MATERIA

Estadística aplicada a la investigación social 1

ALUMNA
Karen Selene Notario De la cruz.

SEMESTRE
3ro

TURNO
Viernes 8-1 pm

ACTIVIDAD 1
Investigar los conceptos del tema 5

CARRERA
Lic. Trabajo social
 Tema 5: Población y muestra.

El concepto de población en estadística va más allá de lo

que comúnmente se conoce como tal. Una población se
precisa como un conjunto finito o infinito de personas u
objetos que presentan características comunes.

Se destacan algunas definiciones:

"Una población es un conjunto de todos los elementos

que estamos estudiando, acerca de los cuales
intentamos sacar conclusiones". Levin & Rubin (1996).

"Una población es un conjunto de elementos que presentan una característica común".

Cadenas (1974).

El tamaño que tiene una población es un factor de suma importancia en el proceso de

investigación estadística y en nuestro caso social, y este tamaño viene dado por el
número de elementos que constituyen la población, según el número de elementos la
población puede ser finita o infinita. Cuando el número de elementos que integra la
población es muy grande, se puede considerar a esta como una población infinita, por
ejemplo; el conjunto de todos los números positivos.

Una población finita es aquella que está formada por un limitado número de elementos,
por ejemplo; el número de habitantes de una comarca.

Cuando la población es muy grande, es obvio que la observación y/o medición de todos
los elementos se multiplica la complejidad, en cuanto al trabajo, tiempo y costos
necesarios para hacerlo. Para solucionar este inconveniente se utiliza una muestra
estadística.

Ejemplo: Evolución de la población española.

 

Es a menudo imposible o poco práctico observar la totalidad de los individuos, sobre

todos si estos son muchos. En lugar de examinar el grupo entero llamado población o
universo, se examina una pequeña parte del grupo denominada muestra.

MUESTRA:

La muestra es una representación significativa de las características de una población,

que bajo, la asunción de un error (generalmente no superior al 5%) estudiamos las
características de un conjunto poblacional mucho menor que la población global.

"Se llama muestra a una parte de la población a estudiar qué sirve para representarla".
Murria R. Spiegel (1991).

"Una muestra es una colección de algunos elementos de la población, pero no de todos".

Levin & Rubin (1996).

"Una muestra debe ser definida en base de la población determinada, y las conclusiones
que se obtengan de dicha muestra solo podrán referirse a la población en referencia",
Cadenas (1974).

Por ejemplo, estudiamos los valores sociales de una población de 5000 habitantes aprox.,
entendemos que sería de gran dificultad poder analizar los valores sociales de todos ellos,
por ello, la estadística nos dota de una herramienta que es la muestra para extraer un
conjunto de población que represente a la globalidad y sobre la muestra realizar el
estudio. Una muestra representativa contiene las características relevantes de la
población en las mismas proporciones que están incluidas en tal población.

Los expertos en estadística recogen datos de una muestra. Utilizan esta información para
hacer referencias sobre la población que está representada por la muestra. En
consecuencia, muestra y población son conceptos relativos. Una población es un todo y
una muestra es una fracción o segmento de ese todo.

TÉCNICAS DE MUESTREO:

Esto no es más que el procedimiento empleado para obtener una o más muestras de una
población; el muestreo es una técnica que sirve para obtener una o más muestras de
población.
Este se realiza una vez que se ha establecido un marco muestral representativo de la
población, se procede a la selección de los elementos de la muestra, aunque hay muchos
diseños de la muestra.

Al tomar varias muestras de una población, las estadísticas que calculamos para cada
muestra no necesariamente serían iguales, y lo más probable es que variaran de una
muestra a otra.

TIPOS DE MUESTREO:

Existen dos métodos para seleccionar muestras de poblaciones; el muestreo no aleatorio

o de juicio y el muestreo aleatorio o de probabilidad. En este último todos los elementos
de la población tienen la oportunidad de ser escogidos en la muestra. Una muestra
seleccionada por muestreo de juicio se basa en la experiencia de alguien con la
población. Algunas veces una muestra de juicio se usa como guía o muestra tentativa
para decidir como tomar una muestra aleatoria más adelante. Las muestras de juicio
evitan el análisis estadístico necesario para hacer muestras de probabilidad.

