. El muestreo se realiza
fundamentalmente cuando no se puede acceder a la población completa, en caso que se
presenta dificultades como: limitaciones económicas, temporal y otros.
Cuando se superan las limitaciones referidas, no es necesario muestrear, es preferible
disponer de datos censales. En este caso la población se denomina simplemente grupo
de estudio o grupo censal.

2.2. EL PROCESO DE DISEÑO DE LA MUESTRA. El proceso de diseño de la muestra

incluye cinco pasos:
1) Definir la población.
2) Determinar el marco poblacional
3) Determinar el tamaño de la muestra 4) Seleccionar la(s) técnica(s) de
muestreo 5) Seleccionar la muestra.

Estos pasos están estrechamente interrelacionados y son relevantes para todos los
aspectos del proyecto de investigación, desde la definición del problema hasta la
presentación de losresultados.

2.2.1. DEFINICIÓN DE LA POBLACIÓN. El diseño de la muestra empieza con la

especificación de la población. La población, como se dijo anteriormente, es el conjunto
de elementos u objetos que poseen la información que busca el investigador y sobre los
que beben hacerse las inferencias. La población debe definirse con precisión. La
definición inexacta de la población dará como resultado una investigación ineficaz en el
mejor de los casos y engañosa en el peor. La definición de la población comprende la
traducción de la definición del problema a una afirmación exacta sobre quién debe
incluirse en la muestra y quién no. La población designada adecuadamente debe definirse
en cuanto a elementos, unidades de muestra, alcance y tiempo.

Un elemento es la unidad acerca de la cual se solicita información, los elementos más

comunes en la investigación puede ser las personas, familias, vivienda, zonas. Manzanas.

1
TÉCNICAS DE INVESTIGACIÓN JOSÉ CHICCHI PEÑARANDA .

Instituciones, empresas, etc. En la investigación con encuestas, por lo regular el elemento

es el entrevistado. Una unidad de muestra es el elemento o elementos que se
encuentran disponible para su selección en alguna etapa de proceso.
En el proceso de una sola etapa las unidades de muestreo y las unidades son lo mismo.
La selección de unidad de muestreo consiste en definir un grupo del cual sea posible
obtener la muestra deseada y las características en el estudio. El alcance se refiere a los
límites geográficos y el factor tiempo es el periodo a consideración.

2.2.2. DETERMINACIÓN DEL MARCO POBLACIONAL. El marco de la muestra o

poblacional es la lista de todas las unidades de muestreo de la población. La muestra
real se toma de esa lista. Puede ser una lista de clase, una lista de votantes, una lista de
empleados, o un mapa.
2.2.3. DETERMINACIÓN DEL TAMAÑO DE LA MUESTRA. El tamaño de la muestra se
refiere al número de elementos que se incluye en el estudio Se ha señalado en el punto
anterior que una de las condiciones esenciales de la muestra es que constituya una
porción de la población o universo. Sin embargo, no basta cualquier parte del universo
para formar una muestra, sino que ésta ha de constar de un número suficiente de
elementos elegidos al azar tal que proporcione una seguridad estadística de que los
resultados que se obtengan de ella pueden, dentro de límites estimados, representar
realmente a la población. Esto significa que el tamaño de una muestra ha de alcanzar
determinadas proporciones mínimas, fijadas estadísticamente, según las leyes
experimentales de la probabilidad. Pero, por otra parte, las necesidades prácticas de
ahorro de tiempo, costo y esfuerzos aconsejan que el tamaño de muestra no exceda este
límite mínimo marcado por la estadística.

En estas razones se funda la importancia o más bien necesidad que tiene el investigador
o cualquier profesional en su campo de conocer la forma de calcular los límites mínimos
del tamaño de una muestra no sólo para que los resultados que se obtengan en la
encuesta ofrezcan las debidas garantías de poder ser aplicados y extendidos al universo
objeto de estudio, sino también para tener la seguridad de que la muestra es lo más
reducida posible dentro de los niveles de seguridad y exactitud propuestos.

El tamaño de la muestra y también su cálculo depende de cuatro factores o elementos

siguientes:
a) La amplitud de la población infinito o finito
b) El nivel de confianza adoptado
c) El error de estimación permitido
d) La proporción en que se encuentra en la población la característica estudiada.
a) Según la amplitud, el universo de la muestra se divide en infinito y finito. Se
consideran finitos los que no pasan de la cifra de 50.000 unidades e infinitos los que
exceden de esta cantidad. Esta distinción es importante para determinar el tamaño de la
muestra pues las fórmulas son distintas en cada caso. El hecho de que se estime un
universo como infinito supone que su amplitud no influya para nada en la fórmula a
aplicar, al contrario, al que ocurre en los universos finitos que dependen de ella.

b) Nivel de confianza, las pruebas empíricas realizadas muestran que la distribución

en el universo de cualquier información recogida en una muestra se ajusta por lo general
a la ley normal de probabilidad con unos valores centrales y medios elevados y unos
valores extremos reducidos, y adopta, por tanto, la forma de una curva de campana de

2
TÉCNICAS DE INVESTIGACIÓN JOSÉ CHICCHI PEÑARANDA .

Gauss. Supuesto esto, el nivel de confianza no es otra cosa que la porción del área de
esta curva de distribución estadística normal del universo que se piensa abarcar. El nivel
de confianza que normalmente se estima suficiente en las investigaciones y el más
generalmente usado es el de 2 sigma, que abarca el 95,44% del área de la curva normal
e indica que existe una probabilidad de 955 por 1000 de cualquier resultado obtenido en
la muestra es válido para el universo en principio. También se emplea, cuando se quiere
lograr una mayor seguridad, el nivel de confianza de 3 sigma que abarca y proporciona
una probabilidad del 99,74% del área de dicha curva. En algunas ocasiones, también se
emplea el nivel de confianza de 1 sigma, que abarca el 68,26% del área de la curva
normal.

