SlideShare una empresa de Scribd logo
BASES TEÓRICAS DEL
MUESTREO
POBLACIÓN
• En estadística, población es el conjunto de cosas, personas, animales
o situaciones que tiene una o varias características o atributos
comunes
•"Una población es un conjunto de todos los elementos que estamos
estudiando, acerca de los cuales intentamos sacar conclusiones".
Levin & Rubin (1996).
•"Una población es un conjunto de elementos que presentan
una característica común". Cadenas (1974).
•El concepto de población en estadística va más allá de lo que
comúnmente se conoce como tal. Una población se precisa como un
conjunto finito o infinito de personas u objetos que presentan
características comunes.
EJEMPLO DE POBLACIÓN
•Jóvenes de 18 años de España
•Personas fallecidas en accidente de tráfico
TIPOS DE POBLACIÓN
•Población finita: cuando el número de elementos que la forman es
finito, por ejemplo el número de alumnos de un centro de enseñanza,
o grupo clase.
•Población infinita: cuando el número de elementos que la forman es
infinito, o tan grande que pudiesen considerarse infinitos. Como por
ejemplo si se realizase un estudio sobre los productos que hay en el
mercado. Hay tantos y de tantas calidades que esta población podría
considerarse infinita.
•Población Real: es todo el grupo de elementos concretos, como las
personas que en Europa se dedican a actividades artísticas.
POBLACIÓN OBJETIVO
•Conformada por los elementos que cumplan con determinadas
características en un tiempo y espacio
•Ejemplo:
•Estudiantes inscritos durante el presente ciclo escolar que le gusta la música
clásica
•Personas del país de México que tuvieron hepatitis en el 2014
MUESTRA
•Una muestra estadística es un subconjunto de casos o individuos de una población
estadística. Las muestras, se obtienen con la intención de inferir propiedades de la
totalidad de la población, para lo cual deben ser representativas de la misma
•Una muestra es una porción representativa de una determinada población
•Parte de una población que se considera representativa de la misma.
• Es tomar información de una parte, generalmente pequeña, pero representativa de
la población de estudio
•Requisitos de una muestra: aleatoria, de un tamaño mínimo y representativa de la
población.
EJEMPLO DE MUESTRA
Libros impresos en Madrid, en la población de libros de la Biblioteca
Nacional
Alumnos del primer semestre de la BUAP que les gusta las ciencias
sociales.
CENSO
•Es tomar información de todos y cada uno de los elementos de la población
de interés.
•Se entiende por censo aquella numeración que se efectúa a todos y cada
uno de los caracteres componentes de una población.
•Se denomina censo al recuento de individuos que conforman
una población estadística, definida como un conjunto de elementos de
referencia sobre el que se realizan las observaciones
EJEMPLO DE CENSO
•Población de México
•Especies de aves que existen en Brasil
•Alumnos universitarios que hay en el Estado de Chihuahua
MUESTREO
•Herramienta de la investigación científica, cuya función básica es determinar
que parte de una población debe examinarse, con la finalidad de hacer
inferencias sobre dicha población.
•Es la técnica para la selección de una muestra a partir de una población
•Procedimiento empleado para obtener una o más muestras de una
población; el muestreo es una técnica que sirve para obtener una o más
muestras de población.
MUESTREO PROBABÍLISTICO
•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.
•El muestreo probabilístico es una técnica de muestreo en virtud de la cual
las muestras son recogidas en un proceso que brinda a todos los individuos
de la población las mismas oportunidades de ser seleccionados.
TIPOS DE MUESTREO
EJEMPLO
Muestreo aleatorio simple
Para obtener una muestra, se numeran los elementos de la
población y se seleccionan al azar los n elementos que contiene la
muestra.
Muestreo aleatorio estratificado
Se divide la población en clases o estratos y se escoge,
aleatoriamente, un número de individuos de cada estrato
proporcional al número de componentes de cada estrato.
MUESTREO NO
PROBABILÍSTICO
•La representatividad de la muestra depende de criterios no
probabilísticos, es decir, la inclusión o no de un elemento en la
muestra se determina en gran medida por el criterio de los
investigadores.
• En general se seleccionan a los sujetos siguiendo determinados
criterios procurando, en la medida de lo posible, que la muestra sea
representativa.
•El muestreo no probabilístico es una técnica de muestreo donde las
muestras se recogen en un proceso que no brinda a todos los
individuos de la población iguales oportunidades de ser
EJEMPLO
El muestreo por conveniencia
Es probablemente la técnica de muestreo más común. En el muestreo por conveniencia,
las muestras son seleccionadas porque son accesibles para el investigador. Los sujetos
son elegidos simplemente porque son fáciles de recluta
Muestreo por cuotas
El muestreo por cuotas es una técnica de muestreo no probabilístico en donde el
investigador asegura una representación equitativa y proporcionada de los sujetos, en
función de qué rasgo es considerado base de la cuota.
Por ejemplo, si la base de la cuota es de nivel de año en la universidad y el investigador
necesita una representación igual, con un tamaño de muestra de 100, debe seleccionar 25
estudiantes de 1º año, 25 de 2° año, 25 de 3º año y 25 de 4º año.
Muestreo de bola de nieve
El muestreo de bola de nieve se lleva a cabo generalmente cuando hay una población muy
pequeña. En este tipo de muestreo, el investigador le pide al primer sujeto que identifique
a otro sujeto potencial que también cumpla con los criterios de la investigación.

