Muestra o analisis_muestral

Materia: Investigación de Mercados II Estudiante: Daniela Carolina Higuera Torrico
Docente: Mgr. José Ramiro Zapata Barrientos
GRUPO :09 Tema: Muestra o Análisis Muestral
1
MUESTRA O ANÁLISIS MUESTRAL
Hay una correspondencia entre el Nivel de Investigación, Diseño de la Investigación y
Tipo de Muestras
Autor: Tomado de Arias
1. INTRODUCCIÓN
Las muestras se obtienen con la intención de inferir propiedades de la totalidad de la
población, para lo cual deben ser representativas de la misma (una muestra
representativa se denomina técnicamente muestra aleatoria). Para cumplir esta
característica, la inclusión de sujetos en la muestra debe seguir una técnica de muestreo.
En tales casos, puede obtenerse una información similar a la de un estudio exhaustivo
con mayor rapidez y menor coste (véanse las ventajas de la elección de una muestra,
más abajo).1
Por otra parte, en ocasiones, el muestreo puede ser más exacto que el estudio de toda
la población porque el manejo de un menor número de datos genera también menos
errores en su manipulación. En cualquier caso, el conjunto de individuos de la muestra
son los sujetos realmente estudiados.1
El número de sujetos que componen la muestra suele ser bastante inferior a la población
total, aunque suficiente grande como para que la estimación de los parámetros
determinados tenga un nivel de confianza adecuado. Para que el tamaño de la
muestra sea idóneo, es preciso recurrir a su cálculo. La muestra, desde el punto de vista
más genérico de la palabra, se trata de una representación a pequeña escala de algo que
tiene la misma calidad, pero en mayor cantidad. Las muestras sirven para demostrar que
lo que se quiere obtener está bien sin necesidad de comprobar la calidad del producto
completo. La aplicación de esta palabra abarca muchos campos en los que la escala de
demostración es importante; sin embargo, los más frecuentes son la química, la biología,
la economía y el comercio (mercadotecnia). En la química, una muestra es una pequeña
parte de un organismo o de una sustancia que se someterá a estudios o análisis y
pruebas experimentales. Las muestras químicas se toman del organismo con mucha
precaución, con el fin de no dañar la especie que se busca estudiar y conocer a pequeña
escala aquello que, según se presume, tiene las mismas características generalmente.
Una muestra biológica, al igual que la muestra química, se hace en las mismas
condiciones y básicamente para el mismo fin.1
En virtud de lo señalado afirmamos que la selección aleatoria de la muestra garantiza la
ausencia de sesgo en el proceso de selección de la misma, ayuda a garantizar
su representatividad, sin embargo esta circunstancia no es garantía total para que

2
estemos seguros de que la muestra al azar es representativa de la población de la que
se ha extraído (Kerlinger, 1985). Se espera que sea representativa de las características
relevantes de la población, pero pudiera no serlo. Lo normal es que lo sea, ya que lo
típico, lo representativo de la población, es lo que aparece con más frecuencia, pero no
hay seguridad total. El muestreo estratificado proporcional asegura, en cambio, la
representatividad en cuanto a una o dos características (Jiménez Fernández, 1983).2
El factor del impacto según Fox (1990) que otra forma de examinar el problema de la
representatividad de la muestra consiste en distinguir entre la muestra invitada, la
muestra aceptante y la muestra productora de datos. La primera corresponde al
conjunto de individuos “invitados” del conjunto de la población, la segunda hace
referencia al grupo de individuos que aceptan participar y la muestra productora de
datos coincide con la muestra real del estudio. Si se poseen datos sobre la población se
pueden comparar con ellos la muestra invitada o la aceptante y, mediante algún
contraste de significación adecuado (por ejemplo chi-cuadrado), determinar si difieren
de ella en las características que interesa en una investigación dada. Si el contraste
indica que no hay diferencias significativas en las variables consideradas, se puede
admitir la representatividad de la muestra para las características en cuestión, pero nada
se puede afirmar sobre la representatividad de la muestra respecto de cualquier otra
variable2
Ahora bien, si en caso, no se ha logrado representatividad en una o varias variables, el
investigador tiene dos opciones:
• Trabajar con la muestra no representativa y contar con ese límite.
• Seleccionar más elementos de la población, con la esperanza de que una muestra
mayor sí sea representativa, aunque el estudio tenga una muestra mayor de
buscada inicialmente.
Finalmente, es preciso preguntarse qué pérdida puede tolerarse desde la selección de
la muestra inicial hasta llegar a la que proporciona los datos. Al mismo tiempo, hay que
tener en cuenta que se tiene constancia probada de que las personas que no responden
tienen opiniones o patrones de conducta distintos de las que responden; y que el
porcentaje de la pérdida también depende, para su representatividad, de cómo se
distribuyan las respuestas en la diferentes categorías de la variable. No es igual un 48%
de “sí” y un 52% de “no” ante determinada pregunta que un 16% y un 84%. En cualquier
caso, no existe una única respuesta cuantitativa. Se suele considerar que una pérdida
del 25% debe preocupar, aun cuando no existan diferencias estadísticamente
significativas; cuando sea inferior al 50% -se debe leer y escribir con cuidado-; y cuando
la proporción es menor del 40% no se deberían dar a conocer los datos, ni considerarlos
como conclusiones válidas. Son útiles como estudios pilotos, pero no se pueden aceptar
sin hacer un estudio posterior más exhaustivo (La Torre, Rincón y Arnal, 2003, p. 83).2

