POBLACIÓN: Conjunto de componentes (personas, objetos, etc.

) en los que se desea

realizar una
investigación.
POBLACIÓN FINITA E INFINITA: Una de las metas de la Estadística en sus diferentes
formas es disponer
de datos que sirvan para obtener información con el fin de caracterizar la población
que los ha
generado.
Cuando es posible identificar cada una de las unidades que forman la Población
asignando
determinadas etiquetas (algo que las diferencia de las demás), es decir, cuando se
conoce el valor de la
variable objeto de estudio con el elemento que lo presenta se habla de Población
Finita, denominando
tamaño de la población (N) al número de unidades que la forman.
El tamaño de la población puede considerarse infinito o no ser relevante, bien porque
proviene de
alguna situación que puede repetirse indefinidamente o porque el tamaño es tan
grande que conviene
tratarlo como tal, o bien porque no se puede identificar cada unidad; se dirá que está
anta una
Población Infinita.
MUESTRA: Subconjunto o parte del universo o población en que se llevará a cabo la
investigación. La
muestra es una parte representativa de la población.
TAMAÑO DE LA MUESTRA: Se define a partir de los recursos disponibles y de los
requerimientos que
tenga el análisis de la investigación. Se debe tomar la mayor muestra posible, cuanto
más grande y
representativa sea la muestra, menor será el error que se comete.
Una muestra grande tiene más de 30 componentes.
El hecho de que la muestra sea grande no cumple necesariamente con el requisito de
representatividad.
Esta característica depende de otros factores y no sólo del tamaño, sino del diseño del
muestreo de
cómo se seleccionará a los componentes de la muestra.
NIVEL DE CONFIANZA Y MARGEN DE ERROR: Variables que describen el nivel de
precisión de los
resultados de una encuesta por muestreo.
Con un nivel de confianza del 95% el margen de error es del 5%, esto significa que, si la
encuesta se
realiza en repetidas ocasiones (seleccionando una nueva muestra con el mismo marco
de muestreo
cada vez que la encuesta es repetida), el 95% de las veces los resultados estarán a una
distancia máxima
de 5 puntos porcentuales de los valores reales de la población.
SESGO: Situaciones en que los resultados de una encuesta por muestreo subestiman o
sobreestiman un
parámetro poblacional (valor estadístico que describe a la población objetivo) de
forma sistemática. Los
sesgos se pueden presentar debido a distintos factores.
ESTIMACIÓN DEL TAMAÑO MUESTRAL: Se basa en la inferencia estadística tradicional,
es decir, en la
construcción de intervalos de confianza alrededor de las medias o proporciones de la
muestra. En este
enfoque, el nivel de precisión se especifica de antemano.
Los estadísticos muestrales o estadísticos son las diferentes medidas numéricas
(media, varianza, etc.)
cuando se aplican a una muestra. Cuando estas medidas numéricas se aplican a una
población se
denominan parámetros poblacionales o simplemente parámetros. Un estimador de un
parámetro
poblacional es el estadístico muestral (x) utilizado para estimar el parámetro (μ) .
Portal Estadística Aplicada: Técnicas Muestreo Poblaciones Finitas 5
El estadístico de la cuasivarianza 2x
(s ) muestral estima la varianza poblacional (σ2 ) .
Cuando la estimación se refiere a un rango o intervalo, se denomina estimación de
intervalo, el
parámetro poblacional desconocido probablemente se encuentra en este intervalo.
FACTOR DE PONDERACIÓN: Peso que se atribuye a una determinada variable
estadística para aumentar
o disminuir su importancia con relación a las demás variables de un conjunto de datos.
En encuestas por
muestreo a veces se utilizan factores de ponderación para que las muestras se ajusten
mejor a la
población objetivo, tanto en el caso de muestras estratificadas no proporcionales
como cuando se
registran altos niveles de no respuesta.
MUESTREO: Método utilizado para seleccionar a los componentes de la muestra del
total de la
población. Son un conjunto de reglas, procedimientos y criterios mediante los que se
selecciona un
conjunto de elementos de una población que representan lo que sucede en toda esa
población.
MARCO DE MUESTREO: Lista de componentes (individuos, hogares, etc.) de la
población objetivo, a
partir de donde se selecciona la muestra.
DISEÑO MUESTRAL
􀁹 Permite que el estudio se realice en menor tiempo.
􀁹 Se incurre en menos gastos.
􀁹 Permite profundizar en el análisis de las variables.
􀁹 Permite tener mayor control de las variables a estudiar.
TIPOS DE MUESTREO
Probabilístico
No Probabilístico
⎧⎨⎩
i
i
En una investigación cuantitativa, el investigador escoge una población, saca la
muestra representativa
de la población y procede al muestreo probabilístico.
En la investigación cuantitativa, la muestra se basa en analizar con profundidad una
característica que
sea válida.
En casos particulares, la investigación se realiza seleccionando de forma intencionada.
Muestreo aleatorio simple
Muestreo estratificado
Muestreo sistemático
Muestreo por conglomerados o clústeres.
⎧
⎨
⎪⎪
⎪⎪⎩
¿Existe un Muestreo aleatorio bietápico
marco de
muestreo?
¿Existe un
marco de
muestreo?
Muestreo bola de nieve
Muestreo dirigido por encuestados
Muestreo de conveniencia
Muestreo accidental o por comodidad
Muestreo por cuotas
Portal Estadística Aplicada: Técnicas Muestreo Poblaciones Finitas 6
a) MUESTREO PROBABILÍSTICO: Es el método
más recomendable si se está haciendo una
investigación cuantitativa porque todos los
componentes de la población tienen la misma
posibilidad de ser seleccionados para la
muestra.
MUESTREO ALEATORIO SIMPLE: Los componentes de la muestra son
seleccionados aleatoriamente a partir del marco de muestreo completo, y
cada componente en la muestra tiene la misma probabilidad de ser
seleccionado.
Este tipo de muestreo es la forma más básica de muestreo aleatorio y se suele utilizar
en combinación
con otro método de muestreo (como puede ser el estratificado). La selección de la
muestra aleatoria
simple se puede realizar mediante un programa informático.
MUESTREO ESTRATIFICADO: Se divide a la población objetivo en
subgrupos que no se sobreponen, exclusivos, homogéneos, y luego una
muestra aleatoria simple se selecciona de cada subgrupo (estrato).
La distribución del tamaño de la muestra entre los estratos puede ser
proporcional o no proporcional al tamaño de la población objetivo en
cada estrato.
En caso de que no sea proporcional, la probabilidad de ser incluido en la
muestra varía entre los distintos estratos, esta representación desigual
se compensa utilizando factores de ponderación.
El factor de ponderación corresponde al número de componentes (personas, hogares,
etc.) representados
por cada una de ellas. Los factores de ponderación solo se aplican para calcular el
número que cubren
toda la muestra, no se utilizan al realizar un análisis que comparen unos estratos con
otros.
Sobre cada estrato se seleccionan muestras aleatorias con un tamaño dado según
cierto criterio
denominado “afijación”, entre los que están:
􀂃 Igual tamaño en cada estrato (afijación uniforme).
􀂃 Tamaño proporcional al tamaño del estrato en la población (afijación proporcional).
􀂃 Afijación proporcional corregida por la varianza del estrato