c) Error de estimación, los resultados de las muestras no pueden ser rigurosamente

exactos en relación con el universo que pretenden representar, y siempre supone un error
de medida menor o mayor. Este error disminuye, como es obvio, con la amplitud de la
muestra. El máximo error de este tipo que se suele considerar admisible en las
investigaciones es del 7% Como de este error depende el tamaño de la muestra, para
determinar éste se debe decidir previamente el error que se estima admisible. Puede ser
establecido a criterio subjetivo del investigador, con la única condición de que sea un
valor pequeño, preferiblemente, como se dijo anteriormente, menor a 7%. Cuanto mayor
exactitud se pretenda y, por tanto, un error menor, el tamaño de la muestra tendrá que ser
mayor.

d) Las proporciones, el cuarto elemento del que depende el tamaño de la muestra es

el tanto por ciento, p y q que expresan la extensión estimada y no estimada en el
universo de la característica sobre la que se desea obtener información, en otras
palabras, es el acierto (p) y el fracaso (q) de la característica objeto de investigación.
Para determinar la probabilidad de que el evento ocurra (p) y la probabilidad de que el
evento no curra (q) se puede determinar de tres maneras.
Caso 1. Si se cuenta con estudios anteriores similares al que se está realizando, se
procede a sacar estos valores de dicha investigación.
Caso 2. Si no se cuenta con investigaciones anteriores, se puede optar por realizar una
encuesta piloto, de pequeño tamaño del total de la población con una sola pregunta
relacionada con el problema a investigar y su alternativa de respuesta dicotómica de SI o
NO. Donde la respuesta SI corresponde a los aciertos (p) y la respuesta NO corresponde
a los fracasos (q). De esta manera calcular valores aproximados de p y de q.

Siendo = total de elementos que en la muestra piloto poseen la característica de interés.

Caso 3. Cuando no se cuenta con investigaciones anteriores y tampoco se desea sacar

una muestra piloto, entonces se les asigna a las proporciones los siguientes valores:

Bajo esta circunstancia se supone que el 50% de los elementos poseen la característica
de interés y el otro 50% no poseen, la única ventaja de esta asignación es que se está
siendo totalmente imparcial, motivo por el cual se ha aceptado este criterio para trabajar,
sin embargo, nadie puede asegurar que esto siempre ocurra o sea una realidad.

3
TÉCNICAS DE INVESTIGACIÓN JOSÉ CHICCHI PEÑARANDA .

Las proporciones de p y de q, deben sumar al 100% o a la unidad, es decir p + q = 100%

o 1.

Las fórmulas a empelarse para hallar el tamaño de las muestras dependen de la

amplitud de la población finita o infinita.

I) Cuando la amplitud de la población es finita (menores o iguales a 50.000), se

utiliza la siguiente fórmula:

Z2N pq

n= E2(N−1)+Z2pq o

Donde: n = tamaño de la muestra

Z = Nivel de confianza elegido (expresado en desviaciones estándar),
Por ejemplo: Z =95%, entonces: 95%/2 = 47,50/100 = 0,4750 vamos a la tabla
de área bajo la curva normal tipificada de 0 a Z y hallamos su
valor correspondiente que es 1+0,96= 1,96
N = Población (universo a investigar)
p = Probabilidad de que el evento ocurra (expresado por unidad)
Por ejemplo: p = 80%/100 = 0,80
q = Probabilidad de que el evento no ocurra. Por ejemplo: (p + q = 100%)
q =100% - 80% = 20%/100 = 0,20
E = Error de estimación (máximo error permisible por unidad), Por
ejemplo: 5%/100 = 0,05

II) Cuando la amplitud de la población es infinita (mayores a 50.000), se utiliza la

siguiente fórmula:

Z2 pq
n= E2

2.2.4. SELECCIÓN DE LA(S) TÉCNICA(S) DE MUESTREO. Es tomar unos parámetros

especiales que permitan seleccionar una muestra de acuerdo con las necesidades y
deseos del investigador, pero con criterio de selección. Entre los que se encuentran: si
utilizar un muestreo probabilidad o no probabilidad.

EJECUCIÓN DEL PROCESO DE MUESTREO. La ejecución del proceso de muestreo

requiere de una especificación detallada de la forma en que se ponen en práctica las
decisiones del diseño de la muestra respecto a la población meta, el marco de la
población, la unidad de muestra, la técnica de muestreo y el tamaño de la muestra.
TIPOS DE MUESTREO. - Como se indicó anteriormente la muestra es una parte o un
subconjunto representativo de la población. Y un muestreo es el proceso de obtener la
muestra, es decir el proceso de elegir a los elementos de la población para formar el

4
TÉCNICAS DE INVESTIGACIÓN JOSÉ CHICCHI PEÑARANDA .

tamaño de la muestra. En consecuencia, para elegir dichos elementos que conformarán la

muestra, existen básicamente dos tipos de muestreo: el muestreo probabilístico y el
muestreo no probabilístico, que a continuación se estudia.
I. Muestreo probabilístico. – Un muestreo probabilístico se caracteriza porque todas las
unidades de observación de la población finita tienen la misma posibilidad de ser
seleccionada para conformar la muestra. Es decir, es aquellas en que cada individuo de la
población tiene una probabilidad perfectamente conocida de ser incluida en la muestra.

La elección de una muestra probabilística requiere dos condiciones

fundamentales:
Primero. Es esencial que la probabilidad de elegir cada individuo sea perfectamente
conocida, pues si no lo es, no será posible calcular errores que puedan cometerse al
hacer su elección.
Segundo. Es indispensable que los individuos se elijan al azar, sin permitir la intervención
de ningún factor que favorezca la elección de unos en detrimento de los otros.