3
2.DESARROLLO
2.1. Definición
la muestra es un subconjunto fielmente representativo de la población.
Hay diferentes tipos de muestreo. El tipo de muestra que se seleccione dependerá de la
calidad y cuán representativo se quiera sea el estudio de la población.
1. ALEATORIA - cuando se selecciona al azar y cada miembro tiene igual
oportunidad de ser incluido.
2. ESTRATIFICADA - cuando se subdivide en estratos o subgrupos según las
variables o características que se pretenden investigar. Cada estrato debe
corresponder proporcionalmente a la población.
3. SISTEMÁTICA - cuando se establece un patrón o criterio al seleccionar la
muestra. Ejemplo: se entrevistará una familia por cada diez que se detecten.
El muestreo es indispensable para el investigador ya que es imposible entrevistar a
todos los miembros de una población debido a problemas de tiempo, recursos y
esfuerzo. Al seleccionar una muestra lo que se hace es estudiar una parte o un
subconjunto de la población, pero que la misma sea lo suficientemente representativa
de ésta para que luego pueda generalizarse con seguridad de ellas a la población.3
El tamaño de la muestra depende de la precisión con que el investigador desea llevar a
cabo su estudio, pero por regla general se debe usar una muestra tan grande como sea
posible de acuerdo a los recursos que haya disponibles. Entre más grande la muestra
mayor posibilidad de ser más representativa de la población.
En la investigación experimental, por su naturaleza y por la necesidad de tener control
sobre las variables, se recomienda muestras pequeñas que suelen ser de por lo menos
30 sujetos. 3
En la investigación descriptiva se emplean muestras grandes y algunas veces se
recomienda seleccionar de un 10 a un 20 por ciento de la población accesible.3
2.2. Según el mismo Autor, define muestra como:
Un subconjunto representativo y finito que se extrae de la población accesible (2006,p.
83)
Los pasos para definir la muestra, según Kinnear y Taylor son:
1. Definir la población
2. Identificar el marco muestral de donde se obtienen las unidades muestrales (lista
existente o confeccionada con la *unidad de análisis, ejemplo: nominas,
registros, bases de datos)
3. Determinar el tamaño de la muestra

4
4. Seleccionar un procedimiento de muestreo
5. Seleccionar la muestra
Según Fidias Arias (2006) para seleccionar la muestra se utilizan técnicas y
procedimientos denominado muestreo, existen dos tipos básicos.
El autor sabino (1995) establece que la muestra constituye, solo una parte del conjunto
total de la población y es poseedora de sus propias características.
Para Snedecor (1984), citado por parra (2000) el muestro probabilístico debe cumplir
con tres propiedades a saber a) posibilidad de asignar probabilidades conocidas,
distintas a cero, a cada elemento de la población de interés b) el proceso de selección
de las unidades de la muestra debe realizarse a través de algún procedimiento de
dependa solo del azar.3
2.3. Tamaño De La Muestra.
El tamaño de la muestra va estrechamente unido con la representatividad, no tiene fácil
solución. En un inicio hay que rechazar la idea, demasiado extendida, de que la muestra
debe ser proporcional a la población. De hecho, a medida que aumenta ésta con una
menor proporción podemos alcanzar la representatividad. Sin embargo, en igualdad de
otras condiciones, los estadísticos calculados con muestras grandes son más precisos
que los calculados con muestras pequeñas, pero una muestra representativa de 50
elementos es preferible a otra no representativa de 100 (Jiménez, 1983).2
En la investigación no existe un tamaño ideal de la muestra. A efectos descriptivos, se
considera una muestra grande cuando n > 30. Una muestra debe ser lo suficientemente
grande como para ser representativa, pero el número de elementos necesarios para
lograr la representatividad varía en un estudio a otra. Cuanto más homogénea es una
población en las características objeto de estudio, más fácil resulta conseguir muestras
representativas sin necesidad de que sean grandes. Es decir, el tamaño de la muestra
está en relación directa con la desviación típica de las puntuaciones en las características
de la variable a estudiar.2
El tamaño de la muestra viene condicionado por el tanto por ciento de la característica
que estamos estudiando. Cuando no se conoce es conveniente hacer algún pequeño
estudio inicial con una muestra mucho menor para tener alguna idea de ese porcentaje.
Por ejemplo: alumnos que se matriculan Seminario II y después no asisten o abandonan.
Cuando tenemos una proporción de la característica del 50% estamos ante lo que se
designa como el caso más desfavorable porque exige la muestra mayor. Si no
conocemos la proporción se asigna el 50% como la opción más segura en los cálculos de
la muestra.2

