SlideShare una empresa de Scribd logo
7
1www.coimbraweb.com
Edison Coimbra G.
LOS 10 PASOS DE LA
INVESTIGACIÓN
CIENTÍFICA
Paso 7 de:
Manual de clases
SELECCIÓN DE
LA MUESTRA
LOS 10 PASOS DE LA INVESTIGACIÓN
Enunciar los conceptos de
muestra y población y
describir los procedimientos
para calcular y seleccionar
los diferentes tipos de
muestra en la investigación
científica.
Última modificación:
28 de enero de 2015
Objetivo
ÍNDICE DEL CONTENIDO
2www.coimbraweb.com
Selección de la muestra ― Paso 7 de Los 10 pasos de la Investigación Científica
ÍNDICE DEL CONTENIDO
1.- Selección de la muestra (Tipos de muestra. Ejemplos con tipos de muestra).
2.- Muestra probabilística.
3.- Población.
4.- Marco muestral.
5.- Tamaño de la muestra (Cálculo de tamaño de la muestra probabilística. Ejemplos
Ejemplos con cálculo de tamaño de la muestra).
6.- Selección de la muestra (Ejemplos con selección de la muestra).
Correspondencia alcance–diseño–muestra.
Referencias bibliográficas.
Links de los documento de la colección.
1.- SELECCIÓN DE LA MUESTRA
3www.coimbraweb.com
Es el Paso 7 de la investigación científica
Llevan al
Permite
visualizar el
De donde se
procede a
Para validarla
corresponde
Y definir y
7.Seleccionar
la muestra
6. Diseñar la
investigación
5.Formular
hipótesis
4.Alcance de la
investigación
3.Marco
teórico
2.Problemas
Objetivos
De la
cual se
1.Idea
Ayuda a
identificar
9.Análisis de
los datos
Se preparan
para el
8.Recolectan
datos
10.Reporte de la
investigación
Y concluye
con el
Pasosdel
planteamiento
delproblema
Pasosdeldiseño
metodológico
Pasos de la ejecución
(Sampieri, 2010)
LA MUESTRA
Definición
Es una parte de la población de interés de la cual se
recolectan datos.
¿Por qué una muestra?
Pocas veces es posible medir a toda la población de interés,
interés, por lo que se selecciona una muestra que la represente
y, desde luego, se pretende que esta muestra sea un fiel reflejo
de la población.
La muestra contiene, teóricamente, las mismas características
Las muestras se usan por economía de tiempo y recursos.
Tipos de muestra
4www.coimbraweb.com
Se las tipifica según su probabilidad de ser seleccionada (Sampieri, 2010)
TIPOS DE MUESTRA
Criterio de clasificación: la probabilidad de selección que tienen las unidades muestrales.
No probabilística o dirigida Probabilística
Selección. Se eligen en función de
las características de la investigación,
no dependen de la probabilidad.
Selección. Se eligen en forma aleatoria. Todas tienen la misma
misma posibilidad de ser elegidas. Se identifican 3 tipos de
muestras probabilísticas: simple, estratificada y por racimos.
Tamaño de la muestra. Depende
del criterio del Investigador.
Tamaño de la muestra. Se calcula siguiendo los criterios que
que ofrece la estadística, tales como error máximo aceptable y
nivel deseado de confianza.
Validez. Sus resultados no pueden
pueden generalizarse a toda la
población.
Validez. Sus resultados se generalizan a toda la población.
Aplicación. La utiliza el diseño
experimental. La validez de la
investigación se consolida con la
repetición.
Aplicación. La utiliza el diseño no experimental para que sus
sus resultados se generalicen a toda a la población.
Simple Estratificada Por racimos
Se calcula
una muestra de
la población.
La población se
divide en estratos
estratos y se
calcula una
muestra por
estrato.
La selección se realiza en
en varias etapas o racimos.
Se seleccionan los racimos
y dentro de cada uno se
calcula una muestra.
Elegir el tipo de muestra depende del alcance de la investigación.
Ejemplos con tipos de muestra
5www.coimbraweb.com
Ejemplo 1 .- Muestra no probabilística o dirigida
Experimento Muestra
Se diseñó un experimento para determinar la
eficacia de una nueva metodología de enseñanza de
matemáticas. Para ello, se formaron 2 grupos, uno
de ellos recibió clases bajo la nueva metodología y el
otro con el método tradicional, durante un
determinado tiempo. Al final del experimento se
analizaron los resultados.
Se seleccionó en un colegio a 40
estudiantes del último curso de
secundaria, con los cuales se
conformaron los 2 grupos
experimentales, de a 20 estudiantes
cada uno. Esta muestra no dependió de
la probabilidad, fue dirigida.
Ejemplo 2 .- Muestra probabilística (Sampieri, 2010)
Actividad Muestra
Imagine el procedimiento para
para determinar la cuenta de
ahorro premiada por un banco en
su sorteo semanal. Previamente se
enumeran todas las cuentas que
entran en el sorteo.
El numero premiado se forma a partir de los bolillos
bolillos con un dígito que se extraen (después de
revolverlos mecánicamente) hasta formar el número, de
manera que todos los números, y por consiguiente todas
las cuentas, tiene la misma probabilidad de ser elegidos.
Esta es una muestra probabilística.
Se las tipifica según su probabilidad de ser seleccionada
Las muestras se utilizan por economía de tiempo y recursos, excepto cuando
se organiza un censo y se deben incluir todos los casos.
2.- MUESTRA PROBABILÍSTICA
6www.coimbraweb.com
Las unidades muestrales se eligen en forma aleatoria
MUESTRA PROBABILISTICA
Descripción
Selección. Las unidades muestrales
muestrales se eligen en forma
aleatoria. Todas tienen la misma
posibilidad de ser elegidas.
Tamaño de la muestra. Se calcula
siguiendo los criterios que ofrece la
estadística, tales como error máximo
aceptable y nivel deseado de
confianza.
Procedimiento para la obtención
Se describe el procedimiento que
consta de 4 fases.
1. Población
Definir y delimitar la
población de la cual se
recolectan datos.
2. Marco muestral
Identificar
el marco muestral de
donde se obtienen las
unidades muestrales.
3. Tamaño de la
muestra
Calcular el tamaño de
la muestra.
4. Selección de la
muestra
Seleccionar
la muestra.
El interés es que la muestra sea estadísticamente
representativa de la población.
3.- POBLACIÓN
7www.coimbraweb.com
Fase 1 para obtener la muestra probabilística (Sampieri, 2010)
POBLACIÓN DE INTERÉS
Descripción
Lo primero que se define es sobre qué o quienes se
quienes se recolectan datos, esto corresponde a
precisar la unidad de análisis.
Las unidades de análisis pueden ser personas,
objetos, actividades, fenómenos, etc., sobre los que
que versa la investigación y que conforman la
población de interés.
Delimitación
La población debe delimitarse. La calidad de una
una investigación estriba en delimitar claramente la
población.
Ejemplo 3.- Delimitación de la población
Propósito y Población Población delimitada Muestra
Confirmar que existe una
relación positiva entre el
autoconcepto y el rendimiento
académico de estudiantes
universitarios (Población).
La investigación tendrá mayor
calidad si se delimita a los
estudiantes de Ingeniería Electrónica
de la UAGRM de Santa Cruz que,
según registro, son 1.500
(Población delimitada).
Para un error máximo
aceptable de 5%, un programa
estadístico calcula una
Muestra de 306 estudiantes
universitarios.
Muestra
Población
delimitada
Población
La investigación tendrá mayor validez si se delimita la población.
4.- MARCO MUESTRAL
8www.coimbraweb.com
(Sampieri, 2010)
MARCO MUESTRAL
Definición
Es el marco de referencia que permite identificar físicamente a las
las unidades de análisis que conforman la población, así como la
posibilidad de enumerarlas y seleccionar las unidades muestrales.
¿Qué es?
Es una lista existente o una lista específicamente confeccionada con
con las unidades de análisis: lista de miembros, directorio
especializado, base de datos de alumnos o de clientes de una
empresa, registro médico, catastro, nómina de una organización,
archivos, hemerotecas, mapas, etc.
Ejemplo 4.- Marco muestral
Propósito y Población Población delimitada Marco muestral
Confirmar que existe una
relación positiva entre el
autoconcepto y el rendimiento
académico de estudiantes
universitarios (Población).
La investigación tendrá mayor
calidad si se delimita a los
estudiantes de Ingeniería Electrónica
de la UAGRM de Santa Cruz que,
según registro, son 1.500
(Población delimitada).
Lista específica de los 1.500
estudiantes de Ingeniería
Electrónica, proporcionada por
la UAGRM.
Fase 2 para obtener la muestra probabilística
Todo procedimiento de selección depende de
listados o bases de datos.
5.- TAMAÑO DE LA MUESTRA
9www.coimbraweb.com
TAMAÑO DE LA MUESTRA PROBABILÍSTICA
Descripción
Se calcula siguiendo los criterios que ofrece la estadística, tales como error máximo aceptable y nivel
nivel deseado de confianza.
Su principal ventaja es que se puede medir el error en las predicciones. Se dice incluso que el principal
principal objetivo del diseño de una muestra probabilística es reducir al mínimo el error de muestreo o
error estándar.
Generalización
Las muestras tienen valores muy parecidos a los de la población, ya que las mediciones del subconjunto
subconjunto serán estimaciones precisas del conjunto mayor. Tal precisión depende del error de
