SlideShare una empresa de Scribd logo
1 de 30
Objetivo Especifico


Identificar y especificar las características
de las técnicas de muestreo de acuerdo
a los objetivos generales del estudio.
Objetivos Generales
Estar en capacidad de realizar diseños
muestrales descriptivos adecuados y con
capacidad para reflexionar sobre los
parámetros requeridos en el diseño.
 Conocer los criterios técnicos que hay que
tener en cuenta antes de seleccionar un
tamaño de muestra.
 Determinar la prueba o técnica apropiada
para los casos respectivos.




Calcular el tamaño adecuado de la muestra en
distintas situaciones de investigación.
Censo


Consiste en contar o enumerar por
completo los individuos que componen una
población o comunidad en un área
determinada y en un momento dado.

Muestra:
Colección de unidades de muestreo selec
cionadas de uno o varios marcos. Es un sub
conjunto de la población obtenido mediante
algún procedimiento de selección
(Método de Muestreo)
Terminología











Población o Universo
Elemento o unidad elemental
Muestra
Unidad muestral o unidad de muestreo
Marco muestral
Población objetivo
Población marco
Dominios de estudio:
Unidades de observación:
Encuesta (investigación por muestreo)
FUNDAMENTOS DE
MUESTREO
















1. Población. Conjunto de todos los elementos que comparten un grupo de
características,
y forman el universo para el propósito del problema de investigación de mercados.
2. Muestra. Subgrupo de los elementos de la población que se selecciona para
participar en
el estudio.
3. Elemento de estudio. Objeto que posee la información que busca el investigador y
acerca del cual deben hacerse las inferencias.
4. Unidad de muestreo. Unidad básica que contiene los elementos de la población que
se
incluirá en la muestra.
5. Marco de la muestra. Representación de los elementos de la población que consiste
en
una lista o grupo de indicaciones para identificar la población de meta
6. Muestreo con reemplazo. Técnica de muestreo en la cual un elemento puede
incluirse
en la muestra más de una vez.
7. Muestreo sin reemplazo. Técnica de muestreo en la cual un elemento no puede
incluirse
en la muestra más de una vez.
Etapas den la selección de la
muestra
Fase 1: Definir y delimtar la poblacion
 Fase 2: Identificar el marco muestra
 Fase 3: Calcular el tamaño de la
muestra
 Fase 4: Seleccionar la muestra

Es aquel utilizado en forma empírica, es decir, no se efectúa
bajo normas probabilísticas de selección, por lo que sus
procesos intervienen opiniones y criterios personales del
investigador o no existe norma bien definida o validada.
Se caracteriza por no conocerse la probabilidad de que una
unidad quede incluida en una muestra, no se puede medir

el error de estimación y por lo tanto, no se pueden realizar
estimaciones.
o

MUESTREO DE CONVENIENCIA.

o

MUESTREO POR JUICIO U
OPINION.

o

MUESTREO POR CUOTAS.

o

MUESTREO DE BOLA DE NIEVE.

o

MUESTREO CON FINES
ESPECIALES.
Pretende seleccionar unidades de
análisis que cumplen los requisitos de

la población objeto de estudio, pero
que sin embargo, no son seleccionadas
al azar. Se utiliza preferentemente en
estudios exploratorios. Las pruebas
pilotos, también usan con frecuencia
éste tipo de muestreo.
Forma de Juicio por conveniencia teniendo
como base el juicio del investigador que elige
porque los considera lo mas representativos de
la muestra.
El investigador selecciona de todas las categorías de una
de las variables que representan a la población.
Técnica de muestreo que es un muestreo por juicio
restringido de dos etapas:
La primera etapa consiste en el desarrollo de categorías de
control o cuotas de los elementos de la población.
En la segunda etapa, los elementos de la muestra se
seleccionan con base en la conveniencia o juicio.
A fin de desarrollar las cuotas, el investigador listas las
características relevantes: sexo, edad, raza, y determina la
distribución de éstas en la población neta.
Técnica de muestreo que selecciona al azar un grupo
inicial de entrevistados, posteriormente se pide a
los participantes que identifiquen a otros que
pertenecen a la población neta de interés. Los
entrevistados subsecuentes se eligen con base en
las referencias o información que proporcionan los
entrevistados iníciales, este proceso se lleva a cabo
de forma progresiva.(Usuarios de beneficios
sociales, Grupos de censos especiales)
MUESTREO
PROBABILÍSTICO
Los métodos de muestreo 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
iguientes tipos:
o Muestreo aleatorio simple

o Muestreo aleatorio sistemático
o Muestreo aleatorio estratificado

o Muestreo por conglomerados
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,
etc.) 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.
MUESTREO SISTEMÁTICO
Técnica en la que la muestra, se elige
mediante la selección de un punto de inicio
aleatorio y después la elección de cada iésimo elemento en sucesión a partir del
marco de muestra. Los elementos deben
estar ordenados mediante una característica
de interés que se investigue.
Se usa con frecuencia en las entrevistas a
consumidores por teléfono, por correo y de
intercepción de centros comerciales.
El investigador debe compilar primero un
marco de muestra.
 Se elige un punto de inicio aleatorio.
 El intervalo de muestra, i, se determina
dividiendo el tamaño de la población N, entre
el tamaño de la muestra n, y redondeado al
entero más próximo.
 Se prosigue con el proceso, hasta tener
todos los elementos de la muestra.