5
Según Fernández (1983) el tipo de datos que se desea recoger y el medio que para ello
se va a emplear son condicionantes que influyen en la menor o mayor reducción de la
muestra seleccionada. No es igual seleccionar, por ejemplo, aulas ya organizadas y
recoger la información en días y horas lectivos que hacerlo a través de un cuestionario
enviado por correo.2
Otro autor sostiene que el tamaño de la muestra también depende del tipo de muestreo
que se ha llevado a cabo. Por ejemplo: en las muestras estratificadas, el error es menor
que en las no estratificadas, y también lo es el tamaño de la muestra necesario2
En lo referente a la finalidad del nivel de confianza que queramos que alcancen nuestros
resultados también influye en el tamaño que debamos dar a la muestra. Entre +2 y -2
sigmas de la curva de distribución normal de Gauss, a partir de la media, está incluido el
95.5% de la población. Esto quiere decir que tenemos una probabilidad de que 955/1000
coincidan con los de la población total. Si queremos alcanzar una mayor certidumbre
hemos de abarcar entre +3 y -3 sigmas, en cuyo caso el riesgo de que exista diferencia
entre los estadísticos de la muestra y los parámetros de la población sean distintos será
de 997/100, pero naturalmente tendremos que elevar el número de elementos de la
muestra.2
Otro dato determinante del tamaño de la muestra es el error de estimación. Es lógico
pensar que no haya una coincidencia total entre los datos de la población y los de la
muestra. Hemos de indicar el máximo error tolerable, que suele establecerse en el 5%.
Pero si queremos rebajar ese error tendremos que aumentar el volumen de la muestra.2
En consecuencia, señalamos que determinar el tamaño de la muestra es un tema
complejo. Por tanto, el investigador habrá de tener en cuenta: la amplitud del universo
(infinito o no), representatividad, las variables (tipo de datos, valores de la misma,
homogeneidad/variabilidad de los datos), el tipo de muestreo, el proceso y medios de
recogida de datos, los análisis estadísticos que se planifiquen, el error muestral, el error
de estimación y el nivel de confianza con el que deseemos trabajar entre otras
consideraciones. Con esta base se tendrán los referentes necesarios para determinar el
tamaño de la muestra.2
2.4. Selección de una muestra
La muestra en sentido genérico, es una parte del universo, que reúne todas las
condiciones o características de la población, de manera que sea lo más pequeña
posible, pero sin perder exactitud.
2.4.1. Universo Y Muestra
Definiciones y cualidades de una buena muestra

6
Una muestra es un subconjunto de la población, que se obtiene para averiguar las
propiedades o características de esta última, por lo que interesa que sea un reflejo de la
población, que sea representativa de ella, concepto al que volveremos más adelante.
Puesto que el fin que perseguimos al hacer una investigación basada en el estudio de
una muestra, es inferir los resultados a la población que nos interesa, es recomendable
distinguir entre dos tipos de población: la población objetivo y la población muestreada.
La población objetivo es aquella sobre la cual el investigador desea establecer una
conclusión, por ejemplo, si deseamos determinar la deserción escolar de los estudiante
del Colegio Palma Real en el Sector Los Girasoles, la población objetivo está
representada por todos los estudiantes que estudian en dicho Centro Educativo.
La población muestreada es aquella a partir de la cual se extrajo la muestra y sobre la
que puede establecerse la conclusión. Para el ejemplo anterior, supóngase que se
decidió extraer la muestra de estudiantes del Centro Educativo Palma Real (De Palma
real y los Girasoles); en este caso la población muestreada está constituida por todos los
estudiantes del centro. Los métodos de la inferencia estadística permiten al
investigador sacar conclusiones sobre la población muestreada, no sobre la población
objetivo, por lo que es conveniente que ambas coincidan, sin embargo en ocasiones esto
no es factible y la población muestreada es más restringida que el objetivo, en cuyo caso
es necesario que el investigador esté consciente de lo expuesto anteriormente.
Según Roberto Hernández Sampieri 2006, 4ta Edición reza que la muestra es, en
esencia, un subgrupo de la población. Digamos que es un subconjunto de elementos que
pertenecen a ese conjunto definido en sus características al que llamamos población.
Esto se representa en la figura 8.3. Con frecuencia leemos y escuchamos hablar de
muestra representativa, muestra al azar, muestra aleatoria, como si con los simples
términos se pudiera dar más seriedad a los resultados. En realidad, pocas veces es
posible medir a toda la población, por 10 que obtenemos 0 seleccionamos una muestra
y, desde luego, se pretende que este subconjunto sea un reflejo fiel del conjunto de la
población. Todas las muestras bajo el enfoque cuantitativo deben ser representativas;
por 10 tanto, el uso de este término resulta por demás inútil. Los términos al azar y
aleatorio denotan un tipo de procedimiento mecánico relacionado con la probabilidad y
con la selección de elementos; pero no logran esclarecer tampoco el tipo de muestra y