5.1 Concepto de población y muestra.

Población:

Por población se hace referencia habitualmente al conjunto de seres humanos que hacen
vida en un determinado espacio geográfico o territorio. Es decir, suele referirse a la
población humana.

Por extensión, la palabra población se utiliza también para referirse al conjunto de

viviendas y otras infraestructuras que ocupan un espacio, de forma similar al término
'localidad'.

Componentes de la población

Para estudiar y cuantificar la población humana, deben tomarse en cuenta tres

componentes fundamentales de la misma:

 La tasa de natalidad, es decir, el número de nacimientos que se produce en un

año por cada mil habitantes.
  La tasa de mortalidad, es decir, el número de defunciones que se producen en
un año por cada mil habitantes.

 Las migraciones, es decir, el número de inmigraciones y emigraciones que se

produce en un año por cada mil habitantes.

Población en estadística

En los estudios de la estadística, la población se refiere a la recolección de sujetos, datos

y/o elementos que tienen características comunes, de lo que se extrae información
importante para estudiar y analizar determinados fenómenos. En este sentido, también se
habla de población como muestra, la cual sirve de referencia para estudiar una población
mayor o total.

Tipos de población según la estadística

1. Población finita

Se refiere a un número pequeño y limitado de individuos de una población. Por ejemplo, el

número de vehículos que salieron a la venta en el año x.

2. Población infinita

La población infinita se refiere a aquellos conjuntos con gran cantidad de individuos o

elementos. Por ejemplo, la cantidad de granos de arroz contenidos en una tonelada.

3. Población hipotética

Hace referencia a la formulación de una hipótesis de individuos o elementos que

eventualmente podría tener parte en un asunto. Por definición, no son comprobables sino
estimativas. Por ejemplo, el número de animales que podrían verse afectados por un
eventual incendio.

4. Población real

Es aquella población que puede ser identificada en números exactos y reales a partir de
diferentes instrumentos de indagación. Es comprobable. Por ejemplo, el número de
electores que ejercieron el voto en una jornada comicial.

Muestra:
Muestra es una porción de la totalidad de un fenómeno, producto o actividad que se
considera representativa del total también llamada una muestra representativa.

Muestra viene de mostrar siendo que da a conocer a los interesados o públicos objetivos
resultados, productos o servicios que ejemplifican o sirve como demostración de un tipo
de evento, calidad o la estandarización.

En estadísticas, la muestra es una porción extraída mediante métodos específicos que

representan los resultados de una totalidad llamada población usando la probabilidad
como, por ejemplo, “la muestra estadística de 100 personas que se someten a una
encuesta para conocer la satisfacción de un producto”.

5.2 Tipos de muestra.

Tipos de muestras estadísticas

Al momento de hacer una clasificación de los diversos tipos de muestra estadística, se

pueden mencionas los siguientes:

Muestra probabilística

Es el más utilizado en las investigaciones, ya que se todos los elementos de la población

tienen la posibilidad de formar parte de la muestra, como lo es por ejemplo el censo
poblacional que se realiza en una nación. A su vez, de este tipo de muestra se derivan los
siguientes:

1. Muestreo aleatorio simple

Es el método de selección más básico, en donde cada individuo tiene un número de

identificación y a través de un sorteo aleatorio se escogen para la muestra. Para llevarse
a cabo, es necesario que se tenga una cantidad clara de los individuos que completaran
la muestra completa.

2. Muestreo sistemático

La población que se trabajará debe ser enumerada y los investigadores se tendrán que
encargar de hacer listas con cada uno de los individuos en diferentes grupos de 10 de
manera aleatoria. Después, se selecciona uno de cada de cada grupo al azar y así se
formará la muestra.
3. Muestreo estratificado

Aquí se clasifica la población en grupos y en ellos se compartirán similares

características. Luego, se hace una selección de los individuos de cada grupo de forma
proporcional.

4. Muestreo por conglomerados

Se da si la población ya está clasificada en grupos de manera natural. Luego de esto, los

individuos se seleccionan de cada conglomerado y así se pueda conformar la muestra.

