METODOLOGÍA DE LA INVESTIGACIÓN

1. MÓDULO DE METODOLOGÍA DE LA INVESTIGACIÓN
Ing. Juanita García Aguilar, PhD.
PLANEAMIENTO ESTRATÉGICO
AEROESPACIAL

2. Objetivo
Plantear el diseño metodológico de la
investigación con pertinencia al tema,
objetivos, hipótesis y/o preguntas de
investigación.

3. ENFOQUES DE
INVESTIGACIÓN

4. Metodología
Depende del tratamiento de las variables
• Cualitativo
• Cuantitativo
• Mixto
(Hernández, Fernández y Batista, 2014)

5. Cualitativo – Cuantitativo
(Análisis comparativo)
(Hernández-Sampieri y Mendoza, 2018)

6. Cualitativo – Cuantitativo
(Análisis comparativo)

7. Diseño de la
Investigación

8. (Hernández, Fernández y Batista, 2014)
Metodología

9. Población y
Muestra

10. Muestreo

11. MUESTREO
Es la selección de
algunas unidades
de análisis entre
una población
definida
correspondiente a
un estudio o
investigación.

12. TIPOS DE MUESTREO
MUESTREO PROBABILÍSTICO (AL
AZAR, ALEATORIO)
• Se conoce: la probabilidad de
selección de la unidad de análisis y
el margen de error a usarse.
MUESTREO NO PROBABILÍSTICO
• No se conoce la probabilidad de
selección de la unidad de análisis,
por lo tanto no permite realizar
inferencias para la población bajo
investigación.

13. MUESTREO NO
PROBABILÍSTICO
• De Conveniencia.
• Por Cuotas.
• Por Bola de Nieve.
• Causal o Accidental
• Discrecional o por juicio
MUESTREO
PROBABILÍSTICO
• Aleatorio simple.
• Aleatorio sistemático.
• Aleatorio estratificado.
• Por grupos o Conglomerados.
• Bietápico.
• Multietápico.
TIPOS DE MUESTREO

14. MUESTREO NO PROBABILÍSTICO
1. DE CONVENIENCIA
Es un método por el cual se
seleccionan en la muestra
las unidades de análisis
convenientes, por el hecho
de que se dispone de ellas
en el momento de la
recopilación de los datos.

15. MUESTREO NO PROBABILÍSTICO
2. POR CUOTAS
Se asegura que un
determinado número de
unidades de muestra,
procedente de diversas
categorías y con
características específicas,
estén presentes en la
muestra.

16. MUESTREO NO PROBABILÍSTICO
3. POR BOLA DE NIEVE
Se llama muestreo de
bola de nieve porque
cada sujeto estudiado
propone a otros,
produciendo un efecto
acumulativo parecido al
de la bola de nieve.

17. MUESTREO NO PROBABILÍSTICO
4. CAUSAL O ACCIDENTAL
Los individuos se eligen de
manera casual, sin ningún
juicio previo. Las personas que
realizan el estudio eligen un
lugar o un medio, y desde ahí
realizan el estudio a los
individuos de la población que
accidentalmente se
encuentren a su disposición.

18. MUESTREO NO PROBABILÍSTICO
5. DISCRECIONAL O POR JUICIO
El investigador selecciona a los
individuos a través de su criterio
profesional.
Puede basarse en la experiencia
de otros estudios anteriores o en
su conocimiento sobre la
población y el comportamiento
de ésta frente a las
características que se estudian.

19. MUESTREO PROBABILÍSTICO
1. ALEATORIO SIMPLE
Se requiere:
1. Preparar una lista numérica
de todas las unidades de la
población de estudio.
2. Decidir acerca del tamaño de
la muestra.
3. Seleccionar el número
requerido de unidades de
muestreo, a base de un
método de “sorteo” o de una
Tabla de Números
Aleatorios.

20. MUESTREO PROBABILÍSTICO
2. SISTEMÁTICO
El método de muestreo sistemático se utiliza en muestras ordenadas del 1 al N. Consiste en lo
siguiente:
• Supongamos que tenemos una población de N individuos ordenados del 1 al N. Queremos
seleccionar una muestra de tamaño n.
• Sea k el entero más próximo a N/n.
• Escogemos al azar un número i entre 1 y k (utilizando los números aleatorios, sacar una bola de un
bombo, etc.).
• La muestra será el elemento i y los elementos i+k, i+2k, etc.. Es decir, el elemento k y los
elementos a intervalos fijos k hasta conseguir los n sujetos:

21. MUESTREO PROBABILÍSTICO
3. ESTRATIFICADO
La muestra se elige
escogiendo en cada
estrato un número
representativo de
individuos. La elección de
los elementos en cada
estrato se realiza de
forma aleatoria.
1. La elección simple:
Escogen el mismo # de
elementos de cada
estrato.
2. La elección proporcional:
CARÁCTERÍSTICAS:
1) Homogéneos internamente (en cada
estrato)
2) Heterogéneos entre los estratos

22. MUESTREO PROBABILÍSTICO
4. POR CONGLOMERADOS
Si se supone que los conglomerados son
muestra significativa de la variable que se
está estudiando, se puede
seleccionar algunos conglomerados al azar
(todos los conglomerados deben tener las
mismas probabilidades de ser seleccionados)
y utilizarlos
la población.
en representación de
Debe estudiarse todos los
elementos del conglomerado seleccionado.
CARÁCTERÍSTICAS:
1) Homogéneos entre los conglomerados
2) Heterogéneos al interior de cada conglomerado

24. MUESTREO PROBABILÍSTICO
4. POR ETAPAS O MULTIETÁPICO
Se realiza por fases y
habitualmente implica
más de un método de
muestreo.

25. MUESTREO PROBABILÍSTICO
Ventajas:
• Tiene fundamento esta-
dístico matemático.
• Es más representativo, porque
es más exacto.
• El error con el que se trabaja
es menor y es posible decidir
con que error* trabajar.
Desventajas:
⚫Es costoso.
⚫Requiere el conocimiento
previo del universo.
MUESTREO NO PROBABILÍSTICO
Ventajas:
• Es menos costoso.
• De selección más simple.
• No requiere conocimiento previo del
universo.
• No requiere tener identificadas las
unidades de análisis.
Desventajas:
• Se trabaja con un error desconocido.
• No se puede calcular el error.
• Es menos representativo.

26. CRITERIOS DE SELECCIÓN
a) Todos los individuos de la muestra debe ser parte del
conjunto total de la población estudiada.
b)Todos los individuos de la población tienen igual
probabilidad estadística de ser seleccionados en la muestra.
c) El tamaño de la muestra será adecuado al tipo de estudio.
Un tamaño menor pierde fiabilidad, un tamaño mayor
implica derroche de recursos.
d)La técnica de recolección debe permitir el logro de los
objetivos.

27. CRITERIOS DE UNA BUENA
MUESTRA
Las condiciones fundamentales que ha de cumplir una
muestra son cuatro:
1. Que comprendan parte del universo y no la totalidad
de éste.
2. Que su amplitud sea estadísticamente proporcionada
a la magnitud del universo.
3. La ausencia de distorsión en la elección de los
elementos de la muestra.
2. Que sea representativa o reflejo fiel del universo, de
tal modo que reproduzca sus características básicas en
orden a la investigación.
(Sierra Bravo, 1988: 175)

28. ESTIMACIÓN DEL TAMAÑO DE LA MUESTRA
1). Cuando la varianza (S2) es conocida:
a) Para poblaciones infinitas o tamaños de población
desconocida:
b) Para poblaciones finitas o conocidas:
e2
Z2
S2
n 
NZ 2
S2
n 
e2
(N  1)  Z 2
S2

29. ESTIMACIÓN DEL TAMAÑO DE LA MUESTRA
2) Cuando la varianza (S2) es desconocida:
a) Tamaño de la población N es desconocida.
b) Tamaño de la población N es conocida:
e2
Z2
PQ
n 
NZ2
PQ
n 
e2
(N 1)  Z2
PQ

30. ESTIMACIÓN DEL TAMAÑO DE LA MUESTRA
Donde:
n: Es el tamaño de la muestra.
N: Tamaño de la población.
Z: Factor de confiabilidad. Es 1,96 cuando es un 95% de
confianza y es 2,57 cuando se establece un 99% de
confianza de distribución normal estandarizada
correspondiente al nivel de confianza escogida).
P = 0,5
Q = 1-P = 0,5
e: Es el margen de error permisible. Establecido por el
investigador.
(valor _
X

31. ESTIMACIÓN DEL TAMAÑO DE LA MUESTRA
Ejemplo: Estimar el tamaño de la muestra de estudio para una
población de 120 estudiantes de primer año de educación
secundaria.
N= 120
Z=1,96 (para un nivel de confianza al 95%).
P= 0,5
Q= 1-P = 0,5
e = 0,1
NZ2
PQ
n 
e2
(N 1)  Z2
PQ
120(1,96)2
(0,5)(0,5)
n 
(0,1)2
(120 1)  (1,96)2
(0,5)(0,5) 2,1504
n 
115,248
 53,59
n  53