UNIDAD 4

clase 1-2
DISEÑAR UNA MUESTRA
fuente Hernández Sampieri capítulo 8
 ¿POR QUÉ UTILIZAR UNA MUESTRA?
• S lo cuando queremos realizar un censo debemos incluir en el estudio a todos los casos (personas,
animales, plantas, objetos) del universo o la poblaci n.
• Los estudios motivacionales en empresas suelen abarcar a todos sus empleados, para evitar
que los excluidos piensen que su opini n no se toma en cuenta.
• Las muestras se utilizan por econom a de tiempo y recursos.

• Aquí el inter s se centra en “qu o qui nes”, es decir, en los participantes, objetos, sucesos o
comunidades de estudio (las unidades de an lisis), lo cual depende del planteamiento de la
investigaci n y de los alcances del estudio.
ó
ó
é
é
í
é
ó
á
ó

 SELECCIONAR UNA MUESTRA CUANTITATIVA

• Definir la unidad de an lisis (individuos, organizaciones, peri dicos, comunidades, situaciones, eventos, etc.).

• La muestra es un subgrupo de la poblaci n de inter s sobre el cual se

recolectar n datos, y que tiene que definirse o delimitarse de antemano
con precisi n, ste deber ser representativo de dicha poblaci n.

• El investigador pretende que los resultados encontrados en la muestra

• Delimitar la poblaci n. logren generalizarse o extrapolarse a la poblaci n (en el sentido de la
validez externa que se coment al hablar de experimentos).

• El inter s es que la muestra sea estad sticamente representativa.

é
á
ó
é
ó
á
á
ó
í
ó
ó
é
ó
ó
TIPOS DE MUESTRA
• Muestra no
• Muestra
probabilística o
probabilística
dirigida
• Subgrupo de la población en
• Subgrupo de la población en la que la elección de los
el que todos los elementos de elementos no depende de la
ésta, tienen la misma probabilidad, sino de las
posibilidad de ser elegidos. características de la
investigación.

LA ELECCIÓN SE DETERMINA CON BASE EN EL PLANTEAMIENTO DEL PROBLEMA, LAS

HIPÓTESIS, EL DISEÑO DE INVESTIGACIÓN Y EL ALCANCE DE SUS CONTRIBUCIONES
¿MUESTRA PROBABILÍSTICA O NO PROBABILÍSTICA?
la elección entre la muestra probabilística y la no probabilística se determina con
base en el planteamiento del problema, las hipótesis, el diseño de investigación y el
alcance de sus contribuciones.
 CARACTERÍSTICAS DE UNA MUESTRA
PROBABILÍSTICA
• VENTAJA
• Se puede medir el tamaño del error en nuestras predicciones.
• El principal objetivo en el diseño de una muestra probabilística es reducir al mínimo este error, al que se le llama error estándar (Kish, 1995; Kalton y
Heeringa, 2003).

• Las muestras probabilísticas son esenciales en los diseños de investigación transeccionales, tanto descriptivos como
correlacionales-causales (las encuestas de opinión o surveys, por ejemplo), donde se pretende hacer estimaciones
de variables en la población.
• Estas variables se miden y se analizan con pruebas estadísticas en una muestra, donde se presupone que ésta es
probabilística y todos los elementos de la población tienen una misma probabilidad de ser elegidos.
• Las unidades o elementos muestrales tendrán valores muy parecidos a los de la población, de manera que las
mediciones en el subconjunto nos darán estimados precisos del conjunto mayor.
• La precisión de dichos estimados depende del error en el muestreo, que es posible calcular.

CÓMO SE HACE UNA MUESTRA PROBABILÍSTICA
• Calcular un tamaño de muestra
que sea representativo de la
población
• Se trata de buscar una muestra
que sea representativa del
universo o población, con cierta
posibilidad de error (para
minimizarlo) y nivel de
confianza (maximizar) y su
probabilidad
• Seleccionar los elementos
muestrales (casos) de manera
que, al inicio, todos tengan la
misma posibilidad de ser
elegidos
• Muestra probabilística
estratificada: Muestreo en el
que la población se divide en
segmentos y se selecciona una
muestra para cada segmento
TIPOS DE MUESTRA
 TIPOS DE MUESTRAS

• PROBABILÍSTICAS • NO
PROBABILÍSTICAS

• POR
• AZAR
• AZAR SIMPLE
SISTEMÁTICO
CONGLOMERAD • ESTRATIFICADAS • ACCIDENTAL • POR CUOTAS • INTENCIONAL
OS

Probabilísticas No Probabilísticas
Todo elemento del universo tiene una El investigador no tiene idea del error que puede
determinada probabilidad de integrar la muestra, estar introduciendo en sus apreciaciones
y esa probabilidad puede ser calculada
matemáticamente con precisión

MUESTRAS NO PROBABILÍSTICAS

• Se utiliza en estudios exploratorios

• La selección no es al azar pues los miembros de la población no tienen la misma probabilidad de

participar en la muestra
• Se desconoce la probabilidad de selección de cada unidad muestral
• No es representativa de la población
• No se puede extrapolar los resultados obtenidos a la población



TIPOS DE MUESTRAS NO PROBABILÍSTICAS

MUESTRA ACCIDENTAL
• Se obtiene sin ningún plan preconcebido, las unidades elegidas resultan producto de
circunstancias fortuitas
– entrevistar a los primeros 50 transeúntes que pasan por cierta calle
– medir la profundidad del mar a lo largo de un trayecto entre dos puntos cualesquiera
• Los datos obtenidos podrán o no representar al universo en estudio
• El investigador no puede saber hasta qué punto sus resultados podrán proyectarse, con
confiabilidad, hacia el conjunto más amplio que desea conocer



TIPOS DE MUESTRAS NO PROBABILÍSTICAS
(cont.)