Más contenido relacionado

La actualidad más candente

Presentacion Muestra
Presentacion MuestraPresentacion Muestra
Presentacion Muestra
robertv9
 
Muestreo aleatorio simple
Muestreo aleatorio simpleMuestreo aleatorio simple
Muestreo aleatorio simple
Felipe Delgado
 
Tipos de muestreo
Tipos de muestreoTipos de muestreo
Tipos de muestreo
Gloris Calle Hernandez
 
MUESTREO
MUESTREOMUESTREO
MUESTREO
UNEFA
 
Muestreo 2 clasificacion
Muestreo 2 clasificacionMuestreo 2 clasificacion
Muestreo 2 clasificacion
yovannygon
 
Grupo 1 Estadistica
Grupo 1 EstadisticaGrupo 1 Estadistica
Grupo 1 Estadistica
Alex Fernando Tingo M (Lext)
 
Tema 3.2 muestreo probabilistico
Tema 3.2 muestreo probabilisticoTema 3.2 muestreo probabilistico
Tema 3.2 muestreo probabilisticoAnthony Maule
 
Tipos de Muestreo
Tipos de MuestreoTipos de Muestreo
Tipos de Muestreo
UNAM
 
Poblaciòn+y+muestra
Poblaciòn+y+muestraPoblaciòn+y+muestra
Poblaciòn+y+muestraGabi Ta
 
Tiposmuestra
TiposmuestraTiposmuestra
Tiposmuestraidoiag
 
Estadistica tema 2. muestreo parte 2
Estadistica tema 2. muestreo parte 2Estadistica tema 2. muestreo parte 2
Estadistica tema 2. muestreo parte 2
Universidad Particular de Loja
 
Muestreo probabilistico.
Muestreo probabilistico.Muestreo probabilistico.
Muestreo probabilistico.
Ray Castellanos
 
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
NGARZABAL
 
Ejemplos practicos de muestreo
Ejemplos practicos de muestreoEjemplos practicos de muestreo
Ejemplos practicos de muestreo
Daniel Flores
 
Muestreo probabilistico
Muestreo probabilisticoMuestreo probabilistico
Muestreo probabilisticoIsaac Gomez
 
Muestreo
MuestreoMuestreo

La actualidad más candente (20)

7.5 tipos y tecnicas de muestreo
7.5 tipos y tecnicas de muestreo7.5 tipos y tecnicas de muestreo
7.5 tipos y tecnicas de muestreo
 
Presentacion Muestra
Presentacion MuestraPresentacion Muestra
Presentacion Muestra
 
Muestreo aleatorio simple
Muestreo aleatorio simpleMuestreo aleatorio simple
Muestreo aleatorio simple
 
