ESCUELA PROFESIONAL DE DERECHO

FINES DEL SIGLO XIX Y COMIENZOS DEL XX

Terminología
 Muestreo:
El muestreo es una herramienta de la investigación
científica. Su función básica es determinar que parte
de una realidad en estudio (población o universo)
debe examinarse con la finalidad de hacer inferencias
sobre dicha población.

El censo constituye un caso particular de técnica cuantitativa, en el

que se obtiene información de toda la población

Censo: relación completa de los elementos de una población.

 ESCUELA PROFESIONAL DE DERECHO

Población de estudio
Conjunto de elementos sobre los que
se toma la muestra. Los elementos
son las unidades básicas que definen
la población, de las que se va a
obtener datos para su estudio.

Población de elementos: unidades de

análisis, lugar y periodo de referencia.
Ejemplo:
- Trabajadores de Concejo Provincial de
Huancayo.
- Agricultores del Valle del Mantaro.
- Familias del distrito de Chilca.

Población de valores: variables de interés, unidades de

análisis, lugar y periodo de referencia. Ejemplo:
- Edades de los docentes de la UNCP.
- Coeficientes de inteligencia de los alumnos de las
facultades de CCSS.
- Gastos mensuales de las familias del Valle del
Mantaro.
 ESCUELA PROFESIONAL DE DERECHO

Población

individuos
Reúnen
Conjunto características

elementos

que se pretenden
estudiar.
 Se conoce el
número de
«población finita» individuos o
elementos
Población

No se conoce
«población infinita» el número de
individuos o
elementos

Denotada
“N”.

4
 Individuales
pacientes, trabajadores, docentes,
alumnos, agricultores, comerciantes,
Unidades animales, plantas, maquinas, etc.
de análisis

Compuestas o conglomerados
familias, clubes de madres, centros de
salud, centros educativos, municipios,
universidades, viviendas, empresas,
Objeto o etc.)
individuo del
que hay que
obtener la
información

5
Muestra
Subconjunto de
individuos o
elementos de la
población.
se
denota
“n” Subconjunto de elementos de la población
elegidos para estudiar y así tratar de inferir
características de la población. Obtener una
muestra adecuada significa lograr una
versión simplificada de la población, que
reproduzca de algún modo sus rasgos
básicos.
6
6
7
 Nos da la noción de hasta dónde y
con qué probabilidad una estimación
Error basada en una muestra se aleja del
muestral valor que se hubiera obtenido por
medio de un censo.

Nivel de Probabilidad de que la estimación

efectuada se ajuste a la realidad.
confianza

8
Marco muestral:
Listado que identifica a los elementos de la población objetivo. Lista de
unidades o elementos de muestreo. Formas de construir un marco
muestral:
-Obtener un listado de todos los elementos.
- Proveerse de una regla para identificarlos, ya que listar los
elementos no siempre es posible.
-Listado con los elementos de la población (si se posee)

Unidad muestral:
Unidad seleccionada de la población para la
aplicación de la técnica de investigación; contiene
los elementos de la población que pueden formar
parte de la muestra.

FHP-SOC 9
 1. Económica

2. Rapidez del recojo de datos y

Ventajas elaboración de los resultados.

3. Ofrece mejor calidad y precisión

de los datos.
 La economía que supone usar una muestra en lugar de
un censo, sobre todo si el ámbito de estudio es muy
grande.
 La mayor rapidez de recogida de datos y elaboración de
los resultados, sobretodo cuando se trabaja con temas y
poblaciones dinámicas y cambiantes.
 La realización de censos no se puede plantear como una
cuestión de principio, ya que el hecho mismo de la
encuesta destruiría el objeto de la misma.
 Una muestra ofrece mejor calidad y precisión de los
datos que un censo (porque se puede prestar una mayor
atención a la recolección de éstos).
 El objetivo de la teoría del muestreo es obtener
estimados muestralmente fiables.
 DECISIONES
DE MUESTREO

No hay Error Las

Hacer Observar todos y
cada uno de los
Aleatorio observaciones
pueden
un Censo elementos del Puede haber atribuirse a los
universo Error miembros del
Sistemático Universo

Tomar una Las

Siempre hay Error
Observar sujetos observaciones
Muestra No Aleatorio
elegidos por solo pueden
conveniencia atribuirse a la
Representativa Siempre hay Error
Sistemático muestra, NO a
los miembros del
Universo

