Selección de la

Muestra.
Kerlinger & Lee (2002) Cap. 7 y 8;
Sampieri (2006). Cap. 9.

1
 Muestra
• En la mayoría de la investigación es preferible utilizar una
muestra en vez de la población.

• La muestra es un subgrupo de la población de interés.

Nos permite hacer conclusiones.

• Es necesario que la muestra sea representativa para

generalizar los valores a la población.

2
• Representatividad: Implica que la muestre pueda ejemplificar
las características de una población. La muestra representativa
debe contener las mismas características de la población
relevantes para la investigación.
• Aunque esta condición no necesariamente puede ser cumplida
por el azar.
• Se asume que las características más representativas son las más
comunes/frecuentes y por tanto las más probables de estar en
una muestra.

3
 Muestra
• Se utiliza por economía de tiempo y recursos.

• Identificar la Unidad de análisis. Se les denomina también casos o

elementos. Se centra en “que o quienes”, se va a indagar, en los
participantes, objetos, sucesos o comunidades de estudio.

• Se delimita la población con la que se va a para generalizar resultados

y establecer parámetros
• Población es el conjunto de todos los casos que concuerdan con una
serie de especificaciones 4
5
Tipos de Muestras.
Probabilísticas:
• Utilizan algún tipo de muestreo aleatorizado, todos los
elementos tienen la misma probabilidad de ser
seleccionados.
No probabilísticas:
• La elección NO depende de la aleatorización.

6
 Muestra probabilística
• Requieren precisar el tamaño de la muestra
• Seleccionar elementos muestrales por medio de:
a)Listado o marco muestral
b) Procedimientos
• Tómbolas
• Tablas de números aleatorios
• Selección sistemática
• Programas estadísticos 7
 Marco muestral
• Este constituye un marco de referencia que nos permita identificar
físicamente los elementos de la población, la posibilidad de
enumerarlos y, por ende, de proceder a la selección de los
elementos muestrales (los casos de la muestra).

• Normalmente se trata de un listado existente o una lista que es

necesario confeccionar ad hoc, con los casos de la población.

8
 Ejemplos de marcos muestrales

• Guías telefónicas, listas de miembros de las asociaciones,

directorios especializados, listas oficiales de escuelas de la zona,
bases de datos de los alumnos de una universidad o de los
clientes de una empresa, registros médicos, catastros, nominas
de una organización, etc.

9
 Tipos
Muestreos Probabilísticos.
• Muestreo Aleatorio Simple.

• Muestreo Estratificado.

• Muestreo por Racimos.

• Muestreo Sistemático.
10
 Muestreo Aleatorio Simple.
• Método de extracción de muestras a partir de una
población.

• Toda muestra posible tiene la misma probabilidad de

ser seleccionada.

• Y las muestras resultantes son muestras aleatorias.

11
 n=200
1 2 120 3
N=1000 40
20% 40 1000
n=200 20%
1.40 a 1.50 1000 200
60% 1.69 -1.95
600
1.51 a 1.68

12
 Muestreo Estratificado.
• Se divide a la población en estratos (o subgrupos).

• Después se seleccionan muestras aleatorias en cada

estrato.

• La estratificación puede basarse en características de la

población como: edad, género, nivel socioeconómico, etc.

13
Muestreo Estratificado.

14
 Muestreo por Racimos o de área o
clusters.
• Muestreo aleatorio consecutivo de unidades o conjuntos y
subconjuntos.

• Un racimo es un grupo de cosas de la misma clase.

• La población es fraccionada en racimos y después los

racimos son muestreados aleatoriamente.