Tipos de muestreo
Tipos de muestreoTipos de muestreo
Tipos de muestreo
 
MUESTREO
MUESTREOMUESTREO
MUESTREO
 
Muestreo 2 clasificacion
Muestreo 2 clasificacionMuestreo 2 clasificacion
Muestreo 2 clasificacion
 
Grupo 1 Estadistica
Grupo 1 EstadisticaGrupo 1 Estadistica
Grupo 1 Estadistica
 
Tema 3.2 muestreo probabilistico
Tema 3.2 muestreo probabilisticoTema 3.2 muestreo probabilistico
Tema 3.2 muestreo probabilistico
 
Tipos de Muestreo
Tipos de MuestreoTipos de Muestreo
Tipos de Muestreo
 
muestreo
muestreomuestreo
muestreo
 
Poblaciòn+y+muestra
Poblaciòn+y+muestraPoblaciòn+y+muestra
Poblaciòn+y+muestra
 
Tiposmuestra
TiposmuestraTiposmuestra
Tiposmuestra
 
Estadistica tema 2. muestreo parte 2
Estadistica tema 2. muestreo parte 2Estadistica tema 2. muestreo parte 2
Estadistica tema 2. muestreo parte 2
 
Muestreo probabilistico.
Muestreo probabilistico.Muestreo probabilistico.
Muestreo probabilistico.
 
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
 
Técnicas de-muestreo
Técnicas de-muestreoTécnicas de-muestreo
Técnicas de-muestreo
 
Ejemplos practicos de muestreo
Ejemplos practicos de muestreoEjemplos practicos de muestreo
Ejemplos practicos de muestreo
 
Muestreo probabilistico
Muestreo probabilisticoMuestreo probabilistico
Muestreo probabilistico
 
4. muestreo
4. muestreo4. muestreo
4. muestreo
 
Muestreo
MuestreoMuestreo
Muestreo
 

Destacado

Metodos de muestreo, ejercicios y su procedimiento (1)
Metodos de muestreo, ejercicios y su procedimiento (1)Metodos de muestreo, ejercicios y su procedimiento (1)
Metodos de muestreo, ejercicios y su procedimiento (1)
Luz Hernández
 
Ejercicios sobre muestreo
Ejercicios sobre muestreoEjercicios sobre muestreo
Ejercicios sobre muestreo216846
 
Muestreo aleatorio simple
Muestreo aleatorio simpleMuestreo aleatorio simple
Muestreo aleatorio simplemilit
 
Poblaciones y muestras 8
Poblaciones y muestras 8Poblaciones y muestras 8
Poblaciones y muestras 8
Pregrado - Postgrado
 
Ejemplo de muestreo por cuotas
Ejemplo de muestreo por cuotasEjemplo de muestreo por cuotas
Ejemplo de muestreo por cuotas
nekoCSam
 
EL MUESTREO: UN CASO PRACTICO
EL MUESTREO: UN CASO PRACTICOEL MUESTREO: UN CASO PRACTICO
EL MUESTREO: UN CASO PRACTICO
meirisarri
 
Wienerumweltanshaft
WienerumweltanshaftWienerumweltanshaft
WienerumweltanshaftAhmad Eid
 
Intelligentes Enterprise Information Management
Intelligentes Enterprise Information Management Intelligentes Enterprise Information Management
Intelligentes Enterprise Information Management
Expertforce Ltd.
 
Cecilia Gutiérrez - Conferencia Agropecuaria
Cecilia Gutiérrez - Conferencia AgropecuariaCecilia Gutiérrez - Conferencia Agropecuaria
Cecilia Gutiérrez - Conferencia Agropecuaria
INACAP
 
NAXOS-Neuheiten vom Label und aus dem Vertrieb 31. Juli 2015
NAXOS-Neuheiten vom Label und aus dem Vertrieb 31. Juli 2015NAXOS-Neuheiten vom Label und aus dem Vertrieb 31. Juli 2015
NAXOS-Neuheiten vom Label und aus dem Vertrieb 31. Juli 2015
NAXOS Deutschland GmbH
 
