Estadística

UNIVERSIDAD TECNOLOGICA
DE PUEBLA
TSU EN DESARROLLO DE NEGOCIOS EN EL ÁREA DE MERCADOTECNIA
ESTADISTÍCA
PRODUCTO 1: CONCEPTOS BÁSICOS DE ESTADÍSTICA Y PROBABILIDAD
DOCENTE:
JOSE LUIS CRUZ ALVAREZ
ELABORÓ:
LIBNI SARAI AVILES SANCHEZ
2 “C”
DE PUEBLA
INTRODUCCIÓN
Inicialmente la estadística y la probabilidad son herramientas fundamentales en el

análisis y la toma de decisiones en el ámbito de los negocios y el marketing. Se
adentra en un entorno empresarial cada vez más competitivo y globalizado, la
capacidad de comprender y utilizar datos numéricos de manera efectiva se ha
convertido en un factor crítico para el éxito. La estadística proporciona métodos
para recopilar, organizar, analizar e interpretar datos, lo que permite a las
empresas comprender mejor su entorno, evaluar el rendimiento pasado y predecir
resultados futuros
Por otro lado, la probabilidad es fundamental para entender la incertidumbre

inherente a muchas decisiones empresariales. Permite evaluar riesgos y calcular la
probabilidad de que ocurran ciertos eventos, lo que es crucial para la planificación
estratégica y la gestión de riesgos. Realmente en el marketing, la probabilidad se
utiliza para estimar la probabilidad de que los consumidores realicen ciertas
acciones, como comprar un producto o responder a una campaña publicitaria.
En este ensayo, exploraremos y conoceremos cómo la estadística y la probabilidad

son aplicadas en el desarrollo de negocios y estrategias de marketing. En el ámbito
empresarial, la estadística se utiliza para realizar estudios de mercado, segmentar
clientes, analizar el rendimiento de productos y evaluar la efectividad de estrategias
de marketing. Por su parte, la probabilidad se aplica en la predicción de resultados
financieros, la optimización de precios y la gestión de inventario, entre otros
aspectos importantes.
Destacaremos el papel crucial que juegan la estadística y la probabilidad en la toma

de decisiones informadas. En la cual la información del mercado es clave, estas
herramientas permiten a las empresas basar sus decisiones en datos concretos y
análisis rigurosos, en lugar de depender únicamente de la intuición o la experiencia
pasada.
Adentrándonos en estos temas, podremos apreciar su importancia y su impacto en

el mundo empresarial actual. La capacidad de utilizar la estadística y la
probabilidad de manera efectiva es una ventaja competitiva para las empresas que
buscan mantenerse relevantes y tomar decisiones acertadas en un entorno
empresarial dinámico y cambiante.
DE PUEBLA
ESTADÍSTICA DESCRIPTIVA
¿Qué es la estadística descriptiva?

El término estadística descriptiva se refiere al análisis, el resumen y la presentación
de los resultados relacionados con un conjunto de datos derivados de una muestra
o de toda la población.
La estadística descriptiva comprende tres categorías principales: distribución de
frecuencias, medidas de tendencia central y medidas de variabilidad.
Por estadística descriptiva entendemos, por ejemplo, el cálculo de la media y la
mediana, dos indicadores muy importantes y sobre todo diferentes. La mediana es
un indicador que «no tiene en cuenta los valores extremos, a veces poco
frecuentes», a diferencia de la media, que está muy influida por estos valores
extremos.
Objetivo de la estadística descriptiva

El objetivo de la estadística descriptiva es describir los datos observados de forma
sintética y significativa para poder analizarlos mejor. Es recoger observaciones
sobre sujetos con una determinada propiedad y traducir estas observaciones en
números que proporcionen información sobre dicha propiedad.
En resumen, su objetivo es estructurar y representar la información contenida en
los datos.
Importancia de la estadística descriptiva

La estadística descriptiva facilita la visualización de los datos. Permiten
presentarlos de forma significativa y comprensible, lo que a su vez da pie a una
interpretación simplificada del conjunto de datos en cuestión.
Los datos brutos serían difíciles de analizar, y la determinación de tendencias y
patrones puede ser un reto. Además, los datos en bruto dificultan la visualización
de lo que muestran los datos.
Además, el uso de la estadística descriptiva permite resumir y presentar un
conjunto de datos mediante una combinación de descripciones tabuladas y
DE PUEBLA
gráficas. La estadística descriptiva se utiliza para resumir datos cuantitativos
complejos.
Conoce también la importancia del análisis descriptivo.
Tipos de estadística descriptiva

La estadística descriptiva ayuda a describir y comprender las características de un
conjunto de datos específico ofreciendo breves resúmenes sobre la muestra y las
medidas de los datos.
Estos son los tipos de estadística descriptiva:
– Distribución de frecuencias
Utilizada tanto para datos cualitativos y cuantitativos. Representa la frecuencia o el
recuento de los diferentes resultados en un conjunto de datos o muestras.
La distribución de frecuencias se presenta normalmente en una tabla o un gráfico.
Cada entrada de la tabla o el gráfico va acompañada del recuento o la frecuencia de
aparición de los valores, en un intervalo, rango o grupo específico.
La distribución de frecuencias es básicamente una presentación o un resumen de
datos agrupados que se han clasificado en función de clases mutuamente
excluyentes y del número de ocurrencias en cada clase respectiva. Permite una
forma más estructurada y organizada de presentar los datos en bruto.
Los cuadros y gráficos más comunes utilizados en la presentación y visualización de
la distribución de frecuencias incluyen gráficos de barras, histogramas, gráficos
circulares y gráficos de líneas.
– Tendencia central
La tendencia central es otro de los tipos de estadística descriptiva, y se refiere al
resumen descriptivo de un conjunto de datos utilizando un único valor que refleja
el centro de la distribución de los datos.
Las medidas de tendencia central también se conocen como medidas de
localización central. La media, la mediana y la moda son consideradas las medidas
de tendencia central.
La media, que se considera la medida de tendencia central más popular, es el valor
medio o más común en un conjunto de datos. La mediana se refiere a la puntuación
DE PUEBLA
media de un conjunto de datos en orden ascendente. La moda se refiere a la
puntuación o valor más frecuente en un conjunto de datos.
– Variabilidad
Una medida de variabilidad es una estadística de resumen que refleja el grado de
dispersión de una muestra. Las medidas de variabilidad determinan la distancia
que los puntos de datos parecen tener con respecto al centro.
La dispersión y la variabilidad se refieren y denotan el rango y la amplitud de la
distribución de los valores en un conjunto de datos. El rango, la desviación
estándar y la varianza se utilizan, respectivamente, para representar diferentes
componentes y aspectos de la dispersión.
El rango representa el grado de dispersión o un ideal de la distancia entre los
valores más altos y más bajos dentro de un conjunto de datos. La desviación
estándar se utiliza para determinar la varianza media de un conjunto de datos y
proporciona una idea de la distancia o la diferencia entre un valor de un conjunto
de datos y el valor medio del mismo conjunto de datos.
La varianza refleja el grado de dispersión y es esencialmente una media de las
desviaciones al cuadrado.
Quizá te interese conocer sobre los tipos de datos estadísticos.
Ejemplos de investigación descriptiva

Estos son algunos ejemplos donde se aplica la investigación descriptiva:
Ejemplo 1:
Las estadísticas descriptivas sobre una universidad se refieren a la puntuación
media en los exámenes de matemáticas de los alumnos de nuevo ingreso. No dice
nada sobre por qué los datos son así o qué tendencias podemos ver y seguir.
La estadística descriptiva ayuda a simplificar grandes cantidades de datos de forma
significativa. Reduce muchos datos a un resumen.
Ejemplo 2:
Has realizado una encuesta a 40 encuestados sobre su color favorito de coche. Y
ahora tiene una hoja de cálculo con los resultados.
Sin embargo, esta hoja de cálculo no es muy informativa y quieres resumir los
datos con algunos gráficos y tablas que te permitan llegar a algunas conclusiones
sencillas (por ejemplo, el 24% de las personas dijeron que el blanco es su color
favorito).
DE PUEBLA
Seguro que esto sería mucho más representativo y claro que una fea hoja de
cálculo. Y tienes un montón de opciones para visualizar datos, como gráficos
circulares, gráficos de líneas, etc.
Ese es el núcleo de la estadística descriptiva. Ten en cuenta que no estás sacando
conclusiones sobre toda la población.
¿Qué es la estadística inferencial?

La estadística inferencial es una rama de la estadística que se enfoca en hacer
conclusiones y generalizaciones sobre una población a partir de la información
obtenida de una muestra de la misma.
Imaginemos que queremos saber la altura promedio de todos los estudiantes de
una escuela, pero sería difícil medir la altura de cada uno de ellos. En cambio,
podríamos medir la altura de una muestra de estudiantes y usar esa información
para hacer una inferencia sobre la altura promedio de todos los estudiantes en la
escuela.
Para hacer esta inferencia, aplicamos técnicas estadísticas a los datos de la muestra
para estimar el valor desconocido de la población (en este caso, la altura promedio
de todos los estudiantes). Estas técnicas pueden incluir la estimación de
parámetros de una distribución de probabilidad, el cálculo de intervalos de
confianza o la realización de pruebas de hipótesis.
¿Cuál es el objetivo principal de la estadística inferencial?

