SlideShare una empresa de Scribd logo
1 de 15
Concepto de Población:
Es un conjunto finito o infinito de elementos con
características comunes para los cuales serán extensivas las
conclusiones de la investigación. Esta queda delimitada por
el problema y por los objetivos del estudio.
POBLACION Y MUESTRA
DONDE?
CUANDO?
TOTAL DEL UNIVERSO
POBLACION
FINITA
INFINITA
ACCESIBLE
DISEÑO METODOLÓGICO
TRATAMIENTO
ESTADÍSTICO DE
LOS DATOS
POBLACIÓN Y
MUESTRA
MÉTODOS,
TECNICAS Y
PROCEDIMIENTOS
Es un subconjunto de la población
estadística, es decir, es una parte
de ella y por lo tanto tiene que
poseer las mismas características
de la población objeto de estudio.
¿Cuan grande
debe ser la
muestra?
¿Qué tipo de
datos deben
ser recogidos?
¿Cómo serán
recogidos?
Quienes serán
los que recojan
los datos
n=
𝑍2 ∗ 𝑃 ∗𝑞
𝐸2
n=
𝑍2 ∗ 𝑃 ∗𝑞 ∗𝑁
𝑁 ∗𝐸2+𝑍2 ∗𝑷∗𝒒
Población
finita
Población
infinita
CLASIFICACION
DEL TIPO DE
MUESTREO
PROBALISTICO O
ALEATORIOS
NO PROBALISTICOS
(Deterministico)
Casual o accidental
Intencional
Por cuotas
Azar simple
Azar sistemático
Estratificado
Conglomerados
1º Muestreo
Probabilístico
Garantiza que cada una de las unidades de la
población tenga la misma posibilidad estadística
de pertenecer a la muestra.
Tipos de Muestreo
Probabilístico
El aleatorio simple - El
estratificado - Por racimos
El sistémico.
2º Muestreo NO
Probabilístico
(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, etc.) se eligen los
sujetos la muestra requerida.
MUESTREOALEATORIOSIMPLE
El procedimiento es:
Se debe tener un listado de toda la
población del 1 hasta la N. La
selección es alzar. Tiene poca o
nula utilidad práctica cuando la
población que estamos manejando
es muy grande.
Consiste en:
EL MUESTREOESTRATIFICADO
Dividir la población total en grupos o
estratos en función de un carácter con el
fin de obtener representatividad de la
población y hacer comparaciones entre
ellos. En cada uno se selecciona una
muestra, cuya suma representa la
muestra total.
Se debe observar que existan las
mayores diferencias posibles entre
los estratos y dentro de los mismos
la menor diferencia.
Criterios para la estratificación
De los sujetos depende del investigador,
expertos o los propios interesados.
La selección
Se escogen a los que se ofrecen como voluntarios o
las personas que según los expertos mejor
representan las características que se estudian.
No todas las personas tienen la misma
posibilidad de formar parte de la muestra.
Se corre el riego de que la muestra no sea
representativa de la población.
Su utilización se justifica por la comodidad y la economía.
Los resultados no pueden generalizarse a toda la población.
Se incluyen:
A todos los elementos o casos disponibles,
seleccionándolos arbitrariamente hasta llegar a la
cantidad deseada.
Consiste en:
Seleccionar explícitamente cierto tipo de elementos o
casos que el investigador considere más representativos
o con posibilidad de ofrecer mayor cantidad de
información .
CLASIFICACION
DEL TIPO DE
MUESTREO
PROBALISTICO O
ALEATORIOS
NO PROBALISTICOS
(Deterministico)
Casual o accidental
Intencional
Por cuotas
Azar simple
Azar sistemático
Estratificado
Conglomerados
n=
𝑍2 ∗ 𝑃 ∗𝑞
𝐸2
n=
𝑍2 ∗ 𝑃 ∗𝑞 ∗𝑁
𝑁 ∗𝐸2+𝑍2 ∗𝑷∗𝒒
Población
finita
Población
infinita
ÍTEM REPRESENTATIVIDAD
n Tamaño de la muestra
N Tamaño de la Población o Universo
Z Nivel de Confianza
p Variabilidad positiva 0,5
q Variabilidad negativa 0,5
E Error de la muestra
n=
𝑍2 ∗ 𝑃 ∗𝑞 ∗𝑁
𝑁 ∗𝐸2+𝑍2 ∗𝑷∗𝒒
Población y muestra