• Posteriormente se toman en cuenta todos los elementos

contenidos en el racimo elegido aleatoriamente. 15
 Racimos en dos etapas

• Se lleva a cabo lo mismo que el de racimos. Sin embargo, en

lugar de elegir todos los elementos que componen al racimo,
estos se aleatorizan y se seleccionan al azar.
• Unietápico
• Bietapico
• multietápico

16
 Muestreo Sistemático
• Supone que el universo o población consiste en elementos que están ordenados de cierta
forma. Si la población consta de N elementos y se desea elegir una muestra de tamaño n,
se forma la razón N/n. El resultado es denominado k y se redondea a un número entero.
• K se usa como intervalo del muestreo.
• Luego se elige un número aleatorio entre 1 y k, y los números subsecuentes se eligen con
el intervalo k.
• Por ejemplo:
• K=15, se elige aleatoriamente un número entre 1 y 15, 7 y los subsecuentes serian 22, 37,
52, 67… n…
• La representatividad de la muestra depende del ordenamiento de los N elementos en la
población.
17
 Muestras No probabilísticas
• La elección de los elementos no depende de la
probabilidad, sino de causas relacionadas con las
características de la investigación o de quien hace la
muestra.
• Selecciona participantes por uno o varios propósitos.
• No pretende que los casos sean representativos de la
población
18
 Muestreos No probabilísticos.
• Muestreo por Cuotas

• Muestreo Intencional

• Muestreo Accidental

• Muestreo Por “bola de nieve”

19
 Muestreo por Cuotas.
• Se usa para seleccionar a los miembros de la muestra
que sean representativos “típicos” y apropiados para
el estudio.

• Se forman estratos y se toma una muestra de cada

fracción.

20
 Muestreo intencional/propositivo/
Discrecional
• Se caracteriza por el uso de juicios e intenciones
deliberadas para obtener muestras representativas.

• Muestras “representativas” mediante la inclusión de

grupos supuestamente típicos o con una tendencia.

21
 Muestreo Accidental o por
conveniencia
• Se toman muestras que estén disponibles y a la mano.

• Es el tipo de muestreo menos recomendado.

22
 Muestreo Por “bola de nieve”
• Hace alusión a una bola de nieve que desciende sobre una
pendiente, conforme avanza, obtiene mayor volumen.

• La muestra se va conformando mediante la difusión entre

personas, hasta que se obtiene el número deseado.

23
Recolección de los datos
cuantitativos.
Sampieri (2006).

24
Medición.
• Proceso de vincular conceptos abstractos con
indicadores empíricos.

• Un instrumento de medición adecuado registra datos

observables que…

• … representan los conceptos que se tienen en mente

durante la investigación.

25
Requisitos de un instrumento.
• Confiabilidad.

• Validez.

• Objetividad.

26
 Validez.
• Contenido: ¿Los reactivos miden las principales
dimensiones de la variable en cuestión?

• Criterio: ¿Grado en que el instrumento comparado con

otros criterios mide lo mismo?

• Constructo: ¿El concepto teórico está realmente reflejado

en el instrumento?

27
 Validez de Contenido.
• Se refiere al grado en que el instrumento refleja un
dominio específico de contenido de lo que se mide.

• Grado en que la cantidad de reactivos representan la

mayoría de los componentes del dominio.

• Sus características y variaciones.

• Principalmente se basa en el juicio de expertos

28
 Validez de Expertos o de “facie”
• Grado en que un instrumento mide la variable en cuestión de
acuerdo con jueces calificados.
ne - N/2
• Índice de validez de contenido (IVC): = ---------------
N/2

Oscila entre +1 y -1, las puntuaciones positivas indican una mejor

validez de contenido. Un índice IVC = 0 indica que la mitad han
evaluado el reactivo como esencial.

29
Kendall/ Kappa Concordancia
Juez 1 Juez 2 Juez 3
Reactivo 1 si si no
Reactivo 2 Si No no

30
 Validez de Criterio.
• Establece la validez de un instrumento al compararlo con
algún criterio externo que pretende medir lo mismo.

• Se estima al correlacionar la medición con el criterio externo.

• Si el criterio se fija en el presente se denomina validez

concurrente.

