1. INVESTIGACIÓN CAUSAL
Para obtener
evidencia de
relaciones
causales
(causa- efecto)
Uso:
Diego Lino Vásquez

2. Propósitos:
1. Entender qué variables son la causa (variable
independiente) y cuales son el efecto (variables
dependientes) de un fenómeno.
2. Determinar la naturaleza de la relación entre las
variables causales y el efecto que se va a predecir.

3. Relaciones de causa- efecto.

5. TEMA : DISEÑO Y PROCEDIMIENTOS DE
MUESTREO
1. Muestra o censo
2. Terminología y fundamentos del muestreo
3. Etapas den la selección de la muestra
4. Muestreo no probabilístico
Muestreo de conveniencia
Muestreo de juicios
Muestreo por cuotas
Muestreo de “bola de nieve”
5. Muestreo probabilístico
Muestreo aleatorio simple
Muestreo aleatorio sistemático
Muestreo aleatorio estratificado
Muestreo por conglomerados
6. Determinación del diseño muestral apropiado
7. Determinación del tamaño de la muestra
7.1. Muestreo aleatorio simple
7.2. Muestreo estratificado

6. 2. TERMINOLOGÍA
Muestreo: conjunto de operaciones encaminadas a
determinar una muestra, su tamaño y demás características
necesarios para identificar a los elementos que la forman.
Población: conjunto formado por la totalidad de elementos
con arreglo a unas características concretas.
Población de estudio: conjunto de elementos sobre los que
se toma la muestra.
Muestra: subconjunto de elementos de la población elegidos
para estudiar y así tratar de inferir características de la
población.
Censo: relación completa de los elementos de una población.

7. TERMINOLOGÍA
Sesgo: error específico de la muestra por falta de
representatividad.
Error muestral: es el imputable al estudio de una
parte de la población o muestra.
Error no muestral: es el que se produce en toda la
investigación como consecuencia de definiciones
conceptuales incorrectas, de fallos en los instrumentos de
medida, en la entrevista o en el desarrollo del trabajo de
campo.

8. 2. TERMINOLOGÍA
 Marco muestral: listado que identifica a los elementos de la
población objetivo.
 Elemento: cada una de las unidades sobre las que interesa
obtener información.
 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.
 Parámetro: medida de una característica determinada de una
población. Si esta medida está referida a una muestra entonces
se denomina estadístico. La diferencia entre ambos valores es el
error muestral.

9.  Estimador: es el valor muestral utilizado
para inferir un valor poblacional. Un
estimador insesgado es un estimador cuya
esperanza matemática es el parámetro
poblacional que estima. Se dice que un
estimador es consistente si al sustituir el
tamaño de la muestra por el del total de la
población la estimación coincide con el
parámetro poblacional.
 Distribución muestral: Es la
representación de los valores de los
estadísticos (la media, por ejemplo) con sus
frecuencias.
2. TERMINOLOGÍA

10. 2. TERMINOLOGÍA
 Teorema central del límite: si el tamaño de la muestra es lo
suficientemente grande (a partir de 30) y si las muestras se
extraen aleatoriamente, este teorema nos dice que la distribución
de muestreo de la media aproximadamente tendrá una
distribución normal con una media igual a la de la población y
con una varianza igual a la varianza de la población dividida por
el tamaño de la muestra.
 Dispersión: medida estadística del nivel de variación de la
opinión del colectivo total sobre el tema analizado respecto al
valor medio.

11.  Inferencia estadística: proceso de estimación
de resultados válidos para una población a partir
de los resultados obtenidos de una muestra de
esa población.
 Intervalo de confianza: intervalo con una
determinada probabilidad de incluir el valor
poblacional. Se determina a partir de los
resultados muestrales y el error de muestreo.
 Nivel de confianza: probabilidad de obtener un
intervalo de confianza concreto.
 Método de muestreo: procedimiento utilizado
para seleccionar de forma representativa las
unidades muestrales.
2. TERMINOLOGÍA

12. 3. ETAPAS EN LA SELECCIÓN
DE LA 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.

13. 3. ETAPAS EN LA SELECCIÓN
DE LA MUESTRA
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.

