UNIVERSIDAD CENTRAL DEL ECUADOR

FACULTAD DE CIENCIAS PSICOLÓGICAS

LICENCIATURA EN PSICOLOGÍA CLÍNICA

METODOLOGÍA DE LA INVESTIGACIÓN

QUINTO SEMESTRE

GRUPO N° 5

Tema: ¿Cómo Elaborar la Muestra de una Investigación?

Docente:
Guido Albán

Estudiantes:
Calapiña Anahí
Paola Jiménez
Santiago Pillajo
Jennifer Quispe
Alejandra Rosero
Fabiana Suntasig
Carlos Yaguari

Mayo, 31 del 2023

PERIODO MAYO 2023 – AGOSTO 2023

 Introducción

El muestreo desempeña un papel fundamental en la investigación científica, ya que

permite obtener información sobre una población más grande a partir de un subconjunto de

individuos o elementos seleccionados de manera sistemática. Es un proceso esencial en el diseño

de estudios, ya que nos brinda una manera eficiente y efectiva de recopilar datos representativos

y realizar inferencias sobre una población en su conjunto. El muestreo nos permite obtener

información sobre una población sin necesidad de estudiar a cada uno de sus miembros. Además,

el muestreo permite minimizar la cantidad de recursos necesarios y reducir el tiempo requerido

para recolectar datos.

Existen dos tipos de muestreo los probabilísticos y no probabilísticos y dentro del

informe veremos cuáles son sus características, sus funciones, así como su utilidad en los

diferentes ámbitos aplicados. Por otro lado, veremos cómo al seleccionar una muestra aleatoria,

se puede estimar el error o la incertidumbre asociada a las estimaciones o inferencias realizadas

sobre la población objetivo. Es por ello por lo que comprenderemos las técnicas estadísticas

adecuadas, para que así sea posible determinar el tamaño de la muestra necesario para obtener

estimaciones precisas y confiables. Esto es esencial para obtener resultados válidos y

significativos en la investigación. (Baptista, 2014)

Por consiguiente estudiaremos y profundizaremos los varios tipos de muestreo que

existen, como lo son el estratificado (Consiste en dividir la población en subgrupos homogéneos

o estratos y seleccionar una muestra de cada estrato proporcionalmente a su tamaño en la

población), el muestreo por racimos conglomerados donde la selección de muestra utilizado en la

investigación, implica dividir a la población en grupos o conglomerados y seleccionar algunos de

estos conglomerados al azar para incluirlos en la muestra, siendo estas herramientas para un

correcto muestreo en la investigación.

En resumen, un muestreo bien seleccionado en la investigación proporciona ventajas

significativas, como representatividad, eficiencia, precisión estadística, factibilidad y mayor

alcance. Si se selecciona una muestra adecuada, el estudio se puede llevar a cabo de manera más

rápida, económica y práctica en comparación con un censo completo, estas ventajas contribuyen

a obtener resultados confiables y válidos, maximizando el valor de la investigación y su

aplicabilidad en la práctica. (Ortiz, 2019)

¿En una Investigación Siempre Tenemos una Muestra?

En una investigación, no siempre es necesario tener una muestra, aunque en la mayoría sí

la contengan. Es el tipo de investigación y los objetivos del estudio los que determinarán si se

requiere o no una muestra. En algunas investigaciones, especialmente en las ciencias sociales, se

utiliza una muestra para obtener datos representativos de una población más amplia. Ya que, una

muestra es un subconjunto seleccionado de la población objetivo que se estudia con el fin de

obtener conclusiones o generalizaciones sobre dicha población. En estos casos, se utiliza la

muestra para inferir información sobre la población en su conjunto (Lilia, 2015).

Sin embargo, hay otros tipos de investigaciones en los que no se necesita una muestra.

Por ejemplo, en estudios de caso únicos o en investigaciones cualitativas en las que se busca

comprender en profundidad un fenómeno específico, no se requiere una muestra. En estos casos,

el enfoque está en el análisis exhaustivo de un caso o un conjunto limitado de casos, en lugar de

obtener resultados generalizables a una población más amplia (Sampieri, 2010).

Por lo tanto, la necesidad de una muestra en una investigación dependerá de la

metodología utilizada y de los objetivos de la investigación. No todas las investigaciones

requieren una muestra, y en algunos casos, se pueden utilizar otros enfoques de recopilación de

datos.