Tomar una Observar sujetos

Siempre hay Las
Muestra Error Aleatorio observaciones
elegidos por
Representativa conveniencia pueden
Puede haber atribuirse a los
Error miembros del
Sistemático Universo
 ¿Cómo se define el tamaño de una
muestra?
1. Definición de la población objetivo: en términos de contenido,
unidades, extensión y tiempo.
2. Identificar el marco muestral: normalmente es imposible
confeccionar una lista que no excluya a algunos miembros de la
población.
3. Determinar el método de muestreo: si la unidad de muestreo es
diferente del elemento es necesario especificar también cómo se
deben seleccionar los elementos dentro de la unidad de muestreo.
4. Determinar el tamaño de la muestra: se deben considerar los
siguientes factores cualitativos:
 Importancia de la decisión.
 Naturaleza de la investigación.
 Número de variables.
 Naturaleza del análisis.
 Tamaños de muestra utilizados en estudios similares.
 Restricciones de recursos.
5. Selección material de la muestra: elegir los componentes de la
muestra y localizar materialmente la muestra, es decir, localización física
de las unidades.
6. Decidir el trato que se ha de dar a la falta de respuestas: se niega
a responder, no se localiza, no sabe contestar o no es accesible. Para
reducir este riesgo de no respuesta hay varios procedimientos:
 Mejorar el diseño de la investigación para reducir las negativas.
 Repetir los intentos.
 Estimar los efectos de la falta de respuesta en lo que respecta a la
calidad de la información.
Ejemplo:

Población: Docentes de la UNCP, 2007 (N=815)

Muestra: 50 docentes de la UNCP, 2007 (n=50)
u.a.: Docentes

Población: Niños y niñas menores de 11 años de los Centros

Educativos Estatales del Distrito de El Tambo, 2007 (N=5400)
Muestra: 250 Niños y niñas menores de 11 años de los Centros
Educativos Estatales del Distrito de El Tambo, 2007 ( n=250)
u.a: niñas y niños menores de 11 años
 FINES DEL SIGLO XIX Y COMIENZOS DEL XX
Tipos de muestreo

La elección de los elementos

Todos los elementos de la
depende de las características
población tienen la misma
de la investigación y del
probabilidad de ser
investigador que hace la
escogidos.
muestra.

16
 Muestreo por conveniencia o
intencional

Muestreo de expertos
MUESTREO NO
PROBABILISTICO
Muestreo por cuotas

Muestreo “bola de nieve”

17
 MUESTREO NO PROBABILÍSTICO
CARACTERÍSTICAS

 La selección de la muestra no es aleatoria, sino que se basa, en

parte, en el juicio del entrevistador o de responsable de la
investigación.
 No se basa en ninguna teoría de la probabilidad y, por lo tanto, no es
posible calcular la precisión o acotar el error cometido.
 No es posible calcular estos errores ni la confianza de las
estimaciones que, además, no siempre se reducen aumentando el
tamaño de la muestra.
 En el muestreo no probabilístico los costes y la dificultad del diseño
son más reducidos (al no ser necesario disponer de un marco). Este
muestreo puede dar buenos resultados, pero también apareja el
riesgo de proporcionar una información errónea.
La “representatividad” la determina el
investigador de modo subjetivo.
(Participantes voluntarios)

• Las muestras se seleccionan según un

criterio de accesibilidad.
• Se utiliza para obtener un mayor número
de cuestionarios completados de forma
rápida y económica.
• Suele emplearse en centros comerciales,
plazas, estaciones de autobuses o lugares
de gran afluencia pública.

19
El investigador selecciona directa e
intencionadamente los individuos de
la población.(Expertos en el tema)

• La muestra es elegida por un experto de

acuerdo con su criterio, buscando las
unidades más representativas.
• Se emplea cuando el tamaño de la muestra
es pequeño.

FHP-SOC 20
Se asienta sobre la base del conocimiento
de los estratos de la población y/o de los
individuos “representativos” o “adecuados”
para los fines de la investigación.

• En este tipo de muestreo se fijan unas

“cuotas” que consisten en un número de
individuos que reúnen unas determinadas
condiciones.
• Se utiliza encuestas de opinión y marketing.

21
Se localiza a algunos individuos, los cuales
conducen a otros, y estos a otros, y así hasta
conseguir una muestra suficiente.

• Este tipo se emplea de preferencia cuando se

hacen estudios con poblaciones
"marginales", delincuentes, sectas,
determinados tipos de enfermos, etc
• Sesgo: porque la persona sugerida por otro
miembro de la muestra tiene una
probabilidad mayor de ser similar a la
primera.
22
 Muestreo aleatorio simple

Muestreo aleatorio
MUESTREO Estratificado
PROBABILISTICO
Muestreo aleatorio por
Conglomerados

23
 MUESTREO PROBABILÍSTICO
CARACTERÍSTICAS

 Los métodos de muestreo probabilísticos son

aquellos que se basan en el principio de
equiprobabilidad.