muestreo.
Para el cálculo, se recomienda utilizar un software estadístico, por ejemplo STATS, aunque también se
también se pueden usar las fórmulas clásicas que se han desarrollado. El resultado es el mismo.
Generalización
La generalización de los valores
valores de la muestra depende del
del error de muestreo.
(Heeringa, 2010)Fase 3 para obtener la muestra probabilística
El error máximo aceptable es el error
estándar o error muestral.
Cálculo de tamaño de la muestra probabilística
10www.coimbraweb.com
(Sampieri, 2010)
CÁLCULO TAMAÑO DE LA MUESTRA PROBABILÍSTICA
Se realiza en función del tipo de muestra probabilística. Se
identifican 3 tipos.
Simple Estratificada Por racimos
Se calcula una
muestra de la
población.
La población se
divide en estratos
estratos y se
calcula una
muestra por
estrato.
La selección se realiza en
en varias etapas o racimos.
Se seleccionan los racimos
y dentro de cada uno se
calcula una muestra.
Característica.
Todas las
unidades de
análisis tienen al
inicio la misma
probabilidad de
ser seleccionadas.
Característica.
Aumenta la
precisión de la
muestra; usa
submuestras para
para cada estrato
que sea relevante
en la población.
Característica. Implica
diferencias entre la unidad
de análisis y la unidad
muestral.
Fase 3 para obtener la muestra probabilística
Se pretende que los resultado encontrados en la muestra logren
generalizarse a la población (tengan validez externa).
Ejemplos con cálculo de tamaño de la muestra
11www.coimbraweb.com
Ejemplo 5.- Muestra simple
Propósito y Población Población delimitada Marco muestral
Se quiere determinar qué tan
arraigada se encuentra la cultura
de la investigación científica entre
los Profesionales en Salud de
Santa Cruz.
La investigación tendrá
mayor calidad si la población se
delimita a los Médicos de
Santa Cruz que ejercen
docencia universitaria.
Usando STATS, se calcula que el
tamaño de la muestra es 269, con
un error máximo aceptable de 5%.
Cálculo tamaño de la muestra con STATS
¿Tamaño del universo?: N=750. Este dato se obtiene de las listas proporcionadas por las universidades.
¿Error máximo aceptable?: 5%. Se refiere al % de error que se admite tolerar de que la muestra no sea
representativa (de equivocarse). Los más comunes son 5% (en ciencias sociales) y 1%.
¿Porcentaje estimado de la muestra?: 50%. Es la probabilidad de ocurrencia del fenómeno:
representatividad de la muestra versus no representatividad, la certeza total es igual a 1. Cuando no se
tienen marcos de muestreo previo, se usa 50%
¿Nivel deseado de confianza?: 95%. Es el complemento del error máximo aceptable (% de acertar en la
representatividad de la muestra). Si el error elegido fue 5%, el nivel deseado de confianza será 95%.
Tamaño de la muestra: n=254,2624. Redondeando, se necesita que la muestra esté conformada por 255
galenos.
Selección de la muestra. Los 255 galenos se seleccionan en forma aleatoria de las listas específicas,
luego de generar números aleatorios.
Fase 3 para obtener la muestra probabilística
El error máximo aceptable es el error estándar o error muestral.
Ejemplos con cálculo de tamaño de la muestra
12www.coimbraweb.com
En ocasiones, el interés es comparar resultados entre
segmentos, grupos o nichos de la población.
Ejemplo 6.- Muestra estratificada (Sampieri, 2010)
Propósito Población Muestra
Determinar las políticas que tienen los
gerentes de recursos humanos
respecto a cómo tratar a los
dependientes de sus empresas.
La investigación se
delimita a una
población de 895
empresas (gerentes).
Usando STATS, se calcula que el
tamaño de la muestra es 269, con un
error máximo aceptable de 5%.
Cálculo de muestra estratificada
Sin embargo, considerando el
rubro de las empresas, se
diseña una muestra
probabilística estratificada.
Lo que se hace es dividir a la
población en estratos, y se
selecciona una muestra para
cada estrato.
Estrato Rubro de la empresa Población Muestra (F= 0.3)
1 Alimentos y bebidas 212 64
2 Comercial 82 25
3 Electricidad–electrónica 115 35
4 Metal mecánica 112 34
5 Papel y artes gráficas 96 29
6 Química y farmacia 85 24El tamaño de la muestra para
cada estrato se calcula
multiplicando la población de
cada estrato por el factor
269/895= 0.3.
7 Textiles 137 41
8 Otro rubro 56 17
N=895 n=269
Fase 3 para obtener la muestra probabilística
Ejemplos con cálculo de tamaño de la muestra
13www.coimbraweb.com
Ejemplo 7.- Muestra por racimos
En una muestra nacional de ciudadanos de un
país, se diseña un muestreo por racimos.
Muestreo por racimos
Etapa Población
1 Se elige al azar una muestra de
departamentos.
2
Cada departamento se convierte en
una población y se seleccionan al azar
provincias.
3 Cada provincia se convierte en una
población y se eligen al azar ciudades.
4
Cada ciudad se considera una
población y se eligen al azar
manzanas.
5 Finalmente, se eligen al azar
viviendas e individuos.
La selección aleatoria garantiza que la
muestra sea probabilística.
Fase 3 para obtener la muestra probabilística
6.- SELECCIÓN DE LA MUESTRA
14www.coimbraweb.com
SELECCIÓN DE LA MUESTRA PROBABILÍSTICA
Descripción
Las unidades muestrales de una muestra probabilística se seleccionan
aleatoriamente, para asegurar de que cada unidad tenga la misma
probabilidad de ser elegida.
La selección se realiza de la lista específica que contiene todas las unidades
unidades de análisis de la población delimitada, enumeradas de 1 a N.
Se identifican 3 procedimientos de selección
Tómbola Números aleatorios Selección sistemática
Se hacen fichas,
fichas, una por
cada unidad, se
revuelven en una
caja y se sacan n
fichas, según el
tamaño de la
muestra.
Con ayuda de un
software, se generan
generan n números
aleatorios
correspondientes al
tamaño de la muestra.
Se extrae al azar un número i,
(Sampieri, 2010)Fase 4 para obtener la muestra probabilística
Cuando el muestreo es estratificado, se siguen los
mismos procedimientos, pero por cada estrato.
Ejemplos con selección de la muestra
15www.coimbraweb.com
Ejemplo 8.- Números aleatorios
Propósito Muestra estratificada
Determinar las políticas que tienen los
gerentes de recursos humanos respecto a
cómo tratar a los dependientes de sus
empresas.
Para un estrato de 82
empresas se calculó una
muestra de 25.
.
Números aleatorios generados con STATS
¿Cuántos números aleatorios?: 25. El tamaño de la muestra.
Límite inferior: 1. Las unidades de la población se enumeran a partir de
1.
Límite superior: 82. El tamaño de la población.
Ejemplo 9.- Selección sistemática
Muestra Selección sistemática
Para un estrato
de 82 empresas se
calculó una
muestra de 25.
Se extrajo al azar el número 30, por lo
que la muestra la integran el 30, 33, 36, 39,
etc. Hasta completar las 25 unidades.
k=N/n=82/25≈3.
(Sampieri, 2010)Fase 4 para obtener la muestra probabilística
Todo procedimiento de selección depende de listas o bases de datos.
Correspondencia alcance–diseño-muestra
16www.coimbraweb.com
(Sampieri, 2010)
Una muestra de más de 100 casos tiene una distribución en forma de
campana, lo cual sirve para hacer estadística inferencial.
CORRESPONDENCIA ALCANCE–DISEÑO–MUESTRA
Alcance Diseño Tipo de muestra
Exploratorio
Prexperimental
No experimental
Generalmente emplean muestras dirigidas, aunque
aunque podrían utilizarse probabilísticas también.
Descriptivo
Correlacional
Explicativo
Experimental
La mayoría de las veces muestras dirigidas. La
validez de la investigación experimental se consolida
con la repetición.
No experimental
Deben emplear muestras probabilísticas si quieren
quieren que sus resultados sean generalizados a una
población.
Tabla que resume esta correspondencia
Referencias bibliográficas
17www.coimbraweb.com
¿Cuáles son las referencias bibliográficas?
REFERENCIAS BIBLIOGRÁFICAS
Heeringa, S. & otros (2010). Applied survey data analysis. Boca Raton, USA: PSC.
Hernández Sampieri, Roberto. Fernández, Collado y Baptista (2010). Metodología de la
de la Investigación - Quinta Edición. México: McGraw Hill.
FIN
Edison Coimbra G.
LOS 10 PASOS DE LA
INVESTIGACIÓN
CIENTÍFICA
Paso 7 de:
Links de los documentos de la colección
18www.coimbraweb.com
Los 10 pasos de la Investigación Científica
LINKS DE LOS DOCUMENTOS
0.Introduccion. Los 10 pasos de la Investigación Científica
1.La idea. Paso 1 de la Investigación Científica
2.El problema. Paso 2 de la Investigación Científica
3.Sustento teórico. Paso 3 de la Investigación Científica
4.Alcance de la investigación. Paso 4 de la Investigación Científica
5.Hipótesis. Paso 5 de la Investigación Científica
6.Diseño de la investigación. Paso 6 de la Investigación Científica
7.Selección de la muestra. Paso 7 de la Investigación Científica
8.Recolección de datos. Paso 8 de la Investigación Científica
9.Análisis de los datos. Paso 9 de la Investigación Científica
10.Reporte de la investigación. Paso 10 de la Investigación Científica