Los métodos para la obtención de una muestra probabilística básicamente son dos para
seleccionar una buena muestra:

a) Método por sorteo, esta técnica se utiliza cuando la población es homogénea y

consiste en colocar en un recipiente fichas con los nombres de todos los integrantes de la
población (marco poblacional) que se va estudiar y después de removerlos bien, se
extrae tantas fichas como individuos se quiera obtener.

b) Método de números aleatorios, consiste en obtener los elementos de la muestra a

través de la tabla de números aleatorios. La tabla de números aleatorios está formada por
una serie de dígitos generados en forma aleatoria y en listados en la sucesión en que se
generaron los dígitos. Ya que cada dígito o sucesión de ellos en la tabla es aleatorio, se
puede usar la tabla y leerla en sentido horizontal o vertical. Los dígitos en sí están
agrupados en sucesión de cinco dígitos con a la única finalidad de facilitar la observación
de la tabla.

Tipos de muestras probabilísticas. - Dentro de esta modalidad de muestreo existe una

gran variedad de muestreos, de los cuales sólo mencionaremos los más conocidos. Los
principales son:

A) Muestreo aleatorio simple. Esta técnica se utiliza cuando la población es

homogénea. El tipo más común de procedimiento de muestreo probabilístico es el
muestreo aleatorio simple. Aquí, cada miembro de la población tiene una probabilidad
igual e independiente de ser seleccionado como parte de la muestra. Las palabras clave
aquí son igual e independiente. Igual, porque no existe alguna predisposición a escoger
una persona en lugar de otra. Independiente porque el hecho de escoger una persona no
predispone al investigador a favor o en contra de escoger otra persona dada.

El proceso de muestreo aleatorio simple consta de cuatro pasos.

1. Definir la población de la cual se desea seleccionar una muestra (N).
2. Listar todos los miembros de la población (marco poblacional).
3. Asignar números a cada miembro de la población
4. Determinar el tamaño de la muestra (n)

5
TÉCNICAS DE INVESTIGACIÓN JOSÉ CHICCHI PEÑARANDA .

5. Utilizar la tabla de números aleatorios

6. Aplicar un criterio para seleccionar la muestra deseada

EJEMPLO, suponiendo que el tema de estudio son las actitudes hacia el aborto, a
continuación, se muestra una lista de 50 nombres, que sería la población, a los que ya se
han asignado números (pasos 1,2,3,4) No es una población muy grande pero sí excelente
para fines ilustrativos. De esta población seleccionamos una muestra de 15 individuos
utilizando una tabla de números aleatorios. Indicaremos como funciona esto.

He aquí un grupo de 50 nombres que constituye una población para nuestro ejemplo

1. Juana 11. Alfredo 21. Patricia 31. Teresa 41. José

2. Fernando 12. Maria 22. Claudia 32. Julieta 42. Inés
3. Esteban 13. Carlos 23. Ricardo 33. Manuel 43. Ana
4. Ángel 14. Amparo 24. Rodolfo 34. Javier 44. Luis
5. Roxana 15. Oscar 25. Enrique 35. Jorge 45. Sara
6. Daniel 16. Bruno 26. Jaime 36. Gema 46. Carla
7. Roberto 17. Celia 27. Miguel 37. Lorenzo 47. Pedro
8. Susana 18. Donato 28. Eduardo 38. Alicia 48. Marco
9. Leonardo 19. Juan 29. Raúl 39. Ramón 49. Víctor
10. Hugo 20. Andrés 30. Alberto 40. David 50. Martha

Una tabla de números aleatorios es un criterio magnífico. En la siguiente tabla se

muestra los números aleatorios con cinco dígitos

Tabla parcial de números aleatorios

90361 18749 09874 87500 15423 00986

00886 86407 76530 06395 52983 22886
91174 76492 42110 53481 34373 76530
43762 43276 52431 76354 25438 98402
15437 53764 17521 35421 08745 76301

97642 87460 76351 00274 87309 93651

51902 27002 93761 16529 62381 17643
65391 01836 16532 65311 87001 65341
15431 86731 63541 54238 65394 08360
03710 18730 87365 65140 00811 54128

Teniendo lo anterior en mente, seleccionamos un grupo de 15 nombres, que

corresponde al tamaño de la muestra, utilizando la tabla de números aleatorios.
Para ello se sigue los siguientes pasos.

1) Escoja un punto de partida en algún lugar de la tabla cerrando los ojos y

colocando un dedo (o la punta de un lápiz) en cualquier parte de la tabla. Al seleccionar el
punto de partida de este modo aseguramos que no se escogerá algún punto de partida
específico.

6
TÉCNICAS DE INVESTIGACIÓN JOSÉ CHICCHI PEÑARANDA .

Para el ejemplo, el punto de partida fue la segunda columna de números, en la tercera

fila (76492); la punta de lápiz quedó en el primer dígito, el número 7.

2) El primer número de los dígitos, entonces es 76 (en negritas de la tabla). Puesto

que la población llega hasta 50, y no existe un nombre en el lugar 76, pasamos por alto
este número y consideramos el siguiente número de dígitos, leyendo hacia abajo.

90361 18749 09874 87500 15423 00986

00886 86407 76530 06395 52983 22886
91174 76492 42110 53481 34373 76530
43762 43276 52431 76354 25438 98402
15437 53764 17521 35421 08745 76301

97642 87460 76351 00274 87309 93651

51902 27002 93761 16529 62381 17643
65391 01836 16532 65311 87001 65341
15431 86731 63541 54238 65394 08360
03710 18730 87365 65140 00811 54128

3) Ese siguiente número es el 43, entonces la persona 43 de la lista es Ana, y ella se

convierte en la primera de la muestra de 15 miembros.

4) Si seguimos seleccionando números de dos dígitos hasta haber hallado 15 valores

entre 01 y 50, habremos seleccionado los nombres de la tabla que corresponden a los
números que aparecen en negritas en la siguiente tabla. He aquí un desglose de cuáles
números funcionaron y cuáles no para los fines de escoger una muestra aleatoria de 15
personas de la población de 50.