 Es decir, aquellos en los que todos los individuos

tienen la misma probabilidad de ser elegidos para
formar parte de una muestra y, consiguientemente,
todas las posibles muestras de tamaño n tienen la
misma probabilidad de ser elegidas.

 Sólo estos métodos de muestreo probabilísticos nos

aseguran la representatividad de la muestra
extraída y son, por tanto, los más recomendables.

24
 Las muestras se seleccionan al azar, no se
seleccionan por los investigadores.
 Cada elemento de la población tiene la misma
probabilidad de ser elegido.
 Se puede conocer el error muestral, el nivel de
confianza y el nivel de precisión de las
estimaciones.
 Los resultados se pueden generalizar.
 Es el único método que puede evaluar la
representatividad de la muestra.
 Es más caro que el muestreo no probabilística.
 Es, en general, más lento y complicado que el
muestreo no probabilística.
Es el método conceptualmente más
simple. Consiste en extraer todos los
individuos al azar de una lista (marco de
la encuesta).

26
27
El procedimiento empleado es el
siguiente:

1. Se asigna un número a cada individuo de la población.

2. A través de algún medio mecánico (bolas dentro de una bolsa,

tablas de números aleatorios, números aleatorios generados
con una calculadora u ordenador, etc) se eligen tantos sujetos
como sea necesario para completar el tamaño de muestra
requerido.

3. Este procedimiento, atractivo por su simpleza, tiene poca o

nula utilidad práctica cuando la población que estamos
manejando es muy grande.

Ejemplo:
28
Inconvenientes

1. Su utilización está supeditada a la existencia de una “base de sondeo”

donde se puedan enumerar todos los elementos constituyentes del
universo objeto de estudio.

2. La extracción al azar dispersa totalmente a los componentes de la

muestra. Imaginemos los costoso que sería ir a Tacna a hacer una
entrevista a una sola persona, a otra en Piura, a otra en Puno, …

3. No tiene en cuenta criterios de homogeneidad/heterogeneidad entre

conjuntos de elementos del universo.

4. Es un método lento, sobre todo cuando el número de elementos que

constituyen el universo objeto de estudio y/o la muestra es elevado.
 La estratificación es el proceso de agrupar
miembros de la población en grupos relativamente
homogéneos antes de definir el tamaño de la
muestra.

Es un proceso en dos fases en el que la población se

divide en estratos. El estrato debe ser mutuamente
excluyente y colectivamente exhaustivo. Después, los
elementos se seleccionan para cada estrato mediante un
procedimiento aleatorio, por lo general m.a.s.

30
31
ESTRATOS Homogéneos en su interior;
diferentes entre sí en propiedades y
tamaño

Comuna B

Comuna A

Comuna C

Comuna D

Los estratos más grandes

Tienen mayor probabilidad de ser representados
32
 En el muestreo por conglomerados la unidad muestral
es un grupo de elementos de la población que forman
una unidad, a la que llamamos conglomerado.

Ejemplo:
Las unidades hospitalarias, comités de vaso de leche,
areas geográficas, urnas electorales, etc,

Consiste en seleccionar aleatoriamente un cierto numero de

conglomerados y en investigar después todos los elementos
pertenecientes a los conglomerados elegidos.

33
FHP-SOC 34
Se divide la población en varios grupos de
características parecidas entre ellos y luego se analizan
completamente algunos de los grupos, descartando los
demás.
Dentro de cada conglomerado existe una variación
importante, pero los distintos conglomerados son
parecidos. Requiere una muestra más grande, pero
suele simplificar la recogida de muestras.
Frecuentemente los conglomerados se aplican a zonas
geográficas.
 Ventajas e inconvenientes de los distintos tipos de
muestreo probabilístico
CARACTERISTICAS
Aleatorio simple Se selecciona una muestra de tamaño n de
una población de N unidades, cada
elemento tiene una probabilidad de inclusión
igual y conocida de n/N.
Estratificado En ciertas ocasiones resultará conveniente
estratificar la muestra según ciertas variables
de interés. Para ello debemos conocer la
composición estratificada de la población
objetivo a muestrear. Una vez calculado el
tamaño muestral apropiado, este se reparte
de manera proporcional entre los distintos
estratos definidos en la población usando
una simple regla de tres.
Conglomerados Se realizan varias fases de muestreo
sucesivas (polietápico).
La necesidad de listados de las unidades de
una etapa se limita a aquellas unidades de
muestreo seleccionadas en la etapa anterior.
VENTAJAS
Sencillo y de fácil comprensión.
Cálculo rápido de medias y varianzas.
Se basa en la teoría estadística, y por
tanto existen paquetes informáticos para
analizar los datos
Tiende a asegurar que la muestra
represente adecuadamente a la
población en función de unas variables
seleccionadas.
Se obtienen estimaciones más precisa
Su objetivo es conseguir una muestra lo
mas semejante posible a la población en
lo que a la o las variables
estratificadoras se refiere.
Es muy eficiente cuando la población es
muy grande y dispersa.
No es preciso tener un listado de toda la
población, sólo de las unidades
primarias de muestreo.
FHP-SOC
INCONVENIENTES
Requiere que se posea de antemano
un listado completo de toda la
población.
Cuando se trabaja con muestras
pequeñas es posible que no
represente a la población
adecuadamente.
Se ha de conocer la distribución en la
población de las variables utilizadas
para la estratificación.
El error estándar es mayor que en el
muestreo aleatorio simple o
estratificado.
El cálculo del error estándar es
complejo.
36
 FINES DELdel
Calculo SIGLO XIX Y COMIENZOS
tamaño DEL XX
de muestra