14. 3. ETAPAS EN LA SELECCIÓN
DE LA MUESTRA
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.

15. 4. 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.

16. 4. MUESTREO NO PROBABILÍSTICO
Muestreo de conveniencia
Las muestras se seleccionan según un criterio de accesibilidad o
comodidad.
Suele emplearse en centros comerciales, plazas, estaciones de
autobuses o de tren, metro, aeropuertos o lugares de gran afluencia
pública.
Se utiliza para obtener un mayor número de cuestionarios
completados de forma rápida y económica.
Adecuado en la investigación exploratoria que venga seguida de una
investigación adicional en la que se extraiga una muestra probabilística.
Muestreo de juicios
La muestra es elegida por un experto de acuerdo con su
criterio, buscando las unidades más representativas.
Ejemplo: mercados de prueba, presuntos líderes seleccionados en la
investigación de conducta de voto….
Se emplea cuando el tamaño de la muestra es pequeño.

17. 4. MUESTREO NO
PROBABILÍSTICO
 Muestreo por cuotas
 Tiene por objetivo asegurar que los diversos subgrupos de una población
estén representados en la muestra respecto de las características pertinentes
de la muestra y con la proporción exacta que el investigador desee.
 La selección accidental de sujetos puede producir sesgo.
 La velocidad de recopilación de datos, los menores costes y la comodidad
son sus principales ventajas frente al muestreo de probabilidad.
 Puede resultar apropiado cuando el investigador sabe que es más probable
que un cierto grupo demográfico rehúse colaborar con una encuesta.
 Muestreo de “bola de nieve”
 Los primeros elegidos como encuestados (probablemente a juicio del
investigador) proponen y ayudan a la selección de los restantes de la
muestra. Esta técnica se utiliza para localizar por referencias a miembros de
poblaciones peculiares.
 Ventajas: los reducidos tamaños de muestra y los costos.
 Sesgo porque la persona sugerida por otro miembro de la muestra tiene una
probabilidad mayor de ser similar a la primera.

18. 5. MUESTREO PROBABILÍSTICO:
CARACTERÍSTICAS
 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.

19. 5. MUESTREO ALEATORIO
SIMPLE: INCONVENIENTES
 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.
 La extracción al azar dispersa totalmente a los componentes de la
muestra. Imaginemos los costoso que sería ir a selva Central a hacer
una entrevista a una sola persona, a otra en Junín, a otra en el Valle
del Mantaro.
 No tiene en cuenta criterios de homogeneidad/heterogeneidad entre
conjuntos de elementos del universo.
 Es un método lento, sobre todo cuando el número de elementos que
constituyen el universo objeto de estudio y/o la muestra es elevado.

20. 5. MUESTREO ALEATORIO
SISTEMÁTICO
 En primer lugar se selecciona el “coeficiente de elevación” (tamaño
población/tamaño muestra), a continuación se elige al azar un número
inferior al coeficiente de elevación. La primera unidad muestral es el
número elegido, la segunda unidad muestral se determina agregando a
ese primer número el coeficiente de elevación y así sucesivamente hasta
completar el tamaño de la muestra.
 Es preciso un listado de los elementos, que normalmente sigue algún
criterio coincidente o no con el interés objeto de investigación: orden
alfabético, domicilio, momento o tiempo en que se produce un
hecho, indicadores de tamaño, otros indicadores.
 Este muestreo es sencillo, fácil de ejecutar y menos caros que otros
muestreos aleatorios, sólo se efectúa una selección al azar al principio y
a partir de ahí el proceso es automático. Este muestreo asegura un
reparto de los componentes de la muestra contribuyendo a evitar que
esté compuesta únicamente por valores extremos.

21. 5. MUESTREO ALEATORIO
ESTRATIFICADO
 Determina el número de elementos a seleccionar de cada
segmento, necesarios para formar una muestra representativa.
 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.
 Difiere del muestreo por cuotas en que los elementos de la muestra
se seleccionan en forma probabilística en vez de hacerlo por
conveniencia o por juicio.
 Un objetivo principal de este muestreo es incrementar la precisión sin
aumentar el coste
 El criterio para la selección de las variables de estratificación consiste
en homogeneidad, heterogeneidad, relación y coste. Las variables
comúnmente utilizadas incluyen características demográficas, tipo de
cliente (con o sin tarjeta), tamaño de la empresa o tipo de industria.