Más contenido relacionado

La actualidad más candente

Analisis y procesamiento de datos
Analisis y procesamiento de datosAnalisis y procesamiento de datos
Analisis y procesamiento de datos
Niko Humpire
 
Universo, población y muestra
Universo, población y muestraUniverso, población y muestra
Universo, población y muestra
Tomás Calderón
 
Investigacion descriptiva
Investigacion descriptivaInvestigacion descriptiva
Investigacion descriptiva
Wenceslao Verdugo Rojas
 
Bola De Nieve
Bola De NieveBola De Nieve
Bola De Nieve
Clariza ML
 
Tipos de Muestreo
Tipos de MuestreoTipos de Muestreo
Tipos de Muestreo
Junior Campos Alvarez
 
La encuesta como método de investigación
La encuesta como método de investigaciónLa encuesta como método de investigación
La encuesta como método de investigación
Carolina Monti
 
Muestreo blog
Muestreo   blogMuestreo   blog
Muestreo blog
Jazz_Apple
 
8. Recolección de datos cuantitativos
8. Recolección de datos cuantitativos8. Recolección de datos cuantitativos
8. Recolección de datos cuantitativos
César Montiel
 
Definición del alcance de la investigación a realizar: exploratorio, descript...
Definición del alcance de la investigación a realizar: exploratorio, descript...Definición del alcance de la investigación a realizar: exploratorio, descript...
Definición del alcance de la investigación a realizar: exploratorio, descript...
Karla Dempwolff
 
Escalas de medición
Escalas de mediciónEscalas de medición
Escalas de medición
Carlos Sarmiento
 
Operacionalizacion matriz de variables
Operacionalizacion matriz de variablesOperacionalizacion matriz de variables
Operacionalizacion matriz de variables
edgar17diciembre
 
8.Recolección de datos. Paso 8 de la Investigacion Cientifica
8.Recolección de datos. Paso 8 de la Investigacion Cientifica8.Recolección de datos. Paso 8 de la Investigacion Cientifica
8.Recolección de datos. Paso 8 de la Investigacion Cientifica
Edison Coimbra G.
 
Marco teórico y Diseño Metodológico
Marco teórico y Diseño MetodológicoMarco teórico y Diseño Metodológico
Marco teórico y Diseño Metodológico
Tatiana González P
 
Recolección de Datos en Investigación Cuantitativa
Recolección de Datos en Investigación CuantitativaRecolección de Datos en Investigación Cuantitativa
Recolección de Datos en Investigación Cuantitativa
gambitguille
 
4. poblacion y muestra
4. poblacion y muestra4. poblacion y muestra
4. poblacion y muestra
Lilibeth Rondón
 
Unidades de análisis
Unidades de análisisUnidades de análisis
Unidades de análisis
Prof. Ana Margarita Durán
 
Diseño de investigación mixta
Diseño de investigación mixta Diseño de investigación mixta
Diseño de investigación mixta
Carlia Cruz
 
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
 
Niveles de investigacion
Niveles de investigacionNiveles de investigacion
Niveles de investigacion
Katy Mariel Paucar Flores
 
TECNICAS DE RECOLECCION DE DATOS
TECNICAS DE RECOLECCION DE DATOSTECNICAS DE RECOLECCION DE DATOS
TECNICAS DE RECOLECCION DE DATOS
santiago mariño
 

La actualidad más candente (20)

Analisis y procesamiento de datos
Analisis y procesamiento de datosAnalisis y procesamiento de datos
Analisis y procesamiento de datos
 
Universo, población y muestra
Universo, población y muestraUniverso, población y muestra
Universo, población y muestra
 
Investigacion descriptiva
Investigacion descriptivaInvestigacion descriptiva
Investigacion descriptiva
 
Bola De Nieve
Bola De NieveBola De Nieve
Bola De Nieve
 
Tipos de Muestreo
Tipos de MuestreoTipos de Muestreo
Tipos de Muestreo
 
La encuesta como método de investigación
La encuesta como método de investigaciónLa encuesta como método de investigación
La encuesta como método de investigación
 
Muestreo blog
Muestreo   blogMuestreo   blog
Muestreo blog
 
8. Recolección de datos cuantitativos
8. Recolección de datos cuantitativos8. Recolección de datos cuantitativos
8. Recolección de datos cuantitativos
 
Definición del alcance de la investigación a realizar: exploratorio, descript...
Definición del alcance de la investigación a realizar: exploratorio, descript...Definición del alcance de la investigación a realizar: exploratorio, descript...
Definición del alcance de la investigación a realizar: exploratorio, descript...
 
Escalas de medición
Escalas de mediciónEscalas de medición
Escalas de medición
 
Operacionalizacion matriz de variables
Operacionalizacion matriz de variablesOperacionalizacion matriz de variables
Operacionalizacion matriz de variables
 
8.Recolección de datos. Paso 8 de la Investigacion Cientifica
8.Recolección de datos. Paso 8 de la Investigacion Cientifica8.Recolección de datos. Paso 8 de la Investigacion Cientifica
8.Recolección de datos. Paso 8 de la Investigacion Cientifica
 
Marco teórico y Diseño Metodológico
Marco teórico y Diseño MetodológicoMarco teórico y Diseño Metodológico
Marco teórico y Diseño Metodológico
 
Recolección de Datos en Investigación Cuantitativa
Recolección de Datos en Investigación CuantitativaRecolección de Datos en Investigación Cuantitativa
Recolección de Datos en Investigación Cuantitativa
 
4. poblacion y muestra
4. poblacion y muestra4. poblacion y muestra
4. poblacion y muestra
 
Unidades de análisis
Unidades de análisisUnidades de análisis
Unidades de análisis
 
Diseño de investigación mixta
Diseño de investigación mixta Diseño de investigación mixta
Diseño de investigación mixta
 
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)
 
Niveles de investigacion
Niveles de investigacionNiveles de investigacion
Niveles de investigacion
 
TECNICAS DE RECOLECCION DE DATOS
TECNICAS DE RECOLECCION DE DATOSTECNICAS DE RECOLECCION DE DATOS
TECNICAS DE RECOLECCION DE DATOS
 

Destacado

6.Diseño de la investigación. Los 10 pasos de la Investigacion
6.Diseño de la investigación. Los 10 pasos de la Investigacion6.Diseño de la investigación. Los 10 pasos de la Investigacion
6.Diseño de la investigación. Los 10 pasos de la Investigacion
Edison Coimbra G.
 
Seleccion Muestra
Seleccion MuestraSeleccion Muestra
Chalonzazo v2.0
Chalonzazo v2.0Chalonzazo v2.0
Chalonzazo v2.0
Celeste Anahi
 
ANALISIS DE MUESTRAS BIOLOGICAS
ANALISIS DE MUESTRAS BIOLOGICASANALISIS DE MUESTRAS BIOLOGICAS
ANALISIS DE MUESTRAS BIOLOGICAS
Universidad Metropolitana Esteli
 
Fase Exploratoria
Fase ExploratoriaFase Exploratoria
Fase Exploratoria
Clisio Ramirez
 
El muestreo
El muestreoEl muestreo
El muestreo
mariellit
 
U2 capitulo-8-sampieri
U2 capitulo-8-sampieriU2 capitulo-8-sampieri
U2 capitulo-8-sampieri
Sistematizacion De la Enseñanza
 
5.Formulación de la hipótesis. Paso 5 de la Investigacion Cientifica
5.Formulación de la hipótesis. Paso 5 de la Investigacion Cientifica5.Formulación de la hipótesis. Paso 5 de la Investigacion Cientifica
5.Formulación de la hipótesis. Paso 5 de la Investigacion Cientifica
Edison Coimbra G.
 
Poblacion y muestra.
Poblacion y muestra.Poblacion y muestra.
Poblacion y muestra.
N Andre Vc
 
Inversión en sistema de moda
Inversión en sistema de modaInversión en sistema de moda
Inversión en sistema de moda
ProColombia
 
Investigación correlacional y explicativa
Investigación correlacional y explicativaInvestigación correlacional y explicativa
Investigación correlacional y explicativa
Redxx1
 
Las variables- Psicología experimental
Las variables- Psicología experimental  Las variables- Psicología experimental
Las variables- Psicología experimental
Geidys Valdez Liriano
 
Etapas de la investigación
Etapas de la investigaciónEtapas de la investigación
Etapas de la investigación
Nahomy Alvarez
 
10.Reporte de investigación. Los 10 pasos de la Investigacion
10.Reporte de investigación. Los 10 pasos de la Investigacion10.Reporte de investigación. Los 10 pasos de la Investigacion
10.Reporte de investigación. Los 10 pasos de la Investigacion
Edison Coimbra G.
 
