POBLACIÓN Y MUESTRA

La población es un conjunto o colección de objetos al que está referido un estudio

estadístico. El vocablo suena a personas, pero una población estadística puede estar
constituida por cualquier tipo de elemento, es decir, una población puede estar
constituida por personas, pero también por objetos de cualquier tipo de naturaleza. Por
ejemplo, en un estudio sobre la incidencia de cierta enfermedad en un país, la
población sería todos los habitantes de dicho país. En un estudio sobre la calidad de la
producción de ciertos componentes para ordenadores, la población serían todos los
componentes que se han fabricado.

La muestra estadística consiste en la porción que se extrae de una población

estadística para un determinado estudio, con el fin de representar, conocer y
determinar los aspectos de dicha población.

Este método se utiliza cuando no se puede aplicar un censo en ciertas poblaciones, ya

que a través del muestreo se puede establecer una porción de la realidad a estudiar.

Tipos de muestras:

Muestra probabilística

El muestreo probabilístico es el tipo más utilizado durante las investigaciones. En

este, todos los elementos de la población o universo tienen la posibilidad de ser parte
de la muestra.

Dentro de la muestra probabilística podemos encontrar los siguientes tipos de

muestreo:

Muestreo aleatorio simple: método de selección más básico, en el que cada sujeto

posee un número de identificación y, mediante un sorteo aleatorio, algunos son
seleccionados para la muestra. Para realizarla se debe conocer la cantidad de
individuos que serán necesarios para completar toda la muestra.

Muestreo sistemático: con este método se enumera la población a trabajar y los

investigadores se encargan de listar a cada individuo en grupos de 10, de forma
aleatoria. Luego se elige a uno de los primeros de cada grupo al azar, formando de
esta manera la muestra.

Muestreo estratificado: consiste en dividir a la población en estratos o grupos que

compartan características similares. Luego se seleccionan proporcionalmente algunos
individuos de cada grupo.

Muestreo por conglomerados: se da cuando la población ya se encuentra dividida de

forma natural en grupos, por lo que se seleccionan individuos aleatoriamente de cada
conglomerado para conformar la muestra.

Muestra no probabilística

En la muestra no probabilística, los elementos se seleccionan a través de procesos que

no brindan, a todos los individuos de la población, la misma posibilidad de ser elegidos
para la muestra.

A su vez, esta deriva en los siguientes tipos de muestreo:

Muestreo por cuotas: los investigadores forman la muestra partiendo de determinadas

características, con el fin de lograr la misma distribución de características en la
muestra que en la población. Por ejemplo, si en una población hay 70% hombres y
30% mujeres, los individuos de la muestra deberán estar distribuidos de la misma
manera.

Muestreo por conveniencia: aquí el investigador suele elegir a los individuos de su

muestra solo por su proximidad. Generalmente, el investigador no reconoce esta
muestra como una representación de toda una población, sino que la realiza para
conocer opiniones, datos e información de manera rápida.

Muestreo por bola de nieve: se utiliza cuando el investigador requiere que un sujeto de
su muestra ayude a identificar a otro con las mismas características y, a su vez, estos a
otros, para formar la muestra deseada.

Muestra discrecional: también conocida como muestreo por juicio o criterio, se da

cuando el investigador selecciona los individuos de su muestra en base a determinado
conocimiento de la población. Por ejemplo, si desea realizar una investigación de
personas con problemas psicológicos en el embarazo, seleccionará aquellas mujeres
que hayan pasado por la experiencia del embarazo.

Para calcular el tamaño de la muestra (o tamaño muestral) es fundamental. Una

muestra más grande supone un desperdicio de recursos; una muestra más pequeña
produce una pérdida en la calidad de los resultados.

La ecuación a emplear depende del objetivo que se persiga (p.ej. una proporción,

una media, etc.) y también depende del tamaño de la población, de si ésta es N es
finita o infinita o muy grande.

El Tamaño de una muestra para estimar una proporción se halla con esta fórmula:

Para aplicarla, debemos saber:

El nivel de confianza (1-α) o nivel de seguridad.

Una estimación de la proporción (p) que se quiere medir.

El margen de error (e) deseado.

El nivel de confianza (1-α) se refiere a la probabilidad de que el dato deseado esté

dentro del margen establecido. Este parámetro lo decide el investigador. Suele ser del
95%, (α = 0,05) al que se corresponde un coeficiente de confianza Z = 1,96, que es el
que se pone en la fórmula. Es la semidistancia estandarizada en términos de
desviaciones típicas que definen ambos extremos del intervalo.
Al hacer varios experimentos semejantes con el mismo tipo de muestra, el 95% de los
parámetros se encontrarían dentro del margen, mientras que el 5% se encontrarían
fuera de él.

Suelen emplearse el 95% y el 99%. En la siguiente tabla se ve la correspondencia

entre el nivel de confianza y el coeficiente de confianza:

La estimación de la proporción que se quiere medir es el tema clave. Se quiere estimar

la proporción de los que cumplen la condición. El valor de esa estimación p la
obtendremos de estudios anteriores. En caso contrario, se considera que la condición
la cumplan un 50% y, por tanto, que no la cumplan (1 – p) el otro 50%. En ese caso,
pondremos en la fórmula:

El margen de error deseado, o precisión, o margen de error admisible, se refiere a la

diferencia entre la media muestral y la media poblacional. Desde luego, que no se
pretende cometer errores. Se trata de un margen de error que estemos dispuestos a
tolerar.

Suele adoptarse e = 3% (0,03), aunque está entre:

En la fórmula pondremos el tanto por uno, por ejemplo, 0,03.

Cuando el tamaño de la población sea muy grande (suele considerarse
cuando N > 100.000), la fórmula para hallar la muestra para obtener una proporción se
simplifica:

CONCLUSIÓN PERSONAL

Se llegó a la conclusión con base o toda la información recabada que el método que
mayor beneficio aporta es el de muestreo probabilístico puesto que sus resultados
suelen ser más representativos, mientras que los muestreos no probabilísticos se
esfuerza en obtener datos que efectivamente sea representativos.

Para el muestreo no probabilístico se deben de presentar sus características originales,

sus resultados son útiles si se hace un buen uso de ellos y en los métodos de muestreo
probabilísticos sus planteamientos teóricos resultan ser muy exigentes.

Podemos decir que estos métodos de muestreo resultan de gran importancia para
realizar una investigación en una población determinada puesto que, si se quiere
realizar dicha investigación con mayor éxito en cuestión de resultados, entonces se
tiene que optar por una de estas dos técnicas, de igual manera estas técnicas
requieren de un menor tiempo y recursos.

El muestreo es por lo tanto una herramienta de la investigación cuya función es

determinar que parte de una población debe examinarse, con la finalidad de hacer
conclusiones sobre dicha población.
BIBLIOGRAFÍA

http://ri.uaemex.mx/oca/bitstream/20.500.11799/35134/1/secme-21544.pdf

https://sites.google.com/site/estadisticadescriptivaenedu/home/unidad-1/poblaci-1

https://support.minitab.com/es-mx/minitab/18/help-and-how-to/statistics/basic-
statistics/supporting-topics/data-concepts/how-are-population-and-sample-different/