➢ Leyendo hacia abajo en la segunda columna de números de dos dígitos 53 y 87

están fuera del intervalo de 01 a 50.
➢ 27 y 01 están bien porque queda dentro del intervalo de 01 a 50.
➢ 86 no está dentro del intervalo,
➢ 18 sí,
➢ Como no podemos bajar más en la tabla, pasamos a la siguiente columna y
leemos hacia abajo esta 74 está fuera de 01 a 50, luego seleccionamos 40.
➢ Así sucesivamente seleccionamos los números de dos dígitos hasta completar las
15 personas.

90361 18749 09874 87500 15423 00986

00886 86407 76530 06395 52983 22886
91174 76492 42110 53481 34373 76530
43762 43276 52431 76354 25438 98402
15437 53764 17521 35421 08745 76301

97642 87460 76351 00274 87309 93651

51902 27002 93761 16529 62381 17643
65391 01836 16532 65311 87001 65341
15431 86731 63541 54238 65394 08360
03710 18730 87365 65140 00811 54128

7
TÉCNICAS DE INVESTIGACIÓN JOSÉ CHICCHI PEÑARANDA .

Aquí están las 15 personas

Número Nombre Número Nombre

1) 43 Ana 9) 42 Inés
2) 27 Miguel 10) 17 Celia
3) 01 Juana 11) 16 Bruno
4) 18 Donato 12) 11 Alfredo
5) 40 David 13) 35 Jorge
6) 49 Víctor 14) 36 Gema
7) 46 Carla 15) 06 Daniel
8) 09 Leonardo

Ahora se tiene una muestra de quince nombres de una población de 50, seleccionados
totalmente al azar. Esta es la forma de realizar un muestreo aleatorio simple.

B) Muestreo aleatorio sistemático. – Esta técnica se utiliza en poblaciones homogénea.

Es una primera modificación del muestreo aleatorio simple en la que la selección es
sistemática y se procede a:
1. Definir el tamaño de la población (N)
2. Listar todos los miembros de la población (marco poblacional).
3. Asignar números a cada miembro de la población
4. Determinar el tamaño de la muestra (n)
5. Estimar la constante de distribución (k) que se determina por:
N
k= kεZ
n
Este número “k” indicará si cada k-ésimo elemento de la población va han ser incluida en
la muestra.
6. Sortear los “k” primeros números para obtener el número “C”.
7. Ese primer elemento es” C” para luego colectar los códigos.

C, C+k, C+2k, C+3k, …, C + (n-1) k. (en caso que falte, se elige otro elemento al azar)

EJEMPLO, cómo se usaría un muestreo sistemático para escoger 15 nombres de la lista

de 50 nombres del ejemplo anterior realizadas, los pasos (1,2,3,4)

N 50
5) Encontramos el intervalo k= = = 3,33  3, esto quiere decir que de cada 3
n 15
se estudiará uno.

6) Como punto de partida o primer elemento, se escoge un nombre de la lista al azar.

Esto se lo realiza usando el método de apuntar con los ojos cerrados o escoger un
número al azar entre 1, 2 y 3 el cual indicará la primera persona que se va a estudiar.
Y completamos la lista cada tercera persona. Supongamos que el número escogido es

8
TÉCNICAS DE INVESTIGACIÓN JOSÉ CHICCHI PEÑARANDA .

2, C = 2, luego los elementos serían 2, 2+k, 2+2k, 2+3k, 2+4k, 2+5k, 2+6k, 2+7k, 2+8k,
2+9k, 2+10k, 2+11k, 2+12k, 2+13k, 2+14k.
Sustituyendo k = 3, se tiene a los elegidos

2, 5, 8, 11, 14, 17, 20, 23, 26, 29, 32, 35, 38, 41, 44.

7) Una vez determinado el punto de partida o el primer elemento, se selecciona cada

tercer nombre. Así, para el ejemplo:

1) 2 corresponde a Fernando,
2) 5 a Roxana, 10) 29 a Raúl
3) 8 a Susana, 11) 32 a Julieta
4) 11 a Alfredo, 12) 35 a Jorge
5) 14 a Amparo, 13) 38 a Alicia
6) 17 a Celia, 14) 41 a José 7) 20 a Andrés, 15) 44 a Luis
8) 23 a Ricardo, 9) 26 a Jaime,
Con los que se tiene a las 15 personas a ser estudiadas.

El muestreo sistemático es más fácil y menos problemático que el simple, y ésta es la

razón por la que muchas veces prefieren los investigadores. El muestreo sistemático
también es un poco menos deseable. Puesto que se viola el supuesto de que cada
miembro de la población tiene la misma probabilidad de ser seleccionado. Por ejemplo,
dado que el primer elemento seleccionado fue Fernando (nº2), sería imposible seleccionar
a Esteban (nº3).

C) Muestreo estratificado. – Esta técnica se utiliza cuando la población es heterogénea.

El proceso de estratificación consiste en dividir la población en subgrupos o estrato, que
son más homogéneos que la población como un todo, es decir, estratificar una población
es dividir en k subgrupos denominados estratos tal que cada subgrupo se selecciona una
muestra aleatoria simple o sistemático de modo que:

Existen dos razones importantes para utilizar la estratificación: controlar la

representatividad de la muestra y permitir la aplicación de procedimientos de selección
diferentes en los distintos estratos.

El número de elementos seleccionados de cada estrato puede ser proporcional o

desproporcionado al tamaño del estrato en relación con la población.

En un plan de muestreo estratificado proporcional, el número de unidades extraídas de

cada estrato es proporcional al tamaño de este y se procede a:
1. Definir la población (N)
2. Estimar los tamaños de cada estrato (N1, N2, N3, …, Ni)
3. Determinar el tamaño de la muestra (n).
4. Hallar el factor de distribución (F).

FεQ
5. Multiplicar el valor de “F” por cada tamaño de estrato para determinar las cuotas
correspondientes.

9
TÉCNICAS DE INVESTIGACIÓN JOSÉ CHICCHI PEÑARANDA .

6. Las unidades de observación de cada estrato se selecciona utilizando cualquier de las

técnicas anteriores.

