Este documento describe los conceptos fundamentales de muestra estadística. Explica que una muestra es un subconjunto de datos representativo de una población más grande. Detalla los pasos para obtener una muestra representativa, incluyendo seleccionar elementos de forma aleatoria y asegurar que la muestra sea lo suficientemente grande. También explica cómo las muestras permiten inferir propiedades sobre la población total de forma más eficiente que estudiar todos los datos.
Concepto y definición de tipos de Datos Abstractos en c++.pptx
Muestra o Análisis muestral
1. Alumna: Abigail Damaris Ojeda Colque
Docente: Mgr. José Ramiro Zapata Barrientos
Materia: Investigación de Mercados II
“LIBEREMOS BOLIVIA”
“El arte de vencer, se aprende de las derrotas”
BOLIVAR
1. INTRODUCCIÓN
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.
2. DESARROLLO
¿Qué es una muestra?
Una muestra estadística es un subconjunto de datos perteneciente a una población
de datos. Estadísticamente hablando, debe estar constituido por un cierto número
de observaciones que representen adecuadamente el total de los datos.
La estadística, como rama de las matemáticas, se encarga de recoger datos,
ordenarlos y analizarlos. Es decir, cuando queremos estudiar un determinado
fenómeno recurrimos a la estadística. Un buen ejemplo de fenómeno que estudia la
estadística, es el salario medio de los ciudadanos de un país
MUESTRA O ANALISIS MUESTRAL
2. Alumna: Abigail Damaris Ojeda Colque
Docente: Mgr. José Ramiro Zapata Barrientos
Materia: Investigación de Mercados II
“LIBEREMOS BOLIVIA”
En este sentido, por cuestiones de tiempo y coste, no podemos recoger la totalidad
de los datos. Esta totalidad de los datos es lo que se conoce como población de
datos o, simplemente, población.
Un subconjunto cualquiera de la población. Para que la muestra nos sirva para
extraer conclusiones sobre la población deber ser representativa, lo que se consigue
seleccionando sus elementos al azar, lo que da lugar a una muestra aleatoria. Es
una parte o porción extraída de un conjunto por métodos que permiten considerarla
como representativa del mismo. Entonces, una muestra no es más que una parte
de la población que sirve para representarla. La muestra debe obtenerse de la
población que se desea estudiar; una muestra debe ser definida sobre la base de la
población determinada, y las conclusiones que se obtengan de dicha muestra sólo
podrán referirse a la población en referencia.
1.-http://entenderlasmates.blogspot.com/2017/10/el-papel-de-las-muestras-en-
estadistica.html
¿Por qué se trabaja con muestras estadísticas?
Supongamos que queremos estudiar un fenómeno cualquiera. En nuestro caso, ese
fenómeno es el salario medio de los ciudadanos de un país. La población de datos
está formada por todos y cada uno de los trabajadores del país. Claro que por
razones de tiempo y coste sería imposible ir preguntando a cada trabajador cuál es
su salario anual. Tardaríamos mucho tiempo o necesitaríamos muchos recursos.
3. Alumna: Abigail Damaris Ojeda Colque
Docente: Mgr. José Ramiro Zapata Barrientos
Materia: Investigación de Mercados II
“LIBEREMOS BOLIVIA”
En este punto aparece el concepto de muestra estadística. En lugar de preguntar a
los millones de trabajadores de un país o región, tan solo recogemos una pequeña
cantidad de datos. Por ejemplo, preguntamos a 100.000 personas. Esta tarea sigue
siendo complicada, pero es mucho más asequible preguntar a 100.000 personas
que preguntar a 30 millones.
Esta pequeña cantidad de datos ha de ser representativa. Es decir, debe
representar adecuadamente a la población. Si las 100.000 personas a las que
preguntamos se concentran en barrios ricos, obtendremos datos que no son
representativos. El salario medio nos saldría mucho más alto de lo que es en
realidad.