El objetivo principal de la estadística inferencial es hacer generalizaciones precisas
sobre una población a partir de una muestra de datos obtenidos de esa población.
La estadística inferencial es útil porque no siempre es posible medir todos los
elementos de una población. Por lo tanto, la inferencia estadística nos permite
tomar decisiones y hacer predicciones basadas en una muestra representativa de la
población en lugar de medir todos los elementos de la población.
Importancia de la estadística inferencial

La estadística inferencial es importante por varias razones:
Permite hacer generalizaciones precisas sobre una población a partir de una
muestra. En muchas situaciones, es imposible medir o analizar todos los elementos
de una población. La estadística inferencial nos permite inferir las características
DE PUEBLA
de la población a partir de una muestra representativa, lo que hace que sea más
fácil tomar decisiones basadas en datos y hacer predicciones.
Ayuda a tomar decisiones informadas. Proporciona un marco para evaluar la
confianza en nuestras inferencias y predicciones. Esto nos permite reducir el riesgo
de tomar decisiones incorrectas o basadas en suposiciones equivocadas.
Es importante en los negocios y la industria. Se usa en los negocios y la industria
para analizar datos de ventas, encuestas de satisfacción del cliente y otros datos de
mercado. Esto ayuda a las empresas a tomar decisiones informadas sobre cómo
mejorar sus productos y servicios y cómo dirigir su marketing y publicidad de
manera más efectiva.
Principales usos de la estadística inferencial

La estadística inferencial se utiliza en una variedad de campos para hacer
predicciones y tomar decisiones basadas en datos. Aquí hay algunos ejemplos de
cómo se puede usar la estadística inferencial:
En investigación científica: La estadística inferencial es fundamental en la
investigación científica, donde se utilizan técnicas como pruebas de hipótesis y
análisis de varianza para determinar si los resultados obtenidos de una muestra
son representativos de la población de interés.
En negocios: Las empresas a menudo utilizan la estadística inferencial para tomar
decisiones importantes, como determinar el tamaño de la muestra necesario para
obtener resultados representativos, estimar la demanda de productos, analizar la
satisfacción del cliente y evaluar el rendimiento de los empleados.
En salud: La estadística inferencial es fundamental en la investigación médica,
donde se utilizan técnicas estadísticas para evaluar la eficacia de nuevos
tratamientos y medicamentos, así como para analizar los factores de riesgo para
enfermedades.
En política: También se utiliza en política para hacer predicciones sobre el
resultado de elecciones, encuestas de opinión pública, y para analizar los datos de
votación.
Tipos de estadística inferencial

La estadística inferencial se divide en dos categorías:
Pruebas de hipótesis.
Análisis de regresión.
Los investigadores suelen emplear estos métodos para generalizar los resultados a
poblaciones más grandes a partir de muestras pequeñas. Veamos algunos de los
métodos disponibles en estadística inferencial.
DE PUEBLA
DE PUEBLA
POBLACIÓN
¿Qué es una población estadística?
Una población estadística es simplemente un grupo de personas que comparten
rasgo característico que queremos estudiar.
Puntos clave
La población estadística es el conjunto total de personas o elementos que
tienen unas características específicas que se quieren estudiar.
Existen dos tipos principales de poblaciones estadísticas: finita (con un
número limitado de elementos) e infinita (con un número tan grande que se
considera ilimitado).
La población estadística se utiliza para representar un grupo más grande y
obtener conclusiones aproximadas.
La población estadística: Explicación sencilla

Una población estadística es, en esencia, un grupo de individuos o elementos que
tienen algo en común. Ese ‘algo’ es lo que queremos estudiar.
Aunque la idea de población estadística puede sonar compleja, en realidad es un

concepto bastante sencillo. Vamos a explicarlo de una manera clara y precisa, sin
renunciar a la rigurosidad y precisión que requieren las variables cuantitativas.
Empezaremos por la palabra población. ¿En qué piensas cuando lees o escuchas la
palabra población? Muy probablemente en un número de personas. Por ejemplo, la
población de Argentina, la población de Chile, la población de Nueva York o la
población mundial.
Y dirás, ¿Qué tiene que ver la población con la estadística? Pues tiene que ver, y
mucho. Todo se remonta a los orígenes de la palabra estadística.
Con esto en mente, seguiremos estos pasos: primero, descubriremos el origen de la

palabra estadística, y después exploraremos los diferentes tipos de población,
seguido de un ejemplo.
Pero para entenderlo antes de entrar en harina, te ponemos un ejemplo: imagina

que queremos estudiar el hábito de lectura en una ciudad. Aquí, nuestra población
estadística no serían todos los habitantes de la ciudad, sino aquellos que leen
regularmente. Este grupo específico sería el que nos interesaría para nuestra
investigación.
DE PUEBLA
Ejemplo de población estadística

A continuación, vamos a ver un ejemplo gráfico de una población estadística. No
hay mejor manera que entender algo de una manera gráfica y aplicable a la
práctica.
Como vemos en la imagen, tenemos una población estadística de 150 individuos.

Los 150 individuos son estudiantes de economía de un instituto. Cuando el número
de individuos de una población es reducido, es recomendable utilizar los datos del
total de población, pero en casos más grandes es imposible. Para explicar este caso,
imaginemos que nosotros somos uno de esos 100 estudiante de economía. Nos
encargan que realicemos un estudio sobre qué porcentaje de los alumnos considera
que la economía es interesante y nos dan 10 minutos.
En 10 minutos no podemos buscar a todos los alumnos, ir preguntando a las
distintas clases, en distintos cursos. Así lo que haremos será preguntar a unos
cuantos, por ejemplo a 13. Esos datos no pueden representar de forma 100% fiable
a la opinión de los 150 individuos, pero sí podrían ofrecernos una idea aproximada.
A estos 13 alumnos es lo que llamamos muestra.
DE PUEBLA
VARIABLE
¿Qué es una variable estadística?
Una variable estadística es una característica de una muestra o población de datos
que puede adoptar diferentes valores.
Puntos clave
Una variable estadística es una característica de algo (ya sea numérica o de otro
tipo), que se puede medir o agrupar en un conjunto de datos.
Las variables pueden ser cuantitativas (expresadas numéricamente, como el peso,
la altura, o los beneficios de una empresa), o cualitativas (descritas en palabras,
como el color de los ojos o la forma de un objeto).
Variable estadística: Explicación sencilla
Cuando hablamos de una variable estadística nos referimos a algo que podemos
observar, medir o registrar en un conjunto de datos.
Por ejemplo, la altura de Juan es de 180 centímetros. La variable estadística es la

altura y está medida en centímetros.
También podríamos, por ejemplo, decir que el beneficio de una empresa ha sido de
22.300 dólares el último año. En este caso, la variable sería el beneficio y estaría
medido en dólares.
Variable estadística: Explicación sencilla

Cuando hablamos de una variable estadística nos referimos a algo que podemos
observar, medir o registrar en un conjunto de datos.
Por ejemplo, la altura de Juan es de 180 centímetros. La variable estadística es la

altura y está medida en centímetros.
También podríamos, por ejemplo, decir que el beneficio de una empresa ha sido de
22.300 dólares el último año. En este caso, la variable sería el beneficio y estaría
medido en dólares.
DE PUEBLA
Estos son ejemplos de variables cuantitativas, porque representan cantidades y se

expresan con números. Claro que no todas las variables estadísticas son iguales y,
por supuesto, no todas se pueden (en principio) expresar en forma de número.
Algunas son cualitativas, lo que significa que describen una cualidad o

característica sin usar números. De hecho, otra variable podría ser el color de ojos
de una persona. Por ejemplo, Juan tiene los ojos verdes y Andrés los tiene azules.
La variable sería el color de ojos.
Tipos de variables estadísticas

Aunque hay decenas de tipos de variables estadísticas, por norma general podemos
encontrarnos dos tipos de variables:
Variable cuantitativa: Son variables que se expresan numéricamente.

Variable continua: Toman un valor infinito de valores entre un intervalo de datos.
El tiempo que tarda un corredor en completar los 100 metros lisos.
Variable discreta: Toman un valor finito de valores entre un intervalo de datos.
Número de helados vendidos.
Variable cualitativa: Son variables que se expresan, por norma general, en palabras.
Variable ordinal: Expresa diferentes niveles y orden.
Variable nominal: Expresa un nombre claramente diferenciado. Por ejemplo el
color de ojos puede ser azul, negro, castaño, verde, etc.
Además cada una de estas variables podría tener más subtipos, ya que tenemos
variables de tipo económico, categóricas, dicotómicas, dependientes,
independientes y cardinales. Es decir, como ya hemos dicho, muchos tipos de
variables estadísticas. Por ejemplo, podríamos tener una variable estadística de
tipo cuantitativo, discreta y dependiente.
Adicionalmente, también debemos aclarar que el hecho que las variables

cualitativas se expresen con nombre no quiere decir que no puedan ser parte de un
modelo matemático. Así pues, podríamos crear una variable cuantitativa a partir de
una variable cualitativa. Por ejemplo, para el color de ojos podríamos asignar un 1
si tiene los ojos azules, un 2 si tiene los ojos verdes y un 3 si tiene los ojos
DE PUEBLA
marrones. O, en otros casos, podríamos también convertir variables dicotómicas
que indica SI o NO, en 1 o 0.
Ejemplos de variable estadística

A continuación, mostramos un ejemplo de cada una de los tipos de variable
estadística:
Ejemplo variable cuantitativa

Un ejemplo de variable cuantitativa serían las horas que trabaja un empleado a lo
largo de la semana. Otro ejemplo podría ser el número de kilómetros que realiza un
ciclista profesional a lo largo de la temporada.
Ejemplo de variable continua

Las variables continuas son aquellas que toman valores infinitos dentro de un
intervalo como puede ser el tiempo que un corredor tarda en recorrer los 100
metros lisos. Un ejemplo más puede ser el peso de un paquete de espaguetis.
Ejemplo de variable discreta

Podríamos mencionar el número de helados vendidos en una heladería o el número
de clases que da un profesor a lo largo del curso lectivo.
Ejemplo de variable cualitativa

Los asistentes a un concierto que tienen entradas diferenciadas por la zona en la
que se ubiquen como pista, grada o zona VIP sería una variable cualitativa.
Ejemplo de variable ordinal

El resultado obtenido por los diferentes pilotos en una carrera de coches de
Fórmula 1 seria una variable ordinal. Otro ejemplo podría ser la calificación
otorgada por los jueces de un campeonato de gimnasia rítmica.
Ejemplo de variable nominal

DE PUEBLA
El color de ojos de una persona, azules, marrones o verdes es un ejemplo de este
tipo de variable. Un ejemplo más sería el estado civil de una persona o su sexo.
DE PUEBLA
MUESTRA
Muestra estadística
Una muestra estadística es un subconjunto de datos perteneciente a una población

de datos. Estadísticamente hablando, debe estar constituido por un cierto número
de observaciones que representen adecuadamente el total de los datos.
La estadística, como rama de las matemáticas, se encarga de recoger datos,

ordenarlos y analizarlos. Es decir, cuando queremos estudiar un determinado
fenómeno recurrimos a la estadística. Un buen ejemplo de fenómeno que estudia la
estadística, es el salario medio de los ciudadanos de un país
En este sentido, por cuestiones de tiempo y coste, no podemos recoger la totalidad

de los datos. Esta totalidad de los datos es lo que se conoce como población de
datos o, simplemente, población.
¿Por qué se trabaja con muestras estadísticas?