EJEMPLO, considerando el ejemplo anterior de la lista de 50 nombres representa una

población estratificada (hombres y mujeres), y que el tema de estudio son las actitudes
hacia el aborto. Puesto que las diferencias de sexo o género podrían ser importantes,
usted quiere una muestra que refleje las diferencias de género de la población. La lista de
50 nombres consiste en 17 mujeres y 33 hombres.

MUJERES HOMBRES
1. Juana 1. Fernando 18. Jaime
2. Roxana 2. Esteban 19. Miguel
3. Susana 3. Ángel 20. Eduardo
4. María 4. Daniel 21. Raúl
5. Amparo 5. Roberto 22. Albero
6. Celia 6. Leonardo 23. Manuel
7. Patricia 7. Hugo 24. Javier
8. Claudia 8. Alfredo 25. Jorge
9. Teresa 9. Carlos 26. Lorenzo
10. Julieta 10. Oscar 27. Ramón
11. Gema 11. Bruno 28. David
12. Alicia 12. Donato 29. José
13. Inés 13. Juan 30. Luís
14. Ana 14. Andrés 31. Pedro
15. Sara 15. Ricardo 32. Marco
16. Carla 16. Rodolfo 33. Víctor
17. Martha 17. Enrique

Realizadas los pasos (1,2,3)

Pasos 4,5 y 6. Se tiene la siguiente tabla:

Estrato Ni NixF Muestra

Sexo
Mujeres 17 17(0,30) 5
Hombres 33 33(0,30) 10
Total 50 15

Hallar el factor de distribución

FεQ

Multiplicar el valor de F por cada tamaño del estrato para determinar las cuotas
respectivas, como se observa en la tabla anterior.

10
TÉCNICAS DE INVESTIGACIÓN JOSÉ CHICCHI PEÑARANDA .

También se puede calcular obteniendo el porcentaje de cada estrato, como se muestra a

continuación:

Estrato Ni Hi=Ni/50 Hixn Muestra

Sexo
Mujeres 17 0,34 0,34x15 5
Hombres 33 0,66 0,66x15 10
Total 50 1 15

Se tiene como en el anterior 5 mujeres y 10 hombres

La muestra de 15 deberá reflejar esa distribución y tener 5 mujeres y 10 hombres. He aquí

cómo se seleccionaría semejante muestra utilizando muestreo aleatorio estratificado.
1. Las mujeres y los hombres se listan por separado.
2. Cada miembro de cada grupo recibe un número. En este caso, las mujeres se
numerarían del 01 al 17 y los hombres del 01 al 33.
3. Usando una tabla de números aleatorios, se seleccionan 5 mujeres al azar de
la lista de 17.
4. Usando un atabla de números aleatorios, se seleccionan 10 hombres al azar
de la lista de 33.

Aunque podrían presentarse ejemplos sencillos (con un solo estrato) como éste,
en muchos casos será necesario estratificar según más de una variable.

Indistintamente, la estratificación se puede hacer conforme a categorías de edad,

sexo, ingreso, clase social, ocupación o a partir de cualquier otra cosa que tenga que ver
con la materia de encuesta. En estas muestras estratificadas aleatorias, la selección se
hace dentro de cada estrato por separado, usando un procedimiento aleatorio. Por
consiguiente, dentro de los estratos cada unidad tiene la misma probabilidad conocida de
ser seleccionada. Muchas veces la selección de los estratos es una tarea difícil, ya que
estos no siempre es posible organizarlos. En todo caso facilitará esta tarea el análisis de
la propia naturaleza del problema.

D) Muestreo por conglomerados o de conjunto. - Consiste en dividir la población en

subgrupos heterogéneos representativos de la población global. Idealmente, cada
conglomerado debe ser encarado como una mini población. En este tipo de muestreo,
cada unidad de muestreo está integrada por grupos de elementos (conglomerados) y no
por los individuos que forman parte de la población. Hay que recordar que una población
está compuesta por un conjunto de grupos, cada uno de los cuales tiene más de una
unidad de la población. Muchos de estos conglomerados pueden ser artificiales o
naturales, según sean elaborados por los investigadores o en su defecto, existan en la
población investigada. Aquí la unidad de muestreo la constituyen conglomerados de
unidades o elementos. Por ejemplo, en una comunidad se pueden constituir en
conglomerados, las manzanas, los barrios, las unidades residenciales, zonas, áreas
geográficas, etc., pero ellos pueden haberse distribuido en forma natural o en su defecto,
arbitrariamente establecidos, de acuerdo con criterios lógicos o a procedimientos técnicos
previamente establecidos.

11
TÉCNICAS DE INVESTIGACIÓN JOSÉ CHICCHI PEÑARANDA .

Una muestra por conglomerados se obtiene seleccionando aleatoriamente un conjunto de

m colecciones muestrales llamados conglomerados y posteriormente llevando a cabo un
censo en cada uno de los conglomerados. El tamaño m se calcula siguiendo la misma
metodología del cálculo del tamaño de la muestra, con la única diferencia de M es el total
poblacional.

M = número de conglomerados de la población o tamaño poblacional de conglomerados.

m = número de conglomerados de la muestra o tamaño muestral de conglomerados.
ni = número de elementos del i-ésimo conglomera.

El muestreo por conglomerados consiste en elegir aleatoriamente un número de

conglomerados tal que el número de elementos que pertenecen a ellos sea precisamente
el tamaño de la muestra.

II. Muestreo no probabilístico. - La segunda categoría principal del muestreo, es el

muestreo no probabilístico, denominados también no determinístico o no aleatorias,
comprende aquellas en las que se desconoce la probabilidad de escoger un solo
individuo. En este caso, hay que suponer que los miembros en potencia de la muestra no
tienen una probabilidad igual e independiente de ser seleccionados. Es decir, se escoge
arbitrariamente a las personas o a los grupos que investiga, tiene numerosas variantes,
entre los cuales cabe destacar las siguientes:

A) Muestreo por conveniencia. - El muestreo por conveniencia busca obtener una

muestra de elementos convenientes. La selección de las unidades de muestra se deja
principalmente al entrevistador. Con frecuencia, se selecciona a los entrevistados porque
se encuentran en el lugar adecuado en el momento oportuno. Es típico de estas muestras
en entrevistar a cualquier persona que pase por la calle y preguntarle su opinión sobre un
tema determinado, y se utiliza más como un estudio exploratorio que como una muestra
realmente representativa de algo.