7. población y muestra
7. población y muestra 7. población y muestra
7. población y muestra
Herbert Cosio Dueñas
 
Estado del arte del problema de investigacion
Estado del arte del problema de investigacionEstado del arte del problema de investigacion
Estado del arte del problema de investigacion
JESUS HARO ENCINAS
 
Diseño de Investigacion
Diseño de InvestigacionDiseño de Investigacion
Diseño de Investigacion
MAYKABLA
 
Investigacion cuantitativa, obtencion de la muestra
Investigacion cuantitativa, obtencion de la muestraInvestigacion cuantitativa, obtencion de la muestra
Investigacion cuantitativa, obtencion de la muestra
Gabriel Velazquez
 
PROYECTO DE INVESTIGACION
PROYECTO DE INVESTIGACIONPROYECTO DE INVESTIGACION
PROYECTO DE INVESTIGACION
Euler
 
DISEÑO DE INVESTIGACION
DISEÑO DE INVESTIGACIONDISEÑO DE INVESTIGACION
DISEÑO DE INVESTIGACION
Miguel Reynero Leiva
 

Destacado (20)

6.Diseño de la investigación. Los 10 pasos de la Investigacion
6.Diseño de la investigación. Los 10 pasos de la Investigacion6.Diseño de la investigación. Los 10 pasos de la Investigacion
6.Diseño de la investigación. Los 10 pasos de la Investigacion
 
Seleccion Muestra
Seleccion MuestraSeleccion Muestra
Seleccion Muestra
 
Chalonzazo v2.0
Chalonzazo v2.0Chalonzazo v2.0
Chalonzazo v2.0
 
ANALISIS DE MUESTRAS BIOLOGICAS
ANALISIS DE MUESTRAS BIOLOGICASANALISIS DE MUESTRAS BIOLOGICAS
ANALISIS DE MUESTRAS BIOLOGICAS
 
Fase Exploratoria
Fase ExploratoriaFase Exploratoria
Fase Exploratoria
 
El muestreo
El muestreoEl muestreo
El muestreo
 
U2 capitulo-8-sampieri
U2 capitulo-8-sampieriU2 capitulo-8-sampieri
U2 capitulo-8-sampieri
 
5.Formulación de la hipótesis. Paso 5 de la Investigacion Cientifica
5.Formulación de la hipótesis. Paso 5 de la Investigacion Cientifica5.Formulación de la hipótesis. Paso 5 de la Investigacion Cientifica
5.Formulación de la hipótesis. Paso 5 de la Investigacion Cientifica
 
Poblacion y muestra.
Poblacion y muestra.Poblacion y muestra.
Poblacion y muestra.
 
Inversión en sistema de moda
Inversión en sistema de modaInversión en sistema de moda
Inversión en sistema de moda
 
Investigación correlacional y explicativa
Investigación correlacional y explicativaInvestigación correlacional y explicativa
Investigación correlacional y explicativa
 
Las variables- Psicología experimental
Las variables- Psicología experimental  Las variables- Psicología experimental
Las variables- Psicología experimental
 
Etapas de la investigación
Etapas de la investigaciónEtapas de la investigación
Etapas de la investigación
 
10.Reporte de investigación. Los 10 pasos de la Investigacion
10.Reporte de investigación. Los 10 pasos de la Investigacion10.Reporte de investigación. Los 10 pasos de la Investigacion
10.Reporte de investigación. Los 10 pasos de la Investigacion
 
7. población y muestra
7. población y muestra 7. población y muestra
7. población y muestra
 
Estado del arte del problema de investigacion
Estado del arte del problema de investigacionEstado del arte del problema de investigacion
Estado del arte del problema de investigacion
 
Diseño de Investigacion
Diseño de InvestigacionDiseño de Investigacion
Diseño de Investigacion
 
Investigacion cuantitativa, obtencion de la muestra
Investigacion cuantitativa, obtencion de la muestraInvestigacion cuantitativa, obtencion de la muestra
Investigacion cuantitativa, obtencion de la muestra
 
PROYECTO DE INVESTIGACION
PROYECTO DE INVESTIGACIONPROYECTO DE INVESTIGACION
PROYECTO DE INVESTIGACION
 
DISEÑO DE INVESTIGACION
DISEÑO DE INVESTIGACIONDISEÑO DE INVESTIGACION
DISEÑO DE INVESTIGACION
 

Similar a 7.Seleccion de la muestra. Paso 7 de la Investigacion Científica.

Selección de la muestra (4)
Selección de la muestra (4)Selección de la muestra (4)
Selección de la muestra (4)
IngridFlores41
 
Introducción al Muestreo.ppt
Introducción al Muestreo.pptIntroducción al Muestreo.ppt
Introducción al Muestreo.ppt
Ferly Urday Luna
 
Muestreo
MuestreoMuestreo
10° Población y Muestra.pptx
10° Población y Muestra.pptx10° Población y Muestra.pptx
10° Población y Muestra.pptx
NESTOREDGARDOVISLAOQ
 
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
Centro de Diagnostico Vehicular - CEDIVE SAC
 
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
Centro de Diagnostico Vehicular - CEDIVE SAC
 
TEORIA DEL MUESTREO Y LA PREVALENCIA
TEORIA DEL MUESTREO Y LA PREVALENCIATEORIA DEL MUESTREO Y LA PREVALENCIA
TEORIA DEL MUESTREO Y LA PREVALENCIA
Euler
 
TEORIA DEL MUESTREO Y LA PREVALENCIA
TEORIA DEL MUESTREO Y LA PREVALENCIATEORIA DEL MUESTREO Y LA PREVALENCIA
TEORIA DEL MUESTREO Y LA PREVALENCIA
Euler Ruiz
 
TEORIA DEL MUESTREO Y LA PREVALENCIA
TEORIA DEL MUESTREO Y LA PREVALENCIATEORIA DEL MUESTREO Y LA PREVALENCIA
TEORIA DEL MUESTREO Y LA PREVALENCIA
Euler Ruiz
 
Invest causal y muestra
Invest causal y muestraInvest causal y muestra
Invest causal y muestra
diegolinov
 
SEMANA 03 MUESTREO.pdf
SEMANA 03 MUESTREO.pdfSEMANA 03 MUESTREO.pdf
SEMANA 03 MUESTREO.pdf
Julio Svenn Alvarez Rivera
 
Clase 1 Muestreo
Clase 1 MuestreoClase 1 Muestreo
Clase 1 Muestreo
Matemática UESFmocc
 
Curso de estadística ii clase n° 1
Curso de estadística ii   clase n° 1Curso de estadística ii   clase n° 1
Curso de estadística ii clase n° 1
Yami Cennet
 
yary.pptx
yary.pptxyary.pptx
yary.pptx
MaycolDiaz2
 
Diseño y procedimientos de muestreo
Diseño y procedimientos de muestreoDiseño y procedimientos de muestreo
Diseño y procedimientos de muestreo
orav Ayala Vera
 
Diapositivas estadistica
Diapositivas estadisticaDiapositivas estadistica
Diapositivas estadistica
arismar morera
 
Capitulo 8
Capitulo 8Capitulo 8
diseno_muestra.pdf
diseno_muestra.pdfdiseno_muestra.pdf
diseno_muestra.pdf
AleAguilar48
 
diseno_muestra.pdf
diseno_muestra.pdfdiseno_muestra.pdf
diseno_muestra.pdf
AleAguilar48
 
7. Seleccion de muestra..pptx
7. Seleccion de muestra..pptx7. Seleccion de muestra..pptx
7. Seleccion de muestra..pptx
Cecyt 11 "Wilfrido Massieu", ESCA Santo Tomás
 

Similar a 7.Seleccion de la muestra. Paso 7 de la Investigacion Científica. (20)

Selección de la muestra (4)
Selección de la muestra (4)Selección de la muestra (4)
Selección de la muestra (4)
 
Introducción al Muestreo.ppt
Introducción al Muestreo.pptIntroducción al Muestreo.ppt
Introducción al Muestreo.ppt
 
Muestreo
MuestreoMuestreo
Muestreo
 
10° Población y Muestra.pptx
10° Población y Muestra.pptx10° Población y Muestra.pptx
10° Población y Muestra.pptx
 
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
 
TEORIA DEL MUESTREO Y LA PREVALENCIA
TEORIA DEL MUESTREO Y LA PREVALENCIATEORIA DEL MUESTREO Y LA PREVALENCIA
TEORIA DEL MUESTREO Y LA PREVALENCIA
 
TEORIA DEL MUESTREO Y LA PREVALENCIA
TEORIA DEL MUESTREO Y LA PREVALENCIATEORIA DEL MUESTREO Y LA PREVALENCIA
TEORIA DEL MUESTREO Y LA PREVALENCIA
 
TEORIA DEL MUESTREO Y LA PREVALENCIA
TEORIA DEL MUESTREO Y LA PREVALENCIATEORIA DEL MUESTREO Y LA PREVALENCIA
TEORIA DEL MUESTREO Y LA PREVALENCIA
 
Invest causal y muestra
Invest causal y muestraInvest causal y muestra
Invest causal y muestra
 
SEMANA 03 MUESTREO.pdf
SEMANA 03 MUESTREO.pdfSEMANA 03 MUESTREO.pdf
SEMANA 03 MUESTREO.pdf
 
Clase 1 Muestreo
Clase 1 MuestreoClase 1 Muestreo
Clase 1 Muestreo
 
Curso de estadística ii clase n° 1
Curso de estadística ii   clase n° 1Curso de estadística ii   clase n° 1
Curso de estadística ii clase n° 1
 
yary.pptx
yary.pptxyary.pptx
yary.pptx
 
Diseño y procedimientos de muestreo
Diseño y procedimientos de muestreoDiseño y procedimientos de muestreo
Diseño y procedimientos de muestreo
 
Diapositivas estadistica
Diapositivas estadisticaDiapositivas estadistica
Diapositivas estadistica
 
Capitulo 8
Capitulo 8Capitulo 8
Capitulo 8
 
diseno_muestra.pdf
diseno_muestra.pdfdiseno_muestra.pdf
diseno_muestra.pdf
 
diseno_muestra.pdf
diseno_muestra.pdfdiseno_muestra.pdf
diseno_muestra.pdf
 
7. Seleccion de muestra..pptx
7. Seleccion de muestra..pptx7. Seleccion de muestra..pptx
7. Seleccion de muestra..pptx
 

Más de Edison Coimbra G.