Características de una muestra estadística representativa
Si se quiere hacer una buena investigación, la calidad de la muestra estadística es
esencial. De nada sirve realizar las métricas estadísticas más complejas con los
modelos más sofisticados si la muestra estadística está sesgada. Es decir, si la
muestra no es representativa.
A la hora de obtener una muestra representativa existen ciertos aspectos que el
investigador debe conocer de antemano. Entre esos aspectos se encuentran las
características de una muestra representativa. Las características de una muestra
representativa son las siguientes:
Tamaño suficientemente grande: Cuando trabajamos con muestras estamos,
normalmente, trabajando con una cantidad de datos inferior a la población.
Ahora bien, para que una muestra estadística sea representativa deberá ser
lo suficientemente grande como para considerarse representativa. Por
ejemplo, si nuestra población está formada por 10 millones de datos y
escogemos 10, es difícil que sea representativa. Eso sí, no siempre a mayor
tamaño la muestra es más representativa.
Aleatoriedad: La selección de los datos de una muestra estadística debe ser
aleatoria. Es decir, debe ser totalmente al azar. Si en lugar de realizarlo al
azar, realizamos un proceso de selección de datos planificado, estamos
introduciendo un sesgo a la obtención de datos. Por tanto, para evitar que la
muestra sea sesgada y, por tanto, conseguir que sea una muestra
representativa, debemos hacer una selección aleatoria.
4. Alumna: Abigail Damaris Ojeda Colque
Docente: Mgr. José Ramiro Zapata Barrientos
Materia: Investigación de Mercados II
“LIBEREMOS BOLIVIA”
Inferencia estadística: Una vez obtenidos tenemos la muestra representativa,
entonces toca inferir ciertas métricas. A menudo, lo que nos interesa es saber
cierta medida de una variable. En el ejemplo inicial, la variable sería el salario
de los ciudadanos de un país. En este sentido, la métrica que queremos
analizar es la media del salario de los ciudadanos de un país.
2.-https://www.diferenciador.com/poblacion-y-muestra/
Ejemplo de muestra estadística
Es decir, tenemos una población de datos formada por todos los trabajadores de
México. De dicha población obtenemos una variable, es decir, el salario anual.
Utilizando las técnicas adecuadas obtenemos una muestra representativa. Y, por
último, una vez tenemos un conjunto de datos con el que podemos trabajar
utilizamos técnicas de inferencia estadística para calcular el salario medio.
Por supuesto, una vez tenemos el conjunto de datos, podríamos inferir otras
medidas. Por ejemplo, cómo se distribuye el salario, qué porcentaje de trabajadores
se encuentra por debajo de cierto salario o de qué tamaño es la brecha salarial.
3.-https://economipedia.com/definiciones/muestra-estadistica.html
Análisis muestral
El muestreo es una herramienta de investigación que, al ser utilizada
adecuadamente, permite obtener conclusiones específicas y evitar resultados
sesgados.
Las principales ventajas de usar las muestras es la reducción de costos, pues
disminuye los elementos a estudiar y se puede realizar en menor tiempo.
Los factores más importantes a la hora de hacer un muestreo son
la representatividad, para que los elementos posean cualidades comunes según
5. Alumna: Abigail Damaris Ojeda Colque
Docente: Mgr. José Ramiro Zapata Barrientos
Materia: Investigación de Mercados II
“LIBEREMOS BOLIVIA”
sea el propósito, y la aleatoriedad al momento de seleccionar los elementos para
evitar una muestra viciada.
Procedimiento para la obtención de una muestra, el muestreo como se dijo es el
proceso de obtención de la muestra. Puede ser probabilístico y no probabilístico.
Hablamos de un muestreo probabilístico cuando los 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.
4.-http://leidistati.blogspot.com4.-2017/05/conceptos-basicos-deestadistica-universo.html
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.
6. Alumna: Abigail Damaris Ojeda Colque
Docente: Mgr. José Ramiro Zapata Barrientos
Materia: Investigación de Mercados II
“LIBEREMOS BOLIVIA”
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.).
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 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.
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.