MUESTREO
ESTRATIFICADO
Técnica que utiliza un proceso de dos pasos
para dividir la población en sub-poblaciones o
estratos. Mediante un procedimiento aleatorio.
Los criterios para selección de estas variables
consisten en heterogeneidad, homogeneidad,
capacidad de relación y costo. Las variables
que se utilizan incluyen características:
demográficas, tipo del cliente, tamaño de la
empresa o tipo de industria.
El investigador debe compilar primero un
marco de muestra.
 Se divide el marco de muestra en estratos,
recíprocamente selectos y colectivamente
exhaustivos.
 Los elementos se seleccionan de cada
estrato por medio de un procedimiento
aleatorio, que puede ser el método simple, el
sistemático u otros tipos de muestreo.
 Se prosigue con el proceso, hasta tener
todos los elementos de la muestra.

MUESTREO POR
CONGLOMERADOS
En el muestreo por conglomerados las unidades
muestrales no son elementos individuales de la
población, sino grupos de elementos.
 En
el muestreo por conglomerados se
selecciona aleatoriamente una colección de
conglomerados. Se muestrean entonces todos
los elementos individuales de todos los
conglomerados elegidos.
 A veces, es necesario elegir conglomerados
dentro de los conglomerados. Se dice entonces
que se trata de un muestreo en etapas
múltiples.

DETERMINACIÓN DEL
DISEÑO MUESTRAL
APROPIADO

La fase del diseño de la muestra está
relacionada con :
 La estructuración de los instrumentos
para recoger datos.
 Con las técnicas estadísticas
susceptibles de emplearse para el
análisis.
 Con los resultados.
El diseñar la muestra implica:
 Calcular el numero de casos.
 Definir quienes serán los encuestados.
 Prever los problemas para su levantamiento.
 Lugar de entrevista.
 Estrategia para sustituir encuestados.
 Rutas que deben seguirse para su aplicación.



Presentar 2 o mas opciones de muestra.
Los puntos a discutirse son:
 Los objetivos del Análisis.
 La disponibilidad de recursos financieros,
humanos y materiales.
 El nivel de confianza y precisión para estimar
parámetros de la población.
 La forma de la población (homogénea o
heterogénea).
 El tipo de preguntas (abiertas, cerradas).
 El número de preguntas que está en relación
con la cantidad de variables sujetas a
investigación.
 El plan de análisis estadístico
DETERMINACIÓN DEL TAMAÑO
DE LA MUESTRA
Para determinar el tamaño de la muestra con
intervalo de confianza del 95% y márgenes de error
de + o- 1% hasta +o-10%, se puede utilizar la
siguiente fórmula.
 La siguiente fórmula es utilizada en el caso de que
el universo o población en estudio sea inferior a
100,000.
4p q N
n=
E2 (N-1)+4 pq
Donde :
n=tamaño de la muestra a ser determinado
N=tamaño del universo
p=50%
q=50%
E=2%

Para determinar el tamaño de la muestra con intervalo
de confianza de 95,5% y márgenes de error de +-1%,+2%,+-3%,+-4%,+-5% se pueden utilizar las siguientes
fórmulas:
Para una población infinita es decir, superior a las
100,000 unidades de observación:
Z p. q2
n=
=
E2

Donde :
n= tamaño de la muestra
Z=desviación estándar (para un intervalo de confianza
de 95,55 es 1,96)
p=proporción de la población que posee la
característica (cuando se desconoce esa proporción
se asume p=50 )
q=1-p
E= margen de error que se está dispuesto a aceptar
 También

hay que tomar en cuenta el error
muestral:
 Cuando una muestra es aleatoria o
probabilística es posible calcular para ella
el error muestral. Este error indica el %
de incertidumbre, o riesgo que se corre de
que la muestra escogida no sea
representativa. Es decir si trabajamos
con un error calculado en un 5 % significa
que existe un 95% de probabilidades de
que el conjunto muestral representa
adecuadamente el universo del cual ha
sido extraído.