Lo Primero: ¿Sobre Qué o Quiénes se Recolectarán Datos?

Para determinar sobre qué o quiénes se recolectarán datos se indaga en el planteamiento y

los alcances e intereses de la investigación, en ese sentido se centra en determinar los

participantes, objetos, sucesos o colectividades de estudio. Por lo tanto, para seleccionar una
muestra, primero se debe definir la unidad de análisis, como individuos, organizaciones,

comunidades, eventos, situaciones, etc. Y así, ya definida su unidad de análisis se delimitará la

población (Sampieri, 2010).

Para ello, es importante seleccionar las fuentes de datos, ya que puede involucrar

diferentes dependiendo del tema, la naturaleza de la investigación y los objetivos del estudio. En

muchos casos, se utiliza una combinación de métodos de recolección de datos para obtener una

comprensión completa del tema en estudio, como (Torres, Salazar y Paz, 2019):

Población o muestra objetivo: Si se va a realizar una investigación cuantitativa, es posible

que se necesite recopilar datos de una población específica o de una muestra representativa de

esa población. Por ejemplo, si se investiga sobre los hábitos alimentarios de los estudiantes

universitarios, se podría recopilar datos de una muestra de estudiantes seleccionados al azar.

Encuestas o cuestionarios: Se puede diseñar y administrar encuestas o cuestionarios para

recopilar datos directamente de los participantes. Estas pueden ser entrevistas estructuradas o

cuestionarios de opción múltiple, y se pueden realizar en persona, por teléfono o en línea.

Observación: La observación directa puede ser utilizada para recopilar datos sobre el

comportamiento de las personas en un entorno específico. Esto puede implicar observar y

registrar eventos, interacciones sociales o cualquier otro aspecto relevante del fenómeno que se

está investigando.

Documentos y fuentes secundarias: En algunos casos, se puede recopilar datos a partir de

documentos existentes, como informes gubernamentales, registros históricos, artículos

académicos u otros documentos relevantes para la investigación. Estas fuentes secundarias

pueden proporcionar información contextual o datos previamente recopilados.

¿Cómo se Delimita una Población?

Delimitar una población implica establecer los criterios específicos para identificar y

seleccionar los elementos que serán considerados en la muestra, es decir, en el subconjunto de la

población que se tomará para el análisis. Una vez definida nuestra unidad de análisis,

comenzamos a definir la población a analizar y la población a la que se generalizan los

resultados. Una población es así el conglomerado de todos los casos que se ajustan a un conjunto

de normas (Selltiz, 1974).

Una muestra generalmente se define como un subgrupo de una población (Sudman,

1976). Para elegir un muestrario, se deben determinar las características de la población. Muchos

investigadores no caracterizan acertadamente las poblaciones ni asumen que las muestras son

automáticamente representativas de la población. Muchos estudios basados únicamente en

muestras de estudiantes universitarios son comunes porque una vez que aparecen, es fácil

aplicarles herramientas de medición, haciendo generalizaciones imprudentes sobre jóvenes que

pueden tener otras características sociales.

La delimitación de la población depende de los objetivos del estudio y de los parámetros

de la investigación a analizar. Aquí hay algunas formas comunes de dividir la población (Arias,

et al., 2016):

● Las divisiones demográficas dependen de los objetivos de la investigación y

razones prácticas.
 ● Las poblaciones deben posicionarse mediante sus características de lugar,

contenido y tiempo.

● Los criterios que efectivamente cumple cada investigador dependen de sus

objetivos de investigación, ya que deben estar claramente establecidos.

● Una investigación debe ser transparente y auténtica, debido a que, tiene que estar

sujeta a crítica y a réplica.

¿Cómo Seleccionar la Muestra?

Cuando la población es grande, o por cualquier circunstancia no se puede tener acceso a

toda ella, se elige una muestra para realizar el experimento. La muestra está compuesta por

unidades seleccionadas de una determinada población y es el objeto o elemento del experimento.

Se define como un subgrupo de la población que refleja fielmente al grupo y comparte sus

valores (Camacho de Báez, 2021).