Para explicar por qué se utiliza una muestra estadística en lugar de la población
total, vamos a recurrir al ejemplo planteado anteriormente.
Supongamos que queremos estudiar un fenómeno cualquiera. En nuestro caso, ese

fenómeno es el salario medio de los ciudadanos de un país. La población de datos
está formada por todos y cada uno de los trabajadores del país. Claro que por
razones de tiempo y coste sería imposible ir preguntando a cada trabajador cual es
su salario anual. Tardaríamos mucho tiempo o necesitaríamos muchos recursos.
En este punto aparece el concepto de muestra estadística. En lugar de preguntar a

los millones de trabajadores de un país o región, tan solo recogemos una pequeña
cantidad de datos. Por ejemplo, preguntamos a 100.000 personas. Esta tarea sigue
siendo complicada, pero es mucho más asequible preguntar a 100.000 personas
que preguntar a 30 millones.
DE PUEBLA
Esta pequeña cantidad de datos ha de ser representativa. Es decir, debe representar
adecuadamente a la población. Si las 100.000 personas a las que preguntamos se
concentran en barrios ricos, obtendremos datos que no son representativos. El
salario medio nos saldría mucho más alto de lo que es en realidad.
Características de una muestra estadística representativa

Si se quiere hacer una buena investigación, la calidad de la muestra estadística es
esencial. De nada sirve realizar las métricas estadísticas más complejas con los
modelos más sofisticados si la muestra estadística está sesgada. Es decir, si la
muestra no es representativa.
A la hora de obtener una muestra representativa existen ciertos aspectos que el

investigador debe conocer de antemano. Entre esos aspectos se encuentran las
características de una muestra representativa. Las características de una muestra
representativa son las siguientes:
Tamaño suficientemente grande: Cuando trabajamos con muestras estamos,
normalmente, trabajando con una cantidad de datos inferior a la población. Ahora
bien, para que una muestra estadística sea representativa deberá ser lo
suficientemente grande como para considerarse representativa. Por ejemplo, si
nuestra población está formada por 10 millones de datos y escogemos 10, es difícil
que sea representativa. Eso sí, no siempre a mayor tamaño la muestra es más
representativa.
Aleatoriedad: La selección de los datos de una muestra estadística debe ser
aleatoria. Es decir, debe ser totalmente al azar. Si en lugar de realizarlo al azar,
realizamos un proceso de selección de datos planificado, estamos introduciendo un
sesgo a la obtención de datos. Por tanto, para evitar que la muestra sea sesgada y,
por tanto, conseguir que sea una muestra representativa, debemos hacer una
selección aleatoria.
Tipos de muestra estadística
A continuación te explicamos los diferentes tipos de muestra estadística que hay.
Antes de nada cabe destacar que se pueden dividir en dos grandes grupos, muestra
probabilística y muestra no probabilística:
Muestra probabilística: En este tipo de muestras todos los sujetos disponibles

tienen las mismas probabilidades de ser incluidos.
DE PUEBLA
Muestra aleatoria simple: Es un conjunto de variables aleatorias independientes e
idénticamente distribuidas, obtenidas a partir de la variable aleatoria X y que se
distribuyen igual que la misma.
Muestra aleatoria sistemática: En este caso la población se enumera y se agrupa en
grupos de 10 personas. Posteriormente, se selecciona a un miembro de cada grupo
para elaborar la muestra.
Muestra aleatoria por conglomerados: La población se encuentra ya agrupada
previamente y de estos grupos se extraen los individuos para conformar la muestra.
Muestra estratificada: En este caso la población se divide en subgrupos o estratos
con base en las variables de estratificación.
Muestra no probabilística: En este tipo de selección de muestra todos los elementos
no tienen la misma probabilidad de ser elegidos, ya que depende del procedimiento
escogido para seleccionarlos.
Bola de nieve: En primer lugar se seleccionan a diferentes sujetos. A partir de ahí
estos sujetos colaboran para encontrar a más sujetos que tengan relación con ellos.
Muestra por cuotas: La población es elegida en función a unas características
determinadas.
Muestra discrecional: La selección de la población la realizan los investigadores en
función a su propio criterio.
Muestra por conveniencia: Es una muestra elegida por los propios investigadores
según su interés o cercanía.
Inferencia estadística
Una vez obtenidos tenemos la muestra representativa, entonces toca inferir ciertas
métricas. A menudo, lo que nos interesa es saber cierta medida de una variable. En
el ejemplo inicial, la variable sería el salario de los ciudadanos de un país. En este
sentido, la métrica que queremos analizar es la media del salario de los ciudadanos
de un país.
Es decir, tenemos una población de datos formada por todos los trabajadores de
México. De dicha población obtenemos una variable, es decir, el salario anual.
Utilizando las técnicas adecuadas obtenemos una muestra representativa. Y, por
último, una vez tenemos un conjunto de datos con el que podemos trabajar
utilizamos técnicas de inferencia estadística para calcular el salario medio.
DE PUEBLA
Por supuesto, una vez tenemos el conjunto de datos, podríamos inferir otras
medidas. Por ejemplo, cómo se distribuye el salario, qué porcentaje de trabajadores
se encuentra por debajo de cierto salario o de qué tamaño es la brecha salarial.
Ejemplo de muestra estadística

Supongamos que queremos realizar un estudio sobre el gasto medio de las familias
de Colombia en el mes de enero. Para ello tenemos dos opciones:
Entrar en las cuentas bancarias de todas las familias de Colombia

Preguntar a una cantidad de personas representativa
La primera opción no es viable por varias razones. Primero que las familias no van
a ceder sus datos y segundo que tampoco podíamos ir familia por familia mirando
los datos. Principalmente, porque la población de Colombia se encuentra cerca de
los 50 millones. Mientras, la segunda es la opción para recoger una muestra
estadística.
Lo que haremos, siguiendo las características mencionadas anteriormente, será

preguntar a 100.000 familias. Es algo complicado pero mucho más fácil que
preguntar a 50 millones de colombianos. La diferencia es considerable. Así pues, a
partir de esa muestra de 100.000 familias, intentaremos calcular el gasto medio de
las familias en enero.
Los datos extraídos serán más o menos fiables según una serie de métricas que se
tienen en cuenta en las investigaciones estadísticas. Claro que, ese tipo de métricas
son más avanzadas y, por ello, no las trataremos aquí.
Otro ejemplo de muestra estadística podría ser conocer la opinión de la gente de un

determinado barrio acerca de que se cree un restaurante de comida mexicana en la
zona en la que residen. Las opciones para realizar este muestreo pueden ser
consultarle a la gente en la calle para saber si irían a comer o cenar a este nuevo
restaurante.
DE PUEBLA
En cambio, otra opción sería que nuestro grupo de amigos enviase entre sus grupos
de conocidos un cuestionario consultando esta información. La gente que
respondiese sería la muestra.
DE PUEBLA
El Muestreo Estadístico
Al realizar cualquier investigación social o de mercados, la mayor parte de las veces
se rebasa la capacidad de los investigadores/as para llegar a toda la población o
universo de estudio, por lo que se suele optar por métodos de muestreo que sirvan
para acotar ese universo y así poder realizar la investigación dentro de nuestras
posibilidades.
El uso de estos métodos de muestreo, como su propio nombre indica, nos ayuda a
obtener información fiable de la población a partir de una muestra de la que
extraer inferencias estadísticas con un margen de error medido en términos de
probabilidades. En otras palabras, en una investigación por muestreo podremos
estudiar el comportamiento y las opiniones de toda una población analizando
únicamente una parte de esta, teniendo en cuenta que siempre existirá un margen
de error a la hora de realizar dichos cálculos.
El muestreo, además de ser una ciencia Estadística, es un arte
Definición de muestreo
El muestreo es un proceso o conjunto de métodos para obtener una muestra finita
de una población finita o infinita, con el fin de estimar valores de parámetros o
corroborar hipótesis sobre la forma de una distribución de probabilidades o sobre
el valor de un parámetro de una o más poblaciones.
El muestreo además de ser una ciencia Estadística, es un arte, donde no solo los
elementos se seleccionan al azar con una medida de probabilidad, si no que,
además, requiere pericia por parte de investigador/a en el diseño de la muestra a la
hora de determinar:
• La técnica de selección de elementos de investigación.

• La selección de los estimadores apropiados.
• La elección de un tamaño adecuado de la muestra con precisión (margen de error)
y un nivel de confianza aceptable.
• Y el uso de marcos muestrales actualizados.
El Muestreo Estadístico
Al realizar cualquier investigación social o de mercados, la mayor parte de las veces
se rebasa la capacidad de los investigadores/as para llegar a toda la población o
DE PUEBLA
universo de estudio, por lo que se suele optar por métodos de muestreo que sirvan
para acotar ese universo y así poder realizar la investigación dentro de nuestras
posibilidades.
El uso de estos métodos de muestreo, como su propio nombre indica, nos ayuda a
obtener información fiable de la población a partir de una muestra de la que
extraer inferencias estadísticas con un margen de error medido en términos de
probabilidades. En otras palabras, en una investigación por muestreo podremos
estudiar el comportamiento y las opiniones de toda una población analizando
únicamente una parte de esta, teniendo en cuenta que siempre existirá un margen
de error a la hora de realizar dichos cálculos.
El muestreo, además de ser una ciencia Estadística, es un arte

Relacionado:
Existen muchas formas de seleccionar muestras dentro de una población. Entre los
principales métodos o técnicas de muestreo se encuentran:
• Muestreo Aleatorio Simple (MAS), donde todos los elementos de la población

tienen la misma posibilidad de ser seleccionados.
• Muestreo Aleatorio Estratificado (MAE), cuando se tienen varios grupos o
estratos separados y se desea asegurar que todos los estratos están correctamente
clasificados.
• Muestreo Sistemático (MS), aquel donde primero se listan todos los elementos de
la población y después se elige uno de ellos de manera aleatoria y se van escogiendo
los siguientes siguiendo un intervalo sistemático.
• Muestreo por Conglomerados (MPC), cuando los elementos que van a formar
parte de la muestra son una colección o conglomerado de unidades de análisis o
elementos.
• Otros tipos de muestreo no probabilísticos serían el muestreo por conveniencia o
el muestro por bola de nieve.
En las Ciencias Sociales y Humanas, el diseño de muestras resulta fundamental a la

hora de realizar cualquier investigación pues, en comparación con otras ciencias,
DE PUEBLA
no es posible ejercer control exhaustivo de las variables y la conducta humana tiene
facetas donde hay alta variabilidad.
Sin embargo, todavía hoy sigue siendo una de las áreas mas débiles dentro de la
Estadística, dado que son pocas las personas que están especializadas en esta
materia. De ahí que desde la Fundación iS+D nos hayamos animado a dar a
conocer todo tipo de investigadores/as y profesionales en qué consiste y para qué
sirven las técnicas de muestreo estadístico.
DE PUEBLA
Tipos de muestreo: Cuáles son y en qué consisten
Al realizar la investigación, casi nunca es posible estudiar a toda la población que te
interesa. Esta es la razón por la que los investigadores utilizan diversos tipos de
muestreo cuando pretenden recopilar datos y responder las preguntas de
investigación.
Una muestra es un subconjunto de la población que está siendo estudiada.