Muestra no probabilística

En esta muestra los elementos se seleccionan por medio de diversos procedimientos que
no proporcionan a los individuos de la población las mismas oportunidades de poder ser
elegidos para la muestra. Este tipo también comprende los siguientes derivados:

1. Muestreo por cuotas

Por medio de ella los investigadores realizan la muestra al tener en cuenta diversas
características y de esa forma poder lograr en la muestra una distribución de
características igual que en la población.

2. Muestreo de conveniencia

Aquí el investigador debe seleccionar a los individuos de su muestra únicamente por

proximidad. Mayormente esta muestra no es reconocida por el investigador como parte de
la representación de la población completa, sin embargo, le permite datos e informaciones
rápidamente.

3. Muestreo por bola de nieve

Es utilizada cuando el investigador necesita que un individuo de su muestra pueda ayudar

a identificar otro que tenga las mismas características y a su vez estos a otros para así
formar la muestra deseada.

4. Muestra discrecional

Se refiere a la elección de los individuos que hace el investigador de su muestra en

relación a determinados conocimientos de la población.
 5.2.1 Probabilística.

Muestreo probabilístico

Hablaremos de muestro probabilístico siempre que se cumplan dos condiciones:

1. Todos los elementos de la población tienen una probabilidad mayor a cero de ser
seleccionados en la muestra.

2. La probabilidad de inclusión de cada elemento en la muestra se conoce de forma

precisa.

El cumplimiento de ambos criterios es el que hace posible obtener resultados no

sesgados cuando se estudia la muestra y determinar el grado de incertidumbre que añade
el proceso de muestreo. En ocasiones, estos resultados no sesgados requieren usar
técnicas de ponderación (weighting), pero esta ponderación es posible precisamente
porque se conoce la probabilidad de que cada individuo sea seleccionado en la muestra.
Las muestras generadas en estas condiciones se conocen también como muestras
probabilísticas.

La definición anterior nos lleva a concluir que sólo podemos hacer muestreo probabilístico
si se dispone de un marco muestral. El censo de un país, el conjunto de direcciones de
hogares en una población o la lista de clientes de una empresa, son ejemplos de marcos
muestrales que hacen posible un muestreo probabilístico. En cada uno de estos casos, el
universo a estudiar es diferente: habitantes de un país, hogares de una población y
clientes de una empresa, respectivamente.

Una tenemos un marco muestral, la forma exacta en que se utiliza para seleccionar la
muestra define las diferentes técnicas de muestreo probabilístico: muestreo aleatorio
simple, muestreo sistemático, muestreo estratificado, muestreo por conglomerados...
 No probabilístico.

Muestreo no probabilístico

Sin embargo, no es sencillo cumplir con los requisitos propios de un muestreo

probabilístico:

1. Disponer de un marco muestral es algo relativamente poco habitual en estudios de

mercado. ¿Qué empresas pueden tener listados de toda población?

2. Lograr que todos los individuos de la población tengan una probabilidad no nula de ser
seleccionados es un requisito igualmente exigente, más aún conocer la probabilidad de
inclusión exacta de cada unidad muestral. Todos los individuos que no pueden ser
seleccionados en una muestra se suelen referir como unidades fuera de cobertura.

Por todas estas razones, así como por razones de coste, los investigadores recurren con
frecuencia a otras técnicas de muestreo, agrupadas dentro de lo que se conoce como
muestreo no probabilístico. En estas técnicas alternativas, es habitual seleccionar
elementos para la muestra basándose en hipótesis relativas a la población de interés, lo
que se conoce como criterios de selección. Por ejemplo, seleccionar una muestra
buscando individuos por la calle, tratando de que la mitad sean hombres y la mitad
mujeres (coincidiendo con la distribución que se supone en la población) sería un criterio
de muestreo no probabilístico.

En estos casos, debido a que la selección de las unidades de la muestra no es aleatoria,

cuando hablamos de muestreo no probabilístico no deberíamos incluir estimaciones de
error. Dicho de otra forma, una muestra no probabilística nos informa de cómo es un
universo, pero no nos permite saber con qué precisión: no podemos establecer unos
márgenes de error y unos niveles de confianza.