Tipos de Muestra

Camacho (2021) menciona que las muestras se dividen en dos categorías: muestras no

probabilísticas y muestras probabilísticas. La elección del tipo de muestra depende del tipo de

objetivos que se plantean en el análisis de estudio, así como del protocolo de investigación y

contribución. A continuación, se profundizará cada una:

Muestra no probabilística o dirigida. Los elementos se eligen por razones relacionadas

con las características del trabajo y la composición del investigador o muestra. El proceso no es

mecánico ni se hace con una fórmula probabilística, depende del proceso de toma de decisiones

de un individuo o un grupo, y por supuesto, muchas veces está sesgado. La ventaja es que no
requiere representación de elementos, sino una cuidadosa selección de temas con características

específicas expuestas en el planteamiento del problema (Carillo, 2015).

1. Sujetos voluntarios:

● El empleo de un método psicológico específico para corregir la dislexia en

los niños.

● En odontología, el estudio del efecto de un antibiótico (penicilina) sobre

las bacterias que producen un absceso bucal.

2. Expertos:

Las personas que tienen opiniones sobre los beneficios de sus carreras, como los

maestros, comentan sobre los logros de sus respectivos trabajos para construir una base de datos

para los programas de orientación profesional.

3. Sujetos tipo:

Se utiliza en investigación cualitativa e investigación motivacional, por ejemplo, los

profesores de música son los más adecuados para hablar sobre la socialización de dos

profesiones: la enseñanza y la música.

4. Por cuotas:

Se utiliza en estudios de opinión y marketing, por ejemplo, para recoger opiniones sobre

la aceptación de productos en encuestas callejeras, como la aceptación de la cerveza Cachorra de

Leona. Las conclusiones de las encuestas no probabilísticas son difíciles de generalizar a toda la

población y se debe tener precaución cuando esto ocurra.

 Muestra probabilística. La variedad de elementos de la población tiene la misma

posibilidad de ser elegidos en una investigación. Después de definir el tamaño de la muestra, se

realiza una selección aleatoria y/o mecánica de la unidad de análisis. Para tomar una muestra

probabilística, es necesario determinar el tamaño de la muestra y elegir el elemento de la misma,

dentro de un marco adecuado y con un proceso que permita la aleatoriedad. Por lo tanto, puede

ser tomada de la siguiente manera (López, et al., 2015):

1. Por estratificación:

Si una población es grande, se puede usar una muestra probabilística estratificada, que

quiere decir que se debe tener en cuenta las categorías relevantes para el estudio. Así mismo, se

divide la población en subpoblaciones para seleccionar al azar una muestra P para cada estrato.

Un claro ejemplo es en la pronunciación gramatical de cada persona como candado/candado, así

la población clasificará al sujeto en clase alta, media o baja.

Cuando se complica la elección de la población (n) se debe estratificar con la finalidad

de que los elementos muestrales o las unidades posean determinado atributo. La estratificación

aumenta la precisión de la muestra e implica el uso deliberado de diferentes tamaños de muestra

para cada estrato a fin de lograr reducir la varianza de cada unidad de la media muestral.

2. Por racimo.

Cuando al investigador se le limita los recursos tales como el tiempo, distancia,

economía, se recurre al muestreo por racimos, el cual reduce costos, tiempo y energía ya que las

unidades de muestreo se encuentran encapsulada. Este tipo de muestreo consiste en diferenciar la

unidad de análisis y la unidad muestral. La unidad de análisis indica quiénes van a ser medidos,
la unidad de muestra se refiere al racimo por medio del cual se logra el acceso a unidad de

análisis ( Férnandez y Baptista, 2014).

El muestreo probabilístico por racimos consta de dos o más etapas, la primera se

selecciona la probabilística simple o estratificada. A continuación se seleccionan los casos que

van a medirse. Para ellos se hace una selección que asegure que todos los elementos del racimo

tienen la misma probabilidad de ser elegidos. Como ejemplo tenemos que en una muestra

nacional de ciudadanos de un país X, podremos elegir primero una muestra de provincias, luego

cada provincia se convierte en un universo y se selecciona al azar por municipios. Después cada

municipio se considera universo y se eligen comunidades. por último se eligen manzanas o

viviendas ( Férnandez y Baptista, 2014).

3. Al azar.

La forma más fácil de seleccionar una muestra de manera aleatoria ya que se usan

números al azar. Su procedimiento se basa en:

● Obtener un listado de todos los integrantes de la población a la que

pertenecen.

● Numerar a todos los individuos de la población (o unidades de muestreo).

● Mediante una tabla de números aleatorios o un procedimiento similar se

debe seleccionar a los sujetos de la muestra.

● Ubicar a las personas seleccionadas y administrar los instrumentos de

recopilación de datos para el estudio de investigación.

