ESTADÍSTICA APLICADA A

LA INVESTIGACIÓN

Ing. Darwyn Tinitana, MBA

 INVESTIGACION CIENTIFICA Y
TEMA 1 ESTADISTICA

• No existe investigación, proceso o trabajo

encaminado a obtener información
cuantitativa en general, en la que la estadística
no tenga una aplicación.
• La estadística no puede ser ignorada por
ningún investigador, aún cuando no tenga
ocasión de emplear la estadística aplicada en
todos sus detalles y ramificaciones.
 OBJETIVO ESTADÍSTICO

APLICATIVO • Solucionar problemas a partir de

descubrimientos realizados
• Pronosticar la ocurrencia de un
PREDICTIVO
fenómeno o suceso. Experimental y
multivariado (factorial)
• Explicar el comportamiento de
EXPLICATIVO
una variable en función de otra.
Determina CAUSALIDAD

RELACIONAL • Determina la relación entre dos

variables. No implica causa-
efecto
DESCRIPTIVO
• Determina, describe y estima.
Pueden medirse variables
cualitativa y cuantitativas
EXPLORATORIO
• Es netamente cualitativo. No
hay hipótesis sino preguntas
Niveles de Investigación de investigación.
 1 EXPLORATORIO
APLICA
TIVO

EJEMPLO1:
PREDICTI
VO “Las tortugas marinas un recurso zoogenético de las
comunidades costeras de Oaxaca”

EXPLICATIVO
Gisela Fuentes - Mascorro.
Laboratorio de Investigación en Reproducción Animal LIRA EMVZ
UABJO Oaxaca México

RELACIONAL

DESCRIPTIVO

EXPLORATORIO
 2 DESCRIPTIVO
APLICA
TIVO
EJEMPLO 2:

Valoración de las características organolépticas de los quesos

PREDICTI
VO Majorero DOP mediante la catacion de un panel de expertos.

Queso Palmero DOP

EXPLICATIVO Características
Maduración (días)
15d
Rugosidad 2.88
Humedad Superficial 2.88
Elasticidad 2.82
Firmeza 3.75
RELACIONAL Friabilidad 4.11
Adhesividad 4.30
Solubilidad 4.35
Humedad en boca 3.32
Granulosidad 3.50
DESCRIPTIVO Acidez 2.22
Salado 3.75
Picante 0.20
Amargo 0.30
Intensidad olor 2.39
Intensidad sabor 2.20
EXPLORATORIO
 3 RELACIONAL
APLICA EJEMPLO 3:
TIVO

Valoración de las características organolépticas de los quesos

PREDICTI
Majorero DOP mediante la catacion de un panel de expertos y
VO consumidores habituales
Expertos Consumidores habituales
Maduración Maduración
(días) (días)
15d 15d
EXPLICATIVO
Rugosidad 2.88a 2.27a
Humedad Superf. 2.88c 3.45b
Elasticidad 2.82b 3.02a
Firmeza 3.75a 3.24b
Friabilidad 4.11a 3.74b
Adhesividad 4.30b 3.29a
RELACIONAL Solubilidad 4.35b 5.04a
Humedad en boca 3.32a 4.01b
Granulosidad 3.50b 2.38a
Acidez 2.22a 2.80a
Salado 3.75a 3.63a
DESCRIPTIVO Picante 0.20a 0.00a
Amargo 0.30b 0.61a
Intensidad olor 2.39a 2.13a
Intensidad sabor 2.20b 3.57a

EXPLORATORIO
 4 EXPLICATIVO
APLICA
TIVO
EJEMPLO 4:

Influencia de la maduración sobre las características

PREDICTI
VO organolépticas de los quesos Majorero DOP

Expertos Consumidores habituales

Maduración Maduración (días)
EXPLICATIVO (días)
15d 30d 60d 90d 15d 30d 60d 90d
SCM SCM
Rugosidad 2.88a 2.98a 3.87b 3.87b 2.27a 2.73b 3.21c 3.45c
Humedad Superf. 2.88c 2.75c 2.11b 1.45a 3.45b 3.16 b
2.73a 2.51a
RELACIONAL
Elasticidad 2.82b 2.57ab 2.10a 2.18ab 3.02c 2.71bc 2.41ab 2.08a
Firmeza 3.75 3.96 4.04 4.28 3.24 3.39 3.42 3.68
Friabilidad 4.11a 4.23a 4.92b 4.61ab 3.74 3.86 4.02 4.07
Adhesividad 4.30b 4.30b 3.34a 3.46a 3.29 3.55 3.64 4.51
Solubilidad 4.35 4.08 3.86 4.01 5.04 5.03 4.73 4.88
Humedad en boca 3.32c 3.20c 2.35b 1.87a 4.01b 3.16 ab
2.68a 2.84a
DESCRIPTIVO Granulosidad 3.50 3.55 3.74 3.63 2.38a 2.48 a
2.85b 2.88b
Acidez 2.22c 1.88bc 1.25a 1.70ab 2.80ab 2.61a 3.10ab 3.34b
Salado 3.75a 3.94a 4.28b 4.32b 3.63a 3.58a 4.46b 4.46b
Picante 0.20a 0.30a 0.96b 1.63c 0.00a 0.00a 0.44b 0.46b
Amargo 0.30b 0.15ab 0.00a 0.00a 0.61ab 0.61 ab
0.68b 0.32a
EXPLORATORIO Intensidad olor 2.39a 3.43b 3.57b 4.21b 2.13a 3.84 b
3.94c 4.48d
Intensidad sabor 2.20a 2.88b 3.16b 4.50c 3.57a 4.08b 4.17b 4.72c
 5 PREDICTIVO
APLICA
TIVO
EJEMPLO 5:

Estimar las características sensoriales de los quesos Majorero DOP

PREDICTI
VO en función de los días de maduración.

EXPLICATIVO

RELACIONAL

DESCRIPTIVO

EXPLORATORIO
 6 APLICATIVO
APLICA EJEMPLO 6:
TIVO

Determinar la producción del número de quesos Majorero DOP en

función de su grado de maduración.
PREDICTI
VO TIPOS DE QUESOS
N obs ervado N es perada Res iduo
15 DIAS 172 186,3 -14,3
30 DIAS 160
Numero 186,3 -26,3
EXPLICATIVO 60 DIAS Dias de 235 quesos 186,3 48,8

maduracion 178vendidos
90 DIAS 186,3 -8,3
Total 745
15 172
Estadísticos de prueba
30 160
TIPOS DE
RELACIONAL QUESOS
60 Chi-cuadrado 235 a
17,915
90 gl 178 3
Sig.
,000
as intótica
Dias de maduracion
Numero quesos vendidos
a. 0 cas illas (0,0%) han
DESCRIPTIVO es perado frecuencias
Dias de maduracion 1
m enores que 5. La
frecuencia m ínim a de
Numero quesos vendidos 0,35497087
cas illa es perada es 186,3.1
H0: número de quesos vendidos = número de quesos que se esperaba producir

EXPLORATORIO H1: número de quesos vendidos ≠ número de quesos que se espera producir

Valor de p < 0.01 y 0.05 ** altamente significativo

Valor de p < 0.05 * significativo
Valor de p > 0.05 NS no significativo
TEMA 2
El fundamento de la teoría
representacional de la medición, consiste
en que toda medición debe asegurar una
adecuada representación del atributo real
medido mediante símbolos o números
asignados (Bologna, 2011, 143).
Medición : significa asignar números u otros símbolos a
características de objetos de acuerdo con determinadas
reglas preestablecidas.

Las características medibles de un objeto se llama

VARIABLE, la que puede asumir diferentes valores en cada
una de ellas

No se mide al objeto si no sus características.

Ejemplo:

No medimos a los consumidores si no sino sus percepciones,

actitudes, preferencias u otras características pertinentes.
 VARIABLES Y ESCALAS DE MEDICION

VARIABLE NIVEL DE SIGNIFICADO

MEDICION
Designan
Nominal
Distinguen
CUALITATIVAS
Ordinal
Expresan orden

Intervalares o Escalas arbitrarias con

de intervalo distancias proporcionales

Discretas

CUANTITATIVAS
Mediante conteos
Proporcionales o
de razón Continuas

Mediante mediciones
Mayor nivel de investigación

De
Pruebas
razón paramétricas
y no
paramétricas
De intervalo

Ordinal
Pruebas no
paramétricas
Nominal
 Pruebas Paramétricas
Su cálculo implica una estimación de los parámetros de la
población con base en muestras estadísticas

SUPUESTOS:

• Los datos u observaciones de la variable dependiente

deben tener una distribución NORMAL.
• Escala de medición de la variable dependiente debe ser
de intervalo o razón
• Las poblaciones estudiadas deben tener una varianza
homogénea..
 VENTAJAS DESVENTAJAS

• Mas eficiencia • Mas complicadas de

(Poderosas) calcular
• Buena sensibilidad a • Limitación en los
los datos recolectados tipos de datos a
• Menos probabilidades evaluar (Supuestos)
de errores
• Dan estimaciones
probabilísticas con
mayor grado de
precisión (Robustas)
 TIPOS DE ANÁLISIS
PARÁMETRICOS
Inferencia estadística
• Estimación de la media y la
proporción poblacional usando
los estadísticos Z y t “Student”
• Prueba de hipótesis para la
media y la proporción
poblacional con una sola
muestra usando Z y t
“Student”
• Prueba de hipótesis para la
media y la proporción
poblacional con dos muestras
usando Z y t “Student”
Análisis de varianza
• Comparar las diferencia entre
varias medias poblaciones:
DCA, DBCA, DCL y en ARREGLO
FACTORIAL
Análisis de causa y efecto
• Análisis de regresión y
correlación.
• Regresión lineal múltiple
• Análisis de series de tiempo y
predicción en los negocios.
Pruebas No Paramétricas
Su cálculo implica cuando los datos se
“distribuyen libremente”, es decir que no hay
supuestos sobre la distribución teórica de los
datos
Supuestos :
• Continuidad de las variables dependientes, es
decir que una variable discreta se puede
aproximar a continua
 VENTAJAS DESVENTAJAS