B) Muestreo por cuotas. - Se utilizan los datos de los estratos de la población, sexo,
edad, raza, religión u otros aspectos para seleccionar miembros de la población que son
representativos. O sea, es una forma más libre, abierta y no aleatoria del muestreo
estratificado, anteriormente explicado. Se busca que las categorías y las subcategorías
que se selecciones sean parecidas entre sí, aunque no idénticas. Para asegurarse de que
la muestra tendrá las proporcionas idóneas entre los diversos estratos y categorías, se
escogen cuotas que especifiquen qué números de categoría deberá tener la muestra. En
general este tipo de muestra se organiza sobre la base de las cifras, porcentajes o
valores establecidos por los censos, los cuales señalan las proporciones que les
corresponden a cada categoría, grupo, clase o estrato

C) Muestreo por juicio. - Es una forma de muestreo por conveniencia en la que los
elementos de la población se seleccionan con base en el juicio del investigador. Éste, con
su juicio o experiencia, elige los elementos que incluirá en la muestra, porque cree que
son representativos de la población de interés o son de alguna manera apropiados.

D) Muestreo de bola de nieve. - En el muestreo de bola de nieve, se selecciona un

grupo inicial de entrevistados, por lo general en forma aleatoria. Después de la entrevista,

12
TÉCNICAS DE INVESTIGACIÓN JOSÉ CHICCHI PEÑARANDA .

se pide a los participantes que identifiquen a otros que pertenecen a la población meta de
interés, por tanto, los entrevistados subsecuentes se eligen con base en referencias. Este
proceso puede llevarse a cabo en forma progresiva, llevando así a un efecto de bola de
nieve.

Obviamente, en la mayoría de los tipos de investigación se tienen que usar métodos de

muestreo no probabilístico. Por esto a menudo no hay en realidad una selección entre
muestreo probabilístico y muestreo no probabilístico.
2.4. VARIBLE. Los científicos siempre utilizan el concepto de variable para
realizar las investigaciones y comunicar los resultados. La variable son aquellos
atributos, cualidades, características observables que poseen las personas,
objetos, instituciones que expresan magnitudes y asumen diferentes valores; es
cualquier dato que puede variar. Por ejemplo, la edad, las calificaciones, la
inteligencia, el rendimiento laboral, la remuneración, las horas de trabajo, clima
organizacional, motivación entre otros. La variable es antónima de la constante, la
constante no cambia, no varía, se mantiene estable. La variable, por lo contrario,
se cambia, varia y fluctúa entre un rango determinado.

En un tema de investigación, se delimita las principales variables, se revisa la bibliografía

sobre cada una de ellas y se expresa en un problema de investigación, los objetivos y las
hipótesis.

Las variables son todo aquello que va a medir, registrar, controlar y estudiar en une
investigación. Por lo tanto, es importante conocer cuáles son las variables que se va a
medir o registrar y cómo se hará. Es decir, las variables siempre deben ser susceptibles
de medición, registro u observación. Una variable que no puede medirse, registrarse u
observarse, no es una variable científica, sino una variable “metafísica” poco útil para la
ciencia. Si no se puede medirse, registrarse u observarse, no sirve para la investigación.

2.5. CLASES DE VARIABLES. Antes de considerar aspectos relacionados con

la recopilación, descripción y reducción de datos estadísticos, es necesario
distinguir los diversos tipos de variables que se pueden encontrar en los diversos
estudios e investigaciones. Entre los muchos criterios de clasificación, podemos
mencionar tres tipos.

1. Según la naturaleza de la variable.

a) Variables cualitativas. Cuando expresan una cualidad, característica o atributo, tienen

carácter cualitativo, sus datos se expresan mediante una palabra, es no numérico. Por
ejemplo. Estado civil, los colores, lugar de nacimiento, profesiones, actividad económica,
causas de accidente, etc.

Las variables cualitativas pueden ser: dicotómicas y politómicas.

i) Dicotómica. Es cuando sólo pueden tomar dos valores posibles como “si” y no”,
“hombre y mujer”.
ii) Politómicas. Es cuando puede adquirí tres o más valores como: estado civil,
profesión, nacionalidad, color de cabello, etc.

13
TÉCNICAS DE INVESTIGACIÓN JOSÉ CHICCHI PEÑARANDA .

b) Variables cuantitativas. - Cuando el valor de la variable se expresa por una cantidad, es

de carácter numérico. El dato o valor puede resultar de la operación de contar o medir.
Por ejemplo: edad, número de hijos por familia, ingresos, vivienda por centro poblado,
niveles de desempleo, utilidades por empresa, producción, etc.

Las variables cuantitativas pueden ser: discreta y continua.

i). Variable discreta. - Cuando el valor de la variable resulta de la operación de contar,

su valor está representado sólo por números naturales (enteros positivos). Ejemplos: hijos
por familia, número de accidentes por día, trabajadores por empresa, población por
distritos, habitaciones por vivienda, etc.
ii. Variable continua. - Cuando la variable es susceptible de medirse, es toda variable
cuyo valor se obtiene por medición o comparación con una unidad o patrón de
medida. Las variables continuas pueden tener cualquier valor dentro de su rango o
recorrido, por tanto, se expresa por cualquier número real. Ejemplos: área de
parcelas, ingresos monetarios, producción de maíz, peso, estatura, tiempo de servicio,
horas trabadas, niveles de empleo, etc.