¿Cómo Seleccionar una Muestra Probabilística?

 Para iniciar debemos conocer que la elección entre la muestra probabilística y la no

probabilística, se hace según el planteamiento del problema, la hipótesis, el alcance de sus

contribuciones y el diseño de la investigación. Sin embargo, las muestras probabilísticas tienen

muchas ventajas; quizás la principal sea que puede medirse el tamaño de error en nuestras

predicciones, por otro lado, el objetivo principal de la muestra probabilística es reducir al

mínimo este error, llamado error estándar (Johnson, 2014: Brown, 2006; Kalton y Heeringa,

2003; y Kish, 1995; como se cita en Férnandez y Baptista, 2014).

Además, las muestras probabilísticas son esenciales para los diseños de investigación

transeccionales, tanto descriptivos como correlacionales-causales; un claro ejemplo de esto son

las encuestas de opinión o sondeos, en donde se pretende hacer estimaciones de algunas

variables en la población. Lo que se pretende lograr con estas variables es medir y analizar con

pruebas en una muestra, en donde, las unidades o elementos muestrales tendrán valores muy

parecidos a los de la población, de tal forma, que las mediciones en el subconjunto nos darán

estimados precisos del conjunto mayor; asimismo, la precisión de dichos estimados depende del

error en el muestreo, en el cual sea posible calcular (Férnandez y Baptista, 2014).

Según Férnandez y Baptista, Para hacer una muestra probabilística son necesarios dos

procedimientos:

1. Calcular un tamaño de muestra que sea representativo de la población. Calcular

un tamaño de muestra que sea representativo de la población.

2. Seleccionar los elementos muestrales (casos) de manera que al inicio todos tengan

misma posibilidad de ser elegidos. Consiste en seleccionar los elementos

muestrales de manera que al inicio todos tengan la misma posibilidad de ser

elegidos, es decir, como y de donde vamos a elegir los casos.

Cálculo del tamaño de la muestra

En el momento que uno decide elaborar una muestra probabilística, se debe realizar la

pregunta ¿Cuál es el menor número de unidades muestrales que necesito para elaborar una

muestra, el cual debe asegurar un determinado error estándar, menor a 0.01?

Se debe conseguir una muestra que tenga un alto índice de confianza y una baja

posibilidad de error. Para que se comprenda de mejor manera, suponemos que vamos a realizar

un estudio de una población X, lo primero que debemos hacer es conocer el tamaño de la

población (Férnandez y Baptista, 2014).

Luego de haber obtenido el tamaño de la muestra abrimos el programa (STATS) en el

cual debemos ingresar los siguientes datos:

● Tamaño del universo

● Error máximo aceptable

● Porcentaje estimado de la muestra

● Nivel deseado de confianza

En el tamaño del universo debemos colocar el dato exacto o uno aproximado sin olvidar

que si ponemos la cifra mayor a 99 999 el programa pondrá el número mencionado de forma

inmediata mientras que si el dato es menor el programa lo va a respetar y no lo cambia.

El error máximo aceptable se refiere a un porcentaje de error porcentual que admitimos

como tolerancia de que nuestra muestra no sea representativa de la población. Los niveles de

error pueden ir de 20 a 1% en STATS .

El porcentaje estimado de la muestra se le denomina a la probabilidad de ocurrencia

del fenómeno representatividad de la muestra o no representatividad. la certeza total siempre es

igual a uno (p+q=1) donde la posibilidad “p” de que sí ocurra y “q” de que no ocurra.. cuando no
tenemos marcos de muestreo previo utilizamos un porcentaje estimado del 50% es decir

asumimos que “p” y “q” serán del 50% igual la probabilidad 0.50.es lo más común cuando

seleccionamos por vez primera una muestra en una población.

Nivel deseado de confianza es el complemento del error máximo aceptable, si el error

elegido fue de 5% el nivel deseado de confianza será del 95%. ya con todos los campos llenos,

con presionar el botón calcular, se obtiene el tamaño de muestra representativo para el universo (

Férnandez y Baptista, 2014).

¿Cómo se Lleva a Cabo el Procedimiento de Selección de la Muestra?

El procedimiento de selección de muestra es importante en la investigación ya que

permite que los resultados obtenidos a partir de una muestra sean representativos de la población

de la cual se extrae. Las unidades de análisis o elementos de la muestra siempre se seleccionan

de manera aleatoria para así garantizar que cada elemento tenga la misma posibilidad de ser

seleccionado, para ello existen diversas técnicas de selección de muestra (Sampieri, 2010).