Para fijar el tamaño de la muestra adecuada a
cada investigación es preciso primero
determinar el % de error que estamos
dispuestos a asumir. Una vez hecho esto
deberán
realizarse
las
operaciones
estadísticas correspondientes para poder
calcular el tamaño de la muestra que nos
permite situarnos dentro del margen de error
aceptado. Es decir que no se fija primero el
número de unidades de la muestra para luego
proceder a determinar el riesgo que se corre
sino a la inversa, se pone un límite a este riesgo
y es en función de eso se define el tamaño de
la muestra que nos garantiza no sobrepásarlo.
Conclusiones:

Bibliografia
[1] http://webdelprofesor.ula.ve/economia/angelz/archivos/muestreo_tema1.pdf
[2] http://www.geocities.ws/estadistica/archivos/muestreo.pdf
[3]
http://exa.unne.edu.ar/biologia/limnologiaweb/documentos/limnologia_TP2.pdf
[4] http://aprendeenlinea.udea.edu.co/lms/moodle/course/view.php?id=322
[5] http://es.scribd.com/doc/7861294/Unidad-1-Censo-y-Muestreo
[6] http://es.scribd.com/doc/2936331/SELECCION-DE-UNA-MUESTRA

[7] Metodología de la Investigación. Hernández Sampieri, Fernández Collado y
Baptista Lucio. 5ª. Edición,2000.
[8] Cochran, William G. “Sampling Techniques.” Third Edition. Wiley, 1997.
[9] ] http://www.slideshare.net/edisoncoimbra/7seleccion-de-la-muestra-

investigacion-en-10-pasos
[10] http://www.estadistica.mat.uson.mx/Material/elmuestreo.pdf

Más contenido relacionado

La actualidad más candente

Muestreo no probabilistico
Muestreo no probabilisticoMuestreo no probabilistico
Muestreo no probabilisticoanthonymaule
 
(Inv. Mercados) Tema 10 - Procedimiento de Muestreo (Tamaño de la muestra)
(Inv. Mercados) Tema 10 - Procedimiento de Muestreo (Tamaño de la muestra)(Inv. Mercados) Tema 10 - Procedimiento de Muestreo (Tamaño de la muestra)
(Inv. Mercados) Tema 10 - Procedimiento de Muestreo (Tamaño de la muestra)mdelriomejia
 
Muestreo por conglomerados
Muestreo por conglomeradosMuestreo por conglomerados
Muestreo por conglomeradosMichael Cabrera
 
Presentación capítulo 8 sampieri
Presentación capítulo 8 sampieriPresentación capítulo 8 sampieri
Presentación capítulo 8 sampieriSochil Martinez
 
Taller 3 Tecnica De RecoleccióN De Datos
Taller 3 Tecnica De RecoleccióN De Datos Taller 3 Tecnica De RecoleccióN De Datos
Taller 3 Tecnica De RecoleccióN De Datos Maria Angélica
 
Muestreo Probabilistico
Muestreo Probabilistico Muestreo Probabilistico
Muestreo Probabilistico anthonymaule
 
Fundamentos De Muestreo
Fundamentos De MuestreoFundamentos De Muestreo
Fundamentos De MuestreoAna kristell
 
1.2 Recurso Muestreo Unidad 1, Tron y Mendoza
1.2 Recurso Muestreo Unidad 1, Tron y Mendoza1.2 Recurso Muestreo Unidad 1, Tron y Mendoza
1.2 Recurso Muestreo Unidad 1, Tron y MendozaEstadisticosProcesos
 
Tamaño de la muestra
Tamaño de la muestraTamaño de la muestra
Tamaño de la muestraALANIS
 
Prueba de hipótesis.pptx
Prueba de hipótesis.pptxPrueba de hipótesis.pptx
Prueba de hipótesis.pptxSaskia Ayala
 
TÉCNICAS DE MUESTREO
TÉCNICAS DE MUESTREOTÉCNICAS DE MUESTREO
TÉCNICAS DE MUESTREOHOTELES2
 
Tipo de-muestreo
Tipo de-muestreoTipo de-muestreo
Tipo de-muestreosasaponker
 

La actualidad más candente (20)

Muestreo no probabilistico
Muestreo no probabilisticoMuestreo no probabilistico
Muestreo no probabilistico
 
(Inv. Mercados) Tema 10 - Procedimiento de Muestreo (Tamaño de la muestra)
(Inv. Mercados) Tema 10 - Procedimiento de Muestreo (Tamaño de la muestra)(Inv. Mercados) Tema 10 - Procedimiento de Muestreo (Tamaño de la muestra)
(Inv. Mercados) Tema 10 - Procedimiento de Muestreo (Tamaño de la muestra)
 
Muestreo por conglomerados
Muestreo por conglomeradosMuestreo por conglomerados
Muestreo por conglomerados
 
Estadística inferencial
Estadística inferencialEstadística inferencial
Estadística inferencial
 
Presentación capítulo 8 sampieri
Presentación capítulo 8 sampieriPresentación capítulo 8 sampieri
Presentación capítulo 8 sampieri
 
Metodo parametrico y no parametrico
Metodo parametrico y no parametricoMetodo parametrico y no parametrico
Metodo parametrico y no parametrico
 