• Si el criterio se fija en el futuro se habla de validez

predictiva.
31
 Validez de Constructo.
• Se refiere a qué tan exitosamente un instrumento representa y
mide constructo descrito por un modelo teórico (relaciones
teóricas).
• Constructo vs variables (componentes) que lo definen.
• Asociación entre sus puntuaciones y los participantes.
• Utiliza procedimientos de análisis estadístico multivariado
análisis factorial para identificar los componentes del
constructo
32
 Factor 1 Factor 2 Factor 3
(organizacional Personal Procesos
sociales

Salario .894 .352 .083

Mobbing .212 .034 .908
familia .052 .790 .342
Comunicaci .214 .238 .987
ón

33
 Validez de constructo
• Validez convergente: constructos similares se relacionan
de manera positiva

• Validez divergente(discriminante): constructos contrarios

u opuestos se relacionan de manera negativa

• Discriminante (no hay relación entre las variables)

• Matriz multirasgo-multimétodo validéz de constructo

(discriminante, covergente y fiabilidad. 34
 Rasgos: componentes de mi instrumento.

Métodos Ideación Conductual Pasado

Jóvenes 15 19

Jóvenes 20 24

35
 Confiabilidad.
• Se refiere al grado en que la aplicación repetida al
mismo sujeto produce resultados similares.
• Se mantiene estable en el tiempo

36
Cálculo de la Confiabilidad.
1. Medida de estabilidad (test-retest): un instrumento se
aplica en dos o más ocasiones con tiempo de diferencia.

• Si la correlación entre los resultados es altamente

positiva el instrumento se considera confiable.

37
2. Método de formas alternativas o paralelas:

• Se aplican dos o más versiones equivalentes en

contenido, instrucciones y duración a un mismo grupo de
personas.

• Si la correlación entre los resultados de las versiones es

alta se considera confiable.

38
3. Método de mitades partidas (split-halves):

• El conjunto total de reactivos se divide en dos mitades

equivalentes y se comparan los resultados de ambas.

• Si las dos mitades correlacionan positivamente de manera

alta se considera confiable.

39
4. Medidas de consistencia interna:

a) Alfa de Cronbach.

b) Coeficientes KR-20 y KR-21 (Kuder y Richardson

El cálculo requiere una sola aplicación.

40
• Al calcular la confiabilidad y validez de una
medición sabremos el grado de error que tenemos
en una medición.

41
Niveles de medición
 Variables

Cualitativas Cuantitativas

Nominal Ordinal Discretas Continuas

43
a) Niveles de medición
Cuantitativas

Discretas Continuas

Nominal Ordinal intervalar Razón

• Discretas:
Se refieren a variables cuyo valor sirve para otorgar una categoría u orden, son variables
cuyo valor numérico no tiene relevancia. Sólo se empelan valores enteros. Por ejemplo:
número de hijos (puede ser 1, 2, etc., pero, no podrá ser 3.45).

• Continuas:
Variables cuyo valor numérico representan el valor de la variable. Pueden tomar
cualquier valor real dentro de un intervalo.
• Tiempo, velocidad, peso.
• Variables continuas: Número infinito de valores entre unidades.

• - Peso

• Variables discretas: No hay valores posibles entre unidades.

• - Número de hermanos
• Nominales:
• Descripción de datos por
categorías.
Diferenciar una cosa de otra, establecer categorías.
Un suceso (objeto de medición) es diferente a otro.
Los números establecen que una variable es diferente de otra.
Sólo puedes establecer frecuencias
• Ordinal: Ordena variables, establece jerarquías, dice
que una cosa es mayor que otra.
• Datos en función del orden.
• Se sabe que hay distancia entre los objetos, aunque no
se sabe los valores de esta distancia.
• Sólo se puede establecer frecuencias.
Intervalar (escalar):
• Se conoce el valor de la distancia entre los objetos, esta
distancia es regular, es decir, es la misma entre todos los
objetos (valores).
• Tiene un 0 arbitrario, que no refleja ausencia del
atributo, se asigna un 0 relativo.
• Sólo puedes hacer sumas y restas.
• Razón:
• Nivel de medición más alto, existe un 0 absoluto, quiere
decir ausencia de un atributo, conoce el intervalo entre
variables.
• Utiliza todas las operaciones matemáticas.
• Son todas las variables físicas.