Más contenido relacionado

La actualidad más candente

Proceso de investigación y análisis de datos
Proceso de investigación y análisis de datosProceso de investigación y análisis de datos
Proceso de investigación y análisis de datosFernando Reyes Baños
 
Capítulo 1 : Introducción a la Estadística Aplicada
Capítulo 1 : Introducción a la Estadística AplicadaCapítulo 1 : Introducción a la Estadística Aplicada
Capítulo 1 : Introducción a la Estadística Aplicadaug-dipa
 
Capitulo 10-sampieri-2008-analisis-de-datos-cuantitativos (1)
Capitulo 10-sampieri-2008-analisis-de-datos-cuantitativos (1)Capitulo 10-sampieri-2008-analisis-de-datos-cuantitativos (1)
Capitulo 10-sampieri-2008-analisis-de-datos-cuantitativos (1)Sara Nathalia Ponce
 
PowerPoint - Tema: Pruebas No Parametricas
PowerPoint - Tema: Pruebas No ParametricasPowerPoint - Tema: Pruebas No Parametricas
PowerPoint - Tema: Pruebas No ParametricasMauricio Gramajo Zoireff
 
Distribuciones Muestrales I ccesa007
Distribuciones Muestrales I ccesa007Distribuciones Muestrales I ccesa007
Distribuciones Muestrales I ccesa007Demetrio Ccesa Rayme
 
Poblacion, Muestra Muestreo
Poblacion, Muestra MuestreoPoblacion, Muestra Muestreo
Poblacion, Muestra MuestreoSandra Zapata
 
El Problema Estadístico, metodología de 5 pasos
El Problema Estadístico, metodología de 5 pasosEl Problema Estadístico, metodología de 5 pasos
El Problema Estadístico, metodología de 5 pasosMaría Isabel Bautista
 
Muestreo técnicas de recolección
Muestreo técnicas de recolecciónMuestreo técnicas de recolección
Muestreo técnicas de recolecciónAlejandra Camors
 
estadística descriptiva e inferencial
estadística descriptiva e inferencialestadística descriptiva e inferencial
estadística descriptiva e inferencialKarlaDanielaOrtega
 
Tipos De Investigación
Tipos De InvestigaciónTipos De Investigación
Tipos De Investigaciónsaliradu
 
Tipos y métodos de investigación
Tipos y métodos de investigaciónTipos y métodos de investigación
Tipos y métodos de investigaciónug-dipa
 
El procesamiento de datos
El procesamiento de datosEl procesamiento de datos
El procesamiento de datosaolaizola
 
Procesamiento y analisis de datos
Procesamiento y analisis de datosProcesamiento y analisis de datos
Procesamiento y analisis de datosfelixeguzman
 
Estadistica parametrica y no parametrica
Estadistica parametrica y no parametricaEstadistica parametrica y no parametrica
Estadistica parametrica y no parametricajimialaponte
 
4. estadistica inferencial
4.  estadistica inferencial4.  estadistica inferencial
4. estadistica inferencialrbarriosm
 

La actualidad más candente (20)

Proceso de investigación y análisis de datos
Proceso de investigación y análisis de datosProceso de investigación y análisis de datos
Proceso de investigación y análisis de datos
 
Capítulo 1 : Introducción a la Estadística Aplicada
Capítulo 1 : Introducción a la Estadística AplicadaCapítulo 1 : Introducción a la Estadística Aplicada
Capítulo 1 : Introducción a la Estadística Aplicada
 
Capitulo 10-sampieri-2008-analisis-de-datos-cuantitativos (1)
Capitulo 10-sampieri-2008-analisis-de-datos-cuantitativos (1)Capitulo 10-sampieri-2008-analisis-de-datos-cuantitativos (1)
Capitulo 10-sampieri-2008-analisis-de-datos-cuantitativos (1)
 
EstadíStica Inferencial
EstadíStica InferencialEstadíStica Inferencial
EstadíStica Inferencial
 
PowerPoint - Tema: Pruebas No Parametricas
PowerPoint - Tema: Pruebas No ParametricasPowerPoint - Tema: Pruebas No Parametricas
PowerPoint - Tema: Pruebas No Parametricas
 