4. El protocolo Ethernet (28.9.23).pdf
4. El protocolo Ethernet (28.9.23).pdf4. El protocolo Ethernet (28.9.23).pdf
4. El protocolo Ethernet (28.9.23).pdf
Edison Coimbra G.
 
3. El protocolo de Internet (IP) (2.3.23).pdf
3. El protocolo de Internet (IP) (2.3.23).pdf3. El protocolo de Internet (IP) (2.3.23).pdf
3. El protocolo de Internet (IP) (2.3.23).pdf
Edison Coimbra G.
 
2. Direccionamiento IP (19.08,23).pdf
2. Direccionamiento IP (19.08,23).pdf2. Direccionamiento IP (19.08,23).pdf
2. Direccionamiento IP (19.08,23).pdf
Edison Coimbra G.
 
2. Frontera de Internet. Redes de acceso (8.2.23).pdf
2. Frontera de Internet. Redes de acceso (8.2.23).pdf2. Frontera de Internet. Redes de acceso (8.2.23).pdf
2. Frontera de Internet. Redes de acceso (8.2.23).pdf
Edison Coimbra G.
 
0. Introducción a la comunnicación de datos (31.07.23).pdf
0. Introducción a la comunnicación de datos (31.07.23).pdf0. Introducción a la comunnicación de datos (31.07.23).pdf
0. Introducción a la comunnicación de datos (31.07.23).pdf
Edison Coimbra G.
 
4.1. Funciones de la capa de red
4.1. Funciones de la capa de red4.1. Funciones de la capa de red
4.1. Funciones de la capa de red
Edison Coimbra G.
 
1.4. Capas de protocolos
1.4. Capas de protocolos1.4. Capas de protocolos
1.4. Capas de protocolos
Edison Coimbra G.
 
1.1. Que es Internet
1.1. Que es Internet1.1. Que es Internet
1.1. Que es Internet
Edison Coimbra G.
 
1. Ingreso a las redes. Protocolos de internet
1. Ingreso a las redes. Protocolos de internet1. Ingreso a las redes. Protocolos de internet
1. Ingreso a las redes. Protocolos de internet
Edison Coimbra G.
 
3. Formulacion de la hipotesis
3. Formulacion de la hipotesis3. Formulacion de la hipotesis
3. Formulacion de la hipotesis
Edison Coimbra G.
 
2. Alcance de la investigación
2. Alcance de la investigación2. Alcance de la investigación
2. Alcance de la investigación
Edison Coimbra G.
 
8. Redes por satélites
8. Redes por satélites8. Redes por satélites
8. Redes por satélites
Edison Coimbra G.
 
1. El planteamiento del problema de investigación
1. El planteamiento del problema de investigación1. El planteamiento del problema de investigación
1. El planteamiento del problema de investigación
Edison Coimbra G.
 
5. Ciencia, tecnología, innovación
5. Ciencia, tecnología, innovación5. Ciencia, tecnología, innovación
5. Ciencia, tecnología, innovación
Edison Coimbra G.
 
4. Responsabilidad social empresarial
4. Responsabilidad social empresarial4. Responsabilidad social empresarial
4. Responsabilidad social empresarial
Edison Coimbra G.
 
3. Ética profesional
3. Ética profesional3. Ética profesional
3. Ética profesional
Edison Coimbra G.
 
6. Parámetros circuitales de las antenas
6. Parámetros circuitales de las antenas6. Parámetros circuitales de las antenas
6. Parámetros circuitales de las antenas
Edison Coimbra G.
 
2. Principios y valores éticos
2. Principios y valores éticos2. Principios y valores éticos
2. Principios y valores éticos
Edison Coimbra G.
 
1. Ética y moral
1. Ética y moral1. Ética y moral
1. Ética y moral
Edison Coimbra G.
 
El método científico aplicado a la investigacion
El método científico aplicado a la investigacionEl método científico aplicado a la investigacion
El método científico aplicado a la investigacion
Edison Coimbra G.
 

Más de Edison Coimbra G. (20)

4. El protocolo Ethernet (28.9.23).pdf
4. El protocolo Ethernet (28.9.23).pdf4. El protocolo Ethernet (28.9.23).pdf
4. El protocolo Ethernet (28.9.23).pdf
 
3. El protocolo de Internet (IP) (2.3.23).pdf
3. El protocolo de Internet (IP) (2.3.23).pdf3. El protocolo de Internet (IP) (2.3.23).pdf
3. El protocolo de Internet (IP) (2.3.23).pdf
 
2. Direccionamiento IP (19.08,23).pdf
2. Direccionamiento IP (19.08,23).pdf2. Direccionamiento IP (19.08,23).pdf
2. Direccionamiento IP (19.08,23).pdf
 
2. Frontera de Internet. Redes de acceso (8.2.23).pdf
2. Frontera de Internet. Redes de acceso (8.2.23).pdf2. Frontera de Internet. Redes de acceso (8.2.23).pdf
2. Frontera de Internet. Redes de acceso (8.2.23).pdf
 
0. Introducción a la comunnicación de datos (31.07.23).pdf
0. Introducción a la comunnicación de datos (31.07.23).pdf0. Introducción a la comunnicación de datos (31.07.23).pdf
0. Introducción a la comunnicación de datos (31.07.23).pdf
 
4.1. Funciones de la capa de red
4.1. Funciones de la capa de red4.1. Funciones de la capa de red
4.1. Funciones de la capa de red
 
1.4. Capas de protocolos
1.4. Capas de protocolos1.4. Capas de protocolos
1.4. Capas de protocolos
 
1.1. Que es Internet
1.1. Que es Internet1.1. Que es Internet
1.1. Que es Internet
 
1. Ingreso a las redes. Protocolos de internet
1. Ingreso a las redes. Protocolos de internet1. Ingreso a las redes. Protocolos de internet
1. Ingreso a las redes. Protocolos de internet
 
3. Formulacion de la hipotesis
3. Formulacion de la hipotesis3. Formulacion de la hipotesis
3. Formulacion de la hipotesis
 
2. Alcance de la investigación
2. Alcance de la investigación2. Alcance de la investigación
2. Alcance de la investigación
 
8. Redes por satélites
8. Redes por satélites8. Redes por satélites
8. Redes por satélites
 
1. El planteamiento del problema de investigación
1. El planteamiento del problema de investigación1. El planteamiento del problema de investigación
1. El planteamiento del problema de investigación
 
5. Ciencia, tecnología, innovación
5. Ciencia, tecnología, innovación5. Ciencia, tecnología, innovación
5. Ciencia, tecnología, innovación
 
4. Responsabilidad social empresarial
4. Responsabilidad social empresarial4. Responsabilidad social empresarial
4. Responsabilidad social empresarial
 
3. Ética profesional
3. Ética profesional3. Ética profesional
3. Ética profesional
 
6. Parámetros circuitales de las antenas
6. Parámetros circuitales de las antenas6. Parámetros circuitales de las antenas
6. Parámetros circuitales de las antenas
 
2. Principios y valores éticos
2. Principios y valores éticos2. Principios y valores éticos
2. Principios y valores éticos
 
1. Ética y moral
1. Ética y moral1. Ética y moral
1. Ética y moral
 
El método científico aplicado a la investigacion
El método científico aplicado a la investigacionEl método científico aplicado a la investigacion
El método científico aplicado a la investigacion
 

Último

MATERIAL ESCOLAR 2024-2025 3 AÑOS CEIP SAN CRISTÓBAL
MATERIAL ESCOLAR 2024-2025 3 AÑOS CEIP SAN CRISTÓBALMATERIAL ESCOLAR 2024-2025 3 AÑOS CEIP SAN CRISTÓBAL
MATERIAL ESCOLAR 2024-2025 3 AÑOS CEIP SAN CRISTÓBAL
Ana Fernandez
 
Qué entra en el examen de Geografía.pptx
Qué entra en el examen de Geografía.pptxQué entra en el examen de Geografía.pptx
Qué entra en el examen de Geografía.pptx
saradocente
 
Estás conmigo Jesús amigo_letra y acordes de guitarra.pdf
Estás conmigo Jesús amigo_letra y acordes de guitarra.pdfEstás conmigo Jesús amigo_letra y acordes de guitarra.pdf
Estás conmigo Jesús amigo_letra y acordes de guitarra.pdf
Ani Ann
 
DESARROLLO DE LAS RELACIONES CON LOS STAKEHOLDERS.pdf
DESARROLLO DE LAS RELACIONES CON LOS STAKEHOLDERS.pdfDESARROLLO DE LAS RELACIONES CON LOS STAKEHOLDERS.pdf
DESARROLLO DE LAS RELACIONES CON LOS STAKEHOLDERS.pdf
JonathanCovena1
 
2024 planificacion microcurricular 7mo A matutino..docx
2024 planificacion microcurricular 7mo A matutino..docx2024 planificacion microcurricular 7mo A matutino..docx
2024 planificacion microcurricular 7mo A matutino..docx
WILLIAMPATRICIOSANTA2
 
Presentación de proyecto en acuarela moderna verde.pdf
Presentación de proyecto en acuarela moderna verde.pdfPresentación de proyecto en acuarela moderna verde.pdf
Presentación de proyecto en acuarela moderna verde.pdf
LuanaJaime1
 
Presentación simple corporativa degradado en violeta blanco.pdf
Presentación simple corporativa degradado en violeta blanco.pdfPresentación simple corporativa degradado en violeta blanco.pdf
Presentación simple corporativa degradado en violeta blanco.pdf
eleandroth
 