UXCGN - Welcome to tomorrow
UXCGN - Welcome to tomorrowUXCGN - Welcome to tomorrow
UXCGN - Welcome to tomorrow
UXCGN
 
Dianajimenez
DianajimenezDianajimenez
Dianajimenez
dianalisbe
 
NAXOS Deutschland CD-Neuheiten Februar 2012
NAXOS Deutschland CD-Neuheiten Februar 2012NAXOS Deutschland CD-Neuheiten Februar 2012
NAXOS Deutschland CD-Neuheiten Februar 2012
NAXOS Deutschland GmbH
 
Pgma gbno fin luis gonzalo giraldo aguirre 2012 2015
Pgma gbno fin luis gonzalo giraldo aguirre 2012 2015Pgma gbno fin luis gonzalo giraldo aguirre 2012 2015
Pgma gbno fin luis gonzalo giraldo aguirre 2012 2015mcriverah
 
Social Media für Angefangene...
Social Media für Angefangene...Social Media für Angefangene...
Social Media für Angefangene...
pro event live-communication GmbH
 
Wieviel Social Media braucht der Sport?
Wieviel Social Media braucht der Sport?Wieviel Social Media braucht der Sport?
Wieviel Social Media braucht der Sport?
pro event live-communication GmbH
 
Greenwich Kitchen
Greenwich KitchenGreenwich Kitchen
Greenwich KitchenEddie Dhyne
 

Destacado (20)

Metodos de muestreo, ejercicios y su procedimiento (1)
Metodos de muestreo, ejercicios y su procedimiento (1)Metodos de muestreo, ejercicios y su procedimiento (1)
Metodos de muestreo, ejercicios y su procedimiento (1)
 
Ejercicios sobre muestreo
Ejercicios sobre muestreoEjercicios sobre muestreo
Ejercicios sobre muestreo
 
Muestreo aleatorio simple
Muestreo aleatorio simpleMuestreo aleatorio simple
Muestreo aleatorio simple
 
Poblaciones y muestras 8
Poblaciones y muestras 8Poblaciones y muestras 8
Poblaciones y muestras 8
 
Ejemplo de muestreo por cuotas
Ejemplo de muestreo por cuotasEjemplo de muestreo por cuotas
Ejemplo de muestreo por cuotas
 
EL MUESTREO: UN CASO PRACTICO
EL MUESTREO: UN CASO PRACTICOEL MUESTREO: UN CASO PRACTICO
EL MUESTREO: UN CASO PRACTICO
 
70
7070
70
 
Wienerumweltanshaft
WienerumweltanshaftWienerumweltanshaft
Wienerumweltanshaft
 
Intelligentes Enterprise Information Management
Intelligentes Enterprise Information Management Intelligentes Enterprise Information Management
Intelligentes Enterprise Information Management
 
Cecilia Gutiérrez - Conferencia Agropecuaria
Cecilia Gutiérrez - Conferencia AgropecuariaCecilia Gutiérrez - Conferencia Agropecuaria
Cecilia Gutiérrez - Conferencia Agropecuaria
 
NAXOS-Neuheiten vom Label und aus dem Vertrieb 31. Juli 2015
NAXOS-Neuheiten vom Label und aus dem Vertrieb 31. Juli 2015NAXOS-Neuheiten vom Label und aus dem Vertrieb 31. Juli 2015
NAXOS-Neuheiten vom Label und aus dem Vertrieb 31. Juli 2015
 
Octubre172013 clase-2
Octubre172013 clase-2Octubre172013 clase-2
Octubre172013 clase-2
 
UXCGN - Welcome to tomorrow
UXCGN - Welcome to tomorrowUXCGN - Welcome to tomorrow
UXCGN - Welcome to tomorrow
 
Dianajimenez
DianajimenezDianajimenez
Dianajimenez
 
NAXOS Deutschland CD-Neuheiten Februar 2012
NAXOS Deutschland CD-Neuheiten Februar 2012NAXOS Deutschland CD-Neuheiten Februar 2012
NAXOS Deutschland CD-Neuheiten Februar 2012
 
Pgma gbno fin luis gonzalo giraldo aguirre 2012 2015
Pgma gbno fin luis gonzalo giraldo aguirre 2012 2015Pgma gbno fin luis gonzalo giraldo aguirre 2012 2015
Pgma gbno fin luis gonzalo giraldo aguirre 2012 2015
 
Social Media für Angefangene...
Social Media für Angefangene...Social Media für Angefangene...
Social Media für Angefangene...
 