2. Según el número de variables

a) Estadísticas unidimensionales. Son las estadísticas de una sola variable, es el

caso de considerar sólo un aspecto del fenómeno estudiado, Ejemplo, clasificar personas
por la edad, vivienda por el número de habitaciones, la estatura de los estudiantes de
Estadística, etc.
b) Estadísticas Bidimensionales. Cuando se considera simultáneamente dos
variables o aspectos en cada elemento del conjunto o fenómeno que se estudia. La
bidimensionalidad requiere que las variables tengan ciertas asociaciones o relación, de
modo que un variable pudiera de alguna manera explicar el comportamiento de la otra.
Por ejemplo, número de hijos según el nivel educativo de la madre, profesores por edad y
tiempo de servicios, producción por años, importaciones anuales, etc.
c) Estadísticas pluridimensionales. Cuando se considera simultáneamente más de
dos variables o aspectos en cada elemento de la población o muestra. La
pluridimensional también supone que entre las variables exista alguna relación o
interdependencia, entre los cuales es posible determinar un variable dependiente y las
otras independientes. Por ejemplo, el consumo según el ingreso y número de personas
por familia; la demanda, el precio y la inversión en la propaganda; el nivel de fecundidad
según la edad, nivel educativo de la madre y área de residencia, etc.

3. Según la relación entre variables

a) Variables dependientes. Son aquellas que se explican por otras variables, son
los efectos o resultados respecto a los cuales hay que buscar su motivo, causas o razón
de ser. Es la variable que traduce la consecuencia del efecto de una o varias razones o
causas.
b) Variables independientes. Son las variables explicativas o predictivas, cuya
asociación, relación o influencia en la variable dependiente se pretende descubrir en la
investigación. Las variables independientes son los que traducen o explican las causas o
razones de las variaciones de la variable dependiente. En otras palabras, en la relación

14
TÉCNICAS DE INVESTIGACIÓN JOSÉ CHICCHI PEÑARANDA .

de variables, las causas o antecedentes serían las variables independientes (VI) y el

efecto o consecuente es la variable dependiente (VD)
Ejemplo: En el caso más simple, para la relación de dos variables.
1) El presupuesto familiar (VI) depende de los ingresos (VD), 2) El volumen de ventas
(VD) se explica por la inversión en propaganda (VI) y 3) El número de hijos por familia
(VD) tiene relación con el nivel educativo de los padres ((VI)
c) Variables intervinientes o interferentes. Son aquellas que coparticipan con la
variable independiente condicionando el comportamiento de la variable dependiente. En
el caso de la relación entre presupuesto familiar (VD) y los ingresos (VI), algunas
variables intervinientes serían la conducta de consumo, la edad de los miembros de la
familia, etc.

2.6. LA MEDICIÓN.
La definición clásica del término medir ampliamente difundida, “significa asignar números,
símbolos o valores a las propiedades de objetos de acuerdo con reglas” (Stevens) no se
asignan a los objetos sino a sus propiedades. Sim embargo, esta definición es más
apropiada para las ciencias físicas que para las ciencias sociales, ya que varios de los
fenómenos que son medidos en éstas no pueden caracterizarse como objetos o eventos,
son demasiado abstractos para ello. La disonancia cognitiva, la pareja ideal, el clima
organizacional, la cultura fiscal y la credibilidad son conceptos tan abstractos que no
deben ser considerados como “cosas que pueden verse y tocarse” (definición de objeto)
ni solamente como “resultado, consecuencia o producto” (definición de evento). Este
razonamiento nos lleva a proponer que es la más adecuada definir la medición como “el
proceso de vincular conceptos abstractos con indicadores empíricos”, el cual se realiza
mediante un plan explícito y organizado para clasificar (y con frecuencia cuantificar) los
datos disponibles (los indicadores), en términos del concepto que el investigador tiene en
mente. En este proceso, el instrumento de medición o de recolección de datos tienen un
papel central. Sin él, no hay observaciones clasificadas.

Así, los registros del instrumento de medición representan valores visibles de conceptos
abstractos. Un instrumento de medición es aquel que registra los datos observables que
representan verdaderamente los conceptos o las variables que el investigador tiene en
mente.

En toda investigación cuantitativa aplicamos un instrumento para medir las variables

contenidas en las hipótesis (y cuando no hay hipótesis simplemente para medir las
variables de interés). Esa medición es eficaz cuando el instrumento de recolección de
datos en realidad representa las variables que tenemos en mente. Si no es así, nuestra
medición es deficiente; por tanto, la investigación no es digna de tomarse en cuenta.
Desde luego, no hay medición perfecta. Es casi imposible que representemos con
fidelidad variables como la inteligencia emocional, la motivación, el nivel socioeconómico,
el liderazgo democrático, el abuso sexual infantil y otras más; pero es un hecho que
debemos acercarnos lo más posible a la representación fiel de las variables que se van a
observar mediante el instrumento de medición que desarrollemos. Se trata de un precepto
básico del enfoque cuantitativo. Al medir estandarizamos y cuantificamos los datos.

Niveles de medición. Como se mencionó el concepto de variable en el enfoque

cuantitativo, juega un papel muy importante, puesto que son las unidades esenciales de
una hipótesis. Variable son atributos, cualidades, características observables que poseen

15
TÉCNICAS DE INVESTIGACIÓN JOSÉ CHICCHI PEÑARANDA .

las personas, objetos instituciones que expresan magnitudes que toman diferentes
valores. Por tanto, una variable requiere medirse, cuantificarse apropiadamente y para
ello debemos escoger la escala de medición adecuada. Conocen cuatro niveles de
medición ampliamente conocidos: nominal, ordinal, de intervalo y de razón.

a) Escala nominal. Es el nivel de medición más simple en este nivel hay dos o más
categorías del ítem o la variable. Las categorías no tienen orden ni jerarquía, lo que se
mide (objetos, personas, etc.) se ubican en una u otra categoría, lo que indica tan solo la
igualdad (=) y no igualdad (≠) respecto de una o más características. Si se asignan
números a estas categorías cualitativos, con estos no se puede realizar operaciones
aritméticas. Ejemplo:

Variable “sexo o género”: Masculino 0

Femenino 1

Variable estado civil: Casado(a) 1

Soltero(a) 2
Viudo(a) 3
Divorciado(a) 4
Separado(a) 5
Concubino(a) 6

Variable: religión: católica 1

Protestante 2
Budista 3
Judía 4
Mahometana 5

Del ejemplo de la variable estado civil que es una variable cualitativa y de escala nominal,
si se aplicaría las operaciones aritméticas se presentarían situaciones tan ridículas como
éstas:

1 + 2 = 3 ¿un casado + un soltero = un viudo? Esto es ridículo o no tiene sentido.