Distribuciones Muestrales I ccesa007
Distribuciones Muestrales I ccesa007Distribuciones Muestrales I ccesa007
Distribuciones Muestrales I ccesa007
 
Análisis Estadístico
Análisis EstadísticoAnálisis Estadístico
Análisis Estadístico
 
Poblacion, Muestra Muestreo
Poblacion, Muestra MuestreoPoblacion, Muestra Muestreo
Poblacion, Muestra Muestreo
 
El Problema Estadístico, metodología de 5 pasos
El Problema Estadístico, metodología de 5 pasosEl Problema Estadístico, metodología de 5 pasos
El Problema Estadístico, metodología de 5 pasos
 
Muestreo técnicas de recolección
Muestreo técnicas de recolecciónMuestreo técnicas de recolección
Muestreo técnicas de recolección
 
estadística descriptiva e inferencial
estadística descriptiva e inferencialestadística descriptiva e inferencial
estadística descriptiva e inferencial
 
Tipos De Investigación
Tipos De InvestigaciónTipos De Investigación
Tipos De Investigación
 
Estadistica Inferencial
Estadistica InferencialEstadistica Inferencial
Estadistica Inferencial
 
Tipos y métodos de investigación
Tipos y métodos de investigaciónTipos y métodos de investigación
Tipos y métodos de investigación
 
El procesamiento de datos
El procesamiento de datosEl procesamiento de datos
El procesamiento de datos
 
Analisis parametricos-y-no-parametricos
Analisis parametricos-y-no-parametricosAnalisis parametricos-y-no-parametricos
Analisis parametricos-y-no-parametricos
 
7.5 tipos y tecnicas de muestreo
7.5 tipos y tecnicas de muestreo7.5 tipos y tecnicas de muestreo
7.5 tipos y tecnicas de muestreo
 
Procesamiento y analisis de datos
Procesamiento y analisis de datosProcesamiento y analisis de datos
Procesamiento y analisis de datos
 
Estadistica parametrica y no parametrica
Estadistica parametrica y no parametricaEstadistica parametrica y no parametrica
Estadistica parametrica y no parametrica
 
4. estadistica inferencial
4.  estadistica inferencial4.  estadistica inferencial
4. estadistica inferencial
 

Similar a Población y muestra

Poblacion y Muestra 12-04-2021.pptx
Poblacion y Muestra 12-04-2021.pptxPoblacion y Muestra 12-04-2021.pptx
Poblacion y Muestra 12-04-2021.pptxJoseGalvez83
 
Estadistica Conceptos Basicos
Estadistica  Conceptos BasicosEstadistica  Conceptos Basicos
Estadistica Conceptos Basicoscarl_moron
 
La poblacion y muestra en una investigacion
La poblacion y muestra en una investigacionLa poblacion y muestra en una investigacion
La poblacion y muestra en una investigacionLima - Perú
 
Muestreo Estadístico
Muestreo EstadísticoMuestreo Estadístico
Muestreo Estadísticojoclpacheb
 
0) REPASAR Metodología de la Investigación.ppt
0) REPASAR Metodología de la Investigación.ppt0) REPASAR Metodología de la Investigación.ppt
0) REPASAR Metodología de la Investigación.pptdavidanzaldo1
 
Diapositivas teknikaz
Diapositivas teknikazDiapositivas teknikaz
Diapositivas teknikazkarlitha95
 
Sesion 5 MAE Ed Inclusiva (E).pptx
Sesion 5 MAE Ed Inclusiva (E).pptxSesion 5 MAE Ed Inclusiva (E).pptx
Sesion 5 MAE Ed Inclusiva (E).pptxJennyAmparo3
 
Población, muestra, informantes clave, variable, unidad de análisis
Población, muestra, informantes clave, variable, unidad de análisisPoblación, muestra, informantes clave, variable, unidad de análisis
Población, muestra, informantes clave, variable, unidad de análisisJayleth Hd
 
Presentacion Slideshare
Presentacion SlidesharePresentacion Slideshare
Presentacion SlideshareJotanh
 