Representa la mayor población y se utiliza para sacar conclusiones de esa
población. Es una técnica de investigación ampliamente utilizada en las ciencias
sociales como una manera de recopilar información sin tener que medir a toda la
población.
En este artículo te presentaremos cuáles son los diferentes tipos de muestreo que
existen, en qué consisten y cuándo es conveniente usar uno u otro.
Clasificación de los tipos de muestreo
En la investigación existen dos técnicas principales de muestreo: las que están
basadas en la probabilidad y las que no. Vamos a analizar los diferentes tipos de
muestreo que puedes crear utilizando ambas técnicas para una eficiente
recolección de datos de tu próxima investigación.
Tipos de muestreo no probabilístico

El muestreo no probabilístico es una técnica de muestreo donde las muestras se
recogen por medio de un proceso que no les brinda a todos los individuos de la
población las mismas oportunidades de ser seleccionados.
Aunque seleccionar algunos de estos métodos podría resultar en datos sesgados o

en una capacidad limitada para hacer conclusiones generales basadas en los
hallazgos, también existen algunas situaciones en las que seleccionar este tipo de
técnica de muestreo es la mejor opción para cierta pregunta de investigación o para
una etapa de la investigación.
Existen 4 tipos de muestreo que puedes crear de esta manera.
1. Muestreo por conveniencia

DE PUEBLA
El muestreo por conveniencia es el que se basa en los sujetos disponibles, como
detener a las personas en la esquina de la calle mientras pasan por ahí, es un
método de muestreo, aunque es extremadamente riesgoso y debe realizarse con
cautela.
Este método, también conocido como un método basado en los sujetos disponibles,
no le permite al investigador tener control sobre la representatividad de la muestra.
Sin embargo, es útil si el investigador quiere estudiar las características de las

personas que pasan por la esquina de una calle en un momento determinado, por
ejemplo, o si el tiempo y los recursos son limitados de tal forma que la
investigación no sería posible de otra manera.
Por esta razón, un muestreo de conveniencia está entre los tipos de muestreo que
comúnmente se utilizan en las fases iniciales o fase piloto de la investigación, antes
de que se lance un proyecto de investigación más grande.
Aunque este método puede resultar útil, el investigador no podrá utilizar los
resultados de una muestra de conveniencia para generalizar una población más
amplia.
2. Muestreo deliberado, crítico o por juicio

El muestreo deliberado, crítico o por juicio es aquel que se selecciona con base en el
conocimiento de una población o propósito del estudio.
Por ejemplo, cuando sociólogos quieren estudiar los efectos emocionales y

psicológicos a largo plazo de la terminación de un embarazo, se puede crear una
muestra que incluya solamente a mujeres que se habían sometido a un aborto.
En este caso, los investigadores pueden utilizar una muestra intencional porque los
entrevistados cumplen con una descripción o propósito específico que es necesario
para realizar la investigación.
DE PUEBLA
3. Muestreo Bola de Nieve
Es adecuado utilizar un muestreo bola de nieve cuando los miembros de una
población son difíciles de localizar, como las personas sin hogar, trabajadores
migrantes o inmigrantes indocumentados.
Una muestra de bola de nieve es aquella en la que el investigador recopila datos

sobre los pocos miembros de la población objetivo que puede localizar, y luego les
pide que le proporcionen la información necesaria para localizar a otros miembros
que conozcan de esa población.
Por ejemplo, si un investigador quiere entrevistar a inmigrantes indocumentados

de México, podría entrevistar a algunos indocumentados que conozca o pueda
localizar, y luego dependerá de esos sujetos para que lo ayuden a localizar a más
individuos indocumentados.
Este proceso continúa hasta que el investigador tenga todas las entrevistas que
necesita o hasta que se hayan agotado todos los contactos.
Esta técnica es útil cuando se estudia un tema sensible en el que la gente podría no
hablar abiertamente, o si hablar sobre los temas investigados podría poner en
peligro su seguridad. Una recomendación de un amigo o conocido de que el
investigador es confiable funciona para aumentar el tamaño de la muestra.
4. Muestreo por Cuotas

El muestreo por cuotas es aquel en la que las unidades son seleccionadas en una
muestra partiendo de las características predeterminadas, de modo que la muestra
total tenga la misma distribución de características que se supone que existen en la
población que está siendo estudiada.
Por ejemplo, si eres un investigador que está realizando una muestra por cuota
nacional, podrías necesitar saber qué proporción de la población es masculina y
qué proporción es femenina.
DE PUEBLA
Así como también qué proporciones de los miembros de cada género pertenecen a
las diferentes categorías de edad, raza o étnicas, educativas, entre otras. Después, el
investigador recogería una muestra con las mismas proporciones que la población
nacional.
Tipos de muestreo probabilístico

El muestreo probabilístico es una técnica en la cual las muestras son recogidas
mediante un proceso que le brinda a todos los individuos de la población la misma
oportunidad de ser seleccionados.
Muchos consideran que este es metodológicamente el enfoque más riguroso para el

muestreo, ya que elimina los sesgos sociales que podrían moldear la muestra de
investigación. Sin embargo, en última instancia la técnica de muestreo que elijas
debe ser la que te permita responder mejor a tu pregunta de investigación.
Vamos a analizar los 4 tipos de muestreo probabilístico.
1. Muestreo aleatorio simple

El muestreo aleatorio simple es el método de muestreo básico utilizado en métodos
estadísticos y cálculos.
Para recopilar una muestra aleatoria simple, a cada unidad de la población objetivo
se le asigna un número. Luego se genera un conjunto de números aleatorios y las
unidades que tienen esos números son incluidas en la muestra.
Por ejemplo, supongamos que tienes una población de 1,000 personas y quieres
seleccionar una muestra aleatoria simple de 50 personas. Primero, cada persona
está numerada del 1 al 1,000.
Luego, generas una lista de 50 números aleatorios, generalmente con un programa

informático, y los individuos que tienen asignados estos números son los que vas a
incluir en la muestra.
DE PUEBLA
Cuando se estudia a las personas, está técnica funciona mejor con una población
homogénea, que no sean muy diferentes en edad, raza, escolaridad o clase, ya que
con una población heterogénea se corre el riesgo de crear una muestra sesgada si
no se toman en cuenta las diferencias demográficas.
2. Muestreo sistemático
El muestreo sistemático es aquel en el que los elementos de la población se ponen
en una lista y luego cada enésimo elemento de la lista se selecciona
sistemáticamente para su inclusión en la muestra.
Por ejemplo, si la población de estudio contenía 2,000 estudiantes de una

secundaria y el investigador quería una muestra de 100 estudiantes, los estudiantes
se colocarían en forma de lista y luego cada veinteavo estudiante sería seleccionado
para ser incluido en la muestra.
Para garantizar que no haya ningún sesgo humano en este método, el investigador
debe seleccionar aleatoriamente al primer individuo. Esto es técnicamente llamado
una muestra sistemática con un inicio aleatorio.
3. Muestreo estratificado
El muestreo estratificado es una técnica de muestreo en la que el investigador
divide a toda la población objetivo en diferentes subgrupos o estratos, y luego
selecciona aleatoriamente a los sujetos finales de los diferentes estratos de forma
proporcional.
Este tipo de muestreo se utiliza cuando el investigador quiere resaltar subgrupos

específicos dentro de una población.
Por ejemplo, para obtener una muestra estratificada de estudiantes universitarios,

el investigador primero tendría que organizar a la población por grado
universitario y luego seleccionar el número adecuado de estudiantes de primer,
segundo, tercer y último año.
DE PUEBLA
Esto aseguraría que el investigador tenga cantidades adecuadas de sujetos de cada
grado en la muestra final.
4. Muestreo por conglomerados

El muestreo por conglomerados puede ser utilizado cuando es imposible o
impráctico elaborar una lista exhaustiva de los elementos que constituyen a la
población objetivo. Sin embargo, generalmente los elementos de la población ya
están agrupados en subpoblaciones y las listas de esas subpoblaciones ya existen o
pueden ser creadas.
Por ejemplo, supongamos que la población objetivo de un estudio eran los

miembros de iglesias en Guatemala. No existe una lista de los miembros de las
iglesias en el país.
Sin embargo, el investigador podría elaborar una lista de iglesias ubicadas en

Guatemala, seleccionar una muestra de iglesias y luego conseguir listas de los
miembros de esas iglesias.
DE PUEBLA
MUESTREO SU APLICACIÓN CONFORME A LAS

CARACTERÍSTICAS DE LA POBLACIÓN
Uno de los puntos que más a conflictuado a los comunicadores es el identificar
cuánto es la población y cuánto la muestra, y el determinar los criterios que serán
usados para seleccionar a los componentes de la muestra.
Todas las ciencias hacen uso del muestreo. Para algunos el objeto de estudio es la
población, para otros, como los agrónomos serán los árboles frutales, parcelas o
para los médicos la muestra son pacientes con determinados síntomas patológicos;
para los comunicadores la población de estudio no sólo son personas sino también
videos, películas, artículos de prensa, programas de radio, programas de televisión,
cartillas informativas y otros.
En esta parte de la revista se tratará de comprender y diferenciar los conceptos

importantes de población, muestra y muestreo. En muchas investigaciones el
tamaño de la población es grande y no es posible analizarla en su totalidad por los
costos elevados que demandaría, ¿se imaginan una población de 10 mil persona?
¿se podrá hacer 10 mil encuestas?, ¿ cuánto dinero gastaría?, está fuera del
presupuesto para un estudiante de comunicación. La muestra y el muestreo
permite estudiar sólo una parte de ella que va ser representativa al resto de la
población, al final poder generalizar los resultados a toda la población.
Los conceptos básicos que uno debe aprender y diferenciar:
a) Población. Es el conjunto de personas u objetos de los que se desea conocer

algo en una investigación. "El universo o población puede estar constituido por
personas, animales, registros médicos, los nacimientos, las muestras de
laboratorio, los accidentes viales entre otros". (PINEDA et al 1994:108) En nuestro
campo pueden ser artículos de prensa, editoriales, películas, videos, novelas, series
de televisión, programas radiales y por supuesto personas.
b) Muestra. Es un subconjunto o parte del universo o población en que se llevará a