Webs
WebsWebs
Webs
 
Wieviel Social Media braucht der Sport?
Wieviel Social Media braucht der Sport?Wieviel Social Media braucht der Sport?
Wieviel Social Media braucht der Sport?
 
Greenwich Kitchen
Greenwich KitchenGreenwich Kitchen
Greenwich Kitchen
 

Similar a Bases teoricas del muestreo expo rafa y yo

tipos de muestra
tipos de muestratipos de muestra
tipos de muestrauniva
 
Teoría del Muestreo.pptx
Teoría del Muestreo.pptxTeoría del Muestreo.pptx
Teoría del Muestreo.pptx
MimeOrtiz
 
Clase 1 16 01-2021
Clase 1 16 01-2021Clase 1 16 01-2021
Clase 1 16 01-2021
Juan Antonio Lopez Laynez
 
Uce Muestra psicología educativa octubre 2017
Uce Muestra psicología educativa octubre 2017Uce Muestra psicología educativa octubre 2017
Uce Muestra psicología educativa octubre 2017
Stalin Tipán
 
elmuestreo.pdf
elmuestreo.pdfelmuestreo.pdf
elmuestreo.pdf
RosibelCordero1
 
El muestreo (1)
El muestreo (1)El muestreo (1)
El muestreo (1)
HumbertoCarlosGalleg
 
PRESENTACIÓN EL MUESTRO
PRESENTACIÓN EL MUESTRO PRESENTACIÓN EL MUESTRO
PRESENTACIÓN EL MUESTRO
Jeisson Garfer
 
Elmuestreo
ElmuestreoElmuestreo
Elmuestreo
Dannymen
 
El muestreo
El muestreoEl muestreo
El muestreo
im_rodriguez
 
Elmuestreo
ElmuestreoElmuestreo
Elmuestreo
Irma Ramirez
 
Elmuestreo
ElmuestreoElmuestreo
Elmuestreo
Juan Soto
 
El muestreo
El muestreoEl muestreo
El muestreo
Marleny Hualpa
 
Tipos de muestreo
Tipos de muestreoTipos de muestreo
Tipos de muestreo
paco123qwe
 
(268083723) el muestreo
(268083723) el muestreo(268083723) el muestreo
(268083723) el muestreoFaty Hernandez
 
ESTADÍSTICA APLICADA[1]-1.pptx
ESTADÍSTICA APLICADA[1]-1.pptxESTADÍSTICA APLICADA[1]-1.pptx
ESTADÍSTICA APLICADA[1]-1.pptx
JosepValles1
 

Similar a Bases teoricas del muestreo expo rafa y yo (20)

tipos de muestra
tipos de muestratipos de muestra
tipos de muestra
 
Teoría del Muestreo.pptx
Teoría del Muestreo.pptxTeoría del Muestreo.pptx
Teoría del Muestreo.pptx
 
Población y muestra seminario de tesis
Población y muestra  seminario de tesisPoblación y muestra  seminario de tesis
Población y muestra seminario de tesis
 
Clase 1 16 01-2021
Clase 1 16 01-2021Clase 1 16 01-2021
Clase 1 16 01-2021
 
Uce Muestra psicología educativa octubre 2017
Uce Muestra psicología educativa octubre 2017Uce Muestra psicología educativa octubre 2017
Uce Muestra psicología educativa octubre 2017
 
elmuestreo.pdf
elmuestreo.pdfelmuestreo.pdf
elmuestreo.pdf
 
El muestreo (1)
El muestreo (1)El muestreo (1)
El muestreo (1)
 