EXPLORANDO LAS FRONTERAS DEL MUESTREO.pdf
EXPLORANDO LAS FRONTERAS DEL MUESTREO.pdfEXPLORANDO LAS FRONTERAS DEL MUESTREO.pdf
EXPLORANDO LAS FRONTERAS DEL MUESTREO.pdfmendozarodriguez13
 
Conceptos generales del muestreo del trabajo
Conceptos generales del muestreo del trabajoConceptos generales del muestreo del trabajo
Conceptos generales del muestreo del trabajoJesùs Lara Monroy
 

Similar a Población y muestra (20)

yary.pptx
yary.pptxyary.pptx
yary.pptx
 
Poblacion y Muestra 12-04-2021.pptx
Poblacion y Muestra 12-04-2021.pptxPoblacion y Muestra 12-04-2021.pptx
Poblacion y Muestra 12-04-2021.pptx
 
Estadistica I 01
Estadistica  I 01Estadistica  I 01
Estadistica I 01
 
Estadistica Conceptos Basicos
Estadistica  Conceptos BasicosEstadistica  Conceptos Basicos
Estadistica Conceptos Basicos
 
La poblacion y muestra en una investigacion
La poblacion y muestra en una investigacionLa poblacion y muestra en una investigacion
La poblacion y muestra en una investigacion
 
Muestreo Estadístico
Muestreo EstadísticoMuestreo Estadístico
Muestreo Estadístico
 
0) REPASAR Metodología de la Investigación.ppt
0) REPASAR Metodología de la Investigación.ppt0) REPASAR Metodología de la Investigación.ppt
0) REPASAR Metodología de la Investigación.ppt
 
Muestra o analisis muestral
Muestra o analisis muestralMuestra o analisis muestral
Muestra o analisis muestral
 
El muestreo
El muestreoEl muestreo
El muestreo
 
Muestra o analisis muestral
Muestra o analisis muestralMuestra o analisis muestral
Muestra o analisis muestral
 
Diapositivas teknikaz
Diapositivas teknikazDiapositivas teknikaz
Diapositivas teknikaz
 
Exposición taller ii
Exposición taller iiExposición taller ii
Exposición taller ii
 
Sesion 5 MAE Ed Inclusiva (E).pptx
Sesion 5 MAE Ed Inclusiva (E).pptxSesion 5 MAE Ed Inclusiva (E).pptx
Sesion 5 MAE Ed Inclusiva (E).pptx
 
Población, muestra, informantes clave, variable, unidad de análisis
Población, muestra, informantes clave, variable, unidad de análisisPoblación, muestra, informantes clave, variable, unidad de análisis
Población, muestra, informantes clave, variable, unidad de análisis
 
Exposición taller ii
Exposición taller iiExposición taller ii
Exposición taller ii
 
Exposicion p
Exposicion pExposicion p
Exposicion p
 
Presentacion Slideshare
Presentacion SlidesharePresentacion Slideshare
Presentacion Slideshare
 
EXPLORANDO LAS FRONTERAS DEL MUESTREO.pdf
EXPLORANDO LAS FRONTERAS DEL MUESTREO.pdfEXPLORANDO LAS FRONTERAS DEL MUESTREO.pdf
EXPLORANDO LAS FRONTERAS DEL MUESTREO.pdf
 
Conceptos generales del muestreo del trabajo
Conceptos generales del muestreo del trabajoConceptos generales del muestreo del trabajo
Conceptos generales del muestreo del trabajo
 
Estadistica1 Jose Miguel Cubillos Munca
Estadistica1 Jose Miguel Cubillos MuncaEstadistica1 Jose Miguel Cubillos Munca
Estadistica1 Jose Miguel Cubillos Munca
 

Más de José Luis Machaca

Tipos de clase a través de la WEBQUEST
Tipos de clase a través de la WEBQUESTTipos de clase a través de la WEBQUEST
Tipos de clase a través de la WEBQUESTJosé Luis Machaca
 
Planificación educativa de talleres
Planificación educativa de talleres Planificación educativa de talleres
Planificación educativa de talleres José Luis Machaca
 
Tesis validacion teórica o empírica de la propuesta
Tesis validacion teórica o empírica de la propuesta Tesis validacion teórica o empírica de la propuesta
Tesis validacion teórica o empírica de la propuesta José Luis Machaca
 