cabo la investigación. Hay procedimientos para obtener la cantidad de los
componentes de la muestra como fórmulas, lógica y otros que se vera más adelante.
La muestra es una parte representativa de la población.
DE PUEBLA
c) Muestreo. Es el método utilizado para seleccionar a los componentes de la

muestra del total de la población. "Consiste en un conjunto de reglas,
procedimientos y criterios mediante los cuales se selecciona un conjunto de
elementos de una población que representan lo que sucede en toda esa población".
(MATA et al, 1997:19)
El realizar el diseño muestral es importante porque: a) Permite que el estudio se

realice en menor tiempo. b) Se incurre en menos gastos. c) Posibilita profundizar
en el análisis de las variables. d) Permite tener mayor control de las variables a
estudiar.
Otro aspecto que genera gran inquietud en los investigadores es el tamaño de la

muestra que se desarrollará a continuación.
1. Tamaño de la muestra
La tendencia de los investigadores de la comunicación es querer aplicar una

fórmula que les indique cuál será el número de personas a encuestar o a
entrevistar. Lo que se hará en esta parte es ver algunas consideraciones para que el
investigador tome en cuenta:
Según Fisher citado por Pineda et al, el tamaño de la muestra debe definirse
partiendo de dos criterios: 1) De los recursos disponibles y de los requerimientos
que tenga el análisis de la investigación. Por tanto, una recomendación es tomar la
muestra mayor posible, mientras más grande y representativa sea la muestra,
menor será el error de la muestra. (Cfr.:1994,112)
2) Otro aspecto a considerar es la lógica que tiene el investigador para seleccionar

la muestra "por ejemplo si se tiene una población de 100 individuos habrá que
tomar por lo menos el 30% para no tener menos de 30 casos, que es lo mínimo
recomendado para no caer en la categoría de muestra pequeña. Pero si la población
fuere 50.000 individuos una muestra del 30 % representará 15.000; 10% serán
5.000 y el 1% dará una muestra de 500. en este caso es evidente que una muestra
DE PUEBLA
de 1% o menos será la adecuada para cualquier tipo de análisis que se debe
realizar". (PINEDA et al 1994:112)
Otros elementos que se consideran también para el tamaño de la muestra son

fórmulas estadísticas de las cuales sólo se desarrollará una de las más fáciles de
aplicar en el estudio de la comunicación. Pero antes, se debe aclarar que las
fórmulas dependen básicamente del margen de error, confiabilidad y la
probabilidad.
Por ejemplo, si se usa un margen de error del 5%, este margen representa el grado
de precisión que se tiene en la generalización. Quiere decir que los resultados
obtenidos en la muestra van a tener una precisión de +-5%. Si al procesar las
encuestas se advierte que el 65% de las personas encuestadas escucha una
determinada radio, ese dato en la generalización se puede interpretar que de toda
la población, puede ser que un 60% o un 70% de las personas escuchan esa
emisora. A esa posibilidad de que la afirmación sea correcta se llama confiabilidad.
Y la probabilidad es que cualquier elemento de la población tenga la misma
posibilidad de ser elegido para integrar la muestra que se elaborara. (CFR.:MATA
et al,1997)
La fórmula es:
m= muestra
N= Población o universo
K= margen de error (puede ser 10%, 5%, 2%) para la fórmula, el porcentaje a usar
debe ser expresado en decimales.
El hecho de que una muestra sea grande no necesariamente cumple con el requisito
de representatividad pues esta cualidad depende de muchos factores y no sólo del
tamaño, sino del diseño del muestreo de cómo se seleccionará a los componentes
de la muestra.
2. Tipos de muestreo
Se dividen en dos grupos, el probabilístico y el no probabilístico. 2.1 Muestreo

probabilístico
DE PUEBLA
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. "Cada uno de los elementos de la población tengan
la misma probabilidad de ser seleccionados". (PINEDA et al 1994:114)
Se divide en :
a)Muestreo probabilístico aleatorio simple
Este método es uno de los más sencillos de aplicar, se caracteriza porque cada
unidad que compone la población tiene la misma posibilidad de ser seleccionado.
Este método también se lo conoce como sorteo, rifa o la tómbola. Para proceder
con la selección de los componentes de la muestra se siguen los siguientes pasos.
1. Indentificar y definir la población.

2. Realizar el listado de cada una de las unidades de la población.
3. Proceder a calcular la muestra.
4. Asignar un número a cada uno de los componentes de la población anotando
en una ficha, cartón o bolillo; luego colóquelos en una bolsa o cajón.
5. Extraiga una por una las unidades correspondientes de acuerdo a la cantidad
total del tamaño de la muestra. Cada ficha, cartón o bolillo extraído será
componente de la muestra.
6. Siga con el mismo procedimiento hasta completar la cantidad que se seleccionó
en la muestra.
Una desventaja de este procedimiento es que no puede ser utilizado en una
población grande, solo es aplicable cuando la población es pequeña. (Cfr. PINEDA
et al 1994)
b) Muestreo probabilístico aleatorio mediante la tabla de números aleatorios
Otro método utilizado es la tabla de números aleatorios para seleccionar a los
componentes de la muestra. El procedimiento es el siguiente:
DE PUEBLA
1. Identifique y defina la población.
2. Realice el listado de cada una de las unidades de la población.
3. Proceda a calcular la muestra.
4. Asegúrese que cada una de las unidades de la población esté enumerada.
5. Determine el orden en que hará uso de la tabla, columna, la fila y la dirección
en que se iniciará el procedimiento de selección de los componentes de la muestra.
6. Proceda a la selección de las unidades de la población que formarán la
muestra., si hay repetición de números serán descartados y sustituidos por otros.
(ver tabla de números aleatorios)
7. Si en la columna que se empezó no alcanza para completar el total de la
muestra se elegirá las siguientes columnas hasta lograr el total de componentes de
la muestra.
8. Puede seleccionar un número mayor al total del tamaño de la muestra, esto
para los casos en que sea necesario la sustitución de unidades no accesible en el
momento de la recolección de datos.
Para ejemplificar el paso 5 y 6, considerando la muestra de 100 de una población
de 500, y si se ha decidido iniciar con las columnas 10,11,12 y la fila 1, el primer
número muestra será 486, el segundo 88 y el tercero 189. los números 858,608 y
576 se han eliminado porque sobrepasan a 500. (CFR.: PINEDA et al,1994). Ver
página 74.
c)Muestreo probabilístico sistemático
Este procedimiento se realiza a través del cálculo del intérvalo que regirá la
selección de los componentes de la muestra. "Algunos investigadores lo consideran
como técnica importante para realizar investigaciones sobre problemas sociales de
gran magnitud". (TORRES, 1997:189)
Este tipo de muestreo se utiliza cuando el tamaño de la población es grande y la

tabla de números aleatorios no es suficiente para contar esa población. También es
usado en poblaciones pequeñas donde la selección sistemática facilita la
identificación de los componentes de la muestra.El procedimiento es el siguiente:

2. Realice el cálculo de la muestra
DE PUEBLA
3. Asegurese de que cada uno de los componentes de la población esté
enumerada.
4. Proceda al cálculo del intérvalo numérico que servirá de base para la selección
de la muestra. Este se calcula dividiendo (N/m) el total de la población (N) por la
muestra (m).
Este tipo de muestreo es menos costoso y requiere de menos tiempo que los otros.
Por ejemplo si la población son 500 personas(N), la muestra 100(m): N/m
realizamos la división reemplazando la fórmula 500/100 es igual a 5; este número
será el intérvalo para la selección de cada unidad muestral.
5 .Sortee un número del uno al cinco (intérvalo) por la que se iniciará la selección
de los componentes de la muestra.
6. Proceda a conformar la muestra. Si sorteo del uno al cinco resultara el número 4

y dado que el número de intérvalo es 5, la primera unidad seleccionada será 4 y el
siguiente sumando 5, será 9,14,19 y así sucesivamente hasta completar los 100
elementos que componen la muestra.
d) Muestreo probabilístico estratificado
Este tipo de muestreo se caracteriza por la división de la población en subgrupos o

estratos debido a que las variables que deben someterse a estudio en la población
presentan cierta variabilidad o distribución conocida que es necesario tomar en
cuenta para extraer la muestra. Por ejemplo, si se desea tomar una muestra de una
población que gusta de las novelas mexicanas donde el 15 % representa a los
varones, el 85% representa a las mujeres, se mantendrá la proporción, por cada 15
varones, se incluirán 85 mujeres.
El muestreo estratificado busca respetar para la muestra esa distribución de la

población. "La ventaja de este procedimiento es que se reduce posibles
desbalances, (la posibilidad de que en la muestra de nuestro poblado, salgan
seleccionados más hombres que mujeres, o más personas de una edad que los
debidos". (MATA, 1997:47)
DE PUEBLA
Es proceso que se sigue es el siguiente:
2. Calcule la muestra.
3. Determine los subgrupos o estratos en que se dividirá la población, según la

variable que se está estudiando.
4. Aseguresé de contar con las listas de los componentes de cada estratos

identificado.
5. Calcule el porcentaje de la muestra de la población. Si se toma el ejemplo

anterior, usado en el sistemático, la población (500) será el 100% la muestra (100)
calculando por la regla de tres representará el 20%.
6. Una vez que se calculó el porcentaje de la muestra, se calcula

proporcionalmente el mismo porcentaje en números de cada estrato identificado,
es decir, si el primer estrato tiene 180 personas, el 20% será 36 personas. De las
180 que compone el estrato se seleccionará 36 empleando cualquier procedimiento
descrito en el aleatorio y el sistemático. El mismo procedimiento se realizará con
los demás estratos.
e) Muestreo probabilístico conglomerado
Este tipo de muestreo se usa en particular cuando no se dispone de una lista

detallada y enumerada de cada una de las unidades que conforman la población y
resulta muy complejo elaborarla. Se denomina conglomerado porque la población
es agrupada en conjuntos, manzanos, bloques, áreas, zonas, etc. No es lo mismo
que el estratificado porque en este procedimiento se agrupa según las variables a
estudiar y se puede identificar exactamente a la población.
DE PUEBLA
El muestreo conglomerado es conocido también por racimos. El procedimiento es
el siguiente:
1. El proceso se inicia definiendo los conglomerados que componen la población