MUESTRA POR CUOTAS

• Consiste en predeterminar la cantidad de elementos de cada categoría que habrán de integrar la
muestra.
– Se puede asignar una cuota de 50 hombres y 50 mujeres a una muestra de 100 individuos,
asumiendo que ésa es la distribución de la población total.
• Aunque se presuma que puede ser válida, no deja de existir cierta arbitrariedad en este modo de
proceder, por lo que la rigurosidad estadística de las muestras por cuotas se reduce considerablemente.

TIPOS DE MUESTRAS NO PROBABILÍSTICAS

(cont.)

MUESTRA INTENCIONAL
• Las unidades se eligen en forma arbitraria, designando a cada unidad según
características que para el investigador resulten de relevancia.
• Se emplea el conocimiento y la opinión personal para identificar aquellos elementos que
deben ser incluidos en la muestra.
• Se basa, primordialmente, en la experiencia de alguien con la población.
• Estas muestras son muy útiles y se emplean frecuentemente en los estudios de caso, por más que la
posibilidad de generalizar conclusiones a partir de ellas, sea en rigor nula. En algunas oportunidades
se usan como guía o muestra tentativa para decidir cómo tomar una muestra aleatoria más adelante.

MUESTRAS ALEATORIAS

• Cada uno de los elementos del universo tiene una probabilidad determinada y
conocida de ser seleccionado
 PROCEDIMIENTOS OBTENCIÓN MUESTRAS ALEATORIAS

AZAR SIMPLE
• Se confecciona una lista de todas las unidades que configuran el universo, numerando correlativamente cada
una de ellas.
• Luego, mediante cualquier sistema (tabla de números al azar, programas de computación), se van sorteando
al azar estos números hasta completar el total de unidades que deseamos que entren en la muestra.
• De este modo, la probabilidad que cada elemento tienen de aparecer en la muestra es exactamente la
misma.
• Si cada uno de los elementos que integran la población no tiene la misma posibilidad de ser elegido, se habla entonces de una
muestra viciada.
• VENTAJAS: garantiza una selección completamente aleatoria
• Se puede usar si la intención es extraer una muestra del universo de todos los alumnos que ingresan a una universidad en un
determinado año
• DESVENTAJAS
• muy lento y costoso (obliga a elaborar listas completas de todas las unidades de interés, lo que a veces es sencillamente imposible).
Por este motivo, sólo se emplea cuando los universos son relativamente pequeños.
• No es adecuado si se desea sacar una muestra de todas las personas analfabetas que existen en un país

 MUESTRAS ALEATORIAS (cont.)

AZAR SISTEMÁTICO
También requiere de un listado completo de las unidades que integran el universo en estudio
Para la extracción se calcula la constante K, que resulta de dividir el número total de unidades que componen el universo por el número de unidades
que habrán de integrar la muestra:
K = N/n
donde:
N = número total de unidades que componen e universo
n = número total de unidades que integrarán la muestra
Se efectúa un sorteo para elegir un número que sea inferior o igual al valor de K. Como primera unidad para integrar la muestra se elige aquella que, en
la lista general, posea idéntico número de orden al sorteado.
Las ventajas y desventajas de este procedimiento son casi idénticas a la de las muestras al azar simple.
Los procedimientos computacionales hacen mucho más fácil efectuar el sorteo de las unidades y no existe el riesgo de que la muestra quede
sesgada por algún tipo de regularidad que no conocemos y que esté presente en el universo.

MUESTRAS ALEATORIAS (cont.)

MUESTRAS POR CONGLOMERADOS

El universo admite ser subdividido en universos menores con características similares
①Se subdivide el universo en un número finito de conglomerados.
②Se elige entre ellos los únicos que se investigarán (selección por método del azar simple o por el del azar
sistemático)
• Se puede efectuar una segunda selección, dentro de cada uno de los conglomerados elegidos, para llegar a un número aún más
reducido de unidades muestrales

 La ventaja de esta técnica es que obvia la tarea de confeccionar el listado de todas las unidades del universo
 Al efectuarse el muestreo en dos etapas, los errores muestrales de cada una se van acumulando, lo que da un
error mayor que para los métodos anteriores

 MUESTRAS ALEATORIAS (cont.)