Diseño teórico de una tesis
Diseño teórico de una tesis Diseño teórico de una tesis
Diseño teórico de una tesis José Luis Machaca
 
Propuesta o concreción del modelo teórico
Propuesta o concreción del modelo teórico Propuesta o concreción del modelo teórico
Propuesta o concreción del modelo teórico José Luis Machaca
 
Tesis diagnostico del objeto de estudiop
Tesis diagnostico del objeto de estudiopTesis diagnostico del objeto de estudiop
Tesis diagnostico del objeto de estudiopJosé Luis Machaca
 
Tesis modelo teórico del objeto de estudiop
Tesis  modelo teórico del objeto de estudiopTesis  modelo teórico del objeto de estudiop
Tesis modelo teórico del objeto de estudiopJosé Luis Machaca
 
La didáctica y sus componentes presentación
La didáctica y sus componentes presentación La didáctica y sus componentes presentación
La didáctica y sus componentes presentación José Luis Machaca
 
La didáctica y sus componentes
La didáctica y sus componentesLa didáctica y sus componentes
La didáctica y sus componentesJosé Luis Machaca
 
La didactica como ciencia pedagógica
La didactica como ciencia pedagógicaLa didactica como ciencia pedagógica
La didactica como ciencia pedagógicaJosé Luis Machaca
 
Formas de organización de la clase
Formas de organización de la clase Formas de organización de la clase
Formas de organización de la clase José Luis Machaca
 

Más de José Luis Machaca (17)

Vega_2022.pptx
Vega_2022.pptxVega_2022.pptx
Vega_2022.pptx
 
Tipos de clase a través de la WEBQUEST
Tipos de clase a través de la WEBQUESTTipos de clase a través de la WEBQUEST
Tipos de clase a través de la WEBQUEST
 
Planificación educativa de talleres
Planificación educativa de talleres Planificación educativa de talleres
Planificación educativa de talleres
 
Tipos de currículo
Tipos de currículo Tipos de currículo
Tipos de currículo
 
Objetivos holísticos
Objetivos holísticos Objetivos holísticos
Objetivos holísticos
 
Clase tipo taller
Clase tipo taller Clase tipo taller
Clase tipo taller
 
Tesis validacion teórica o empírica de la propuesta
Tesis validacion teórica o empírica de la propuesta Tesis validacion teórica o empírica de la propuesta
Tesis validacion teórica o empírica de la propuesta
 
Tesis marco teórico
Tesis  marco teórico Tesis  marco teórico
Tesis marco teórico
 
Diseño teórico de una tesis
Diseño teórico de una tesis Diseño teórico de una tesis
Diseño teórico de una tesis
 
Propuesta o concreción del modelo teórico
Propuesta o concreción del modelo teórico Propuesta o concreción del modelo teórico
Propuesta o concreción del modelo teórico
 
Tesis diagnostico del objeto de estudiop
Tesis diagnostico del objeto de estudiopTesis diagnostico del objeto de estudiop
Tesis diagnostico del objeto de estudiop
 
Tesis modelo teórico del objeto de estudiop
Tesis  modelo teórico del objeto de estudiopTesis  modelo teórico del objeto de estudiop
Tesis modelo teórico del objeto de estudiop
 
La didáctica y sus componentes presentación
La didáctica y sus componentes presentación La didáctica y sus componentes presentación
La didáctica y sus componentes presentación
 
La didáctica y sus componentes
La didáctica y sus componentesLa didáctica y sus componentes
La didáctica y sus componentes
 
La didactica como ciencia pedagógica
La didactica como ciencia pedagógicaLa didactica como ciencia pedagógica
La didactica como ciencia pedagógica
 
Formas de organizacion
Formas de organizacionFormas de organizacion
Formas de organizacion
 
Formas de organización de la clase
Formas de organización de la clase Formas de organización de la clase
Formas de organización de la clase
 

Último

Neurociencias para Educadores NE24 Ccesa007.pdf
Neurociencias para Educadores  NE24  Ccesa007.pdfNeurociencias para Educadores  NE24  Ccesa007.pdf
Neurociencias para Educadores NE24 Ccesa007.pdfDemetrio Ccesa Rayme
 