• No requiere de • Se usan con

supuestos muestras pequeñas
• Útiles para trabajar • No son robustas
con variables
categóricas: nominal
y ordinal
• Son fáciles de
entender y aplicar
 TIPOS DE ANÁLISIS NO
PARÁMETRICOS

Las mas utilizadas:

• Prueba de Chi-Cuadrado
• Una muestra: prueba de Wilcoxon
• Dos muestras independientes: prueba de Mann-Whitney
• Observaciones por pares: prueba de Wilcoxon
• Varias pruebas independientes: prueba de Kruskal-Wallis
TEMA 4
 1.5 – 2.0 m 1.3 -1.8 m 1.4 – 1.6 m

1. 65 m

PUNTO 3
PUNTO 1

PUNTO 2

PROMEDIO 1.5 m 1.5 m 1.5 m

DE
PROFUNDIDAD

VARIACIÓN 0.5 m 0.3 m 0.1 m

DE LA
PROFUNDIDAD
MEDIDAS DESCRIPTIVAS PARÁMETRO MUESTRA
Media σ𝑋 σ𝑋
𝜇= 𝑋ത =
𝑁 𝑛
Varianza
(σ 𝑋)2 (σ 𝑋)2
2
σ 𝑋2 − 𝑁 σ𝑋 −
𝜎2 = 2
𝑆 = 𝑛
𝑁 𝑛−1
Desviación estándar (σ 𝑋)2
(σ 𝑋)2
σ 𝑋2 − σ 𝑋2 −
𝜎= 𝑁 𝑆= 𝑛
𝑁 𝑛−1
Coeficiente de variación 𝜎 𝑆
𝐶𝑉 = × 100 𝐶𝑉 = × 100
𝜇 𝑋ത

Proporción 𝐸𝑋 𝐸𝑋
𝜋=
𝑁 𝑛
 Ejemplo
Un estudiante de Administración de Empresa, quiere determinar cuál de las dos tiendas
de su barrio está en mejor condición económica, dado que son de similar magnitud en
cuanto al tamaño y variedad de productos que ofertan. Para lo cual decide registrar las
ventas de diez días consecutivos en ambas tiendas.
Tienda 1 100 95 90 90 45 55 60 70 60 46
Tienda 2 20 20 56 60 65 75 75 80 120 140

Estadísticas de grupo

Desviación Coeficiente de
Tiendas
N Media estándar variación

Ventas diarias Tienda 1 10 71,10 20,920 29,4%

Tienda 2 10 71,10 37,799 53.16%

INTERPRETACION: Las dos tiendas tienen el mismo promedio de ventas diarias, sin
embargo las ventas de la Tienda 1 son más homogéneas, tal como lo demuestra su
desviación estándar de 20.9 dólares frente a 37.8 dólares de la Tienda 2.
Por lo anterior es posible que la Tienda 1 este en mejores condiciones económicas que
la Tienda 2.
TEMA 4
 MUESTREO

Parte de la estadística que se ocupa de la selección,

recolección y análisis de elementos representativos de cierta
población llamada universo (Aragón, 2011, 83)

Se llama unidad de análisis a

cada individuo, elemento u
objeto que es parte de la
muestra y a quienes se aplica
el instrumento de medición.
¿Para qué tomar una muestra?

INFERENCIA
ESTADÍSTICA

Es el procedimiento por medio del cual se llega a

conclusiones acerca de una población con base en la
información que se obtiene a partir de una muestra
seleccionada de esa población
 Inferencia Estadística

N = Tamaño de la población n = Tamaño de la muestra

MUESTRA

POBLACIÓN

Estimación

Parámetros Estadísticos
Media µ X
ഥ
Varianza
Proporción π P
Estimadores
 Características de la
muestra
• REPRESENTATIVA
No implica una identidad en todos los aspectos, son solamente
aquellas características que se encuentran bajo análisis las que deben
ser compartidas por la muestra y la población (Bologna, 2011, 255).