Tómbola

La técnica de selección de muestra mediante tómbola es una variante del muestreo

aleatorio simple, que implica la selección de elementos al azar de la población. Este

procedimiento se lleva a cabo haciendo una ficha por cada elemento de la población y

revolviéndose en una caja (tómbola). Luego, se extraen al azar las fichas necesarias para

conformar la muestra. Esta técnica se utiliza comúnmente en situaciones en las que se requiere

una selección aleatoria y en las que los elementos de la población son fácilmente identificables y

están disponibles para la selección.

Números Random o Números Aleatorios

 Los números aleatorios son la base esencial de la simulación. Usualmente, toda la

aleatoriedad involucrada en el modelo se obtiene a partir de un generador de números aleatorios

que produce una sucesión de valores que supuestamente son realizaciones de una secuencia de

variables aleatorias independientes e idénticamente distribuidas, por lo tanto, se refiere a la

utilización de una tabla de números que implica un mecanismo de probabilidad muy bien

diseñado.

Selección Sistemática de Elementos Muéstrales

El muestreo sistemático es un tipo de muestreo que se refiere al orden de los elementos

en la muestra de población. Este procedimiento de muestreo se basa en un muestreo directo y

ordenado basado en reglas deterministas, también conocidas como reglas sistemáticas. El

muestreo sistemático es un tipo de muestreo probabilístico en el que el primer elemento se

selecciona aleatoriamente como muestra y los elementos posteriores se seleccionan utilizando

intervalos fijos o sistemáticos hasta alcanzar el tamaño de muestra deseado. Para ello, (Sampieri,

2014) señala que:

Este procedimiento de selección es muy útil y consiste en seleccionar N elementos del

intervalo K en la población N. Este último (k) es el intervalo determinado por el tamaño de

la población y el tamaño de la muestra. Entonces tenemos k = n/n, donde k = intervalo de

muestreo del sistema, n = población, n = muestra.

Listados y Otros Marcos Muestrales

Un marco de muestreo proporciona un marco de referencia que permite identificar

físicamente los elementos de una población, enumerar sus probabilidades y, por lo tanto,
seleccionar los elementos de la muestra. Por lo general, se trata de una lista existente o que debe

crearse ad hoc, en el caso de una población, por lo que hay varias listas en una población

(Morgan, 2008 y Sudman, 1976). En todo caso, se debe considerar la exhaustividad, exactitud,

autenticidad, calidad y cobertura del censo en relación con la cuestión objeto de estudio y la

población objeto de medición, ya que todos estos aspectos afectan a la selección de la muestra.

Tamaño Óptimo de una Muestra

Al inicio del planteamiento de una investigación surge inmediatamente la pregunta de qué

tan grande debe ser una muestra, pregunta que no debe ser tomada a la ligera y resulta ser

importante para poder conseguir una buena investigación, ya que, la toma de una muestra más

grande de lo necesario es un desperdicio de recursos, mientras que, las muestras demasiado

pequeñas suelen dar resultados que carecen de uso práctico, y se puede fallar en la obtención de

los objetivos de nuestro análisis. Al respecto, Mucha-Hospinal, Chamorro, Oseda, y Alania

(2021) señalan que:

Si se analiza a más individuos de los que en contexto son precisos, se habrán malgastado

recursos, tanto materia prima como personas; los que habitualmente no se disponen en

abundancia. Si, por el contrario, se analiza a pocos individuos, no se asumirá la potencia

suficiente sobre lo que se está haciendo. (p. 53)

Siempre que se toma una muestra, se pierde algo de información útil con respecto a la

población. Por eso, un alto grado de precisión va a depender de si se tomó una muestra suficiente

de la población, para que el investigador pueda asegurarse de la obtención de la información

requerida. La selección de un tamaño adecuado de la muestra puede controlar el error de

muestreo existente. En la tabla 1, Sampieri, Fernández y Baptista (2014) muestran algunos

ejemplos que indican los tamaños de muestra más utilizados, por diversos autores, según las

poblaciones (regionales o nacionales), los subgrupos que quieren estudiarse y de acuerdo a los

análisis que se llevan a cabo.