7
el procedimiento de muestreo. Hablemos entonces de estos conceptos en los siguientes
apartados.
2.5. Características de una buena muestra
Una muestra debe ser adecuada en cantidad y en calidad. En relación con el primer
aspecto, existen procedimientos estadísticos para saber cuál es el número mínimo de
elementos que debemos incluir en el estudio para obtener resultados válidos. La calidad
involucra el concepto de representatividad de la muestra. Se dice que una muestra es
representativa de la población cuando es un reflejo de ella, es decir cuando reúne las
características principales de la población en relación con la variable en estudio.
Si deseamos determinar cuál es el nivel de deserción en el centro educativo Palma Real
en el sector Los Girasoles y estudiamos una muestra de niños desertados obtenido de la
zona este de este sector (donde se encuentra la mayoría), esa no sería una muestra
representativa para dicha investigación y la prevalencia de desertados que
obtendríamos subestimaría la cifra real para el centro. Si nuestro objetivo es determinar
la cantidad desertado por años en dicho centro, para lograr una muestra representativa
deberíamos incluir estudiantes desertados de los sectores aledaños: Villa Nicio, Las
Palmeras, Fundación, Los Girasoles I, II, III y el Barrio Los Militares. La representatividad
de la muestra es pues un aspecto de gran importancia en la investigación y para lograrla
es necesario seleccionar el tipo y clase de muestreo que garantice esta condición y
trabajar con un tamaño de muestra adecuado.
Elementos del Muestreo
Conforman el muestreo: el universo, la base, las unidades y las relaciones entre el
universo y la muestra.
• a) Universo, población o colectivo: está constituida por la totalidad de
elementos a estudiar, utilizando una fracción denominada muestra.
• b) Base de la muestra: conformado por el substrato material que da soporte
al universo o población (censo, registro, plano, mapa, catálogo, listado, etc.).

8
• c) Unidad de la muestra: constituida por cada uno de los elementos que
integran la muestra. Simple (individuos), colectiva (grupos, familias, pueblos,
entre otros).
• d) Relaciones entre el universo y la muestra: Pueden ser cuantitativas y
cualitativas. Las cuantitativas son: la Fracción de muestreo F.m. que se
obtiene dividiendo la muestra por el universo y multiplicando por 100 y el
coeficiente de elevación C.e. que se refiere a las veces que la muestra está
contenida en el Universo. Las relaciones cualitativas se concretan a exigir que
tanto el universo como las muestras reúnan las mismas características.
Representatividad de la muestra
La muestra debe reproducir las características del universo, por lo tanto surgen dos
preguntas, sobre la cantidad de elementos que debe incluir la muestra y hasta qué punto
pueden generalizarse a la población. Ambas preguntas convergen en un problema de
exactitud o precisión cuya finalidad es no incurrir en errores a la hora de obtener los
resultados, no obstante los errores son inevitables, lo importante entonces es
minimizarlos.
Existen dos tipos de errores:
• a) Los sistemáticos o distorsiones, que son causados por factores externos a
la muestra y que se pueden producir en cualquier momento de la
investigación, y
• b) el error de muestreo, de azar o de estimación, inevitable, ya que siempre
habrá diferencia entre los valores medios de la muestra y los valores medios
del universo, la magnitud de este error depende del tamaño de la muestra (a
mayor tamaño de muestra menor error) y de la dispersión o desviación (a
mayor dispersión mayor error). Se concluye entonces que para que una
muestra sea representativa debe estar dentro de ciertos límites y
proporciones establecidas por la estadística.
2.6.TIPOS DE MUESTREOS

9
En el Diccionario de la Lengua Española (RAE, 2001) define la muestra, en su segunda
acepción, como “parte o porción extraída de un conjunto por métodos que permiten
considerarla como representativa de él”.5
Tomando ésta como referente diremos que la muestra es una parte o subconjunto de
una población normalmente seleccionada de tal modo que ponga de manifiesto las
propiedades de la población. Su característica más importante es la representatividad,
es decir, que sea una parte típica de la población en la o las características que son
relevantes para la investigación.
2.6.1. Muestra probabilístico
Los métodos de muestras 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
seleccionadas. Sólo estos métodos de muestreo probabilísticos nos aseguran la
representatividad de la muestra extraída y son, por tanto, los más recomendables.
Dentro de los métodos de muestreo probabilísticos encontramos los siguientes tipos:5
a) Muestra aleatoria simple