• ALEATORIA
Los elementos de población debe ser elegidos al azar

• TAMAÑO ADECUADO
La determinación debe ser estadística (Técnica y científica)
 PROCESO DEL MUESTRE0

1 2 3 4 5
 1. DEFINICION DE LA POBLACION
META
Rigurosa y exhaustiva Describir de manera
definición del universo integral todas las
• Definir quienes van a variables que lo
ser medidos caracterizan
• No debe haber dudas
sobre los sujetos y • Definir variables que la
objetos de estudio caracterizan
(Unidades de análisis)
 Ejemplo 1:

Estimar el costo de producción promedio de un litro de

leche

Área geográfica: Cantón: Santo Domingo

Parroquia: El Esfuerzo
Actividad: Producción de leche
Tipo de ganaderos Pequeños : 10 a 50 has.
Medianos: > 50 a 100 has.
Ejemplo 2:

Estimar el nivel de satisfacción laboral de las Pymes

Área geográfica: Cantón: Santo Domingo

Pymes de la zona urbana
Tipo de actividad: Comercial e Industrial
Variables: Edad, sexo, horarios, cargo,
remuneración.
 2 . DETERMINAR EL MARCO DE
MUESTREO
MARCO DE MUESTREO
Es una lista detallada y
actualizada de las unidades de
muestreo de donde se obtiene
la muestra
Ejemplos
• Lista de alumnos de una
universidad
• Planos de una determinada
comunidad
• Lista de manzanas de una
comunidad
• Directorio telefónico
• Registros de empresas
• Listado de los ganaderías
lecheras de una parroquia
MARCO MUESTRAL DE LA POBLACION TOTAL OBJETIVO: Ganaderías de leche de la Parroquia El Esfuerzo
Geoposición
№ PARROQUIA SITIO PREDIO Has TIPO GANADERO C.I. TELEFONO
X Y
SAN MIGUEL
511 EL ESFUERZO 643520 9948346 ELSITA 10 FAMILIAR ABRIL TENEDA LUIS ALBERTO 1800136861
DEL BOLO SANTIAGO
180 EL ESFUERZO EL CRISTAL 98 MEDIANA ACEBO SANTIAGO TOMAS 1300102090 969841449
ACEBO
RANCHO
541 EL ESFUERZO LA MINA
OTONGO 6 FAMILIAR AGUAL SIERRA WILLI 1717152829 982806366
AGUALITO
343 EL ESFUERZO ACAPULCO 702067 9959279 KARITO
VIRGEN DEL FAMILIAR AGUILAR JOSE MANUEL 701101911 23618525
RECINTO
735 EL ESFUERZO 700956 9960439 CISNE 17 FAMILIAR AGUILAR MARIANA 1100536927 988443082
LOJANO
OTONGO
361 EL ESFUERZO
ACAPULCO 701848 9954999 SAN MATEO 4 FAMILIAR ALAY SANCAN PEDRO 1712309762 981156930
OTONGO
373 EL ESFUERZO
ACAPULCO 702667 9953868 EL PÀRAISO 42 PEQUEÑA ALAY SOLIS DAVID 1301173751 969150219
995827887
OTONGO
359 EL ESFUERZO 702239 9954142 SAN JOSE 60 MEDIANA ALAY SOLIS GUILLERMO GONZALO 1300141338 023619611
ACAPULCO
OTONGO GLORIA 994494786
364 EL ESFUERZO
ACAPULCO
STA 701797 9954797 MARIA
HERMANOS 10 FAMILIAR ALAY SOLIS IGNACIO HIPOLITO 1300378302 023619851
416 EL ESFUERZO MARIANITA 697358 9961199 BURNEO 7 FAMILIAR ALCIVAR JOEL 1308224615 993371693
219 EL ESFUERZO POLANCO 698619 9947324 SANTA ROSA 42 PEQUEÑA ALFONSO CASTILLO 1701532366 991141522
254 EL ESFUERZO POLANCO 698619 9947324 SANTA ROSA 42 PEQUEÑA ALFONSO CASTILLO 1701532366 991141522
329 EL ESFUERZO PARAISO ALTO 698065 9953271 LOS LAURELES 14 FAMILIAR ALTAMIRANO GLORIA 1718203845 939558773

640 EL ESFUERZO REDENCION ANAI 4 FAMILIAR ALVARADO GARCIA ABEL FEDERICO 1200914016

519 EL ESFUERZO LA MINA 693017 9951892 DyM

LOS 6 FAMILIAR ALVARADO ROMERO HUGO RICARDO 700797004
SAN MIGUEL
507 EL ESFUERZO 693941 9948449 ANTURIOS 5 FAMILIAR ALVAREZ ROCHE EDMUNDO EDISON 1710147008
DEL
SAN BOLO
MIGUEL
508 EL ESFUERZO 693941 9948444 LOS LAURELES 5 FAMILIAR ALVAREZ ROCHE LUCIO ALFREDO 1705554614
DEL BOLO
SAN MIGUEL
504 EL ESFUERZO 693918 9947943 SANTA ROSA 29 PEQUEÑA ALVAREZ ROCHE MANUEL RENE 1707722631
DEL BOLO
ALVAREZ
76
EL ESFUERZO LA REFORMA ANGEL 52 MEDIANA ALVAREZ SALEM JORGEGILBERTO 1701477927 991891997