PRESENTACIÓN EL MUESTRO
PRESENTACIÓN EL MUESTRO PRESENTACIÓN EL MUESTRO
PRESENTACIÓN EL MUESTRO
 
Elmuestreo
ElmuestreoElmuestreo
Elmuestreo
 
Elmuestreo
ElmuestreoElmuestreo
Elmuestreo
 
Elmuestreo
ElmuestreoElmuestreo
Elmuestreo
 
El muestreo
El muestreoEl muestreo
El muestreo
 
Elmuestreo
ElmuestreoElmuestreo
Elmuestreo
 
Elmuestreo
ElmuestreoElmuestreo
Elmuestreo
 
Elmuestreo
ElmuestreoElmuestreo
Elmuestreo
 
El muestreo
El muestreoEl muestreo
El muestreo
 
Tipos de muestreo
Tipos de muestreoTipos de muestreo
Tipos de muestreo
 
(268083723) el muestreo
(268083723) el muestreo(268083723) el muestreo
(268083723) el muestreo
 
ESTADÍSTICA APLICADA[1]-1.pptx
ESTADÍSTICA APLICADA[1]-1.pptxESTADÍSTICA APLICADA[1]-1.pptx
ESTADÍSTICA APLICADA[1]-1.pptx
 
Tipos de muestreo
Tipos de muestreoTipos de muestreo
Tipos de muestreo
 

Más de Alejandrina Ibarra Avila

Metodología de investigación en didáctica de las ciencias sociales
Metodología de investigación en didáctica de las ciencias socialesMetodología de investigación en didáctica de las ciencias sociales
Metodología de investigación en didáctica de las ciencias sociales
Alejandrina Ibarra Avila
 
Teorã­a de la mediciã³n en equipo
Teorã­a de la mediciã³n en equipoTeorã­a de la mediciã³n en equipo
Teorã­a de la mediciã³n en equipo
Alejandrina Ibarra Avila
 
Bases teã³ricas de las pruebas de hipã³tesis
Bases teã³ricas de las pruebas de hipã³tesisBases teã³ricas de las pruebas de hipã³tesis
Bases teã³ricas de las pruebas de hipã³tesis
Alejandrina Ibarra Avila
 
9. distribuciã“n normal
9. distribuciã“n normal9. distribuciã“n normal
9. distribuciã“n normal
Alejandrina Ibarra Avila
 
Ji cuadrada3
Ji cuadrada3Ji cuadrada3
Medidas de posiciã³n2
Medidas de posiciã³n2Medidas de posiciã³n2
Medidas de posiciã³n2
Alejandrina Ibarra Avila
 
Medidas de tendencia central1
Medidas de tendencia central1Medidas de tendencia central1
Medidas de tendencia central1
Alejandrina Ibarra Avila
 
Probabilidad clasica
Probabilidad clasicaProbabilidad clasica
Probabilidad clasica
Alejandrina Ibarra Avila
 
Métodos de conteo5
Métodos de conteo5Métodos de conteo5
Métodos de conteo5
Alejandrina Ibarra Avila
 
Técnicas de-muestreo
Técnicas de-muestreoTécnicas de-muestreo
Técnicas de-muestreo
Alejandrina Ibarra Avila
 
Tipos de variables
Tipos de variablesTipos de variables
Tipos de variables
Alejandrina Ibarra Avila
 
Datos bivariados4
Datos bivariados4Datos bivariados4
Datos bivariados4
Alejandrina Ibarra Avila
 
9. distribución normal
9. distribución normal9. distribución normal
9. distribución normal
Alejandrina Ibarra Avila
 

Más de Alejandrina Ibarra Avila (20)

Metodología de investigación en didáctica de las ciencias sociales
Metodología de investigación en didáctica de las ciencias socialesMetodología de investigación en didáctica de las ciencias sociales
Metodología de investigación en didáctica de las ciencias sociales
 
Teorã­a de la mediciã³n en equipo
Teorã­a de la mediciã³n en equipoTeorã­a de la mediciã³n en equipo
Teorã­a de la mediciã³n en equipo
 