22. 5. MUESTREO ALEATORIO
ESTRATIFICADO
 El número de estratos a utilizar es cuestión de juicio, pero la
experiencia sugiere el uso de no más de seis.
 Procedimientos utilizados para la estratificación de la muestra:
 Afijación simple: se reparte la muestra total en partes iguales para
cada estrato.
 Afijación proporcional: la muestra se reparte proporcionalmente a la
población de cada estrato.
 Afijación óptima o no proporcional: se considera la mayor o menor
heterogeneidad dentro de cada estrato, lo que se mide por la
desviación típica. La corrección de la proporcionalidad con este
criterio exige más información de cada estrato, en concreto la
varianza o la desviación típica.

23. 5. MUESTREO POR
CONGLOMERADOS
 En ocasiones, con el fin de ahorrar tiempo y disminuir costos, se
divide la población total en conglomerados o grupos de unidades
maestrales excluyentes y colectivamente exhaustivos. Luego se
selecciona una muestra aleatoria de grupos con base en una técnica de
muestreo probabilística, como el MAS. Para cada grupo
seleccionado, se incluyen todos los elementos en la muestra o se toma
una muestra de elementos en forma probabilística. Si todos los
elementos en cada grupo seleccionado están incluidos en la muestra, el
procedimiento se llama muestreo por conglomerados de una etapa. Si
una muestra de elementos se toma en forma probabilística de cada
grupo seleccionado, el procedimiento es un muestreo por
conglomerados en dos etapas.
 La unidad muestral primaria ya no es el elemento de la población sino
un grupo mayor de elementos que están situados cerca el uno del otro

24. 5. DIFERENCIAS ENTRE MUESTREO POR
CONGLOMERADOS Y ESTRATIFICADO
 En el de conglomerados sólo se elige una muestra de
subpoblaciones, en el estratificado todas las subpoblaciones (estratos)
se seleccionan para muestreo posterior.
 El objetivo del m. por conglomerados es incrementar la precisión al
reducir costos.
 En relación a la homogeneidad y la heterogeneidad, el criterio para
formar conglomerados es el opuesto al de formar estratos. Los
elementos dentro de un conglomerado deben ser tan heterogéneos
como sea posible, pero los conglomerados mismos deben ser tan
homogéneos como sea posible.
 Cada conglomerado debe ser una representación en pequeña escala
de la población.
 En el m. por conglomerados se necesita un marco de muestreo sólo
para aquellos agrupamientos seleccionados para la muestra

25. 5. MUESTREO POR CONGLOMERADOS
 Una forma común de este muestreo es el muestreo por
área, en el que los agrupamientos consisten en áreas
geográficas, como países, zonas de casas o calles.
 El muestreo por conglomerados se clasifica como técnica de
muestreo probabilístico porque o bien la selección de
conglomerados es aleatoria, o bien la selección de elementos
dentro de cada conglomerado es aleatoria.
 El conglomerado ideal debería ser tan heterogéneo como la
propia población.
 Este muestreo puede resultar problemático si las características y
actitudes de los elementos del conglomerado son demasiado
similares.

26. 6. DETERMINACIÓN DEL DISEÑO
MUESTRAL APROPIADO
 Grado de precisión: La selección de una muestra representativa es
importante para todos los investigadores. No obstante, el grado de precisión
necesario o la tolerancia del investigador de los errores de muestreo y ajenos
al muestreo pueden ser distintos en cada proyecto, especialmente cuando la
reducción de la precisión pueda compensarse con el ahorro de costes u otros
beneficios.
 Recursos: Los costes asociados a las diversas técnicas de muestreo varían
enormemente. Si los recursos financieros y humanos del investigador son
restringidos, habrán de eliminarse ciertas opciones.
 Tiempo: El investigador que necesite cumplir con un plazo o completar un
proyecto rápidamente seguramente elegirá un diseño simple que ocupe poco
tiempo .
 Conocimiento previo de la población: disponibilidad de listas de sus
miembros.
 Proyecto nacional o local.
 Necesidad de análisis estadístico.