Algunas técnicas de muestreo de este tipo son:

 Muestreo por conveniencia.

 Muestreo secuencial.
 Muestreo por cuotas.
 Muestreo discrecional.
  Muestreo por bola de nieve.

5.3 Error.

En estadística, error muestral o error de estimación es el error que surge a causa de

observar una muestra de la población completa.

La estimación de valor de interés, como la media o el porcentaje, estará generalmente

sujeta a una variación entre una muestra y otra. Estas variaciones en las posibles
muestras de una estadística pueden, teóricamente, ser expresadas como errores
muestrales, sin embargo, normalmente, en la práctica el error exacto es desconocido. El
error muestral se refiere en términos más generales al fenómeno de la variación entre
muestras. Cuando este no es mencionado se considera que el margen de error base es el
0.02% (0.2 para muestreo paralelo y 2 para muestreo directo).

El error muestral deseado, generalmente puede ser controlado tomando una muestra
aleatoria de la población, suficientemente grande, sin embargo, el costo de esto puede ser
limitante. Si las observaciones son tomadas de una muestra aleatoria, la teoría estadística
brinda cálculos probabilísticos del tamaño deseado del error muestral para una estadística
en particular o estimación. Estos usualmente son expresados en términos del error
estándar.

El error muestral puede ser contrastado con el error no muestral, el cual se refiere al
conjunto de las desviaciones del valor real que no van en función de la muestra escogida,
entre los cuales se encuentran varios errores sistemáticos y algunos errores aleatorios.
Resultan mucho más difíciles de cuantificar que el error muestral.

5.4 Determinación del tamaño muestra.

¿Cómo determinar el tamaño de una muestra?

Determinar el tamaño de la muestra que se va a seleccionar es un paso importante en

cualquier estudio de investigación de mercados, se debe justificar convenientemente de
acuerdo al planteamiento del problema, la población, los objetivos y el propósito de la
investigación.

¿De qué depende el tamaño muestral?

El tamaño muestral dependerá de decisiones estadísticas y no estadísticas, pueden incluir

por ejemplo la disponibilidad de los recursos, el presupuesto o el equipo que estará en
campo.

Antes de calcular el tamaño de la muestra necesitamos determinar varias cosas:

 Tamaño de la población. Una población es una colección bien definida de objetos

o individuos que tienen características similares. Hablamos de dos tipos: población
objetivo, que suele tiene diversas características y también es conocida como la
población teórica. La población accesible es la población sobre la que los
investigadores aplicaran sus conclusiones.
 Margen de error (intervalo de confianza). El margen de error es una estadística
que expresa la cantidad de error de muestreo aleatorio en los resultados de una
encuesta, es decir, es la medida estadística del número de veces de cada 100 que
se espera que los resultados se encuentren dentro de un rango específico.
 Nivel de confianza. Son intervalos aleatorios que se usan para acotar un valor con
una determinada probabilidad alta. Por ejemplo, un intervalo de confianza de 95%
significa que los resultados de una acción probablemente cubrirán las expectativas
el 95% de las veces.
 La desviación estándar. Es un índice numérico de la dispersión de un conjunto de
datos (o población). Mientras mayor es la desviación estándar, mayor es la
dispersión de la población.

Cálculo del tamaño de la muestra desconociendo el tamaño de la población

La fórmula para calcular el tamaño de muestra cuando se desconoce el tamaño de la

población es la siguiente:

En donde
Z = nivel de confianza,

P = probabilidad de éxito, o proporción esperada

Q = probabilidad de fracaso

D = precisión (error máximo admisible en términos de proporción)

Cálculo del tamaño de la muestra conociendo el tamaño de la población

La fórmula para calcular el tamaño de muestra cuando se conoce el tamaño de la

población es la siguiente:

En donde, N = tamaño de la población Z = nivel de confianza, P = probabilidad de éxito, o

proporción esperada Q = probabilidad de fracaso D = precisión (Error máximo admisible
en términos de proporción).