10
El procedimiento empleado es el siguiente: 1) se asigna un número a cada individuo de
la población y 2) a través de algún medio mecánico (bolas dentro de una bolsa, tablas
de números aleatorios, números aleatorios generados con una calculadora u ordenador,
etcétera.) Se eligen tantos sujetos como sea necesario para completar el tamaño de
muestra requerido. Este procedimiento, atractivo por su simpleza, tiene poca o nula
utilidad práctica cuando la población que estamos manejando es muy grande.5
b) Muestra aleatoria sistemática
Este procedimiento exige, como el anterior, numerar todos los elementos de la
población, pero en lugar de extraer n números aleatorios sólo se extrae uno. Se parte
de ese número aleatorio i, que es un número elegido al azar, y los elementos que
integran la muestra son los que ocupa los lugares i, i + k, i+2k, i+3k,..., i+(n-1)k, es decir
se toman los individuos de k en k, siendo k el resultado de dividir el tamaño de la
población entre el tamaño de la muestra: k= N/n. El número i que empleamos como
punto de partida será un número al azar entre 1 y k.5
El riesgo en este tipo de muestra está en los casos en que se dan periodicidades en la
población ya que al elegir a los miembros de la muestra con una periodicidad constante
(k) podemos introducir una homogeneidad que no se da en la población. Imaginemos
que estamos seleccionando una muestra sobre listas de 10 individuos en los que los 5
primeros son varones y los 5 últimos mujeres, si empleamos un muestra aleatoria
sistemática con k=10 siempre seleccionaríamos o sólo hombres o sólo mujeres, no
podría haber una representación de los dos sexos.5
c) Muestra aleatoria estratificada
Trata de obviar las dificultades que presentan los anteriores ya que simplifican los
procesos y suelen reducir el error muestral para un tamaño dado de la muestra. Consiste
en considerar categorías típicas diferentes entre sí (estratos) que poseen gran
homogeneidad respecto a alguna característica (se puede estratificar, por ejemplo,
según la profesión, el municipio de residencia, el sexo, el estado civil, etcétera). Lo que
se pretende con este tipo de muestras es asegurarse de que todos los estratos de interés
estarán representados adecuadamente en la muestra. Cada estrato funciona
independientemente, pudiendo aplicarse dentro de ellos la muestra aleatoria simple o
el estratificado para elegir los elementos concretos que formarán parte de la muestra.
En ocasiones las dificultades que plantean son demasiado grandes, pues exige un
conocimiento detallado de la población. (Tamaño geográfico, sexos, edades, entre
otros).5
La distribución de la muestra en función de los diferentes estratos se denomina afijación,
y puede ser de diferentes tipos:

11
· Afijación Simple: a cada estrato le corresponde igual número de elementos
muéstrales.
· Afijación Proporcional: la distribución se hace de acuerdo con el peso (tamaño) de la
población en cada estrato.
· Afijación Óptima: se tiene en cuenta la previsible dispersión de los resultados, de
modo que se considera la proporción y la desviación típica. Tiene poca aplicación ya que
no se suele conocer la desviación.5
d) Muestra aleatoria por conglomerados.
Los métodos presentados hasta ahora están pensados para seleccionar directamente
los elementos de la población, es decir, que las unidades muéstrales son los elementos
de la población.5
En la muestra por conglomerados la unidad muestral es un grupo de elementos de la
población que forman una unidad, a la que llamamos conglomerado. Las unidades
hospitalarias, los departamentos universitarios, una caja de determinado producto,
etcétera, son conglomerados naturales. En otras ocasiones se pueden utilizar
conglomerados no naturales como, por ejemplo, las urnas electorales. Cuando los
conglomerados son áreas geográficas suele hablarse de "muestras por áreas".5
Consecuentemente con este principio la muestra por conglomerados consiste en
seleccionar aleatoriamente un cierto número de conglomerados (el necesario para
alcanzar el tamaño muestral establecido) y en investigar después todos los elementos
pertenecientes a los conglomerados elegidos.5
2.6.2. Métodos de muestras no probabilísticos
Una precisión importante es que a veces, para estudios exploratorios, la muestra
probabilística resulta excesivamente costoso y se acude a métodos no probabilísticos,
aun siendo conscientes de que no sirven para realizar generalizaciones (estimaciones
inferenciales sobre la población), pues no se tiene certeza de que la muestra extraída
sea representativa, puesto que no todos los sujetos de la población tienen la misma
probabilidad de ser elegidos. En general se seleccionan a los sujetos siguiendo
determinados criterios procurando, en la medida de lo posible, que la muestra sea
representativa.5
En cuanto a dicho extremo señalamos que en algunas circunstancias los métodos
estadísticos y epidemiológicos permiten resolver los problemas de representatividad
aun en situaciones de muestras no probabilístico, por ejemplo los estudios de caso-
control, donde los casos no son seleccionados aleatoriamente de la población.