Qué es la Inteligencia artificial generativa
Qué es la Inteligencia artificial generativaQué es la Inteligencia artificial generativa
Qué es la Inteligencia artificial generativaDecaunlz
 
Sesión de aprendizaje Planifica Textos argumentativo.docx
Sesión de aprendizaje Planifica Textos argumentativo.docxSesión de aprendizaje Planifica Textos argumentativo.docx
Sesión de aprendizaje Planifica Textos argumentativo.docxMaritzaRetamozoVera
 
Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...Lourdes Feria
 
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdf
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdfCurso = Metodos Tecnicas y Modelos de Enseñanza.pdf
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdfFrancisco158360
 
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.Alejandrino Halire Ccahuana
 
La empresa sostenible: Principales Características, Barreras para su Avance y...
La empresa sostenible: Principales Características, Barreras para su Avance y...La empresa sostenible: Principales Características, Barreras para su Avance y...
La empresa sostenible: Principales Características, Barreras para su Avance y...JonathanCovena1
 
INSTRUCCION PREPARATORIA DE TIRO .pptx
INSTRUCCION PREPARATORIA DE TIRO   .pptxINSTRUCCION PREPARATORIA DE TIRO   .pptx
INSTRUCCION PREPARATORIA DE TIRO .pptxdeimerhdz21
 
ACERTIJO DE LA BANDERA OLÍMPICA CON ECUACIONES DE LA CIRCUNFERENCIA. Por JAVI...
ACERTIJO DE LA BANDERA OLÍMPICA CON ECUACIONES DE LA CIRCUNFERENCIA. Por JAVI...ACERTIJO DE LA BANDERA OLÍMPICA CON ECUACIONES DE LA CIRCUNFERENCIA. Por JAVI...
ACERTIJO DE LA BANDERA OLÍMPICA CON ECUACIONES DE LA CIRCUNFERENCIA. Por JAVI...JAVIER SOLIS NOYOLA
 
Registro Auxiliar - Primaria 2024 (1).pptx
Registro Auxiliar - Primaria  2024 (1).pptxRegistro Auxiliar - Primaria  2024 (1).pptx
Registro Auxiliar - Primaria 2024 (1).pptxFelicitasAsuncionDia
 
plande accion dl aula de innovación pedagogica 2024.pdf
plande accion dl aula de innovación pedagogica 2024.pdfplande accion dl aula de innovación pedagogica 2024.pdf
plande accion dl aula de innovación pedagogica 2024.pdfenelcielosiempre
 
TECNOLOGÍA FARMACEUTICA OPERACIONES UNITARIAS.pptx
TECNOLOGÍA FARMACEUTICA OPERACIONES UNITARIAS.pptxTECNOLOGÍA FARMACEUTICA OPERACIONES UNITARIAS.pptx
TECNOLOGÍA FARMACEUTICA OPERACIONES UNITARIAS.pptxKarlaMassielMartinez
 
plan de capacitacion docente AIP 2024 clllll.pdf
plan de capacitacion docente  AIP 2024          clllll.pdfplan de capacitacion docente  AIP 2024          clllll.pdf
plan de capacitacion docente AIP 2024 clllll.pdfenelcielosiempre
 
Heinsohn Privacidad y Ciberseguridad para el sector educativo
Heinsohn Privacidad y Ciberseguridad para el sector educativoHeinsohn Privacidad y Ciberseguridad para el sector educativo
Heinsohn Privacidad y Ciberseguridad para el sector educativoFundación YOD YOD
 
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdfSELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdfAngélica Soledad Vega Ramírez
 
2024 - Expo Visibles - Visibilidad Lesbica.pdf
2024 - Expo Visibles - Visibilidad Lesbica.pdf2024 - Expo Visibles - Visibilidad Lesbica.pdf
2024 - Expo Visibles - Visibilidad Lesbica.pdfBaker Publishing Company
 

Último (20)

Neurociencias para Educadores NE24 Ccesa007.pdf
Neurociencias para Educadores  NE24  Ccesa007.pdfNeurociencias para Educadores  NE24  Ccesa007.pdf
Neurociencias para Educadores NE24 Ccesa007.pdf
 
Qué es la Inteligencia artificial generativa
Qué es la Inteligencia artificial generativaQué es la Inteligencia artificial generativa
Qué es la Inteligencia artificial generativa
 
Sesión de aprendizaje Planifica Textos argumentativo.docx
Sesión de aprendizaje Planifica Textos argumentativo.docxSesión de aprendizaje Planifica Textos argumentativo.docx
Sesión de aprendizaje Planifica Textos argumentativo.docx
 
Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...
 