MUESTRAS POR CONGLOMERADOS

La técnica de conglomerados suele utilizarse cuando se quiere extraer muestras de los habitantes de un
conjunto geográfico amplio
Una gran ciudad
Un conjunto de pueblos
Se procede a tomar cada pueblo o grupo de manzanas como un conglomerado independiente

Se la utiliza
para conocer las reservas forestales y marinas
para estudiar las estrellas
…y otros casos semejantes
Se usa cuando hay una variación considerable dentro de cada grupo, pero los grupos son esencialmente
similares entre sí

MUESTRAS ALEATORIAS (cont.)

MUESTRAS ESTRATIFICADAS
Supone que el universo puede desagregarse en sub – conjuntos menores, homogéneos internamente pero heterogéneos entre sí
Cada estrato se toma como un universo particular, de tamaño más reducido, y sobre este se seleccionan muestras según cualquiera de
los procedimientos anteriores
– Por ej. actitudes políticas de los estudiantes de una universidad: subdivisión en estratos de acuerdo con el tipo de estudios que
cursen (si se considera que la elección de una carrera en lugar de la otra puede ser indicador de algún tipo de actitud específica).
– Se efectúa luego un muestreo dentro de cada sub – universo así definido para, finalmente, realizar un análisis integrando los
resultados de todas las sub – muestras.
✴ Se usa el muestreo estratificado cuando hay una amplia variación entre los grupos

TAMAÑO DE LA MUESTRA
TAMAÑO DE LA MUESTRA Y ERROR MUESTRAL

• La validez de la
generalización exacta de
una población depende
de la validez y tamaño de
la muestra
• Al trabajar con muestras,
se pueden presentar dos
tipos de errores:

• Error sistemático
(distorsión o sesgo de la • Error de muestreo o
muestral
muestra)
 La validez de la generalización exacta de una población Al trabajar con muestras, se pueden presentar
depende de la validez y tamaño de la muestra
Error sistemático (distorsión o sesgo de la
muestra)
casusas ajenas a la muestra
Situaciones inadecuadas:
dificultades del encuestador para
obtener la información y la
sustituye por la que más
fácilmente está a su alcance, que
no siempre es la más confiable
Insuficiencia en la recolección de
datos: distorsión por falta de
respuestas, o respuestas inadecuadas,
ya sea por ignorancia o falta de datos
relativos a los elementos incluidos.
Distorsiones del encuestador causadas
por prejuicios, interés personal o por
fallas en la aplicación de instrumentos.
Errores de cobertura: no se han incluido
elementos importantes y significativos para
la investigación que se realiza
dos tipos de errores:
Cualquiera sea el
procedimiento utilizado y la
perfección del método
empleado, la muestra
diferirá de la población
Error de muestreo o muestral
Si trabajamos con un error
Se puede calcular el error
calculado en 5%, ello
muestral que indica el
significa que existe un 95%
porcentaje de
de probabilidades de que el
incertidumbre (riesgo que
conjunto muestral
se corre de que la muestra
represente adecuadamente
elegida no sea
al universo del cual ha sido
representativa)
extraído.
Al incrementar el tamaño
de la muestra, el error
muestral tiende a reducirse,
pues la muestra va
acercándose más al tamaño
del universo. El error será
menor cuanto más pequeño
sea el universo a partir del
cual se la ha seleccionado.
Para un universo de
10.000 casos, una muestra
de 200 unidades tendrá
un error mayor que una
de 300; una muestra de
200 casos, tendrá un error
mayor si el universo tiene
10.000 unidades que si
este posee solamente
2.000

Muestras
CARACTERÍSTICAS DISTRIBUCIÓN NORMAL
• PROPIEDADES
• 1. Los valores de las mediciones tienden a agruparse alrededor de un punto central, la media
• 2. La representación de los datos es simétrica a ambos lados de la media
• 3. Las desviaciones estándares quedan situadas a igual distancia unas de otras
• 4. La proporción de mediciones situada entre la media y las desviaciones es una constante en la que:
• La media ± 1 * desviación estándar = cubre el 68,3% de los casos
• La media ± 2 * desviación estándar = cubre el 95,5% de los casos
• La media ± 3 * desviación estándar = cubre el 99,7% de los casos

 CAMPANA DE GAUSS – DISTRIBUCIÓN

NORMAL
Una de las distribuciones teóricas más utilizada en la práctica es la
distribución normal, también llamada distribución gaussiana.
Su importancia se debe fundamentalmente a la frecuencia con la
que distintas variables asociadas a fenómenos naturales y
cotidianos siguen, aproximadamente, esta distribución.
Caracteres morfológicos (como la talla o el peso), o psicológicos
(como el cociente intelectual) son ejemplos de variables de las
que frecuentemente se asume que siguen una distribución
normal.

La distribución normal es una distribución de probabilidad de variable

continua que describe los datos que se agrupan en torno a un valor
central.

Todo proceso en el que solo existan causas aleatorias de variación sigue una ley de distribución normal. Esta
condición que aparece con frecuencia en fenómenos naturales (de ahí que se la denomine “normal”), puede
obtenerse en los procesos industriales si los procesos se llevan a un estado en el que solo existen causas
comunes de variación.

FIN