12
Entre los métodos de muestras no probabilísticos más utilizados en investigación
encontramos:5
a. Muestra por cuotas.
También denominado en ocasiones "accidental". Se asienta generalmente sobre la base
de un buen conocimiento de los estratos de la población y/o de los individuos más
"representativos" o "adecuados" para los fines de la investigación. Mantiene, por tanto,
semejanzas con la muestra aleatoria estratificada, pero no tiene el carácter de
aleatoriedad de aquél.
En este tipo de muestreo se fijan unas "cuotas" que consisten en un número de
individuos que reúnen unas determinadas condiciones, por ejemplo: 20 individuos de
25 a 40 años, de sexo femenino y residentes en Lima. Una vez determinada la cuota se
eligen los primeros que se encuentren que cumplan esas características. Para tal efecto,
este método se utiliza mucho en las encuestas de opinión.5
b. Muestra intencional o de conveniencia.
Este tipo de muestra se caracteriza por un esfuerzo deliberado de obtener muestras
"representativas" mediante la inclusión en la muestra de grupos supuestamente típicos.
Es muy frecuente su utilización en sondeos preelectorales de zonas que en anteriores
votaciones han marcado tendencias de voto.5
También puede ser que el investigador seleccione directa e intencionadamente los
individuos de la población. El caso más frecuente de este procedimiento el utilizar como
muestra los individuos a los que se tiene fácil acceso (los profesores de universidad
emplean con mucha frecuencia a sus propios alumnos).5
c. Bola de nieve.
Se trata de un estudio que primer lugar 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 muy frecuentemente cuando se hacen estudios con poblaciones
"marginales", delincuentes, sectas, determinados tipos de enfermos, etcétera.5
d. Muestreo Discrecional. ·
En esta etapa se desarrolla a criterio del investigador los elementos son elegidos sobre
lo que él cree que pueden aportar al estudio.5
2.7. Procedimientos De Selección
Se conoce como muestreo el proceso de obtención de la muestra. Puede ser
probabilístico y no probabilístico. Hablamos de un muestreo probabilístico cuando los

13
integrantes de la muestra se escogen al azar y por lo tanto, puede calcularse con
antelación la probabilidad de obtener cada una de las muestras que pueden formarse
de esa población o la probabilidad que tiene cada elemento de la población de ser
incluido en la muestra.
La selección de los elementos puede hacerse por el método de la lotería, la tabla de
números aleatorios o con paquetes automatizados que forman números al azar. El
método de la lotería consiste en asignarle un número a cada integrante de la población
y luego seleccionar tantos números como sea necesario para completar la muestra. Esto
puede hacerse con un biombo (como en las loterías), o con papeles numerados
introducidos en una bolsa de la cual se extraen. La tabla de números aleatorios consta
de una gran cantidad de números distribuidos en filas y columnas de la cual podemos
extraer tantos como necesitemos para formar la muestra. Si tenemos una población
compuesta por 800 estudiantes y queremos seleccionar aleatoriamente 30, los pasos
serían:
• 1. Obtener un listado de las personas o elementos que forman la población,
luego enumerarla.
• 2. Determinar el orden que va a seguir para seleccionar los números en la
tabla. Puede hacerlo en sentido vertical, horizontal, diagonal, etc. Lo
importante es seguir siempre este orden hasta completar la muestra.
Suponga que decidió hacerlo en sentido vertical.
• 3. Determine la fila y columna por la cual iniciará la selección. Por ejemplo
suponga que se decidió iniciar por la fila 10, columna 03. 4. Inicie la selección
por esa fila y columna teniendo el cuidado de constituir números de 3 dígitos
(recuerde que la población es de 800 personas y todas ellas deben tener la
oportunidad de ser escogidas). De esta manera el primer número a ser
incluido en la muestra es el 519. 5. Continúe la selección (en sentido vertical
como se decidió).
El segundo número es el 677, el tercer el 356, y así sucesivamente hasta tener los 30
números (cada uno de ellos representa una persona). 6. Los números que sobrepasen al
800, no son tomados en cuenta pues no corresponden a ningún miembro de la
población.
Es recomendable trabajar con muestras probabilísticas puesto que permiten que los
resultados obtenidos en ellas puedan ser extrapolados a la población con un margen de
confianza determinado. En relación con las muestras no probabilísticas, llamadas
también muestras por conveniencia, los elementos son escogidos con base en la opinión
del investigador y se desconoce la probabilidad que tiene cada elemento de ser elegido