7. Alumna: Abigail Damaris Ojeda Colque
Docente: Mgr. José Ramiro Zapata Barrientos
Materia: Investigación de Mercados II
“LIBEREMOS BOLIVIA”
5.-http://entenderlasmates.blogspot.com/2017/10/el-papel-de-las-muestras-en-
estadistica.html
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.
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.
6.-https://www.monografias.com/docs111/universo-y-muestra-
investigacion/universo-y-muestra-investigacion.shtml
Determinar el tamaño de la muestra que se va a seleccionar es un paso importante
en cualquier estudio de investigación de mercados, se debe justificar
convenientemente de acuerdo al planteamiento del problema, la población, los
objetivos y el propósito de la investigación.
¿De qué depende el tamaño muestral?
8. Alumna: Abigail Damaris Ojeda Colque
Docente: Mgr. José Ramiro Zapata Barrientos
Materia: Investigación de Mercados II
“LIBEREMOS BOLIVIA”
El tamaño muestral dependerá de decisiones estadísticas y no estadísticas, pueden
incluir por ejemplo la disponibilidad de los recursos, el presupuesto o el equipo que
estará en campo.
Antes de calcular el tamaño de la muestra necesitamos determinar varias cosas:
Tamaño de la población. Una población es una colección bien definida de objetos o
individuos que tienen características similares. Hablamos de dos tipos: población
objetivo, que suele tiene diversas características y también es conocida como la
población teórica. La población accesible es la población sobre la que los
investigadores aplicaran sus conclusiones.
Margen de error (intervalo de confianza). El margen de error es una estadística que
expresa la cantidad de error de muestreo aleatorio en los resultados de una
encuesta, es decir, es la medida estadística del número de veces de cada 100 que
se espera que los resultados se encuentren dentro de un rango específico.
Nivel de confianza. Son intervalos aleatorios que se usan para acotar un valor con
una determinada probabilidad alta. Por ejemplo, un intervalo de confianza de 95%
significa que los resultados de una acción probablemente cubrirán las expectativas
el 95% de las veces.
La desviación estándar. Es un índice numérico de la dispersión de un conjunto de
datos (o población). Mientras mayor es la desviación estándar, mayor es la
dispersión de la población.
7.-https://www.psyma.com/company/news/message/como-determinar-el-tamano-
de-una-muestra
Tipos de muestras
Tipos de muestreo aleatorio o probabilístico
Hablamos de muestreo aleatorio en los casos en que todos los sujetos que forman
parte de una población tienen la misma probabilidad de ser escogidos como parte
de la muestra. Los muestreos de esta clase son más populares y útiles que los no
aleatorios, principalmente porque tienen una elevada representatividad y permiten
calcular el error de la muestra.
1. Muestreo aleatorio simple
En este tipo de muestreo las variables relevantes de la muestra tienen la misma
función de probabilidad y son independientes entre ellas. La población tiene que ser
infinita o bien finita con reposición de elementos. El muestreo aleatorio simple es el
9. Alumna: Abigail Damaris Ojeda Colque
Docente: Mgr. José Ramiro Zapata Barrientos
Materia: Investigación de Mercados II
“LIBEREMOS BOLIVIA”
que más se utiliza en la estadística inferencial, pero es menos eficaz en muestras
muy grandes.
2. Estratificado
El muestreo aleatorio estratificado consiste en dividir la población en estratos; un
ejemplo de esto sería estudiar la relación entre el grado de satisfacción vital y el
nivel socioeconómico. A continuación se extrae un número determinado de sujetos
de cada uno de los estratos por tal de mantener la proporción de la población de
referencia.
3. De conglomerados
En estadística inferencial los conglomerados son conjuntos de elementos
poblacionales, como pueden ser las escuelas o los centros hospitalarios públicos
de un municipio. Al llevar a cabo este tipo de muestreo se divide la población (en
los ejemplos, una localidad concreta) en varios conglomerados y se elige de forma
aleatoria algunos de ellos para estudiarlos.