MATERIAL ESCOLAR 2024-2025. 4 AÑOS CEIP SAN CRISTOBAL
MATERIAL ESCOLAR 2024-2025. 4 AÑOS CEIP SAN CRISTOBALMATERIAL ESCOLAR 2024-2025. 4 AÑOS CEIP SAN CRISTOBAL
MATERIAL ESCOLAR 2024-2025. 4 AÑOS CEIP SAN CRISTOBAL
Ana Fernandez
 
ANALISIS CRITICO DEL PENSAMIENTO COLONIAL Y DESCOLONIZACION
ANALISIS CRITICO DEL PENSAMIENTO COLONIAL Y DESCOLONIZACIONANALISIS CRITICO DEL PENSAMIENTO COLONIAL Y DESCOLONIZACION
ANALISIS CRITICO DEL PENSAMIENTO COLONIAL Y DESCOLONIZACION
carla466417
 
Evaluacion-Formativa-Nueva Escuela Mexicana NEM-ok.pdf
Evaluacion-Formativa-Nueva Escuela Mexicana NEM-ok.pdfEvaluacion-Formativa-Nueva Escuela Mexicana NEM-ok.pdf
Evaluacion-Formativa-Nueva Escuela Mexicana NEM-ok.pdf
EfranMartnez8
 
Sesión de clase: El conflicto inminente.
Sesión de clase: El conflicto inminente.Sesión de clase: El conflicto inminente.
Sesión de clase: El conflicto inminente.
https://gramadal.wordpress.com/
 
Carnavision: anticipa y aprovecha - hackathon Pasto2024 .pdf
Carnavision: anticipa y aprovecha - hackathon Pasto2024 .pdfCarnavision: anticipa y aprovecha - hackathon Pasto2024 .pdf
Carnavision: anticipa y aprovecha - hackathon Pasto2024 .pdf
EleNoguera
 
La filosofía presocrática y los filosofos más relvantes del periodo.
La filosofía presocrática y los filosofos más relvantes del periodo.La filosofía presocrática y los filosofos más relvantes del periodo.
La filosofía presocrática y los filosofos más relvantes del periodo.
DobbieElfo
 
CALCULO DE AMORTIZACION DE UN PRESTAMO.pdf
CALCULO DE AMORTIZACION DE UN PRESTAMO.pdfCALCULO DE AMORTIZACION DE UN PRESTAMO.pdf
CALCULO DE AMORTIZACION DE UN PRESTAMO.pdf
cesareduvr95
 
Papel histórico de los niños, jóvenes y adultos mayores en la historia nacional
Papel histórico de los niños, jóvenes y adultos mayores en la historia nacionalPapel histórico de los niños, jóvenes y adultos mayores en la historia nacional
Papel histórico de los niños, jóvenes y adultos mayores en la historia nacional
BrunoDiaz343346
 
La necesidad de bienestar y el uso de la naturaleza.pdf
La necesidad de bienestar y el uso de la naturaleza.pdfLa necesidad de bienestar y el uso de la naturaleza.pdf
La necesidad de bienestar y el uso de la naturaleza.pdf
JonathanCovena1
 
Desarrollo-Embrionario-y-Diferenciacion-Celular.pptx
Desarrollo-Embrionario-y-Diferenciacion-Celular.pptxDesarrollo-Embrionario-y-Diferenciacion-Celular.pptx
Desarrollo-Embrionario-y-Diferenciacion-Celular.pptx
TatianaHerrera46
 
Independencia de Chile, Causas internas y externas
Independencia de Chile, Causas internas y externasIndependencia de Chile, Causas internas y externas
Independencia de Chile, Causas internas y externas
canessamacarena
 
REGLAMENTO DE FALTAS Y SANCIONES DEL MAGISTERIO 2024.pptx
REGLAMENTO DE FALTAS Y SANCIONES DEL MAGISTERIO 2024.pptxREGLAMENTO DE FALTAS Y SANCIONES DEL MAGISTERIO 2024.pptx
REGLAMENTO DE FALTAS Y SANCIONES DEL MAGISTERIO 2024.pptx
RiosMartin
 
tema 7. Los siglos XVI y XVII ( resumen)
tema 7. Los siglos XVI y XVII ( resumen)tema 7. Los siglos XVI y XVII ( resumen)
tema 7. Los siglos XVI y XVII ( resumen)
saradocente
 

Último (20)

MATERIAL ESCOLAR 2024-2025 3 AÑOS CEIP SAN CRISTÓBAL
MATERIAL ESCOLAR 2024-2025 3 AÑOS CEIP SAN CRISTÓBALMATERIAL ESCOLAR 2024-2025 3 AÑOS CEIP SAN CRISTÓBAL
MATERIAL ESCOLAR 2024-2025 3 AÑOS CEIP SAN CRISTÓBAL
 
Qué entra en el examen de Geografía.pptx
Qué entra en el examen de Geografía.pptxQué entra en el examen de Geografía.pptx
Qué entra en el examen de Geografía.pptx
 
Estás conmigo Jesús amigo_letra y acordes de guitarra.pdf
Estás conmigo Jesús amigo_letra y acordes de guitarra.pdfEstás conmigo Jesús amigo_letra y acordes de guitarra.pdf
Estás conmigo Jesús amigo_letra y acordes de guitarra.pdf
 
DESARROLLO DE LAS RELACIONES CON LOS STAKEHOLDERS.pdf
DESARROLLO DE LAS RELACIONES CON LOS STAKEHOLDERS.pdfDESARROLLO DE LAS RELACIONES CON LOS STAKEHOLDERS.pdf
DESARROLLO DE LAS RELACIONES CON LOS STAKEHOLDERS.pdf
 
2024 planificacion microcurricular 7mo A matutino..docx
2024 planificacion microcurricular 7mo A matutino..docx2024 planificacion microcurricular 7mo A matutino..docx
2024 planificacion microcurricular 7mo A matutino..docx
 
Presentación de proyecto en acuarela moderna verde.pdf
Presentación de proyecto en acuarela moderna verde.pdfPresentación de proyecto en acuarela moderna verde.pdf
Presentación de proyecto en acuarela moderna verde.pdf
 
Presentación simple corporativa degradado en violeta blanco.pdf
Presentación simple corporativa degradado en violeta blanco.pdfPresentación simple corporativa degradado en violeta blanco.pdf
Presentación simple corporativa degradado en violeta blanco.pdf
 
MATERIAL ESCOLAR 2024-2025. 4 AÑOS CEIP SAN CRISTOBAL
MATERIAL ESCOLAR 2024-2025. 4 AÑOS CEIP SAN CRISTOBALMATERIAL ESCOLAR 2024-2025. 4 AÑOS CEIP SAN CRISTOBAL
MATERIAL ESCOLAR 2024-2025. 4 AÑOS CEIP SAN CRISTOBAL
 
ANALISIS CRITICO DEL PENSAMIENTO COLONIAL Y DESCOLONIZACION
ANALISIS CRITICO DEL PENSAMIENTO COLONIAL Y DESCOLONIZACIONANALISIS CRITICO DEL PENSAMIENTO COLONIAL Y DESCOLONIZACION
ANALISIS CRITICO DEL PENSAMIENTO COLONIAL Y DESCOLONIZACION
 
Evaluacion-Formativa-Nueva Escuela Mexicana NEM-ok.pdf
Evaluacion-Formativa-Nueva Escuela Mexicana NEM-ok.pdfEvaluacion-Formativa-Nueva Escuela Mexicana NEM-ok.pdf
Evaluacion-Formativa-Nueva Escuela Mexicana NEM-ok.pdf
 
Sesión de clase: El conflicto inminente.
Sesión de clase: El conflicto inminente.Sesión de clase: El conflicto inminente.
Sesión de clase: El conflicto inminente.
 
Carnavision: anticipa y aprovecha - hackathon Pasto2024 .pdf
Carnavision: anticipa y aprovecha - hackathon Pasto2024 .pdfCarnavision: anticipa y aprovecha - hackathon Pasto2024 .pdf
Carnavision: anticipa y aprovecha - hackathon Pasto2024 .pdf
 
La filosofía presocrática y los filosofos más relvantes del periodo.
La filosofía presocrática y los filosofos más relvantes del periodo.La filosofía presocrática y los filosofos más relvantes del periodo.
La filosofía presocrática y los filosofos más relvantes del periodo.
 
CALCULO DE AMORTIZACION DE UN PRESTAMO.pdf
CALCULO DE AMORTIZACION DE UN PRESTAMO.pdfCALCULO DE AMORTIZACION DE UN PRESTAMO.pdf
CALCULO DE AMORTIZACION DE UN PRESTAMO.pdf
 
Papel histórico de los niños, jóvenes y adultos mayores en la historia nacional
Papel histórico de los niños, jóvenes y adultos mayores en la historia nacionalPapel histórico de los niños, jóvenes y adultos mayores en la historia nacional
Papel histórico de los niños, jóvenes y adultos mayores en la historia nacional
 
La necesidad de bienestar y el uso de la naturaleza.pdf
La necesidad de bienestar y el uso de la naturaleza.pdfLa necesidad de bienestar y el uso de la naturaleza.pdf
La necesidad de bienestar y el uso de la naturaleza.pdf
 
Desarrollo-Embrionario-y-Diferenciacion-Celular.pptx
Desarrollo-Embrionario-y-Diferenciacion-Celular.pptxDesarrollo-Embrionario-y-Diferenciacion-Celular.pptx
Desarrollo-Embrionario-y-Diferenciacion-Celular.pptx
 
Independencia de Chile, Causas internas y externas
Independencia de Chile, Causas internas y externasIndependencia de Chile, Causas internas y externas
Independencia de Chile, Causas internas y externas
 
REGLAMENTO DE FALTAS Y SANCIONES DEL MAGISTERIO 2024.pptx
REGLAMENTO DE FALTAS Y SANCIONES DEL MAGISTERIO 2024.pptxREGLAMENTO DE FALTAS Y SANCIONES DEL MAGISTERIO 2024.pptx
REGLAMENTO DE FALTAS Y SANCIONES DEL MAGISTERIO 2024.pptx
 
tema 7. Los siglos XVI y XVII ( resumen)
tema 7. Los siglos XVI y XVII ( resumen)tema 7. Los siglos XVI y XVII ( resumen)
tema 7. Los siglos XVI y XVII ( resumen)
 

7.Seleccion de la muestra. Paso 7 de la Investigacion Científica.