655 EL ESFUERZO REDENCION

690698 9941393 ZURITA 10 FAMILIAR ALVAREZ ZURITA WINTER IVAN 1721373999 997408469
STA MARIA
148 EL CISNE 986649470
DEL TOACHI 702132 9939213 3 HERMANOS 40 PEQUEÑA ALVERCA JUAN 1102469697
64 EL ESFUERZO LA REFORMA 701799 9950068 10 FAMILIAR ANALUISA FERNANDO 1718933128 982627723
201 EL ESFUERZO CRISTAL 700874 9952370 EL CRISTAL 24 PEQUEÑA ANCHUNDIA REYNA HIPOLITO EFREN 1300230255 990094923
303 EL ESFUERZO PARAISO 699172 9956759 LA ARBOLEDA 40 PEQUEÑA ANDINO NOBOA JUAN 1714183975 997837525
 NOMBRE DE LA
N° DIRECCION ACTIVIDAD TELEFONOS
EMPRESA
AV. 29 DE MAYO Y
1 AGENCIA ZARACAY SERVICIOS 2750546
CACANIGUAS
2 AGRIPAC S.A VIA QUEVEDO KM1 COMERCIO 3700-649
AV. QUITO Y 5 COMERCIO
3 AGROPEC -
ESQUINAS AGRICOLA
SERVICIO Y
4 AGROPECUARIA BONANZA AV. QUITO Y AV. LOJA COMERCIO -
AGRICOLA
AV. QUITO Y 5 COMERCIO
5 AGROPECUARIA ROSITA -
ESQUINAS AGRICOLA
AV. QUITO 1300 Y
6 ALMACEN D´LIA COMERCIO 2761-209
PALLATANGA
29 DE MAYO FRENTE
ALMACEN DE MUEBLES
7 AL MERCADO UNION COMERCIO 2742-171
D´ROSIE
Y PROGRESO
CENTRO, CALLE
8 ALMACEN GLORITA LATACUNGA Y COMERCIO -
BABAHOYO
CENTRO, CALLE
9 ALMACEN J.C LATACUNGA Y COMERCIO -
BABAHOYO
AV MANUELITA SERVICIO Y
10 ALMACEN JAVIER MAGALLAN 3709527
SAENZ COMERCIO
AV. 3 DE JULIO Y AV.
11 ALMACÉN PAUCAR COMERCIO -
LOJA
INDIO COLORADO AL
12 AUTO JAPONÉS REPUESTOS FRENTE DE COMERCIO -
GASOLINERA MÓVIL
3 . SELECCIONAR EL MÉTODO DE
MUESTREO

MÉTODOS
PROBABILISTICOS

DE UNA ETAPA DE DOS ETAPAS

MUESTREO MUESTREO MUESTREO MUESTREO POR

ALEATORIO
SIMPLE SISTEMÁTICO ESTRATIFICADO CONGLOMERADOS
 MUESTREO ALEATORIO SIMPLE

N = 100 n = 10

1 11 21 31 41 51 61 71 81 91
2 12 22 32 42 52 62 72 82 92
3 13 23 33 43 53 63 73 83 93
4 14 24 34 44 54 64 74 84 94
5 15 25 35 45 55 65 75 85 95
6 16 26 36 46 56 66 76 86 96
7 17 27 37 47 57 67 77 87 97
8 18 28 38 48 58 68 78 88 98
9 19 29 39 49 59 69 79 89 99
10 20 30 40 50 60 70 80 90 100

1. Seleccione un marco de muestreo adecuado

2. Asigne a cada elemento un numero de 1 a N
3. Genere n números aleatorios entre 1 a 100. Use un generador de números
aleatorios
4. Los números generados indican los elementos que deben incluirse en la
muestra
 MUESTREO ALEATORIO SISTEMATICO

1 11 21 31 41 51 61 71 81 91 N= 100
2 12 22 32 42 52 62 72 82 92 n= 10
3 13 23 33 43 53 63 73 83 93 i = N/n = 100/10 = 10
4 14 24 34 44 54 64 74 84 94 r= 3
5 15 25 35 45 55 65 75 85 95 r+i= 3 + 10 = 13
6 16 26 36 46 56 66 76 86 96 r + 2i = 3 + 20 = 23
7 17 27 37 47 57 67 77 87 97 r + 3i = 4 + 30 = 34
8 18 28 38 48 58 68 78 88 98
9 19 29 39 49 59 69 79 89 99
10 20 30 40 50 60 70 80 90 100

1. Seleccione un marco de muestreo adecuado

2. Asigne a cada elemento un numero de 1 a N
3. Determine el intervalo de muestreo i, i = N/n. Redondee si es una fracción.
4. Seleccione un numero aleatorio, r, entre 1 e i. Use un generador de
números aleatorios
5. La muestra aleatoria sistemática resulta: r, r+1, r+2i, r+ 3i, r+4i…….r+(n-1)i
 MUESTREO ALEATORIO ESTRATIFICADO

