3. MUESTREO
El muestreo puede decirse que es un
procedimiento específico utilizado para
seleccionar miembros de una población que se
incluirán en un estudio Debido a que
frecuentemente la población objetivo tiene un
tamaño grande, a los investigadores no les
queda más remedio que analizar una serie de
casos particulares, una muestra, en el
entendido que esta sea representativa de la
población de donde se extrajo
4.
5. Hace que la investigación
de cualquier tipo y
dimensiones sea
manejable
Implica ahorros
significativos en los costos
Entre las ventajas del muestreo podemos
mencionar las siguientes:
Aumenta la precisión de los
resultados de la investigación
Brinda la oportunidad de
procesar la información de
una manera más eficiente
Acorta el tiempo empleado
para la recogida de los datos.
6.
7. Población o
universo
En el muestreo, la población no se refiere a las
unidades o elementos que la conforman, más bien
tiene que ver con un conjunto de datos numéricos
que provienen de la medición o conteo de alguna
característica de los miembros de la población.
Población o poblaciones de interés son términos
intercambiables.
Una población de interés puede ser el universo de
naciones o ciudades.
Esta es una de las primeras cosas que el analista
necesita definir correctamente, mientras lleva a cabo
su investigación Por lo tanto, la población, en contra
de su noción general como población total de una
nación, tiene un significado mucho más amplio en el
muestreo. Comúnmente, cuando nos encontremos
con el término “N” representa el tamaño de la
población.
A toda la agregación
de elementos de los
que se pueden extraer
muestras se le conoce
como población.
8. La muestra es, en esencia,
un subgrupo de la
población. Digamos que es
un subconjunto de
elementos que pertenecen
a ese conjunto definido en
sus características al que
llamamos población
MUESTRA
9. Sesgo
Sesgo es el término que se
refiere a qué tan lejos se
encuentra un valor promedio (el
estimador) del parámetro que
está estimando Es decir, el error
que surge al intentar estimar una
cantidad poblacional. Los errores
aleatorios se cancelarán entre sí
en ausencia de sesgo,
cuando este último está
presente no sucede tal
anulación. Se dice entonces que
hay error sistemático.
10. Representatividad
Cuando el investigador adopta el método de
muestreo, la suposición básica es que las
muestras seleccionadas de la población son
los mejores representante de ella. Así,
buenas muestras son aquellas que
representan con precisión a la población.
La técnica de muestreo probabilístico
produce muestras representativas. En
términos de medición, la muestra debe ser
válida. La validez de una muestra depende
de su precisión.
POBLACIÓN
MUESTRA
11. Tamaño de la muestra
Una buena muestra debe ser
adecuada en tamaño y
confiable. El tamaño de la
muestra debe ser tal que las
inferencias extraídas a partir
de ella sean precisas a un
nivel de confianza dado
Cuando se elabora una muestra
probabilística, uno debe
preguntarse: dado que una
población es de N tamaño,
¿cuál es el menor número de
unidades muestrales (personas,
casos, organizaciones, capítulos
de telenovelas,
etc.) que necesito para
conformar una muestra (n) que
me asegure un determinado nivel
de error estándar?
12. El proceso de muestreo en la recopilación
de datos primarios implica las siguientes
etapas:
•Definición de la población objetivo.
•Especificación del marco muestral.
•Especificando la unidad de muestreo.
•Selección del método de muestreo.
•Determinación del tamaño de la muestra.
•Establecer el plan de muestreo.
•Selección de la muestra.
13. Marco
muestral
Es un marco de
referencia que nos
permite identificar
físicamente los
elementos de la
población, así como la
posibilidad de
enumerarlos y
seleccionar las
unidades muestrales.
14. Población
objetivo La población objetivo
representa un segmento
específico dentro de una
población más amplia, que está
mejor posicionada para servir
como fuente de datos primarios
para la investigación.
15. unidad de
muestreo La unidad de muestreo es un
bloque básico que incluye un único
elemento o un grupo de elementos
de la población a muestrear.
Todo miembro de la población
pertenecerá a una y solo una
unidad de muestreo.
16. Determinación del tamaño de la muestra
Este es el número de individuos del marco de muestreo que participarán
en el proceso primario de recopilación de datos. Las siguientes
observaciones deben tenerse en cuenta al determinar el tamaño de la
muestra:
1.La magnitud del error de muestreo se puede disminuir aumentando el
tamaño de la misma.
2.Hay mayores exigencias de tamaño de muestra en los estudios
basados en encuestas que en los estudios experimentales.
3.Se debe anticipar un gran tamaño de muestra inicial para los
cuestionarios enviados por correo electrónico, ya que el porcentaje de
respuestas puede ser tan bajo como 20 o 30%.
4.Los factores más importantes para determinar el tamaño de la muestra
incluyen disponibilidad de los sujetos y factores de costo
17. PARA ESTUDIOS CUYA VARIABLE PRINCIPAL ES DE
TIPO CUANTITATIVO
Para una población infinita (cuando se desconoce el total
de unidades de observación que la integran o la población
es mayor a 10,000)
Para una población finita (cuando se conoce el total de
unidades de observación que la integran)
18. FORMULAS PARA
CALCULAR LA MUESTRA EN
ESTUDIOS DESCRIPTIVOS
Donde:
n = tamaño de la muestra
N = tamaño de la población
Z = valor de Z crítico, calculado en las tablas del área de la
curva normal. Llamado también nivel de confianza.
S = varianza de la población en estudio (que es el cuadrado de
la desviación estándar y puede obtenerse de estudios similares
o pruebas piloto)
d = nivel de precisión absoluta. Referido a la amplitud del
intervalo de confianza deseado en la determinación del valor
promedio de la variable en estudio.
19. PARA ESTUDIOS CUYA
VARIABLE PRINCIPAL ES DE
TIPO CUALITATIVO:
En las investigaciones donde la variable principal es
de tipo cualitativo, que se reporta mediante la
proporción del fenómeno en estudio en la población
de referencia, la muestra se calcula a través de las
fórmulas:
Para población infinita (cuando se desconoce el total de
unidades de observación que la integran o la población es
mayor a 10,000):
Para población finita (cuando se conoce el total de
unidades de observación que la integran)
Donde:
p = proporción aproximada del fenómeno
en estudio en la población de referencia
q = proporción de la población de
referencia que no presenta el fenómeno en
estudio (1 -p).
La suma de la p y la q siempre debe dar 1.
Por ejemplo, si p= 0.8 q= 0.2
.