  • 1. 7 1www.coimbraweb.com Edison Coimbra G. LOS 10 PASOS DE LA INVESTIGACIÓN CIENTÍFICA Paso 7 de: Manual de clases SELECCIÓN DE LA MUESTRA LOS 10 PASOS DE LA INVESTIGACIÓN Enunciar los conceptos de muestra y población y describir los procedimientos para calcular y seleccionar los diferentes tipos de muestra en la investigación científica. Última modificación: 28 de enero de 2015 Objetivo
  • 2. ÍNDICE DEL CONTENIDO 2www.coimbraweb.com Selección de la muestra ― Paso 7 de Los 10 pasos de la Investigación Científica ÍNDICE DEL CONTENIDO 1.- Selección de la muestra (Tipos de muestra. Ejemplos con tipos de muestra). 2.- Muestra probabilística. 3.- Población. 4.- Marco muestral. 5.- Tamaño de la muestra (Cálculo de tamaño de la muestra probabilística. Ejemplos Ejemplos con cálculo de tamaño de la muestra). 6.- Selección de la muestra (Ejemplos con selección de la muestra). Correspondencia alcance–diseño–muestra. Referencias bibliográficas. Links de los documento de la colección.
  • 3. 1.- SELECCIÓN DE LA MUESTRA 3www.coimbraweb.com Es el Paso 7 de la investigación científica Llevan al Permite visualizar el De donde se procede a Para validarla corresponde Y definir y 7.Seleccionar la muestra 6. Diseñar la investigación 5.Formular hipótesis 4.Alcance de la investigación 3.Marco teórico 2.Problemas Objetivos De la cual se 1.Idea Ayuda a identificar 9.Análisis de los datos Se preparan para el 8.Recolectan datos 10.Reporte de la investigación Y concluye con el Pasosdel planteamiento delproblema Pasosdeldiseño metodológico Pasos de la ejecución (Sampieri, 2010) LA MUESTRA Definición Es una parte de la población de interés de la cual se recolectan datos. ¿Por qué una muestra? Pocas veces es posible medir a toda la población de interés, interés, por lo que se selecciona una muestra que la represente y, desde luego, se pretende que esta muestra sea un fiel reflejo de la población. La muestra contiene, teóricamente, las mismas características Las muestras se usan por economía de tiempo y recursos.
  • 4. Tipos de muestra 4www.coimbraweb.com Se las tipifica según su probabilidad de ser seleccionada (Sampieri, 2010) TIPOS DE MUESTRA Criterio de clasificación: la probabilidad de selección que tienen las unidades muestrales. No probabilística o dirigida Probabilística Selección. Se eligen en función de las características de la investigación, no dependen de la probabilidad. Selección. Se eligen en forma aleatoria. Todas tienen la misma misma posibilidad de ser elegidas. Se identifican 3 tipos de muestras probabilísticas: simple, estratificada y por racimos. Tamaño de la muestra. Depende del criterio del Investigador. Tamaño de la muestra. Se calcula siguiendo los criterios que que ofrece la estadística, tales como error máximo aceptable y nivel deseado de confianza. Validez. Sus resultados no pueden pueden generalizarse a toda la población. Validez. Sus resultados se generalizan a toda la población. Aplicación. La utiliza el diseño experimental. La validez de la investigación se consolida con la repetición. Aplicación. La utiliza el diseño no experimental para que sus sus resultados se generalicen a toda a la población. Simple Estratificada Por racimos Se calcula una muestra de la población. La población se divide en estratos estratos y se calcula una muestra por estrato. La selección se realiza en en varias etapas o racimos. Se seleccionan los racimos y dentro de cada uno se calcula una muestra. Elegir el tipo de muestra depende del alcance de la investigación.
  • 5. Ejemplos con tipos de muestra 5www.coimbraweb.com Ejemplo 1 .- Muestra no probabilística o dirigida Experimento Muestra Se diseñó un experimento para determinar la eficacia de una nueva metodología de enseñanza de matemáticas. Para ello, se formaron 2 grupos, uno de ellos recibió clases bajo la nueva metodología y el otro con el método tradicional, durante un determinado tiempo. Al final del experimento se analizaron los resultados. Se seleccionó en un colegio a 40 estudiantes del último curso de secundaria, con los cuales se conformaron los 2 grupos experimentales, de a 20 estudiantes cada uno. Esta muestra no dependió de la probabilidad, fue dirigida. Ejemplo 2 .- Muestra probabilística (Sampieri, 2010) Actividad Muestra Imagine el procedimiento para para determinar la cuenta de ahorro premiada por un banco en su sorteo semanal. Previamente se enumeran todas las cuentas que entran en el sorteo. El numero premiado se forma a partir de los bolillos bolillos con un dígito que se extraen (después de revolverlos mecánicamente) hasta formar el número, de manera que todos los números, y por consiguiente todas las cuentas, tiene la misma probabilidad de ser elegidos. Esta es una muestra probabilística. Se las tipifica según su probabilidad de ser seleccionada Las muestras se utilizan por economía de tiempo y recursos, excepto cuando se organiza un censo y se deben incluir todos los casos.
  • 6. 2.- MUESTRA PROBABILÍSTICA 6www.coimbraweb.com Las unidades muestrales se eligen en forma aleatoria MUESTRA PROBABILISTICA Descripción Selección. Las unidades muestrales muestrales se eligen en forma aleatoria. Todas tienen la misma posibilidad de ser elegidas. Tamaño de la muestra. Se calcula siguiendo los criterios que ofrece la estadística, tales como error máximo aceptable y nivel deseado de confianza. Procedimiento para la obtención Se describe el procedimiento que consta de 4 fases. 1. Población Definir y delimitar la población de la cual se recolectan datos. 2. Marco muestral Identificar el marco muestral de donde se obtienen las unidades muestrales. 3. Tamaño de la muestra Calcular el tamaño de la muestra. 4. Selección de la muestra Seleccionar la muestra. El interés es que la muestra sea estadísticamente representativa de la población.
  • 7. 3.- POBLACIÓN 7www.coimbraweb.com Fase 1 para obtener la muestra probabilística (Sampieri, 2010) POBLACIÓN DE INTERÉS Descripción Lo primero que se define es sobre qué o quienes se quienes se recolectan datos, esto corresponde a precisar la unidad de análisis. Las unidades de análisis pueden ser personas, objetos, actividades, fenómenos, etc., sobre los que que versa la investigación y que conforman la población de interés. Delimitación La población debe delimitarse. La calidad de una una investigación estriba en delimitar claramente la población. Ejemplo 3.- Delimitación de la población Propósito y Población Población delimitada Muestra Confirmar que existe una relación positiva entre el autoconcepto y el rendimiento académico de estudiantes universitarios (Población). La investigación tendrá mayor calidad si se delimita a los estudiantes de Ingeniería Electrónica de la UAGRM de Santa Cruz que, según registro, son 1.500 (Población delimitada). Para un error máximo aceptable de 5%, un programa estadístico calcula una Muestra de 306 estudiantes universitarios. Muestra Población delimitada Población La investigación tendrá mayor validez si se delimita la población.
  • 8. 4.- MARCO MUESTRAL 8www.coimbraweb.com (Sampieri, 2010) MARCO MUESTRAL Definición Es el marco de referencia que permite identificar físicamente a las las unidades de análisis que conforman la población, así como la posibilidad de enumerarlas y seleccionar las unidades muestrales. ¿Qué es? Es una lista existente o una lista específicamente confeccionada con con las unidades de análisis: lista de miembros, directorio especializado, base de datos de alumnos o de clientes de una empresa, registro médico, catastro, nómina de una organización, archivos, hemerotecas, mapas, etc. Ejemplo 4.- Marco muestral Propósito y Población Población delimitada Marco muestral Confirmar que existe una relación positiva entre el autoconcepto y el rendimiento académico de estudiantes universitarios (Población). La investigación tendrá mayor calidad si se delimita a los estudiantes de Ingeniería Electrónica de la UAGRM de Santa Cruz que, según registro, son 1.500 (Población delimitada). Lista específica de los 1.500 estudiantes de Ingeniería Electrónica, proporcionada por la UAGRM. Fase 2 para obtener la muestra probabilística Todo procedimiento de selección depende de listados o bases de datos.
  • 9. 5.- TAMAÑO DE LA MUESTRA 9www.coimbraweb.com TAMAÑO DE LA MUESTRA PROBABILÍSTICA Descripción Se calcula siguiendo los criterios que ofrece la estadística, tales como error máximo aceptable y nivel nivel deseado de confianza. Su principal ventaja es que se puede medir el error en las predicciones. Se dice incluso que el principal principal objetivo del diseño de una muestra probabilística es reducir al mínimo el error de muestreo o error estándar. Generalización Las muestras tienen valores muy parecidos a los de la población, ya que las mediciones del subconjunto subconjunto serán estimaciones precisas del conjunto mayor. Tal precisión depende del error de muestreo. Para el cálculo, se recomienda utilizar un software estadístico, por ejemplo STATS, aunque también se también se pueden usar las fórmulas clásicas que se han desarrollado. El resultado es el mismo. Generalización La generalización de los valores valores de la muestra depende del del error de muestreo. (Heeringa, 2010)Fase 3 para obtener la muestra probabilística El error máximo aceptable es el error estándar o error muestral.