A B C D E F G H I J
1 11 21 31 41 51 61 71 81 91 N = 100
2 12 22 32 42 52 62 72 82 92 n = 10
3 13 23 33 43 53 63 73 83 93 H = Estratos (A, B, ….,J)
4 14 24 34 44 54 64 74 84 94 nh = 3
5 15 25 35 45 55 65 75 85 95 nh = 15
6 16 26 36 46 56 66 76 86 96 nh = 21
7 17 27 37 47 57 67 77 87 97 nh = 39
8 18 28 38 48 58 68 78 88 98 nh = 45
9 19 29 39 49 59 69 79 89 99 nh = 57
10 20 30 40 50 60 70 80 90 100 nh = 63
nh = 77

1. Seleccione un marco de muestreo adecuado

2. Seleccione la(s) variable(s) de estratificación y el número de estratos H
3. Con base a la variable de clasificación, asigne cada elemento a uno H estratos
4. Enumere los elementos de 1 a Nh en cada estrato
5. Determine el tamaño de muestra en cada estrato nh
6. En cada estrato, seleccione una muestra aleatoria simple de tamano nh
 Ejemplo 1

Cuadro Nro. 1 Determinación del número de estudiante en la muestra, según muestreo

aleatorio estratificado proporcional

Número de
Número
Carrera estudiante en la
estudiantes
muestra
Sistemas 105 38
Administración de Empresas 214 76
Contabilidad y Auditoría 169 60
Derecho 377 134
N= 865 n= 308

K = n/N = 308/865 0,3560694

SISTEMAS 105 x K 37,3872832

ADMINISTRACION DE EMPRESAS 214 x K 76,1988439
CONTABILIDAD Y AUDITORIA 169 x K 60,1757225
DERECHO 377 x K 134,23815
 MUESTREO ALEATORIO POR CONGLOMERADOS
En el muestreo por conglomerados, la población meta primero se divide en
subpoblaciones o conglomerados mutuamente excluyentes y colectivamente
exhaustivos. Luego se selecciona una muestra aleatoria de conglomerados con
base en una técnica de muestreo probabilístico, como el muestreo aleatorio
simple.
 Registros de la brigada de vacunación
POBLACION FASE I del 2013, de la parroquia El
Esfuerzo, reportan la existencia de 735
735 unidades de productoras de leche, entre
explotaciones de tipo familiar, pequeñas,
medianas y grandes

Criterios
Fórmula de tamaño de muestra

403 se las clasificó en PYMES.

POBLACION Pequeña (20 a 50 has) de
DE ESTUDIO Mediana (51 a 100 has) selección
403
Número * Número de
Estrato empresas empresas
Tipo de muestreo

ത±𝑆
𝑋
por en la
estrato muestra
Calculo de n
(N) (n)

Pequeñas 0.132
𝑛= = 23.9 24
MUESTRA empresa
310 $0.27 ± $0.13 0.052
2
0.132
+ 310
1.96
54 Medianas 0.172
93 $0.31 ± $0.17 𝑛= = 30.0 30
empresa 0.052 0.172
+
1.962 93
N = 403 n = 54

* Media y desviación estándar. Tomado de Ríos (2007).

PROCESO 1. Seleccion de conglomerados
A B C D E F G H I J
1 11 21 31 41 51 61 71 81 91 N = 100
2 12 22 32 42 52 62 72 82 92 n = 10
3 13 23 33 43 53 63 73 83 93 C = Conglomerados (A, B, ….,
4 14 24 34 44 54 64 74 84 94 c= 4
5 15 25 35 45 55 65 75 85 95 i = N/c = 25
6 16 26 36 46 56 66 76 86 96 r = 10
7 17 27 37 47 57 67 77 87 97 r + i= 35
8 18 28 38 48 58 68 78 88 98 r + 2i= 60
9 19 29 39 49 59 69 79 89 99
10 20 30 40 50 60 70 80 90 100

1. Asigne un número, de 1 a N, a cada elemento de la población

2. Divida a la población en C conglomerados, de los cuales c se incluirán en la
muestra, en este caso c = 4 conglomerados
3. Calcule e intervalo de muestreo, i = N/c. Redondee si es una fracción.
4. Seleccione un número aleatorio, r, entre 1 e i
5. Identifique los elementos: r, r+1, r+2i, r+ 3i, r+4i…….r+(c-1)i
6. Selecione los conglomerados que contienen los elementos identificados
 PROCESO 2. Seleccion de los elementos en los conglomerados

A B C D E F G H I J
1 11 21 31 41 51 61 71 81 91
2 12 22 32 42 52 62 72 82 92
3 13 23 33 43 53 63 73 83 93
4 14 24 34 44 54 64 74 84 94
5 15 25 35 45 55 65 75 85 95
6 16 26 36 46 56 66 76 86 96
7 17 27 37 47 57 67 77 87 97
8 18 28 38 48 58 68 78 88 98
9 19 29 39 49 59 69 79 89 99
10 20 30 40 50 60 70 80 90 100