• Tamaño de muestra para poblaciones finitas y no

finitas (proporciones y medias)

• De forma manual, y con programa estadístico

37
Parámetr Población conocida Población
oa (Población finita) desconocida
estimar (Población infinita)

N  (1  ) Z 2
 (1  ) Z12 / 2
n 1 / 2
n
Proporción (N  1) 2   (1  ) Z12 / 2  2

Donde:
N = tamaño de la población
 = es la probabilidad de éxito (1- ; es la probabilidad de fracaso)
 = es el margen de error a tolerar
Z = valor distribución normal estándar para una probabilidad de (1–/2).
= es el nivel de significación y (1–) es el nivel confianza establecido
 = ( = 5%; 1– = 95%); Z = 1,96
Ejemplo Nro. 1: (Estimación de la proporción: Población finita)

Calcular el número mínimo de empleados a ser

seleccionados para un estudio donde se
relaciona el clima organizacional y la
satisfacción laboral en una determinada
institución, caracterizadas en dos niveles: con
relación favorable y sin relación favorable con
probabilidades iguales respectivamente. Con
1250 empleados, margen de error 5% y  = 95%
 La fórmula para el tamaño de muestra para
poblaciones finitas es:

N  (1  ) Z12 / 2
n
(N  1) 2   (1  ) Z12 / 2
donde:
N =1250
 = 50%
1- = 50%
 = 5%
Z = 1,96 ( valor de la distribución normal
estándar para una probabilidad de (1–/2), donde 
es el nivel de significación y (1–) es el nivel
confianza establecido ( = 5%; 1– = 95%).
 Reemplazando los valores en la fórmula resulta que:

1250(0, 5)(0, 5)(1, 96)2

n  294
1250(0, 05)  (0, 5)(0, 5)(1, 96)
2 2

Entonces la muestra definitiva será:

Recordemos:
Agregar el 10% de la nf = 294 + 10%(294)
muestra provisional (aquí nf = 294 + 29,4
se considera los datos nf = 323,4
perdidos (muerte, ausencia nf = 323
o negativa a responder)
Ejemplo Nro. 2 (Estimación de la proporción: Población finita)

En una ciudad se desea realizar un estudio respecto al consumo infantil

de bebidas alcohólicas. Suponiendo que el verdadero porcentaje de
niños que consumen bebidas alcohólicas es 40%, con un nivel de
seguridad del 95% y un error máximo de muestreo del 5%, determinar el
tamaño mínimo de muestra de niños con el objeto de llevar a cabo dicho
estudio.

Datos:

N = 2500;  = 0,4;  = 0,05; α = 0,05 (5%); Zα/2 = 1,96

2500(0,4)(1  0,6)(1,96)2
n=  321
2499(0,05) +(0,4)(1  0,6)(1,96)
2 2

Se requeriría 353 niños (321+10% de 321).

FHP-SOC 43
Muestro aleatorio estratificado para
proporción
Parametro Población conocida Población desconocida
estimar (Población finita) (Población infinita)

N Wh π h (1  π h ) 1
Proporcional n 
NV  Wh π h (1  π h )
n 
V
 Wh π h (1  π h )

Donde:
N = tamaño de la población
 = es la probabilidad de éxito (1- ; es la probabilidad de fracaso)
 = es el margen de error a tolerar
Z = valor distribución normal estándar para una probabilidad de (1–/2).
= es el nivel de significación y (1–) es el nivel confianza establecido
 = ( = 5%; 1– = 95%); Z = 1,96
 2
 ε  varianza deseada
V   
Z
 1 α / 2 

Nh ponderación o peso de
Wh  cada estrato
N
Nh es el tamaño poblacional
de cada estrato

h es la probabilidad de
éxito en cada estrato (0,5)