Tema 8.- PROTECCION DE LOS SISTEMAS DE INFORMACIÓN.pdf
Tema 8.- PROTECCION DE LOS SISTEMAS DE INFORMACIÓN.pdfTema 8.- PROTECCION DE LOS SISTEMAS DE INFORMACIÓN.pdf
Tema 8.- PROTECCION DE LOS SISTEMAS DE INFORMACIÓN.pdf
 
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdf
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdfCurso = Metodos Tecnicas y Modelos de Enseñanza.pdf
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdf
 
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
 
Power Point: Fe contra todo pronóstico.pptx
Power Point: Fe contra todo pronóstico.pptxPower Point: Fe contra todo pronóstico.pptx
Power Point: Fe contra todo pronóstico.pptx
 
La empresa sostenible: Principales Características, Barreras para su Avance y...
La empresa sostenible: Principales Características, Barreras para su Avance y...La empresa sostenible: Principales Características, Barreras para su Avance y...
La empresa sostenible: Principales Características, Barreras para su Avance y...
 
INSTRUCCION PREPARATORIA DE TIRO .pptx
INSTRUCCION PREPARATORIA DE TIRO   .pptxINSTRUCCION PREPARATORIA DE TIRO   .pptx
INSTRUCCION PREPARATORIA DE TIRO .pptx
 
ACERTIJO DE LA BANDERA OLÍMPICA CON ECUACIONES DE LA CIRCUNFERENCIA. Por JAVI...
ACERTIJO DE LA BANDERA OLÍMPICA CON ECUACIONES DE LA CIRCUNFERENCIA. Por JAVI...ACERTIJO DE LA BANDERA OLÍMPICA CON ECUACIONES DE LA CIRCUNFERENCIA. Por JAVI...
ACERTIJO DE LA BANDERA OLÍMPICA CON ECUACIONES DE LA CIRCUNFERENCIA. Por JAVI...
 
Registro Auxiliar - Primaria 2024 (1).pptx
Registro Auxiliar - Primaria  2024 (1).pptxRegistro Auxiliar - Primaria  2024 (1).pptx
Registro Auxiliar - Primaria 2024 (1).pptx
 
plande accion dl aula de innovación pedagogica 2024.pdf
plande accion dl aula de innovación pedagogica 2024.pdfplande accion dl aula de innovación pedagogica 2024.pdf
plande accion dl aula de innovación pedagogica 2024.pdf
 
TECNOLOGÍA FARMACEUTICA OPERACIONES UNITARIAS.pptx
TECNOLOGÍA FARMACEUTICA OPERACIONES UNITARIAS.pptxTECNOLOGÍA FARMACEUTICA OPERACIONES UNITARIAS.pptx
TECNOLOGÍA FARMACEUTICA OPERACIONES UNITARIAS.pptx
 
plan de capacitacion docente AIP 2024 clllll.pdf
plan de capacitacion docente  AIP 2024          clllll.pdfplan de capacitacion docente  AIP 2024          clllll.pdf
plan de capacitacion docente AIP 2024 clllll.pdf
 
Heinsohn Privacidad y Ciberseguridad para el sector educativo
Heinsohn Privacidad y Ciberseguridad para el sector educativoHeinsohn Privacidad y Ciberseguridad para el sector educativo
Heinsohn Privacidad y Ciberseguridad para el sector educativo
 
Medición del Movimiento Online 2024.pptx
Medición del Movimiento Online 2024.pptxMedición del Movimiento Online 2024.pptx
Medición del Movimiento Online 2024.pptx
 
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdfSELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
 
2024 - Expo Visibles - Visibilidad Lesbica.pdf
2024 - Expo Visibles - Visibilidad Lesbica.pdf2024 - Expo Visibles - Visibilidad Lesbica.pdf
2024 - Expo Visibles - Visibilidad Lesbica.pdf
 
Unidad 3 | Metodología de la Investigación
Unidad 3 | Metodología de la InvestigaciónUnidad 3 | Metodología de la Investigación
Unidad 3 | Metodología de la Investigación
 

