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