4. Sistemático
En este caso se empieza dividiendo el número total de sujetos u observaciones que
conforman la población entre el que se quiere utilizar para la muestra.
Posteriormente se escoge un número al azar de entre los primeros y se va sumando
de forma constante este mismo valor; los elementos seleccionados pasarán a
formar parte de la muestra.
Muestreos no aleatorios o no probabilísticos
Los muestreos no probabilísticos utilizan criterios con un bajo nivel de
sistematización que procuran asegurar que la muestra tenga un cierto grado de
representatividad. Este tipo de muestreos se emplean principalmente cuando no es
posible llevar a cabo otros de tipo aleatorio, lo cual es muy habitual a causa del
elevado coste de los procedimientos de control.
1. Intencional, opinático o de conveniencia
En el muestreo intencional el investigador escoge de forma voluntaria los elementos
que conformarán la muestra, dando por supuesto que esta será representativa de
la población de referencia. Un ejemplo que resultará familiar a los estudiantes de
psicología es la utilización de alumnos como muestra opinática por parte de
profesores universitarios.
2. Muestreo de bola de nieve o en cadena
10. Alumna: Abigail Damaris Ojeda Colque
Docente: Mgr. José Ramiro Zapata Barrientos
Materia: Investigación de Mercados II
“LIBEREMOS BOLIVIA”
En este tipo de muestreo los investigadores establecen contacto con sujetos
determinados; a continuación estos consiguen a nuevos participantes para la
muestra hasta completarla. El muestreo de bola de nieve se usa
generalmente cuando se trabaja con poblaciones de difícil acceso, como en el caso
de adictos a sustancias o de miembros de culturas minoritarias.
3. Muestreo por cuotas o accidental
Hablamos de muestreo por cuotas cuando los investigadores escogen un número
concreto de sujetos que cumplan unas características determinadas (p. e. mujeres
españolas de más de 65 años con deterioro cognitivo severo) a partir de su
conocimiento sobre los estratos de la población. El muestreo accidental se usa con
frecuencia en las encuestas.
8.- https://psicologiaymente.com/miscelanea/tipos-de-muestreo
3. CONCLUSION
Cuando algún investigador intenta recopilar datos para estudiar alguna población
en ocasiones es imposible que estos logren estudiar o analizar a cada sujeto en
específico. Es por eso que los investigadores hacen menos tedioso su trabajo al
utilizar métodos o técnicas que les permitan, a partir de la población generada para
investigar, que logren proporcionar un conjunto de muestras que le permitan así,
generar una investigación en la que los intereses se vean más marcados y a partir
de la recolección y organización de los datos, se logre que tengan una investigación
significativa y que puedan responder a las preguntas de investigación.
4. REFERENCIAS
1.-http://entenderlasmates.blogspot.com/2017/10/el-papel-de-las-muestras-en-
estadistica.html
2.-https://www.diferenciador.com/poblacion-y-muestra/
3.-https://economipedia.com/definiciones/muestra-estadistica.html
4.-http://leidistati.blogspot.com4.-2017/05/conceptos-basicos-deestadistica-universo.html
5.-http://entenderlasmates.blogspot.com/2017/10/el-papel-de-las-muestras-en-
estadistica.html
6.-https://www.monografias.com/docs111/universo-y-muestra-
investigacion/universo-y-muestra-investigacion.shtml
11. Alumna: Abigail Damaris Ojeda Colque
Docente: Mgr. José Ramiro Zapata Barrientos
Materia: Investigación de Mercados II
“LIBEREMOS BOLIVIA”
7.-https://www.psyma.com/company/news/message/como-determinar-el-tamano-
de-una-muestra
8.- https://psicologiaymente.com/miscelanea/tipos-de-muestreo
5. VIDEOS
1.-
https://youtu.be/elTml6zLxy4
12. Alumna: Abigail Damaris Ojeda Colque
Docente: Mgr. José Ramiro Zapata Barrientos
Materia: Investigación de Mercados II
“LIBEREMOS BOLIVIA”
2.-
https://youtu.be/o3FlcVm6D_I