Muestreo
MuestreoMuestreo
Muestreo
 
Taller 3 Tecnica De RecoleccióN De Datos
Taller 3 Tecnica De RecoleccióN De Datos Taller 3 Tecnica De RecoleccióN De Datos
Taller 3 Tecnica De RecoleccióN De Datos
 
Muestreo Probabilistico
Muestreo Probabilistico Muestreo Probabilistico
Muestreo Probabilistico
 
Fundamentos De Muestreo
Fundamentos De MuestreoFundamentos De Muestreo
Fundamentos De Muestreo
 
El muestreo
El muestreoEl muestreo
El muestreo
 
EstadíStica Inferencial
EstadíStica InferencialEstadíStica Inferencial
EstadíStica Inferencial
 
1.2 Recurso Muestreo Unidad 1, Tron y Mendoza
1.2 Recurso Muestreo Unidad 1, Tron y Mendoza1.2 Recurso Muestreo Unidad 1, Tron y Mendoza
1.2 Recurso Muestreo Unidad 1, Tron y Mendoza
 
Introducción al muestreo
Introducción al muestreoIntroducción al muestreo
Introducción al muestreo
 
Tamaño de la muestra
Tamaño de la muestraTamaño de la muestra
Tamaño de la muestra
 
Prueba de hipótesis.pptx
Prueba de hipótesis.pptxPrueba de hipótesis.pptx
Prueba de hipótesis.pptx
 
TÉCNICAS DE MUESTREO
TÉCNICAS DE MUESTREOTÉCNICAS DE MUESTREO
TÉCNICAS DE MUESTREO
 
Seleccion Muestra
Seleccion MuestraSeleccion Muestra
Seleccion Muestra
 
Tipo de-muestreo
Tipo de-muestreoTipo de-muestreo
Tipo de-muestreo
 
Analisis parametricos-y-no-parametricos
Analisis parametricos-y-no-parametricosAnalisis parametricos-y-no-parametricos
Analisis parametricos-y-no-parametricos
 

Similar a Diseño y procedimientos de muestreo (20)

Capitulo 8
Capitulo 8Capitulo 8
Capitulo 8
 
10° Población y Muestra.pptx
10° Población y Muestra.pptx10° Población y Muestra.pptx
10° Población y Muestra.pptx
 
El muestreo, la encuesta slideshare
El muestreo, la encuesta slideshareEl muestreo, la encuesta slideshare
El muestreo, la encuesta slideshare
 
El muestreo, la encuesta slideshare
El muestreo, la encuesta slideshareEl muestreo, la encuesta slideshare
El muestreo, la encuesta slideshare
 
<muestreo
<muestreo<muestreo
<muestreo
 
Invest causal y muestra
Invest causal y muestraInvest causal y muestra
Invest causal y muestra
 
Poblacion y muestra
Poblacion y muestraPoblacion y muestra
Poblacion y muestra
 
MUESTREO
MUESTREOMUESTREO
MUESTREO
 
MUESTREO
MUESTREOMUESTREO
MUESTREO
 
Muestreo
MuestreoMuestreo
Muestreo
 
Unidad v. técnicas de muestreo ESTADISTICA I
Unidad v. técnicas de muestreo ESTADISTICA IUnidad v. técnicas de muestreo ESTADISTICA I
Unidad v. técnicas de muestreo ESTADISTICA I
 
yary.pptx
yary.pptxyary.pptx
yary.pptx
 
El muestreo la encuesta
El muestreo  la encuestaEl muestreo  la encuesta
El muestreo la encuesta
 
Geronimo
GeronimoGeronimo
Geronimo
 
Muestra o analisis muestral
Muestra o analisis muestralMuestra o analisis muestral
Muestra o analisis muestral
 
Sesion 05b - Diseño y Procedimiento de Muestreo,ppt
Sesion 05b - Diseño y  Procedimiento de Muestreo,pptSesion 05b - Diseño y  Procedimiento de Muestreo,ppt
Sesion 05b - Diseño y Procedimiento de Muestreo,ppt
 
Sesion 05b - Diseño y Procedimiento de Muestreo,ppt
Sesion 05b - Diseño y  Procedimiento de Muestreo,pptSesion 05b - Diseño y  Procedimiento de Muestreo,ppt
Sesion 05b - Diseño y Procedimiento de Muestreo,ppt
 
El muestreo, la encuesta
El muestreo, la encuestaEl muestreo, la encuesta
El muestreo, la encuesta
 
Introducción al Muestreo.ppt
Introducción al Muestreo.pptIntroducción al Muestreo.ppt
Introducción al Muestreo.ppt
 
El muestreo, la encuesta laura
El muestreo, la encuesta lauraEl muestreo, la encuesta laura
El muestreo, la encuesta laura
 

Último

NARRACIONES SOBRE LA VIDA DEL GENERAL ELOY ALFARO
NARRACIONES SOBRE LA VIDA DEL GENERAL ELOY ALFARONARRACIONES SOBRE LA VIDA DEL GENERAL ELOY ALFARO
NARRACIONES SOBRE LA VIDA DEL GENERAL ELOY ALFAROJosé Luis Palma
 
