Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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
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.
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
16
Muestreo por conveniencia o
intencional
Muestreo de expertos
MUESTREO NO
PROBABILISTICO
Muestreo por cuotas
17
MUESTREO NO PROBABILÍSTICO
CARACTERÍSTICAS
19
El investigador selecciona directa e
intencionadamente los individuos de
la población.(Expertos en el tema)
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.
21
Se localiza a algunos individuos, los cuales
conducen a otros, y estos a otros, y así hasta
conseguir una muestra suficiente.
Muestreo aleatorio
MUESTREO Estratificado
PROBABILISTICO
Muestreo aleatorio por
Conglomerados
23
MUESTREO PROBABILÍSTICO
CARACTERÍSTICAS
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:
Ejemplo:
28
Inconvenientes
30
31
ESTRATOS Homogéneos en su interior;
diferentes entre sí en propiedades y
tamaño
Comuna B
Comuna A
Comuna C
Comuna D
Ejemplo:
Las unidades hospitalarias, comités de vaso de leche,
areas geográficas, urnas electorales, etc,
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 VENTAJAS INCONVENIENTES
Aleatorio simple Se selecciona una muestra de tamaño n de Sencillo y de fácil comprensión. Requiere que se posea de antemano
una población de N unidades, cada Cálculo rápido de medias y varianzas. un listado completo de toda la
elemento tiene una probabilidad de inclusión Se basa en la teoría estadística, y por población.
igual y conocida de n/N. tanto existen paquetes informáticos para Cuando se trabaja con muestras
analizar los datos pequeñas es posible que no
represente a la población
adecuadamente.
Estratificado En ciertas ocasiones resultará conveniente Tiende a asegurar que la muestra Se ha de conocer la distribución en la
estratificar la muestra según ciertas variables represente adecuadamente a la población de las variables utilizadas
de interés. Para ello debemos conocer la población en función de unas variables para la estratificación.
composición estratificada de la población seleccionadas.
objetivo a muestrear. Una vez calculado el Se obtienen estimaciones más precisa
tamaño muestral apropiado, este se reparte Su objetivo es conseguir una muestra lo
de manera proporcional entre los distintos mas semejante posible a la población en
estratos definidos en la población usando lo que a la o las variables
una simple regla de tres. estratificadoras se refiere.
Conglomerados Se realizan varias fases de muestreo Es muy eficiente cuando la población es El error estándar es mayor que en el
sucesivas (polietápico). muy grande y dispersa. muestreo aleatorio simple o
La necesidad de listados de las unidades de No es preciso tener un listado de toda la estratificado.
una etapa se limita a aquellas unidades de población, sólo de las unidades El cálculo del error estándar es
muestreo seleccionadas en la etapa anterior. primarias de muestreo. complejo.
FHP-SOC 36
FINES DELdel
Calculo SIGLO XIX Y COMIENZOS
tamaño DEL XX
de muestra
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)
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:
Datos:
2500(0,4)(1 0,6)(1,96)2
n= 321
2499(0,05) +(0,4)(1 0,6)(1,96)
2 2
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)