Ej. Manzanos.
2. Se selecciona los subconjuntos a estudiar y se realizan listados de los

componentes del conglomerado. Ej. Número de casas por manzano
3. Se procede a calcular la muestra de las casas.
4. Se procede a identificar a los componentes de la muestra que será tomada en

cuenta para el estudio, es decir, si el estudio son personas de 15 a 25 años, se
procede a identificar cuantas personas existirán entre esas edades en cada casa
seleccionada.
5. Se procede con la recolección de datos hasta completar la muestra. 2.2

Muestro no probabilístico
En este tipo de muestreo, todas las unidades que componen la población no tiene la
misma posibilidad de ser seleccionada "también es conocido como muestreo por
conveniencia, no es aleatorio, razón por la que se desconoce la probabilidad de
selección de cada unidad o elemento de la población". (PINEDA et al 1994: 119) Se
dividen en tres grupos:
a) Intencional o deliberado. El investigador decide según los objetivos, los

elementos que integrarán la muestra, considerando aquellas unidades
supuestamente típicas de la población que se desea conocer. El investigador decide
qué unidades integrarán la muestra de acuerdo a su percepción. Ejemplo,
encuestar a estudiantes que ven un determinado programa televisivo y acudir a un
grupo claramente identificado con esta serie o programa de televisión.
b) Accidentales o por comodidad. El investigador acomoda su investigación de

acuerdo a los criterios que tiene para su investigación, es decir, si su objeto de
DE PUEBLA
estudio son niños que ven un determinado programa infantil de televisión, el
investigador en lugar de elegir una zona de estudio elige un espacio donde se
reúnan los niños, ejemplo, un jardín de infantes, un parque infantil, una escuela,
etc.
c) Por cuota. Consiste en que el investigador selecciona la muestra considerando

algunos fenómenos o variables a estudiar como sexo, raza, religión, áreas de
trabajo, etc. El paso inicial consiste en determinar la cantidad o cuota de sujetos de
estudio a incluirse y que poseen las características indicadas. Por ejemplo, en una
encuesta a jóvenes que ven un determinado programa de televisión, el encuestador
procederá al llenado de las boletas hasta cumplir la cuota asignada, no importa la
zona ni la forma de selección de las personas lo importante es cumplir con la cuota
asignada.
Antes de entrar a desarrollar consideraciones para el muestreo en investigaciones

cualitativas, se debe recomendar no utilizar el muestro no probabilístico en
investigaciones cuantitativas, porque no permite calcular el error de la muestra.
3. Consideraciones especiales para la investigación cualitativa
En las investigaciones cuantitativas, lo que hace el investigador en comunicación

social es escoger una población, sacar la muestra, proceder al muestreo
probabilístico, siempre cuidando de que sea representativa a toda la población. En
la investigación cualitativa, "la lógica de la muestra se basa en estudiar a
profundidad algo a fin de que sea válido. Usualmente esto se hace en pocos casos
seleccionados en forma intencionada". (PINEDA et al, 1994:120)
Para los comunicadores sociales que hacen investigación cualitativa se recomienda

algunos criterios:
a) Muestreo de casos extremos o inusuales. El escoger casos con cualidades

especiales o diferentes a las del grupo en general, en algunas circunstancias puede
ser de gran utilidad para conocer a fondo ciertos temas. Por ejemplo, estudiar un
grupo específico de seguidores de series de televisión, radiales, grupos musicales,
grupos de teatro u otros. Es decir, grupos con determinadas características.
DE PUEBLA
b) Muestreo de máxima variabilidad. En la muestra se incluyen las diferentes

posibilidades de las variables más importantes. Por ejemplo, si se está realizando
un estudio de audiencia de un programa radial destinado a todos los sectores de la
población, se estima que en la extracción de los casos habría que incluir grupos del
área urbana, otros del área rural y unos del área semi-urbana.
c) Muestreo estratificado intencionado. Al igual que el muestreo estratificado

utilizado en la investigación cuantitativa, esta estrategia consiste en tomar los casos
agrupados según alguna característica. La diferencia es que en este caso, una vez
escogidos los estratos, los casos no se seleccionan en forma aleatoria sino
intencionalmente, de acuerdo a las necesidades de la investigación.
d) Muestreo por criterios. En este tipo de muestreo, primero se elaboran

algunos criterios que los casos deben cumplir; luego se escogen aplicando dichos
criterios. Por ejemplo, en una investigación de audiencia de un programa de
televisión, para seleccionar los casos deben cumplir criterios como ser mayores de
edad, que vean el programa todos los días, tener una determinada condición
económica, que viva en una zona elegida por el investigador, etc.
e) Muestreo de informante clave. En estos casos se escogen personas por

razones especiales como: conocimiento del tema, experiencia o haber sido
protagonista del fenómeno a estudiar, grado de participación en el grupo social y en
la toma de decisiones y su disposición para brindar información entre otros.
f) Muestreo por conveniencia. Este método. Al igual que en la investigación

cuantitativa, consiste en seleccionar los casos que se encuentren disponibles o por
comodidad para el investigador. No es muy recomendado, pues refleja que el
investigador no ha dado mucho pensamiento a su estrategia para escoger los
sujetos o unidades de observación. Además, casi siempre es posible idear algunos
criterios en base a los cuales se puede escoger la muestra.
En la investigación cualitativa el tamaño de la muestra no es tan importante como

en la investigación cuantitativa. El tamaño de la muestra depende de lo que se
desee estudiar. Otra característica de la muestra en un estudio cualitativo, es contar
con casos que posean y brinden la información requerida. Lo que se quiere es
captar información rica, abundante y de profundidad de cada caso seleccionado. Es
DE PUEBLA
por esto que mucho del éxito de este tipo de investigación dependerá de la
capacidad del investigador para observar y para analizar e interpretar información.
(Cfr.: PINEDA et al 1994)
Uno de los puntos que más a conflictuado a los comunicadores es el identificar

cuánto es la población y cuánto la muestra, y el determinar los criterios que serán
usados para seleccionar a los componentes de la muestra.
Todas las ciencias hacen uso del muestreo. Para algunos el objeto de estudio es la
población, para otros, como los agrónomos serán los árboles frutales, parcelas o
para los médicos la muestra son pacientes con determinados síntomas patológicos;
para los comunicadores la población de estudio no sólo son personas sino también
videos, películas, artículos de prensa, programas de radio, programas de televisión,
cartillas informativas y otros.
En esta parte de la revista se tratará de comprender y diferenciar los conceptos

importantes de población, muestra y muestreo. En muchas investigaciones el
tamaño de la población es grande y no es posible analizarla en su totalidad por los
costos elevados que demandaría, ¿se imaginan una población de 10 mil persona?
¿se podrá hacer 10 mil encuestas?, ¿ cuánto dinero gastaría?, está fuera del
presupuesto para un estudiante de comunicación. La muestra y el muestreo
permite estudiar sólo una parte de ella que va ser representativa al resto de la
población, al final poder generalizar los resultados a toda la población.
Los conceptos básicos que uno debe aprender y diferenciar:
a) Población. Es el conjunto de personas u objetos de los que se desea conocer

algo en una investigación. "El universo o población puede estar constituido por
personas, animales, registros médicos, los nacimientos, las muestras de
laboratorio, los accidentes viales entre otros". (PINEDA et al 1994:108) En nuestro
campo pueden ser artículos de prensa, editoriales, películas, videos, novelas, series
de televisión, programas radiales y por supuesto personas.
b) Muestra. Es un subconjunto o parte del universo o población en que se llevará a

cabo la investigación. Hay procedimientos para obtener la cantidad de los
DE PUEBLA
componentes de la muestra como fórmulas, lógica y otros que se vera más adelante.
La muestra es una parte representativa de la población.
c) Muestreo. Es el método utilizado para seleccionar a los componentes de la

muestra del total de la población. "Consiste en un conjunto de reglas,
procedimientos y criterios mediante los cuales se selecciona un conjunto de
elementos de una población que representan lo que sucede en toda esa población".
(MATA et al, 1997:19)
El realizar el diseño muestral es importante porque: a) Permite que el estudio se

realice en menor tiempo. b) Se incurre en menos gastos. c) Posibilita profundizar
en el análisis de las variables. d) Permite tener mayor control de las variables a
estudiar.
Otro aspecto que genera gran inquietud en los investigadores es el tamaño de la

muestra que se desarrollará a continuación.
1. Tamaño de la muestra
La tendencia de los investigadores de la comunicación es querer aplicar una

fórmula que les indique cuál será el número de personas a encuestar o a
entrevistar. Lo que se hará en esta parte es ver algunas consideraciones para que el
investigador tome en cuenta:
Según Fisher citado por Pineda et al, el tamaño de la muestra debe definirse
partiendo de dos criterios: 1) De los recursos disponibles y de los requerimientos
que tenga el análisis de la investigación. Por tanto, una recomendación es tomar la
muestra mayor posible, mientras más grande y representativa sea la muestra,
menor será el error de la muestra. (Cfr.:1994,112)
2) Otro aspecto a considerar es la lógica que tiene el investigador para seleccionar

la muestra "por ejemplo si se tiene una población de 100 individuos habrá que
tomar por lo menos el 30% para no tener menos de 30 casos, que es lo mínimo
recomendado para no caer en la categoría de muestra pequeña. Pero si la población
fuere 50.000 individuos una muestra del 30 % representará 15.000; 10% serán
DE PUEBLA
5.000 y el 1% dará una muestra de 500. en este caso es evidente que una muestra
de 1% o menos será la adecuada para cualquier tipo de análisis que se debe
realizar". (PINEDA et al 1994:112)
Otros elementos que se consideran también para el tamaño de la muestra son