Plan Año Escolar Año Escolar 2023-2024. MPPE
Plan Año Escolar Año Escolar 2023-2024. MPPEPlan Año Escolar Año Escolar 2023-2024. MPPE
Plan Año Escolar Año Escolar 2023-2024. MPPELaura Chacón
 
codigos HTML para blogs y paginas web Karina
codigos HTML para blogs y paginas web Karinacodigos HTML para blogs y paginas web Karina
codigos HTML para blogs y paginas web Karinavergarakarina022
 
Metabolismo 3: Anabolismo y Fotosíntesis 2024
Metabolismo 3: Anabolismo y Fotosíntesis 2024Metabolismo 3: Anabolismo y Fotosíntesis 2024
Metabolismo 3: Anabolismo y Fotosíntesis 2024IES Vicent Andres Estelles
 
Identificación de componentes Hardware del PC
Identificación de componentes Hardware del PCIdentificación de componentes Hardware del PC
Identificación de componentes Hardware del PCCesarFernandez937857
 
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
 
Clasificaciones, modalidades y tendencias de investigación educativa.
Clasificaciones, modalidades y tendencias de investigación educativa.Clasificaciones, modalidades y tendencias de investigación educativa.
Clasificaciones, modalidades y tendencias de investigación educativa.José Luis Palma
 
BROCHURE EXCEL 2024 FII.pdfwrfertetwetewtewtwtwtwtwtwtwtewtewtewtwtwtwtwe
BROCHURE EXCEL 2024 FII.pdfwrfertetwetewtewtwtwtwtwtwtwtewtewtewtwtwtwtweBROCHURE EXCEL 2024 FII.pdfwrfertetwetewtewtwtwtwtwtwtwtewtewtewtwtwtwtwe
BROCHURE EXCEL 2024 FII.pdfwrfertetwetewtewtwtwtwtwtwtwtewtewtewtwtwtwtwealekzHuri
 
Estrategia de Enseñanza y Aprendizaje.pdf
Estrategia de Enseñanza y Aprendizaje.pdfEstrategia de Enseñanza y Aprendizaje.pdf
Estrategia de Enseñanza y Aprendizaje.pdfromanmillans
 
programa dia de las madres 10 de mayo para evento
programa dia de las madres 10 de mayo  para eventoprograma dia de las madres 10 de mayo  para evento
programa dia de las madres 10 de mayo para eventoDiegoMtsS
 
Flores Nacionales de América Latina - Botánica
Flores Nacionales de América Latina - BotánicaFlores Nacionales de América Latina - Botánica
Flores Nacionales de América Latina - BotánicaJuan Carlos Fonseca Mata
 
Factores ecosistemas: interacciones, energia y dinamica
Factores ecosistemas: interacciones, energia y dinamicaFactores ecosistemas: interacciones, energia y dinamica
Factores ecosistemas: interacciones, energia y dinamicaFlor Idalia Espinoza Ortega
 
La Función tecnológica del tutor.pptx
La  Función  tecnológica  del tutor.pptxLa  Función  tecnológica  del tutor.pptx
La Función tecnológica del tutor.pptxJunkotantik
 
FICHA DE MONITOREO Y ACOMPAÑAMIENTO 2024 MINEDU
FICHA DE MONITOREO Y ACOMPAÑAMIENTO  2024 MINEDUFICHA DE MONITOREO Y ACOMPAÑAMIENTO  2024 MINEDU
FICHA DE MONITOREO Y ACOMPAÑAMIENTO 2024 MINEDUgustavorojas179704
 

Último (20)

Unidad 3 | Teorías de la Comunicación | MCDI
Unidad 3 | Teorías de la Comunicación | MCDIUnidad 3 | Teorías de la Comunicación | MCDI
Unidad 3 | Teorías de la Comunicación | MCDI
 
NARRACIONES SOBRE LA VIDA DEL GENERAL ELOY ALFARO
NARRACIONES SOBRE LA VIDA DEL GENERAL ELOY ALFARONARRACIONES SOBRE LA VIDA DEL GENERAL ELOY ALFARO
NARRACIONES SOBRE LA VIDA DEL GENERAL ELOY ALFARO
 
Plan Año Escolar Año Escolar 2023-2024. MPPE
Plan Año Escolar Año Escolar 2023-2024. MPPEPlan Año Escolar Año Escolar 2023-2024. MPPE
Plan Año Escolar Año Escolar 2023-2024. MPPE
 
codigos HTML para blogs y paginas web Karina
codigos HTML para blogs y paginas web Karinacodigos HTML para blogs y paginas web Karina
codigos HTML para blogs y paginas web Karina
 