Las variables nominales pueden incluir dos categorías (dicotómicas), o bien tres o más
categorías (politómicas). Ejemplos de variables nominales dicotómicas serían el sexo
(masculino, femenino), el veredicto de un jurado (culpable, inocente), tipo de escuela a la
que asiste (privado o pública) y el fumar cigarrillo (si, no), y como ejemplos de variables
nominales politómicas tendríamos. La afiliación política (partido A, partido B, partido C,
etc.). la carrera estudiada (economía, administración de empresas, contaduría pública,
derecho, sistemas, etc.), etc.

El método estadístico con los datos obtenidos en escala nominal consiste básicamente en
obtener el número, proporción o porcentaje de casos en cada modalidad y obtener la
moda (valor de mayor frecuencia). Los datos en esta escala nominal se representan en
tabla de frecuencias y tabla de contingencia.

16
TÉCNICAS DE INVESTIGACIÓN JOSÉ CHICCHI PEÑARANDA .

b) Escala ordinal. Es el segundo nivel de medición, en este nivel hay varias categorías
jerarquizadas, mantiene un orden de mayor a menor o viceversa. Si se asignan números
a tales categorías o modalidades, con estos no se pueden realizar operaciones
aritméticas. Sólo son validas la relación de igualdad (=), de no igualdad (≠) y de orden
menor (<) y de mayor (>).

Por ejemplo: las siguientes variables son de escala ordinal:

La variable “estatus socioeconómico”: con sus modalidades:

Clase baja, 3
Clase media 2
Clase alta 1

La variable “grado académico”:

Doctor, 5
Master, 4
Licenciado, 3
Técnico superior 2
Técnico medio. 1

La variable: “posición jerárquica en la empresa”:

Presidente, 10
Vicepresidente, 9
Director general, 8
Gerente de área, 7
Subgerente, 6
Jefe, 5
Empleado A 4
Empleado B 3
Empleado C 2
La variable “orden numérico” cuyas modalidades son:

1º,
2º,
3º,
4º,
Etc.
La variable “rendimiento académico”:
Excelente, 5
Muy bueno, 4
Bueno, 3
Regular 2
Deficiente 1
Pésimo. 0

De la variable posición jerárquica en a empresa, sabemos que el presidente (10) es más

que el vicepresidente (9), éste es más que el director general (8), a su vez este último,

17
TÉCNICAS DE INVESTIGACIÓN JOSÉ CHICCHI PEÑARANDA .

más que el gerente (7) y así sucesivamente; pero no se precisa en qué caso cuanto más.
Tampoco puede utilizarse las operaciones aritméticas básicas:
No podemos decir que 4 (empleado A) + 5 (jefe) = 9 (vicepresidente)
Ni que 10 (presidente) ∕ 5 (jefe) = 2 (empleado).
Es absurdo o no tiene sentido.

El método estadístico con datos obtenidos en escala ordinal consiste básicamente en

obtener el número, proporción, o porcentaje de casos de daca modalidad y obtener la
moda, la median, los percentiles y el coeficiente de correlación por rangos. Los datos en
esta escala ordinal se representan en tabla de frecuencias y tabla de contingencia

c) Escala de intervalos. Es el tercer nivel de medición, una escala de intervalos es

una escala nominal y ordinal con cuyos valores no solo se pueden verificar igualdad, no
igualdad y de orden, sino también se puede establecer intervalos iguales en la medición.
La distancia entre categorías son las mismas a lo largo de toda la escala, por lo que hay
un intervalo constante, una unidad de medida. En esta escala con los valores también,
son válidas las operaciones de adición y sustracción entre los valores de la escala. Pero,
no es válida la multiplicación y la división entre los valores mismos de la escala. La escala
de intervalo tiene un cero relativo, este cero no significa ausencia de la variable total de
propiedad que se observa.

Por ejemplo, se miden en escala de intervalos la temperatura, las calificaciones de prueba

de conocimiento o de aptitud, la hora que marca nuestros relojes, el tiempo que registra
en nuestros calendarios.
El método estadístico con datos obtenidos en escala de intervalo consiste en obtener
números, proporciones, porcentajes, media, mediana, moda y rango. Los datos en esta
escala de intervalo se representan en tabla de frecuencias.

d) Escala de razón. Es el nivel más alto de medición, porque posee los atributos de
las escalas nominales, ordinales y de intervalo. Con los números de esta escala son
válidas las relaciones de igualdad, de no igualdad, de orden y todas las operaciones
aritméticas son posibles. Los valores de esta escala se obtienen en general, por tipo de
conteo (discreto) como número de hijos, número de goles, cantidad de accidentes, etc. o
por mediciones (continuo) tales como longitud, peso, volumen, vida útil, etc. La escala de
razón tiene un cero real y absoluto (no es arbitrario). Cero absolutos implican ausencia
total de la característica que se observa o no existe la propiedad medida. Ejemplos de
esta medición serían el número de hijos, la exposición a la televisión (en minutos), las
ventas de un producto, los metros cuadrados de construcción, ingresos en unidades
monetarias, consumo de un medicamento específico.

El método estadístico con los datos obtenidos en esta escala es obtener números,
proporciones, porcentaje, y todos los estadígrafos de la estadística descriptiva.
Los datos en esta escala de razón se representan en tabla de frecuencias.

18