Bases teã³ricas de las pruebas de hipã³tesis
Bases teã³ricas de las pruebas de hipã³tesisBases teã³ricas de las pruebas de hipã³tesis
Bases teã³ricas de las pruebas de hipã³tesis
 
9. distribuciã“n normal
9. distribuciã“n normal9. distribuciã“n normal
9. distribuciã“n normal
 
Ji cuadrada3
Ji cuadrada3Ji cuadrada3
Ji cuadrada3
 
Medidas de posiciã³n2
Medidas de posiciã³n2Medidas de posiciã³n2
Medidas de posiciã³n2
 
Medidas de tendencia central1
Medidas de tendencia central1Medidas de tendencia central1
Medidas de tendencia central1
 
Probabilidad clasica
Probabilidad clasicaProbabilidad clasica
Probabilidad clasica
 
Métodos de conteo5
Métodos de conteo5Métodos de conteo5
Métodos de conteo5
 
Técnicas de-muestreo
Técnicas de-muestreoTécnicas de-muestreo
Técnicas de-muestreo
 
Tipos de variables
Tipos de variablesTipos de variables
Tipos de variables
 
Datos bivariados4
Datos bivariados4Datos bivariados4
Datos bivariados4
 
9. distribución normal
9. distribución normal9. distribución normal
9. distribución normal
 
Juego de pipo en el preescolar
Juego de pipo en el preescolarJuego de pipo en el preescolar
Juego de pipo en el preescolar
 
Comunicacinasertiva humanismo-
Comunicacinasertiva humanismo-Comunicacinasertiva humanismo-
Comunicacinasertiva humanismo-
 
Sujetos y aprendizaje
Sujetos y aprendizajeSujetos y aprendizaje
Sujetos y aprendizaje
 
Voces y miradas
Voces y miradasVoces y miradas
Voces y miradas
 
Bases psicologicas
Bases psicologicasBases psicologicas
Bases psicologicas
 
Estudio de la cogniciã“n ambiental
Estudio de la cogniciã“n ambientalEstudio de la cogniciã“n ambiental
Estudio de la cogniciã“n ambiental
 
Observaciones
Observaciones Observaciones
Observaciones
 

Último

Junio 2024 Fotocopiables Ediba actividades
Junio 2024 Fotocopiables Ediba actividadesJunio 2024 Fotocopiables Ediba actividades
Junio 2024 Fotocopiables Ediba actividades
cintiat3400
 
Horarios Exámenes EVAU Ordinaria 2024 de Madrid
Horarios Exámenes EVAU Ordinaria 2024 de MadridHorarios Exámenes EVAU Ordinaria 2024 de Madrid
Horarios Exámenes EVAU Ordinaria 2024 de Madrid
20minutos
 
Introducción a la ciencia de datos con power BI
Introducción a la ciencia de datos con power BIIntroducción a la ciencia de datos con power BI
Introducción a la ciencia de datos con power BI
arleyo2006
 
corpus-christi-sesion-de-aprendizaje.pdf
corpus-christi-sesion-de-aprendizaje.pdfcorpus-christi-sesion-de-aprendizaje.pdf
corpus-christi-sesion-de-aprendizaje.pdf
YolandaRodriguezChin
 
Semana #10-PM3 del 27 al 31 de mayo.pptx
Semana #10-PM3 del 27 al 31 de mayo.pptxSemana #10-PM3 del 27 al 31 de mayo.pptx
Semana #10-PM3 del 27 al 31 de mayo.pptx
LorenaCovarrubias12
 
Asistencia Tecnica Cultura Escolar Inclusiva Ccesa007.pdf
Asistencia Tecnica Cultura Escolar Inclusiva Ccesa007.pdfAsistencia Tecnica Cultura Escolar Inclusiva Ccesa007.pdf
Asistencia Tecnica Cultura Escolar Inclusiva Ccesa007.pdf
Demetrio Ccesa Rayme
 