Unidad 4 | Teorías de las Comunicación | MCDI
Unidad 4 | Teorías de las Comunicación | MCDIUnidad 4 | Teorías de las Comunicación | MCDI
Unidad 4 | Teorías de las Comunicación | MCDI
 
Metabolismo 3: Anabolismo y Fotosíntesis 2024
Metabolismo 3: Anabolismo y Fotosíntesis 2024Metabolismo 3: Anabolismo y Fotosíntesis 2024
Metabolismo 3: Anabolismo y Fotosíntesis 2024
 
Tema 7.- E-COMMERCE SISTEMAS DE INFORMACION.pdf
Tema 7.- E-COMMERCE SISTEMAS DE INFORMACION.pdfTema 7.- E-COMMERCE SISTEMAS DE INFORMACION.pdf
Tema 7.- E-COMMERCE SISTEMAS DE INFORMACION.pdf
 
Identificación de componentes Hardware del PC
Identificación de componentes Hardware del PCIdentificación de componentes Hardware del PC
Identificación de componentes Hardware del PC
 
Defendamos la verdad. La defensa es importante.
Defendamos la verdad. La defensa es importante.Defendamos la verdad. La defensa es importante.
Defendamos la verdad. La defensa es importante.
 
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
 
Power Point: "Defendamos la verdad".pptx
Power Point: "Defendamos la verdad".pptxPower Point: "Defendamos la verdad".pptx
Power Point: "Defendamos la verdad".pptx
 
Clasificaciones, modalidades y tendencias de investigación educativa.
Clasificaciones, modalidades y tendencias de investigación educativa.Clasificaciones, modalidades y tendencias de investigación educativa.
Clasificaciones, modalidades y tendencias de investigación educativa.
 
Earth Day Everyday 2024 54th anniversary
Earth Day Everyday 2024 54th anniversaryEarth Day Everyday 2024 54th anniversary
Earth Day Everyday 2024 54th anniversary
 
BROCHURE EXCEL 2024 FII.pdfwrfertetwetewtewtwtwtwtwtwtwtewtewtewtwtwtwtwe
BROCHURE EXCEL 2024 FII.pdfwrfertetwetewtewtwtwtwtwtwtwtewtewtewtwtwtwtweBROCHURE EXCEL 2024 FII.pdfwrfertetwetewtewtwtwtwtwtwtwtewtewtewtwtwtwtwe
BROCHURE EXCEL 2024 FII.pdfwrfertetwetewtewtwtwtwtwtwtwtewtewtewtwtwtwtwe
 
Estrategia de Enseñanza y Aprendizaje.pdf
Estrategia de Enseñanza y Aprendizaje.pdfEstrategia de Enseñanza y Aprendizaje.pdf
Estrategia de Enseñanza y Aprendizaje.pdf
 
programa dia de las madres 10 de mayo para evento
programa dia de las madres 10 de mayo  para eventoprograma dia de las madres 10 de mayo  para evento
programa dia de las madres 10 de mayo para evento
 
Flores Nacionales de América Latina - Botánica
Flores Nacionales de América Latina - BotánicaFlores Nacionales de América Latina - Botánica
Flores Nacionales de América Latina - Botánica
 
Factores ecosistemas: interacciones, energia y dinamica
Factores ecosistemas: interacciones, energia y dinamicaFactores ecosistemas: interacciones, energia y dinamica
Factores ecosistemas: interacciones, energia y dinamica
 
La Función tecnológica del tutor.pptx
La  Función  tecnológica  del tutor.pptxLa  Función  tecnológica  del tutor.pptx
La Función tecnológica del tutor.pptx
 
FICHA DE MONITOREO Y ACOMPAÑAMIENTO 2024 MINEDU
FICHA DE MONITOREO Y ACOMPAÑAMIENTO  2024 MINEDUFICHA DE MONITOREO Y ACOMPAÑAMIENTO  2024 MINEDU
FICHA DE MONITOREO Y ACOMPAÑAMIENTO 2024 MINEDU
 