14
para la muestra. En este tipo de muestreo existen el intencional (o deliberado) y
los accidentales (o por comodidad). En el primero el investigador escoge aquellos
elementos que considera típicos de la población. En los segundos, se toman los casos
que estén disponibles en el momento. Otro tipo es el muestreo por cuotas en el cual el
investigador establece una cuota o cantidad de elementos según algunas características
de la población, ejemplo, sexo, estado civil y edad, luego escoge los sujetos que
encuentra hasta cubrir la cuota establecida. Este último se usa frecuentemente en
las encuestas de opinión pública. En ocasiones se trabaja combinando una elección al
azar con una no probabilística: es el caso del muestreo semiprobabilístico superior en
el cual se conoce la probabilidad de escoger un segmento de la población más no la de
un elemento dentro de él (Ejemplo: se seleccionan aleatoriamente las manzanas de una
urbanización, dejando a la decisión del entrevistador la elección de las viviendas dentro
de las manzanas seleccionadas). En el muestreo semiprobabilístico inferior se hace lo
contrario (Ejemplo: se seleccionan las manzanas que nos parezcan más típicas de la
urbanización y en ellas se escogen al azar las viviendas a estudiar) .
2.8. Clases de muestreo
Existen varias clases de muestreo y la decisión sobre cuál utilizar depende de las
características de la población y de la posibilidad de manejar los aspectos técnicos
del diseño de la muestra. A continuación se presenta la descripción del diseño, las
indicaciones, ventajas y desventajas de cada clase de muestreo.
Muestreo aleatorio simple (MAS):
• A) Descripción: consiste en seleccionar "n" elementos de los "N" que
conforman la población de forma que todos ellos tengan igual posibilidad de
ser escogidos para integrar la muestra.(convencionalmente se emplea la letra
"n" minúscula para indicar el tamaño de la muestra y "N" mayúscula para
designar el de la población).
El diseño comprende:
• Disponer de una lista numerada de los "N" integrantes de la población.
• Seleccionar en forma aleatoria (por el método de la lotería, la tablas de
números aleatorios o por computadora) cada uno de los integrantes de la
muestra.
• B) Usos: esta clase de muestreo está indicado cuando la población es
bastante homogénea en lo que respecta a la variable en estudio (la varianza
tiende a cero) y es posible obtener el listado de los elementos de la población.
Ejemplo: si deseamos conocer la opinión de los alumnos de esta sección de
Investigación en Salud acerca de la dinámica empleada en las clases, es
bastante factible que esta opinión sea parecida entre la mayoría de los

15
alumnos, por lo que se puede considerar una población homogénea. Por otra
parte, el listado de los alumnos existe, por lo que esta clase de muestreo es
aplicable.
• C) Ventajas: la sencillez del diseño y de los cálculos estadísticos.
• D) Limitaciones: no se puede practicar cuando es imposible obtener la lista
con todos los integrantes de la población
Para estimar el tamaño de la muestra se identifican algunos “Criterios” vinculados con
estadísticas, capacidad del investigador y literatura especializada, a continuación se
muestra en el siguiente esquema cómo estimar el tamaño de la muestra según criterios.
2.9.Otras definiciones relacionadas
Representatividad De La Muestra
Al reflexionar sobre tema afirmamos que uno de los problemas elementales que se le
presenta al investigador referente con el muestreo consiste en saber si el grupo
designado es verdaderamente representativo del conjunto; para que lo sea, los rasgos

16
de los elementos o individuos elegidos para la muestra deben ser similares a los de toda
la población (Marín Ibáñez, 1990).
La característica más trascendente de una muestra es la representatividad. El muestreo
obtiene todo su sentido en tanto que garantiza que las características que se quieren
observar en la población quedan expresadas apropiadamente en la muestra. De manera
que generalizar a la población desde la muestra sólo está justificado si ésta representa
realmente a la población. Preservar la representatividad es el atributo más importante
que debe reunir el muestreo, lo que nos permitirá generalizar a la población los
resultados obtenidos en la muestra[1].
Otra perspectiva sobre el tema es de Fox (1990) señala que para lograr la
representatividad se requiere lo siguiente:
· Conocer qué características (variables) están relacionadas con el problema que se
estudia.
· Capacidad para medir esas variables.
· Poseer datos de la población sobre estas características o variables para usarlos como
variable de comparación.
El mismo autor señala que si no se cumple alguna de estas condiciones, para algunas de
las características, se pierde la capacidad de buscar deliberadamente la
representatividad en cuanto a ella.
Espacio muestral
El espacio muestral del que se toma una muestra concreta está formado por el conjunto
de todas las posibles muestras que se pueden extraer de una población mediante una
determinada técnica de muestreo.1
Para una población finita de n individuos, el espacio muestral está formado
por subconjuntos posibles (considerando el conjunto vacío entre ellos). En la
práctica, a veces se usan espacios muestrales idealizados con un número infinito de
puntos indexados por un conjunto variables reales.1
Parámetro estadístico o estadístico muestral
Un parámetro estadístico o simplemente un estadístico muestral es cualquier valor
calculado a partir de la muestra. Por ejemplo, la media, la varianza o una proporción que
describe a una población y puede estimarse a partir de una muestra. Un estadístico
muestral es un tipo de variable aleatoria y, como tal, tiene una distribución de