  • 10. Cálculo de tamaño de la muestra probabilística 10www.coimbraweb.com (Sampieri, 2010) CÁLCULO TAMAÑO DE LA MUESTRA PROBABILÍSTICA Se realiza en función del tipo de muestra probabilística. Se identifican 3 tipos. Simple Estratificada Por racimos Se calcula una muestra de la población. La población se divide en estratos estratos y se calcula una muestra por estrato. La selección se realiza en en varias etapas o racimos. Se seleccionan los racimos y dentro de cada uno se calcula una muestra. Característica. Todas las unidades de análisis tienen al inicio la misma probabilidad de ser seleccionadas. Característica. Aumenta la precisión de la muestra; usa submuestras para para cada estrato que sea relevante en la población. Característica. Implica diferencias entre la unidad de análisis y la unidad muestral. Fase 3 para obtener la muestra probabilística Se pretende que los resultado encontrados en la muestra logren generalizarse a la población (tengan validez externa).
  • 11. Ejemplos con cálculo de tamaño de la muestra 11www.coimbraweb.com Ejemplo 5.- Muestra simple Propósito y Población Población delimitada Marco muestral Se quiere determinar qué tan arraigada se encuentra la cultura de la investigación científica entre los Profesionales en Salud de Santa Cruz. La investigación tendrá mayor calidad si la población se delimita a los Médicos de Santa Cruz que ejercen docencia universitaria. Usando STATS, se calcula que el tamaño de la muestra es 269, con un error máximo aceptable de 5%. Cálculo tamaño de la muestra con STATS ¿Tamaño del universo?: N=750. Este dato se obtiene de las listas proporcionadas por las universidades. ¿Error máximo aceptable?: 5%. Se refiere al % de error que se admite tolerar de que la muestra no sea representativa (de equivocarse). Los más comunes son 5% (en ciencias sociales) y 1%. ¿Porcentaje estimado de la muestra?: 50%. Es la probabilidad de ocurrencia del fenómeno: representatividad de la muestra versus no representatividad, la certeza total es igual a 1. Cuando no se tienen marcos de muestreo previo, se usa 50% ¿Nivel deseado de confianza?: 95%. Es el complemento del error máximo aceptable (% de acertar en la representatividad de la muestra). Si el error elegido fue 5%, el nivel deseado de confianza será 95%. Tamaño de la muestra: n=254,2624. Redondeando, se necesita que la muestra esté conformada por 255 galenos. Selección de la muestra. Los 255 galenos se seleccionan en forma aleatoria de las listas específicas, luego de generar números aleatorios. Fase 3 para obtener la muestra probabilística El error máximo aceptable es el error estándar o error muestral.
  • 12. Ejemplos con cálculo de tamaño de la muestra 12www.coimbraweb.com En ocasiones, el interés es comparar resultados entre segmentos, grupos o nichos de la población. Ejemplo 6.- Muestra estratificada (Sampieri, 2010) Propósito Población Muestra Determinar las políticas que tienen los gerentes de recursos humanos respecto a cómo tratar a los dependientes de sus empresas. La investigación se delimita a una población de 895 empresas (gerentes). Usando STATS, se calcula que el tamaño de la muestra es 269, con un error máximo aceptable de 5%. Cálculo de muestra estratificada Sin embargo, considerando el rubro de las empresas, se diseña una muestra probabilística estratificada. Lo que se hace es dividir a la población en estratos, y se selecciona una muestra para cada estrato. Estrato Rubro de la empresa Población Muestra (F= 0.3) 1 Alimentos y bebidas 212 64 2 Comercial 82 25 3 Electricidad–electrónica 115 35 4 Metal mecánica 112 34 5 Papel y artes gráficas 96 29 6 Química y farmacia 85 24El tamaño de la muestra para cada estrato se calcula multiplicando la población de cada estrato por el factor 269/895= 0.3. 7 Textiles 137 41 8 Otro rubro 56 17 N=895 n=269 Fase 3 para obtener la muestra probabilística
  • 13. Ejemplos con cálculo de tamaño de la muestra 13www.coimbraweb.com Ejemplo 7.- Muestra por racimos En una muestra nacional de ciudadanos de un país, se diseña un muestreo por racimos. Muestreo por racimos Etapa Población 1 Se elige al azar una muestra de departamentos. 2 Cada departamento se convierte en una población y se seleccionan al azar provincias. 3 Cada provincia se convierte en una población y se eligen al azar ciudades. 4 Cada ciudad se considera una población y se eligen al azar manzanas. 5 Finalmente, se eligen al azar viviendas e individuos. La selección aleatoria garantiza que la muestra sea probabilística. Fase 3 para obtener la muestra probabilística
  • 14. 6.- SELECCIÓN DE LA MUESTRA 14www.coimbraweb.com SELECCIÓN DE LA MUESTRA PROBABILÍSTICA Descripción Las unidades muestrales de una muestra probabilística se seleccionan aleatoriamente, para asegurar de que cada unidad tenga la misma probabilidad de ser elegida. La selección se realiza de la lista específica que contiene todas las unidades unidades de análisis de la población delimitada, enumeradas de 1 a N. Se identifican 3 procedimientos de selección Tómbola Números aleatorios Selección sistemática Se hacen fichas, fichas, una por cada unidad, se revuelven en una caja y se sacan n fichas, según el tamaño de la muestra. Con ayuda de un software, se generan generan n números aleatorios correspondientes al tamaño de la muestra. Se extrae al azar un número i, (Sampieri, 2010)Fase 4 para obtener la muestra probabilística Cuando el muestreo es estratificado, se siguen los mismos procedimientos, pero por cada estrato.
  • 15. Ejemplos con selección de la muestra 15www.coimbraweb.com Ejemplo 8.- Números aleatorios Propósito Muestra estratificada Determinar las políticas que tienen los gerentes de recursos humanos respecto a cómo tratar a los dependientes de sus empresas. Para un estrato de 82 empresas se calculó una muestra de 25. . Números aleatorios generados con STATS ¿Cuántos números aleatorios?: 25. El tamaño de la muestra. Límite inferior: 1. Las unidades de la población se enumeran a partir de 1. Límite superior: 82. El tamaño de la población. Ejemplo 9.- Selección sistemática Muestra Selección sistemática Para un estrato de 82 empresas se calculó una muestra de 25. Se extrajo al azar el número 30, por lo que la muestra la integran el 30, 33, 36, 39, etc. Hasta completar las 25 unidades. k=N/n=82/25≈3. (Sampieri, 2010)Fase 4 para obtener la muestra probabilística Todo procedimiento de selección depende de listas o bases de datos.
  • 16. Correspondencia alcance–diseño-muestra 16www.coimbraweb.com (Sampieri, 2010) Una muestra de más de 100 casos tiene una distribución en forma de campana, lo cual sirve para hacer estadística inferencial. CORRESPONDENCIA ALCANCE–DISEÑO–MUESTRA Alcance Diseño Tipo de muestra Exploratorio Prexperimental No experimental Generalmente emplean muestras dirigidas, aunque aunque podrían utilizarse probabilísticas también. Descriptivo Correlacional Explicativo Experimental La mayoría de las veces muestras dirigidas. La validez de la investigación experimental se consolida con la repetición. No experimental Deben emplear muestras probabilísticas si quieren quieren que sus resultados sean generalizados a una población. Tabla que resume esta correspondencia
  • 17. Referencias bibliográficas 17www.coimbraweb.com ¿Cuáles son las referencias bibliográficas? REFERENCIAS BIBLIOGRÁFICAS Heeringa, S. & otros (2010). Applied survey data analysis. Boca Raton, USA: PSC. Hernández Sampieri, Roberto. Fernández, Collado y Baptista (2010). Metodología de la de la Investigación - Quinta Edición. México: McGraw Hill. FIN Edison Coimbra G. LOS 10 PASOS DE LA INVESTIGACIÓN CIENTÍFICA Paso 7 de:
  • 18. Links de los documentos de la colección 18www.coimbraweb.com Los 10 pasos de la Investigación Científica LINKS DE LOS DOCUMENTOS 0.Introduccion. Los 10 pasos de la Investigación Científica 1.La idea. Paso 1 de la Investigación Científica 2.El problema. Paso 2 de la Investigación Científica 3.Sustento teórico. Paso 3 de la Investigación Científica 4.Alcance de la investigación. Paso 4 de la Investigación Científica 5.Hipótesis. Paso 5 de la Investigación Científica 6.Diseño de la investigación. Paso 6 de la Investigación Científica 7.Selección de la muestra. Paso 7 de la Investigación Científica 8.Recolección de datos. Paso 8 de la Investigación Científica 9.Análisis de los datos. Paso 9 de la Investigación Científica 10.Reporte de la investigación. Paso 10 de la Investigación Científica