1. Supóngase que los conglomerados C son los 10 barrios de una pequeña

ciudad, de los cuales se ha escogido c= 4 , los barrios A, D, F, y H mediante
proceso 1.
2. Cada barrio C, tiene nc = 10 cuadras o manzanas, por lo tanto el tamaño de la
población resulta de N = C x nc = 10 x10 = 1000 familias de la pequeña ciudad
3. El investigador requiere de un n = 12 familias, entonces se aplicara una
selección aleatoria de las familias dentro de cada conglomerado c
 Ejemplo 1
En un primer ejemplo tenemos una investigación sobre inmigrantes extranjeros en
México, (Baptista et al. 1988). El objetivo de la investigación es documentar las
experiencias de viaje, de vida y de trabajo. Para cumplir dicho propósito se seleccionó
una muestra no probabilística de personas extranjeras que por diversas razones —
económicas, políticas, fortuitas— hubieran llegado a México entre 1900 y 1960. Las
personas se seleccionaron a través de conocidos, de asilos, de referencias. De esta
manera se entrevistaron a 40 inmigrantes con entrevistas semiestructuradas que
permitieron al sujeto hablar libremente sobre sus experiencias.

COMENTARIO
En este caso una muestra no probabilística es adecuada pues se trata de un estudio con
un diseño de investigación exploratorio, es decir, no es concluyente, sino su objetivo es
documentar ciertas experiencias. Este tipo de estudio pretende generar datos e
hipótesis que constituyan la materia prima para investigaciones más precisas
 Ejemplo 2

Mencionamos el caso de una investigación para saber cuántos niños han sido vacunados y
cuántos no, y variables asociadas para este estudio son: nivel socioeconómico, lugar donde
viven, educación. En este caso se hizo una muestra probabilística nacional de 1600
personas y de los datos se tomaron decisiones para formular estrategias de vacunación y
mensajes dirigidos a persuadir la pronta y oportuna vacunación de los niños.

COMENTARIO
Este tipo de estudio, en donde se hace una asociación entre variables, cuyos resultados
servirán de información para tomar decisiones políticas que afectarán a una población, se
logran por medio de una investigación por encuestas y definitivamente a través de una
muestra probabilística, diseñada de tal manera que los datos pueden ser generalizados a la
población con una estimación precisa del error que pudiera cometerse al hacer tales
generalizaciones.
 Ejemplo 3
Se diseña un experimento para medir si contenidos violentos en la televisión generan
conductas antisociales en los niños. Para lograr tal objetivo se seleccionan en un
colegio 60 niños de 5 años de edad de Igual nivel socioeconómico e igual inteligencia y
se asignan aleatoriamente a 2 grupos o condiciones. 30 niños verán caricaturas pro-
sociales (ej. Heidi) y otros 30 verán caricaturas muy violentas. Inmediatamente
después de la exposición a dichos contenidos violentos, los niños serán observados en
un contexto de juego y se medirán sus conductas violentas y pro-sociales.

COMENTARIO
Esta es una muestra no probabilística. Aunque se asignen los niños de manera aleatoria
a las dos condiciones experimentales, para generalizar a la población se necesitarían
repetidos experimentos. Un estudio así es valioso en cuanto a que el nivel causa-efecto
es más preciso al aislar otras variables, sin embargo los datos no pueden generalizarse a
todos los niños, sino a un grupo de niños con las mencionadas características. Se trata
de una muestra dirigida y “clásica’ de un estudio de este tipo. La selección de la muestra
no es al azar, aunque la asignación de los niños a los grupos si lo es.
TEMA 2
 Tamaño de la muestra
¿Cuál es la cantidad de participantes que
debe incluirse en un estudio?
¿Qué pasa si el número de participantes es
excesivo?

¿Qué pasa si el número de participantes es

insuficiente?

¿Para qué sirve el tamaño de muestra?

RECUERDEN QUE EL OBJETIVO DE
UNA INVESTIGACIÓN PUEDE SER
• ESTIMAR PARAMETROS A PARTIR DE LA MUESTRA

medias µ
proporciones π
varianzas 𝝈𝟐

• PRUEBAS DE HIPÓTESIS

Una muestra: 𝑯𝟎 : 𝝁 = 𝟏. 𝟕𝟎 𝒎 𝑯𝟏 ≠ 𝟏. 𝟕𝟎

Dos o más muestra: 𝑯𝟎 : 𝝁𝟏 = 𝝁𝟐 = 𝝁𝟑

𝑯𝟏 : 𝝁𝟏 ≠ 𝝁𝟐 ≠ 𝝁𝟐
TAMAÑO DE MUESTRA PARA ESTIMAR MEDIAS
(µ)