Tabla 1. Ejemplos sobre tamaños de la muestra más utilizados

1.1. Muestras utilizadas con frecuencia en investigaciones nacionales y regionales según el área de
estudio

Tipos de estudio Nacionales Regionales

Económicos 1000 + 100

Médicos 1000 + 500

Conductas 1000 + 700-300

Actitudes 1000 + 700-400

Experimentos de ------- 100

laboratorio

1.2. Muestras típicas de estudios sobre poblaciones humanas y organizaciones

Número de subgrupos Poblaciones de individuos u Población de organizaciones

hogares

Nacionales Regionales Nacionales Regionales

Ninguno (un único 1000 -1500 200 - 500 200 – 500 50 - 200
grupo) – pocos (menos
de 5)

Promedio (5 a 10) 1500 – 2500 500 – 1000 500 – 1000 200 - 500

Más de 10 2500 + 1000 + 1000 + 500 +

1.3. Tamaños mínimos de muestra por tipo de análisis estadístico

Tipos de análisis Número de casos

Análisis de correlación 64 casos para hipótesis estadísticas/pruebas de una cola y

82 para dos colas.

Análisis causales o comparativos 51 casos por grupo para hipótesis estadísticas/pruebas de

(diferencias significativas entre grupos) una cola y 64 para dos colas.

Análisis comparativos en diseños 21 casos por grupo para hipótesis estadísticas/pruebas de

experimentales una cola. En pruebas de dos o más colas 27 por grupo.
Nota. Apartado 1.1., se puede observar la importancia que tiene en el tamaño, la decisión de que sean muestras
nacionales o regionales en cualquier tipo de estudio. Por otro lado, en el apartado 1.2., se describen muestras típicas
de acuerdo con los subgrupos del estudio, según su cobertura (nacionales o regionales) y según su unidad de análisis
(individuos u organizaciones). Finalmente, en el apartado 1.3., se hace una recomendación, dada por Hesse-Biber
(2010ª) y Onwuegbuzie y Collins (2007), sobre los tamaños mínimos de muestra, dependiendo del análisis
estadístico inferencial que se pretende.

El tamaño de la muestra puede variar en función de ciertos fenómenos, qué tan

homogénea o heterogénea es el universo considerado. Una muestra óptima dependerá de cuánto

se aproxima su distribución a la distribución de las características de la población. Esta

aproximación y precisión aumenta, mientras más grande sea el tamaño de la muestra. Para

Sampieri et al. (2014) “cuando la muestra está constituida por 100 o más elementos tienden a

presentar distribuciones normales y esto sirve para el propósito de hacer estadística

inferencial” (p. 189).

Conclusiones

En conclusión, la delimitación adecuada de una población, la selección precisa de una

muestra y la elección de un método de prueba apropiado son aspectos esenciales en la

investigación. Estos pasos contribuyen a obtener resultados confiables y generalizables,

obteniendo conclusiones válidas y significativas que pueden ser aplicadas en un contexto más

amplio. Un enfoque riguroso en la delimitación y selección de la muestra es fundamental para

garantizar la validez y la calidad de los datos recopilados en cualquier estudio de investigación.

La escasez de recursos en la investigación hace hincapié en la importancia de saber

estimar el tamaño óptimo de la muestra. La subestimación de los tamaños pequeños de la

muestra (por debajo o por encima del tamaño óptimo) ocasionan, respectivamente, un nivel alto

de sesgo o provoca la pérdida de los recursos que tampoco es permisible. Es por ello que, el

cálculo y la utilización del tamaño óptimo de la muestra es primordial e importante para tener

una idea correcta del tamaño óptimo de la muestra; optimizando la distribución y utilización de

los recursos escasos.

Por lo tanto, gracias a la muestra se permite que los investigadores puedan llevar a cabo

los estudio que realizan en los individuos de una población, de tal manera que los resultados que

se obtengan en los estudios que realizan se puedan utilizar para dar conclusiones que deberán ser

aplicadas a las poblaciones. Así mismo para la selección de estas muestras se eligen de manera

aleatoria, además mientras la selección de la muestra sea precisa los datos obtenidos en el

muestreo serán de mayor relevancia e importancia para los investigadores.

En la mayoría de las investigaciones se utiliza una muestra para recolectar datos en lugar

de trabajar con la población completa, sin embargo, no siempre es necesario ya que es el tipo de
investigación y los objetivos del estudio los que determinarán si se requiere o no. Además, la

recolección de datos en una investigación debe ser cuidadosamente planificada y adaptada a los

objetivos y preguntas de investigación específicas. Ya que eso determinará con que individuos,

organizaciones, objetos o sucesos, etc. se trabajará para recolectar sus datos y recopilar

información en base a la investigación planteada.