Diseño y procedimientos de muestreo

  • 1.
  • 2. Objetivo Especifico  Identificar y especificar las características de las técnicas de muestreo de acuerdo a los objetivos generales del estudio.
  • 3. Objetivos Generales Estar en capacidad de realizar diseños muestrales descriptivos adecuados y con capacidad para reflexionar sobre los parámetros requeridos en el diseño.  Conocer los criterios técnicos que hay que tener en cuenta antes de seleccionar un tamaño de muestra.  Determinar la prueba o técnica apropiada para los casos respectivos.   Calcular el tamaño adecuado de la muestra en distintas situaciones de investigación.
  • 4. Censo  Consiste en contar o enumerar por completo los individuos que componen una población o comunidad en un área determinada y en un momento dado. Muestra: Colección de unidades de muestreo selec cionadas de uno o varios marcos. Es un sub conjunto de la población obtenido mediante algún procedimiento de selección (Método de Muestreo)
  • 5. Terminología           Población o Universo Elemento o unidad elemental Muestra Unidad muestral o unidad de muestreo Marco muestral Población objetivo Población marco Dominios de estudio: Unidades de observación: Encuesta (investigación por muestreo)
  • 6. FUNDAMENTOS DE MUESTREO               1. Población. Conjunto de todos los elementos que comparten un grupo de características, y forman el universo para el propósito del problema de investigación de mercados. 2. Muestra. Subgrupo de los elementos de la población que se selecciona para participar en el estudio. 3. Elemento de estudio. Objeto que posee la información que busca el investigador y acerca del cual deben hacerse las inferencias. 4. Unidad de muestreo. Unidad básica que contiene los elementos de la población que se incluirá en la muestra. 5. Marco de la muestra. Representación de los elementos de la población que consiste en una lista o grupo de indicaciones para identificar la población de meta 6. Muestreo con reemplazo. Técnica de muestreo en la cual un elemento puede incluirse en la muestra más de una vez. 7. Muestreo sin reemplazo. Técnica de muestreo en la cual un elemento no puede incluirse en la muestra más de una vez.
  • 7. Etapas den la selección de la muestra Fase 1: Definir y delimtar la poblacion  Fase 2: Identificar el marco muestra  Fase 3: Calcular el tamaño de la muestra  Fase 4: Seleccionar la muestra 
  • 8. Es aquel utilizado en forma empírica, es decir, no se efectúa bajo normas probabilísticas de selección, por lo que sus procesos intervienen opiniones y criterios personales del investigador o no existe norma bien definida o validada. Se caracteriza por no conocerse la probabilidad de que una unidad quede incluida en una muestra, no se puede medir el error de estimación y por lo tanto, no se pueden realizar estimaciones.
  • 9. o MUESTREO DE CONVENIENCIA. o MUESTREO POR JUICIO U OPINION. o MUESTREO POR CUOTAS. o MUESTREO DE BOLA DE NIEVE. o MUESTREO CON FINES ESPECIALES.
  • 10. Pretende seleccionar unidades de análisis que cumplen los requisitos de la población objeto de estudio, pero que sin embargo, no son seleccionadas al azar. Se utiliza preferentemente en estudios exploratorios. Las pruebas pilotos, también usan con frecuencia éste tipo de muestreo.
  • 11. Forma de Juicio por conveniencia teniendo como base el juicio del investigador que elige porque los considera lo mas representativos de la muestra.
  • 12. El investigador selecciona de todas las categorías de una de las variables que representan a la población. Técnica de muestreo que es un muestreo por juicio restringido de dos etapas: La primera etapa consiste en el desarrollo de categorías de control o cuotas de los elementos de la población. En la segunda etapa, los elementos de la muestra se seleccionan con base en la conveniencia o juicio. A fin de desarrollar las cuotas, el investigador listas las características relevantes: sexo, edad, raza, y determina la distribución de éstas en la población neta.
  • 13. Técnica de muestreo que selecciona al azar un grupo inicial de entrevistados, posteriormente se pide a los participantes que identifiquen a otros que pertenecen a la población neta de interés. Los entrevistados subsecuentes se eligen con base en las referencias o información que proporcionan los entrevistados iníciales, este proceso se lleva a cabo de forma progresiva.(Usuarios de beneficios sociales, Grupos de censos especiales)
  • 14. MUESTREO PROBABILÍSTICO Los métodos de muestreo 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 iguientes tipos:
  • 15. o Muestreo aleatorio simple o Muestreo aleatorio sistemático o Muestreo aleatorio estratificado o Muestreo por conglomerados
  • 16. 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, etc.) 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.
  • 17. MUESTREO SISTEMÁTICO Técnica en la que la muestra, se elige mediante la selección de un punto de inicio aleatorio y después la elección de cada iésimo elemento en sucesión a partir del marco de muestra. Los elementos deben estar ordenados mediante una característica de interés que se investigue. Se usa con frecuencia en las entrevistas a consumidores por teléfono, por correo y de intercepción de centros comerciales.