fórmulas estadísticas de las cuales sólo se desarrollará una de las más fáciles de
aplicar en el estudio de la comunicación. Pero antes, se debe aclarar que las
fórmulas dependen básicamente del margen de error, confiabilidad y la
probabilidad.
Por ejemplo, si se usa un margen de error del 5%, este margen representa el grado
de precisión que se tiene en la generalización. Quiere decir que los resultados
obtenidos en la muestra van a tener una precisión de +-5%. Si al procesar las
encuestas se advierte que el 65% de las personas encuestadas escucha una
determinada radio, ese dato en la generalización se puede interpretar que de toda
la población, puede ser que un 60% o un 70% de las personas escuchan esa
emisora. A esa posibilidad de que la afirmación sea correcta se llama confiabilidad.
Y la probabilidad es que cualquier elemento de la población tenga la misma
posibilidad de ser elegido para integrar la muestra que se elaborara. (CFR.:MATA
et al,1997)
La fórmula es:
m= muestra
N= Población o universo
K= margen de error (puede ser 10%, 5%, 2%) para la fórmula, el porcentaje a usar
debe ser expresado en decimales.
El hecho de que una muestra sea grande no necesariamente cumple con el requisito
de representatividad pues esta cualidad depende de muchos factores y no sólo del
DE PUEBLA
tamaño, sino del diseño del muestreo de cómo se seleccionará a los componentes
de la muestra.
2. Tipos de muestreo
Se dividen en dos grupos, el probabilístico y el no probabilístico. 2.1 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. "Cada uno de los elementos de la población tengan
la misma probabilidad de ser seleccionados". (PINEDA et al 1994:114)
Se divide en :
a)Muestreo probabilístico aleatorio simple
Este método es uno de los más sencillos de aplicar, se caracteriza porque cada
unidad que compone la población tiene la misma posibilidad de ser seleccionado.
Este método también se lo conoce como sorteo, rifa o la tómbola. Para proceder
con la selección de los componentes de la muestra se siguen los siguientes pasos.
1. Indentificar y definir la población.
2. Realizar el listado de cada una de las unidades de la población.
3. Proceder a calcular la muestra.
4. Asignar un número a cada uno de los componentes de la población anotando

en una ficha, cartón o bolillo; luego colóquelos en una bolsa o cajón.
DE PUEBLA
5. Extraiga una por una las unidades correspondientes de acuerdo a la cantidad
total del tamaño de la muestra. Cada ficha, cartón o bolillo extraído será
componente de la muestra.
6. Siga con el mismo procedimiento hasta completar la cantidad que se seleccionó

en la muestra.
Una desventaja de este procedimiento es que no puede ser utilizado en una

población grande, solo es aplicable cuando la población es pequeña. (Cfr. PINEDA
et al 1994)
b) Muestreo probabilístico aleatorio mediante la tabla de números aleatorios
Otro método utilizado es la tabla de números aleatorios para seleccionar a los

componentes de la muestra. El procedimiento es el siguiente:
2. Realice el listado de cada una de las unidades de la población.
3. Proceda a calcular la muestra.
4. Asegúrese que cada una de las unidades de la población esté enumerada.
5. Determine el orden en que hará uso de la tabla, columna, la fila y la dirección

en que se iniciará el procedimiento de selección de los componentes de la muestra.
6. Proceda a la selección de las unidades de la población que formarán la

muestra., si hay repetición de números serán descartados y sustituidos por otros.
(ver tabla de números aleatorios)
DE PUEBLA
7. Si en la columna que se empezó no alcanza para completar el total de la
muestra se elegirá las siguientes columnas hasta lograr el total de componentes de
la muestra.
8. Puede seleccionar un número mayor al total del tamaño de la muestra, esto

para los casos en que sea necesario la sustitución de unidades no accesible en el
momento de la recolección de datos.
Para ejemplificar el paso 5 y 6, considerando la muestra de 100 de una población

de 500, y si se ha decidido iniciar con las columnas 10,11,12 y la fila 1, el primer
número muestra será 486, el segundo 88 y el tercero 189. los números 858,608 y
576 se han eliminado porque sobrepasan a 500. (CFR.: PINEDA et al,1994). Ver
página 74.
c)Muestreo probabilístico sistemático
Este procedimiento se realiza a través del cálculo del intérvalo que regirá la
selección de los componentes de la muestra. "Algunos investigadores lo consideran
como técnica importante para realizar investigaciones sobre problemas sociales de
gran magnitud". (TORRES, 1997:189)
Este tipo de muestreo se utiliza cuando el tamaño de la población es grande y la

tabla de números aleatorios no es suficiente para contar esa población. También es
usado en poblaciones pequeñas donde la selección sistemática facilita la
identificación de los componentes de la muestra.El procedimiento es el siguiente:
2. Realice el cálculo de la muestra
3. Asegurese de que cada uno de los componentes de la población esté

enumerada.
DE PUEBLA
4. Proceda al cálculo del intérvalo numérico que servirá de base para la selección
de la muestra. Este se calcula dividiendo (N/m) el total de la población (N) por la
muestra (m).
Este tipo de muestreo es menos costoso y requiere de menos tiempo que los otros.
Por ejemplo si la población son 500 personas(N), la muestra 100(m): N/m

realizamos la división reemplazando la fórmula 500/100 es igual a 5; este número
será el intérvalo para la selección de cada unidad muestral.
5 .Sortee un número del uno al cinco (intérvalo) por la que se iniciará la selección
de los componentes de la muestra.
6. Proceda a conformar la muestra. Si sorteo del uno al cinco resultara el número 4

y dado que el número de intérvalo es 5, la primera unidad seleccionada será 4 y el
siguiente sumando 5, será 9,14,19 y así sucesivamente hasta completar los 100
elementos que componen la muestra.
d) Muestreo probabilístico estratificado
Este tipo de muestreo se caracteriza por la división de la población en subgrupos o

estratos debido a que las variables que deben someterse a estudio en la población
presentan cierta variabilidad o distribución conocida que es necesario tomar en
cuenta para extraer la muestra. Por ejemplo, si se desea tomar una muestra de una
población que gusta de las novelas mexicanas donde el 15 % representa a los
varones, el 85% representa a las mujeres, se mantendrá la proporción, por cada 15
varones, se incluirán 85 mujeres.
El muestreo estratificado busca respetar para la muestra esa distribución de la

población. "La ventaja de este procedimiento es que se reduce posibles
desbalances, (la posibilidad de que en la muestra de nuestro poblado, salgan
seleccionados más hombres que mujeres, o más personas de una edad que los
debidos". (MATA, 1997:47)
Es proceso que se sigue es el siguiente:

DE PUEBLA
2. Calcule la muestra.
3. Determine los subgrupos o estratos en que se dividirá la población, según la

variable que se está estudiando.
4. Aseguresé de contar con las listas de los componentes de cada estratos

identificado.
5. Calcule el porcentaje de la muestra de la población. Si se toma el ejemplo

anterior, usado en el sistemático, la población (500) será el 100% la muestra (100)
calculando por la regla de tres representará el 20%.
6. Una vez que se calculó el porcentaje de la muestra, se calcula

proporcionalmente el mismo porcentaje en números de cada estrato identificado,
es decir, si el primer estrato tiene 180 personas, el 20% será 36 personas. De las
180 que compone el estrato se seleccionará 36 empleando cualquier procedimiento
descrito en el aleatorio y el sistemático. El mismo procedimiento se realizará con
los demás estratos.
e) Muestreo probabilístico conglomerado
Este tipo de muestreo se usa en particular cuando no se dispone de una lista

detallada y enumerada de cada una de las unidades que conforman la población y
resulta muy complejo elaborarla. Se denomina conglomerado porque la población
es agrupada en conjuntos, manzanos, bloques, áreas, zonas, etc. No es lo mismo
que el estratificado porque en este procedimiento se agrupa según las variables a
estudiar y se puede identificar exactamente a la población.
El muestreo conglomerado es conocido también por racimos. El procedimiento es

el siguiente:
DE PUEBLA
1. El proceso se inicia definiendo los conglomerados que componen la población

Ej. Manzanos.
2. Se selecciona los subconjuntos a estudiar y se realizan listados de los

componentes del conglomerado. Ej. Número de casas por manzano
3. Se procede a calcular la muestra de las casas.
4. Se procede a identificar a los componentes de la muestra que será tomada en

cuenta para el estudio, es decir, si el estudio son personas de 15 a 25 años, se
procede a identificar cuantas personas existirán entre esas edades en cada casa
seleccionada.
5. Se procede con la recolección de datos hasta completar la muestra. 2.2

Muestro no probabilístico
En este tipo de muestreo, todas las unidades que componen la población no tiene la
misma posibilidad de ser seleccionada "también es conocido como muestreo por
conveniencia, no es aleatorio, razón por la que se desconoce la probabilidad de
selección de cada unidad o elemento de la población". (PINEDA et al 1994: 119) Se
dividen en tres grupos:
a) Intencional o deliberado. El investigador decide según los objetivos, los

elementos que integrarán la muestra, considerando aquellas unidades
supuestamente típicas de la población que se desea conocer. El investigador decide
qué unidades integrarán la muestra de acuerdo a su percepción. Ejemplo,
encuestar a estudiantes que ven un determinado programa televisivo y acudir a un
grupo claramente identificado con esta serie o programa de televisión.
b) Accidentales o por comodidad. El investigador acomoda su investigación de

acuerdo a los criterios que tiene para su investigación, es decir, si su objeto de
estudio son niños que ven un determinado programa infantil de televisión, el
investigador en lugar de elegir una zona de estudio elige un espacio donde se
DE PUEBLA
reúnan los niños, ejemplo, un jardín de infantes, un parque infantil, una escuela,
etc.
c) Por cuota. Consiste en que el investigador selecciona la muestra considerando

algunos fenómenos o variables a estudiar como sexo, raza, religión, áreas de
trabajo, etc. El paso inicial consiste en determinar la cantidad o cuota de sujetos de
estudio a incluirse y que poseen las características indicadas. Por ejemplo, en una
encuesta a jóvenes que ven un determinado programa de televisión, el encuestador
procederá al llenado de las boletas hasta cumplir la cuota asignada, no importa la
zona ni la forma de selección de las personas lo importante es cumplir con la cuota
asignada.
Antes de entrar a desarrollar consideraciones para el muestreo en investigaciones

cualitativas, se debe recomendar no utilizar el muestro no probabilístico en
investigaciones cuantitativas, porque no permite calcular el error de la muestra.
3. Consideraciones especiales para la investigación cualitativa
En las investigaciones cuantitativas, lo que hace el investigador en comunicación

social es escoger una población, sacar la muestra, proceder al muestreo
probabilístico, siempre cuidando de que sea representativa a toda la población. En
la investigación cualitativa, "la lógica de la muestra se basa en estudiar a
profundidad algo a fin de que sea válido. Usualmente esto se hace en pocos casos
seleccionados en forma intencionada". (PINEDA et al, 1994:120)
Para los comunicadores sociales que hacen investigación cualitativa se recomienda

algunos criterios:
a) Muestreo de casos extremos o inusuales. El escoger casos con cualidades