Al momento de elegir una muestra hay que considerar que tenga un alto índice de

confiabilidad y una baja posibilidad de error. También debemos definir con exactitud el tamaño

de la muestra. Si optamos por seleccionar una muestra probabilística debemos tener en cuenta

que existe un programa el cual nos va a ayudar a obtener la muestra con exactitud. El programa

se llama STATS. Aquí vamos a ingresar el tamaño del universo, error máximo aceptable,

porcentaje estimado de la muestra y nivel deseado de confianza y con tan solo un “enter” nos va

a dar el tamaño de la muestra. Debemos tener en cuenta que esta herramienta es muy eficaz y nos

va a ayudar a minimizar el tiempo.

Recomendaciones

● Definir claramente el objetivo de la investigación, antes de comenzar el proceso de

muestreo, es fundamental tener una comprensión clara de los objetivos de tu

investigación. Esto te ayudará a determinar qué población deseas estudiar y qué

información necesitas recolectar.

● Existen diferentes técnicas de muestreo, para determinar la técnica de muestreo adecuada

como el muestreo aleatorio simple, el muestreo estratificado o el muestreo por

conglomerados. Es importante seleccionar la técnica más adecuada según la naturaleza de

la población y los objetivos de la investigación.

● Establecer criterios de inclusión y exclusión para poder definir los criterios que utilizarás

para seleccionar a los participantes o elementos de la muestra. Estos criterios deben estar

claramente establecidos y ser coherentes con los objetivos de la investigación.

● Calcula el tamaño de la muestra necesario para obtener resultados precisos y confiables.

Esto implica considerar el nivel de confianza deseado, el margen de error aceptable y la

variabilidad esperada en los datos.

● El objetivo del muestreo es obtener una muestra que sea representativa de la población

objetivo. Por lo tanto, es importante seleccionar los participantes o elementos de manera

aleatoria y evitar sesgos en la selección.

● Documenta y registra todo el proceso de muestreo, incluyendo los métodos utilizados, los

criterios de inclusión y exclusión, y cualquier dificultad o desafío encontrado. Esto

asegurará la transparencia y permitirá la replicación de la investigación en el futuro.

Referencias

Argibay, J. C. (2009). Muestra en investigación cuantitativa. Subjetividad y procesos cognitivos,

13(1), 13-29. http://www.scielo.org.ar/scielo.php?pid=S1852-

73102009000100001&script=sci_arttext&tlng=en

Arias, J., Villasís, M., y Miranda, M. (2016). El protocolo de investigación III: la población de

estudio. Revista Alergia México, 63 (2), 201-206.

https://www.redalyc.org/pdf/4867/486755023011.pdf

Camacho de Báez, B. (2021). La población y la muestra. Metodología de la Investigación

Científica.

https://repositorio.uptc.edu.co/bitstream/handle/001/4557/3266.pdf;jsessionid=562F3B99

18F4C7C34020F7FDF89DD02E?sequence=1

Carrillo, L. (2015). Población y muestra. Universidad Autónoma del Estado de México.

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

Lilia, C. F. A. (2015). Población y muestra.

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

López, P., y Fachelli, S. (2015). Metodología de la Investigación Social Cuantitativa.

Universidad Autónoma de Barcelona.

https://ddd.uab.cat/pub/caplli/2017/185163/metinvsoccua_cap2-4a2017.pdf
Mucha-Hospinal, L., Chamorro, R., Oseda, M. y Alania, R. (2021). Evaluación de

procedimientos para determinar la población y muestra: según tipos de investigación.

Desafíos, 12(1); 50-7. https://doi.org/10.37711/desafios.2021.12.1.253

Pastor, B. F. R. (2019). Población y muestra. Pueblo continente, 30(1), 245-

247.http://journal.upao.edu.pe/PuebloContinente/article/view/1269

Sampieri, R., Fernández, C., y Baptista, P. (2014). Metodología de la investigación. McGraw-

Hill/Interamericana editores, S. A. de C. V.

Torres, M., Salazar, F. G., & Paz, K. (2019). Métodos de recolección de datos para una

investigación. http://148.202.167.116:8080/jspui/handle/123456789/2817