Población y muestra

  • 1.
  • 2. Concepto de Población: Es un conjunto finito o infinito de elementos con características comunes para los cuales serán extensivas las conclusiones de la investigación. Esta queda delimitada por el problema y por los objetivos del estudio. POBLACION Y MUESTRA DONDE? CUANDO? TOTAL DEL UNIVERSO
  • 4. DISEÑO METODOLÓGICO TRATAMIENTO ESTADÍSTICO DE LOS DATOS POBLACIÓN Y MUESTRA MÉTODOS, TECNICAS Y PROCEDIMIENTOS
  • 5. Es un subconjunto de la población estadística, es decir, es una parte de ella y por lo tanto tiene que poseer las mismas características de la población objeto de estudio.
  • 6. ¿Cuan grande debe ser la muestra? ¿Qué tipo de datos deben ser recogidos? ¿Cómo serán recogidos? Quienes serán los que recojan los datos n= 𝑍2 ∗ 𝑃 ∗𝑞 𝐸2 n= 𝑍2 ∗ 𝑃 ∗𝑞 ∗𝑁 𝑁 ∗𝐸2+𝑍2 ∗𝑷∗𝒒 Población finita Población infinita
  • 7. CLASIFICACION DEL TIPO DE MUESTREO PROBALISTICO O ALEATORIOS NO PROBALISTICOS (Deterministico) Casual o accidental Intencional Por cuotas Azar simple Azar sistemático Estratificado Conglomerados
  • 8. 1º Muestreo Probabilístico Garantiza que cada una de las unidades de la población tenga la misma posibilidad estadística de pertenecer a la muestra. Tipos de Muestreo Probabilístico El aleatorio simple - El estratificado - Por racimos El sistémico. 2º Muestreo NO Probabilístico
  • 9. (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, etc.) se eligen los sujetos la muestra requerida. MUESTREOALEATORIOSIMPLE El procedimiento es: Se debe tener un listado de toda la población del 1 hasta la N. La selección es alzar. Tiene poca o nula utilidad práctica cuando la población que estamos manejando es muy grande. Consiste en: EL MUESTREOESTRATIFICADO Dividir la población total en grupos o estratos en función de un carácter con el fin de obtener representatividad de la población y hacer comparaciones entre ellos. En cada uno se selecciona una muestra, cuya suma representa la muestra total. Se debe observar que existan las mayores diferencias posibles entre los estratos y dentro de los mismos la menor diferencia. Criterios para la estratificación
  • 10. De los sujetos depende del investigador, expertos o los propios interesados. La selección Se escogen a los que se ofrecen como voluntarios o las personas que según los expertos mejor representan las características que se estudian. No todas las personas tienen la misma posibilidad de formar parte de la muestra. Se corre el riego de que la muestra no sea representativa de la población. Su utilización se justifica por la comodidad y la economía. Los resultados no pueden generalizarse a toda la población.
  • 11. Se incluyen: A todos los elementos o casos disponibles, seleccionándolos arbitrariamente hasta llegar a la cantidad deseada. Consiste en: Seleccionar explícitamente cierto tipo de elementos o casos que el investigador considere más representativos o con posibilidad de ofrecer mayor cantidad de información .
  • 12. CLASIFICACION DEL TIPO DE MUESTREO PROBALISTICO O ALEATORIOS NO PROBALISTICOS (Deterministico) Casual o accidental Intencional Por cuotas Azar simple Azar sistemático Estratificado Conglomerados
  • 13. n= 𝑍2 ∗ 𝑃 ∗𝑞 𝐸2 n= 𝑍2 ∗ 𝑃 ∗𝑞 ∗𝑁 𝑁 ∗𝐸2+𝑍2 ∗𝑷∗𝒒 Población finita Población infinita
  • 14. ÍTEM REPRESENTATIVIDAD n Tamaño de la muestra N Tamaño de la Población o Universo Z Nivel de Confianza p Variabilidad positiva 0,5 q Variabilidad negativa 0,5 E Error de la muestra n= 𝑍2 ∗ 𝑃 ∗𝑞 ∗𝑁 𝑁 ∗𝐸2+𝑍2 ∗𝑷∗𝒒