  • 18. El investigador debe compilar primero un marco de muestra.  Se elige un punto de inicio aleatorio.  El intervalo de muestra, i, se determina dividiendo el tamaño de la población N, entre el tamaño de la muestra n, y redondeado al entero más próximo.  Se prosigue con el proceso, hasta tener todos los elementos de la muestra. 
  • 19. MUESTREO ESTRATIFICADO Técnica que utiliza un proceso de dos pasos para dividir la población en sub-poblaciones o estratos. Mediante un procedimiento aleatorio. Los criterios para selección de estas variables consisten en heterogeneidad, homogeneidad, capacidad de relación y costo. Las variables que se utilizan incluyen características: demográficas, tipo del cliente, tamaño de la empresa o tipo de industria.
  • 20. El investigador debe compilar primero un marco de muestra.  Se divide el marco de muestra en estratos, recíprocamente selectos y colectivamente exhaustivos.  Los elementos se seleccionan de cada estrato por medio de un procedimiento aleatorio, que puede ser el método simple, el sistemático u otros tipos de muestreo.  Se prosigue con el proceso, hasta tener todos los elementos de la muestra. 
  • 21. MUESTREO POR CONGLOMERADOS En el muestreo por conglomerados las unidades muestrales no son elementos individuales de la población, sino grupos de elementos.  En el muestreo por conglomerados se selecciona aleatoriamente una colección de conglomerados. Se muestrean entonces todos los elementos individuales de todos los conglomerados elegidos.  A veces, es necesario elegir conglomerados dentro de los conglomerados. Se dice entonces que se trata de un muestreo en etapas múltiples. 
  • 22. DETERMINACIÓN DEL DISEÑO MUESTRAL APROPIADO La fase del diseño de la muestra está relacionada con :  La estructuración de los instrumentos para recoger datos.  Con las técnicas estadísticas susceptibles de emplearse para el análisis.  Con los resultados.
  • 23. El diseñar la muestra implica:  Calcular el numero de casos.  Definir quienes serán los encuestados.  Prever los problemas para su levantamiento.  Lugar de entrevista.  Estrategia para sustituir encuestados.  Rutas que deben seguirse para su aplicación.  Presentar 2 o mas opciones de muestra.
  • 24. Los puntos a discutirse son:  Los objetivos del Análisis.  La disponibilidad de recursos financieros, humanos y materiales.  El nivel de confianza y precisión para estimar parámetros de la población.  La forma de la población (homogénea o heterogénea).  El tipo de preguntas (abiertas, cerradas).  El número de preguntas que está en relación con la cantidad de variables sujetas a investigación.  El plan de análisis estadístico
  • 25. DETERMINACIÓN DEL TAMAÑO DE LA MUESTRA Para determinar el tamaño de la muestra con intervalo de confianza del 95% y márgenes de error de + o- 1% hasta +o-10%, se puede utilizar la siguiente fórmula.  La siguiente fórmula es utilizada en el caso de que el universo o población en estudio sea inferior a 100,000. 4p q N n= E2 (N-1)+4 pq Donde : n=tamaño de la muestra a ser determinado N=tamaño del universo p=50% q=50% E=2% 
  • 26. Para determinar el tamaño de la muestra con intervalo de confianza de 95,5% y márgenes de error de +-1%,+2%,+-3%,+-4%,+-5% se pueden utilizar las siguientes fórmulas: Para una población infinita es decir, superior a las 100,000 unidades de observación: Z p. q2 n= = E2 Donde : n= tamaño de la muestra Z=desviación estándar (para un intervalo de confianza de 95,55 es 1,96) p=proporción de la población que posee la característica (cuando se desconoce esa proporción se asume p=50 ) q=1-p E= margen de error que se está dispuesto a aceptar
  • 27.  También hay que tomar en cuenta el error muestral:  Cuando una muestra es aleatoria o probabilística es posible calcular para ella el error muestral. Este error indica el % de incertidumbre, o riesgo que se corre de que la muestra escogida no sea representativa. Es decir si trabajamos con un error calculado en un 5 % significa que existe un 95% de probabilidades de que el conjunto muestral representa adecuadamente el universo del cual ha sido extraído.
  • 28.  Para fijar el tamaño de la muestra adecuada a cada investigación es preciso primero determinar el % de error que estamos dispuestos a asumir. Una vez hecho esto deberán realizarse las operaciones estadísticas correspondientes para poder calcular el tamaño de la muestra que nos permite situarnos dentro del margen de error aceptado. Es decir que no se fija primero el número de unidades de la muestra para luego proceder a determinar el riesgo que se corre sino a la inversa, se pone un límite a este riesgo y es en función de eso se define el tamaño de la muestra que nos garantiza no sobrepásarlo.
  • 30. Bibliografia [1] http://webdelprofesor.ula.ve/economia/angelz/archivos/muestreo_tema1.pdf [2] http://www.geocities.ws/estadistica/archivos/muestreo.pdf [3] http://exa.unne.edu.ar/biologia/limnologiaweb/documentos/limnologia_TP2.pdf [4] http://aprendeenlinea.udea.edu.co/lms/moodle/course/view.php?id=322 [5] http://es.scribd.com/doc/7861294/Unidad-1-Censo-y-Muestreo [6] http://es.scribd.com/doc/2936331/SELECCION-DE-UNA-MUESTRA [7] Metodología de la Investigación. Hernández Sampieri, Fernández Collado y Baptista Lucio. 5ª. Edición,2000. [8] Cochran, William G. “Sampling Techniques.” Third Edition. Wiley, 1997. [9] ] http://www.slideshare.net/edisoncoimbra/7seleccion-de-la-muestra- investigacion-en-10-pasos [10] http://www.estadistica.mat.uson.mx/Material/elmuestreo.pdf