especiales o diferentes a las del grupo en general, en algunas circunstancias puede
ser de gran utilidad para conocer a fondo ciertos temas. Por ejemplo, estudiar un
grupo específico de seguidores de series de televisión, radiales, grupos musicales,
grupos de teatro u otros. Es decir, grupos con determinadas características.
DE PUEBLA
b) Muestreo de máxima variabilidad. En la muestra se incluyen las diferentes
posibilidades de las variables más importantes. Por ejemplo, si se está realizando
un estudio de audiencia de un programa radial destinado a todos los sectores de la
población, se estima que en la extracción de los casos habría que incluir grupos del
área urbana, otros del área rural y unos del área semi-urbana.
c) Muestreo estratificado intencionado. Al igual que el muestreo estratificado

utilizado en la investigación cuantitativa, esta estrategia consiste en tomar los casos
agrupados según alguna característica. La diferencia es que en este caso, una vez
escogidos los estratos, los casos no se seleccionan en forma aleatoria sino
intencionalmente, de acuerdo a las necesidades de la investigación.
d) Muestreo por criterios. En este tipo de muestreo, primero se elaboran

algunos criterios que los casos deben cumplir; luego se escogen aplicando dichos
criterios. Por ejemplo, en una investigación de audiencia de un programa de
televisión, para seleccionar los casos deben cumplir criterios como ser mayores de
edad, que vean el programa todos los días, tener una determinada condición
económica, que viva en una zona elegida por el investigador, etc.
e) Muestreo de informante clave. En estos casos se escogen personas por

razones especiales como: conocimiento del tema, experiencia o haber sido
protagonista del fenómeno a estudiar, grado de participación en el grupo social y en
la toma de decisiones y su disposición para brindar información entre otros.
f) Muestreo por conveniencia. Este método. Al igual que en la investigación

cuantitativa, consiste en seleccionar los casos que se encuentren disponibles o por
comodidad para el investigador. No es muy recomendado, pues refleja que el
investigador no ha dado mucho pensamiento a su estrategia para escoger los
sujetos o unidades de observación. Además, casi siempre es posible idear algunos
criterios en base a los cuales se puede escoger la muestra.
En la investigación cualitativa el tamaño de la muestra no es tan importante como

en la investigación cuantitativa. El tamaño de la muestra depende de lo que se
desee estudiar. Otra característica de la muestra en un estudio cualitativo, es contar
con casos que posean y brinden la información requerida. Lo que se quiere es
captar información rica, abundante y de profundidad de cada caso seleccionado. Es
por esto que mucho del éxito de este tipo de investigación dependerá de la
DE PUEBLA
capacidad del investigador para observar y para analizar e interpretar información.
(Cfr.: PINEDA et al 1994)
DE PUEBLA
Problemas de permutaciones y combinaciones

Caso practico
Reporte de Investigación Comercial: Análisis de Preferencias de
Clientes en una Tienda de Electrónicos
1. Población: La población objetivo consiste en todos los clientes que
han realizado compras en la tienda de electrónicos “TechWorld” en los
últimos doce meses. Se busca comprender las preferencias y
comportamientos de este grupo.
2. Muestra: La muestra seleccionada incluirá aleatoriamente a 500
clientes de la población mencionada. Este tamaño de muestra
proporciona un nivel de confianza del 95% y un margen de error del
5%, asegurando resultados representativos.
3. Variables: Se analizarán las siguientes variables: Tipo de producto
adquirido (teléfonos, laptops, accesorios, etc.).Frecuencia de compra.
Nivel de satisfacción con el servicio al cliente. Preferencias de marca.
Nivel de lealtad hacia la tienda.
4. Tipo de muestreo: Se aplicará un muestreo aleatorio simple para
garantizar la equidad en la selección de clientes. Cada cliente de la
población tiene la misma probabilidad de ser incluido en la muestra, lo
que facilitará la generalización de los resultados.
5. Probabilidad de que suceda un evento: Se estima que hay un 70% de
probabilidad de que un cliente realice una compra adicional en los
próximos tres meses, basado en datos históricos. Esta probabilidad
será evaluada durante la investigación para identificar posibles
cambios en el comportamiento de compra.
Probabilidad
DE PUEBLA
Conclusión
En conclusión, la probabilidad, combinaciones y permutaciones en

estadística es esencial para analizar y modelar eventos aleatorios. La
probabilidad nos proporciona una medida cuantitativa de la certeza
asociada a diferentes resultados, mientras que las combinaciones y
permutaciones nos permiten calcular el número de formas en que
ciertos eventos pueden ocurrir. En el estudio de fenómenos aleatorios,
hemos explorado cómo calcular la probabilidad de eventos simples y
compuestos, lo que nos brinda herramientas valiosas para tomar
decisiones informadas en diversas situaciones. Las combinaciones, al
ignorar el orden, son cruciales cuando estamos interesados en la
selección de elementos sin importar su disposición. Por otro lado, las
permutaciones, al considerar el orden, son fundamentales cuando la
disposición de los elementos es relevante. Al aplicar estos conceptos a
problemas prácticos, hemos observado cómo pueden ayudarnos a
resolver cuestiones de la vida real, desde juegos de azar hasta análisis
de datos. La versatilidad de la probabilidad, combinaciones y
permutaciones se refleja en su utilidad en campos tan diversos en la
toma de decisiones, En resumen, la estadística y sus herramientas
asociadas proporcionan un marco sólido para entender la
incertidumbre en eventos aleatorios, permitiéndonos tomar decisiones
más informadas y basadas en datos. La aplicación de estos conceptos
en la resolución de problemas prácticos destaca la importancia de la
estadística en el análisis y la toma de decisiones.
DE PUEBLA
FICHAS APA
Ortega, C. (2023, 16 junio). Estadística descriptiva: qué es, objetivo, tipos y ejemplos.
QuestionPro. https://www.questionpro.com/blog/es/estadistica-descriptiva/
Ortega, C. (2023b, octubre 9). Estadística inferencial: qué es, importancia y ejemplos.
QuestionPro. https://www.questionpro.com/blog/es/estadistica-inferencial/
López, J. F. (2024, 30 enero). Población estadística: qué es, tipos y ejemplos.
Economipedia. https://economipedia.com/definiciones/poblacion-
estadistica.html#google_vignette
López, J. F. (2024, 29 enero). Variable estadística: qué es, tipos y ejemplos. Economipedia.
https://economipedia.com/definiciones/variable-estadistica.html
Degraves, Á. G. (2023, 17 febrero). ¿Qué es y para qué sirve el muestreo estadístico?
Fundación iS+D. https://isdfundacion.org/2018/10/10/que-es-y-para-que-sirve-el-
muestreo-estadistico/#:~:text=El%20muestreo%20es%20un%20proceso,de%20una
%20o%20m%C3%A1s%20poblaciones.
López, J. F. (2022c, noviembre 24). Muestra estadística. Economipedia.
https://economipedia.com/definiciones/muestra-estadistica.html
Muguira, A. (2023, 23 febrero). Tipos de muestreo: cuáles son y en qué consisten.
QuestionPro. https://www.questionpro.com/blog/es/tipos-de-muestreo-para-
investigaciones-sociale

Estadística

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Estadística

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD TECNOLOGICA

TSU EN DESARROLLO DE NEGOCIOS EN EL ÁREA DE MERCADOTECNIA

PRODUCTO 1: CONCEPTOS BÁSICOS DE ESTADÍSTICA Y PROBABILIDAD

LIBNI SARAI AVILES SANCHEZ

Inicialmente la estadística y la probabilidad son herramientas fundamentales en el

Por otro lado, la probabilidad es fundamental para entender la incertidumbre

En este ensayo, exploraremos y conoceremos cómo la estadística y la probabilidad

Destacaremos el papel crucial que juegan la estadística y la probabilidad en la toma

Adentrándonos en estos temas, podremos apreciar su importancia y su impacto en

¿Qué es la estadística descriptiva?

Objetivo de la estadística descriptiva

Importancia de la estadística descriptiva

Tipos de estadística descriptiva

Ejemplos de investigación descriptiva

¿Qué es la estadística inferencial?

¿Cuál es el objetivo principal de la estadística inferencial?

Importancia de la estadística inferencial

Principales usos de la estadística inferencial

Tipos de estadística inferencial

La población estadística: Explicación sencilla

Aunque la idea de población estadística puede sonar compleja, en realidad es un

Con esto en mente, seguiremos estos pasos: primero, descubriremos el origen de la

Pero para entenderlo antes de entrar en harina, te ponemos un ejemplo: imagina

Ejemplo de población estadística

Como vemos en la imagen, tenemos una población estadística de 150 individuos.

Por ejemplo, la altura de Juan es de 180 centímetros. La variable estadística es la

Variable estadística: Explicación sencilla

Por ejemplo, la altura de Juan es de 180 centímetros. La variable estadística es la

Estos son ejemplos de variables cuantitativas, porque representan cantidades y se

Algunas son cualitativas, lo que significa que describen una cualidad o

Tipos de variables estadísticas

Variable cuantitativa: Son variables que se expresan numéricamente.

Adicionalmente, también debemos aclarar que el hecho que las variables

Ejemplos de variable estadística

Ejemplo variable cuantitativa

Ejemplo de variable continua

Ejemplo de variable discreta

Ejemplo de variable cualitativa

Ejemplo de variable ordinal

Ejemplo de variable nominal

Una muestra estadística es un subconjunto de datos perteneciente a una población

La estadística, como rama de las matemáticas, se encarga de recoger datos,

En este sentido, por cuestiones de tiempo y coste, no podemos recoger la totalidad

¿Por qué se trabaja con muestras estadísticas?

Supongamos que queremos estudiar un fenómeno cualquiera. En nuestro caso, ese

En este punto aparece el concepto de muestra estadística. En lugar de preguntar a

Características de una muestra estadística representativa

A la hora de obtener una muestra representativa existen ciertos aspectos que el

Muestra probabilística: En este tipo de muestras todos los sujetos disponibles

Ejemplo de muestra estadística

Entrar en las cuentas bancarias de todas las familias de Colombia

Lo que haremos, siguiendo las características mencionadas anteriormente, será

Otro ejemplo de muestra estadística podría ser conocer la opinión de la gente de un

• La técnica de selección de elementos de investigación.

El muestreo, además de ser una ciencia Estadística, es un arte

• Muestreo Aleatorio Simple (MAS), donde todos los elementos de la población

En las Ciencias Sociales y Humanas, el diseño de muestras resulta fundamental a la

Una muestra es un subconjunto de la población que está siendo estudiada.

Tipos de muestreo no probabilístico

Aunque seleccionar algunos de estos métodos podría resultar en datos sesgados o

Existen 4 tipos de muestreo que puedes crear de esta manera.

1. Muestreo por conveniencia

Sin embargo, es útil si el investigador quiere estudiar las características de las