Población infinita

2
𝑍𝛼/2 𝜎 2 n = tamaño de la muestra
𝑛= Z = nivel de confianza (Zα/2=0.01 = 2.58,
𝑒2 Zα/2=0.05 = 1.96 )
σ = desviación estándar
e = error máximo admitido
EJERCICIO 1
 Un estudiante de administración pública desea
determinar el ingreso medio de los servidores públicos
del concejo provincial. El error al estimar la media es
menor a $100 con un nivel de confianza del 95%. El
estudiante encontró un informe presentado por el
Departamento de Trabajo que estimaba que la desviación
estándar en $ 1000. ¿Cuál es el tamaño de la muestra
requerido?
TAMAÑO DE MUESTRA PARA ESTIMAR MEDIAS
(µ)

Población finita
2
𝑍𝛼/2 𝜎2 𝑁
𝑛= 2
𝑒 2 𝑁 − 1 + 𝑍𝛼/2 𝜎2

n = tamaño de la muestra
N = tamaño de la población
Z = nivel de confianza (Zα/2=0.01 = 2.58, Zα/2=0.05 = 1.96 )
σ = desviación estándar
e = error máximo admitido
EJERCICIO 2
Un experto en tránsito de una región, desea conocer el
promedio de velocidad que los vehículos particulares
emplean al cruzar por cierta zona de carretera identificada
como altamente peligrosa. Para esto, toma una pequeña
muestra y encuentra que la misma presenta una desviación
estándar de 22 kilómetros/hora. Con el fin de calcular el
tamaño de la muestra necesario, el experto está dispuesto a
aceptar un error en la estimación de 8 kilómetros/hora y
considera además que dicha estimación debe tener un nivel
de confianza del 99%. ¿Cuál debe ser el tamaño de la
muestra?
 TAMAÑO DE MUESTRA PARA ESTIMAR
PROPORCIONES (π)

Población infinita 2
𝑍𝛼/2 𝑝𝑞
𝑛=
𝑒2

n = tamaño de la muestra
Z = nivel de confianza (Zα/2=0.01 = 2.58, Zα/2=0.05 = 1.96 )
e = error máximo permitido
p = % de veces que se supone que ocurre el fenómeno
q = % de veces que no ocurre el fenómeno
EJERCICIO 3
Se quiere estimar la proporción de clientes que entran a un
gran centro comercial y que pagan con tarjeta débito. Con
el fin de determinar el tamaño de muestra necesario, se
toma una muestra piloto y se encuentra que la proporción
de clientes que pagan en esa forma, es del 35%. Se pide
calcular el tamaño de muestra necesario para estimar la
proporción, si estamos dispuestos a aceptar un error del
3% en la estimación y queremos tener un nivel de confianza
en la misma del 95%.
 TAMAÑO DE MUESTRA PARA ESTIMAR
PROPORCIONES (π)

Población finita
2
𝑍𝛼/2 𝑝𝑞𝑁
𝑛= 2
𝑒 2 𝑁 − 1 + 𝑍𝛼/2 𝑝𝑞

n = tamaño de la muestra
Z = nivel de confianza (Zα/2=0.01 = 2.58, Zα/2=0.05 = 1.96 )
e = error máximo permitido
N = tamaño de la población
p = % de veces que se supone que ocurre el fenómeno
q = % de veces que no ocurre el fenómeno
EJERCICIO 4
De un total de 2.800 aspirantes a ingresar a una universidad,
se pide calcular en tamaño de muestra para determinar la
proporción de aspirantes que nacieron en la ciudad sede de
esta universidad, con un nivel de confianza del 95% y un
error máximo en la estimación de 0,071. Una muestra
piloto arrojó una proporción del 75% de estudiantes
nacidos en la ciudad sede.
 TAMANO DE MUESTRA PARA ESTIMAR TAMANO DE MUESTRA PARA ESTIMAR MEDIAS
PROPORCIONES
Población infinita Población infinita

2 2
𝑍𝛼/2 𝑝𝑞 𝑍𝛼/2 𝜎2
𝑛= 𝑛=
𝑒2 𝑒2

Población Finita Población Finita

2 2
𝑍𝛼/2 𝑝𝑞𝑁 𝑍𝛼/2 𝜎2 𝑁
𝑛= 2 𝑛= 2
𝑒 2 𝑁 − 1 + 𝑍𝛼/2 𝑝𝑞 𝑒 2 𝑁 − 1 + 𝑍𝛼/2 𝜎2

Se emplean en estudios para evaluar: satisfacción al
cliente, preferencia del consumidor, actitudes
frente a un producto o servicio, prevalencia del
posicionamiento de un producto en el mercado,
etc.
Cuando no se conoce que el evento p haya
ocurrido, entonces se aplica la condición p = q, es
decir, p = 0.5 y q = 0.5
Se emplean en estudios para evaluar: niveles de
ingresos, oferta y demanda, pesos de los productos,
costos, etc.
Cuando no se conoce σ, se debe tomar una muestra
piloto de n = 30 y usar S como estimador de σ

También se puede tomar una muestra piloto de n =

30, para estimar p