17
probabilidad concreta, frecuentemente caracterizada por un conjunto finito de
parámetros.1
Estimación
Una estimación estadística es cualquier técnica para conocer un valor aproximado de un
parámetro referido a la población, a partir de los estadísticos muestrales calculados a
partir de los elementos de la muestra. Si se estima el suficiente número de parámetros,
puede aproximarse de manera razonable la distribución de probabilidad de la población
para ciertas variables aleatorias.1
Nivel de confianza
El nivel de confianza de una aseveración basada en la inferencia estadística es una
medida de la bondad de la estimación realizada a partir de estadísticos muestrales.
Generalmente, se usan niveles de confianza para intervalos de confianza o bien p-
valores que miden la probabilidad de errores de tipo I (probabilidad de rechazar una
cierta hipótesis que se considera correcta).1
Ejemplo Se tiene una población de 222.222 habitantes y se quiere conocer cuántos de
ellos son hombres y cuántos de ellos son mujeres. Se conjetura que cerca del 50% son
mujeres y el resto hombres, pero se quiere seleccionar una muestra para determinar
cuántos hombres y mujeres hay en la muestra y, a partir de ahí, inferir el porcentaje
exacto de hombres y mujeres en la población total.2 La descripción de una muestra y los
resultados obtenidos sobre ella pueden ser del tipo que aparece en el siguiente ejemplo:
Dimensión de la población: 222.222 habitantes
Probabilidad del evento: hombre o mujer 50%
Nivel de confianza: 96%
Desviación tolerada: 5%
Resultado 196
Tamaño de la muestra: 270
La interpretación de esos datos puede ser la siguiente:

18
• La población a investigar tiene 222.222 habitantes y se desea saber cuántos
son hombres o mujeres.
• Se estima un 50% para cada sexo y, para el propósito del estudio, es
suficiente un 90% de seguridad con un nivel de entre 90 - 5 y 90 + 5.
• Se genera una tabla de 270 números al azar entre 1 y 222.222 y, en un censo
numerado, se comprueba el género para los seleccionados.
Ventajas de la elección de una muestra
El estudio de muestras es preferible, en la mayoría de los casos, por las siguientes
razones:
• Si la población es muy grande (en ocasiones, infinita, como ocurre en
determinados experimentos aleatorios) y, por tanto, imposible de analizar
en su totalidad.
• Las características de la población varían si el estudio se prolonga demasiado
tiempo.
• Reducción de costos: al estudiar una pequeña parte de la población, los
gastos de recogida y tratamiento de los datos serán menores que si se
obtienen del total de la población.
• Rapidez: al reducir el tiempo de recogida y tratamiento de los datos, se
consigue mayor rapidez.
• Viabilidad: la elección de una muestra permite la realización de estudios que
serían imposible hacerlo sobre el total de la población.
• La población es suficientemente homogénea respecto a la característica
medida, con lo cual resultaría inútil malgastar recursos en un análisis
exhaustivo (por ejemplo, muestras sanguíneas).
• El proceso de estudio es destructivo o es necesario consumir un artículo para
extraer la muestra (ejemplos: vida media de una bombilla, carga soportada
por una cuerda, precisión de un proyectil y otros)1
2.10. ALCANCE
Elemento muestral: Es el elemento del cual se obtiene la medición.
· Unidad muestral: Está compuesta por elementos muestrales, en algunos casos es igual
al elemento muestral.
· Alcance: Hace referencia a la ubicación espacial y geográfica del estudio.
· Tiempo: Definir el intervalo de tiempo en el cual se realiza la investigación.
· Marco muestral: Es un listado de todas las unidades que conforman la población
objetivo, puede ser una base de datos, un plano e incluso mapas. Es útil aclarar, que en

19
la práctica se diferencia la población objetivo de la población en estudio (marco muestral
disponible).7
3.CONCLUCION
En conclusión, una muestra es un subconjunto de la población, que se obtiene para
averiguar las propiedades o características de esta última, por lo que interesa que sea
un reflejo de la población, que sea representativa de ella.
4.REFRENCIAS
1. https://es.wikipedia.org/wiki/Muestra_estad%C3%ADstica
2. https://tesis-investigacion-cientifica.blogspot.com/2013/08/representatividad
3. http://ponce.inter.edu/cai/reserva/lvera/CONCEPTOS_BASICOS.pdf
4. https://www.monografias.com/docs111/universo-y-muestra-
investigacion/universo-y-muestra-investigacion.shtml
5. http://ri.uaemex.mx/oca/view/20.500.11799/35134/1/secme-21544.pdf
6. https://tesis-investigacion-cientifica.blogspot.com/search?q=+muestra
7. https://proyectoseducativoscr.wordpress.com/elaboracion-del-ante-
proyecto/capitulo-iii-marco-metodologico-de-la-investigacion/3-3-poblacion-y-
muestra/
5.VIDEOS
https://youtu.be/giaOVoyWS2c
https://youtu.be/k4vsWR5Ae0U

Muestra o analisis_muestral

Recomendados

Recomendados

Más contenido relacionado

La actualidad más candente

La actualidad más candente (20)

Similar a Muestra o analisis_muestral

Similar a Muestra o analisis_muestral (20)

Más de DANIELACAROLINAHIGUE

Más de DANIELACAROLINAHIGUE (18)

Último

Último (20)

Muestra o analisis_muestral