ROMPECABEZAS DE ECUACIONES DE PRIMER GRADO OLIMPIADA DE PARÍS 2024. Por JAVIE...
ROMPECABEZAS DE ECUACIONES DE PRIMER GRADO OLIMPIADA DE PARÍS 2024. Por JAVIE...ROMPECABEZAS DE ECUACIONES DE PRIMER GRADO OLIMPIADA DE PARÍS 2024. Por JAVIE...
ROMPECABEZAS DE ECUACIONES DE PRIMER GRADO OLIMPIADA DE PARÍS 2024. Por JAVIE...
JAVIER SOLIS NOYOLA
 
PRESENTACION DE LA SEMANA NUMERO 8 EN APLICACIONES DE INTERNET
PRESENTACION DE LA SEMANA NUMERO 8 EN APLICACIONES DE INTERNETPRESENTACION DE LA SEMANA NUMERO 8 EN APLICACIONES DE INTERNET
PRESENTACION DE LA SEMANA NUMERO 8 EN APLICACIONES DE INTERNET
CESAR MIJAEL ESPINOZA SALAZAR
 
Friedrich Nietzsche. Presentación de 2 de Bachillerato.
Friedrich Nietzsche. Presentación de 2 de Bachillerato.Friedrich Nietzsche. Presentación de 2 de Bachillerato.
Friedrich Nietzsche. Presentación de 2 de Bachillerato.
pablomarin116
 
Sesión: El fundamento del gobierno de Dios.pdf
Sesión: El fundamento del gobierno de Dios.pdfSesión: El fundamento del gobierno de Dios.pdf
Sesión: El fundamento del gobierno de Dios.pdf
https://gramadal.wordpress.com/
 
c3.hu3.p3.p2.Superioridad e inferioridad en la sociedad.pptx
c3.hu3.p3.p2.Superioridad e inferioridad en la sociedad.pptxc3.hu3.p3.p2.Superioridad e inferioridad en la sociedad.pptx
c3.hu3.p3.p2.Superioridad e inferioridad en la sociedad.pptx
Martín Ramírez
 
CONCLUSIONES-DESCRIPTIVAS NIVEL PRIMARIA
CONCLUSIONES-DESCRIPTIVAS NIVEL PRIMARIACONCLUSIONES-DESCRIPTIVAS NIVEL PRIMARIA
CONCLUSIONES-DESCRIPTIVAS NIVEL PRIMARIA
BetzabePecheSalcedo1
 
UNIDAD DE APRENDIZAJE DEL MES Junio 2024
UNIDAD DE APRENDIZAJE DEL MES  Junio 2024UNIDAD DE APRENDIZAJE DEL MES  Junio 2024
UNIDAD DE APRENDIZAJE DEL MES Junio 2024
EdwardYumbato1
 
Productos contestatos de la Séptima sesión ordinaria de CTE y TIFC para Docen...
Productos contestatos de la Séptima sesión ordinaria de CTE y TIFC para Docen...Productos contestatos de la Séptima sesión ordinaria de CTE y TIFC para Docen...
Productos contestatos de la Séptima sesión ordinaria de CTE y TIFC para Docen...
Monseespinoza6
 
INFORME MINEDU DEL PRIMER SIMULACRO 2024.pdf
INFORME MINEDU DEL PRIMER SIMULACRO 2024.pdfINFORME MINEDU DEL PRIMER SIMULACRO 2024.pdf
INFORME MINEDU DEL PRIMER SIMULACRO 2024.pdf
Alejandrogarciapanta
 
Horarios y fechas de la PAU 2024 en la Comunidad Valenciana.
Horarios y fechas de la PAU 2024 en la Comunidad Valenciana.Horarios y fechas de la PAU 2024 en la Comunidad Valenciana.
Horarios y fechas de la PAU 2024 en la Comunidad Valenciana.
20minutos
 
Mapa_Conceptual de los fundamentos de la evaluación educativa
Mapa_Conceptual de los fundamentos de la evaluación educativaMapa_Conceptual de los fundamentos de la evaluación educativa
Mapa_Conceptual de los fundamentos de la evaluación educativa
TatianaVanessaAltami
 
Fase 1, Lenguaje algebraico y pensamiento funcional
Fase 1, Lenguaje algebraico y pensamiento funcionalFase 1, Lenguaje algebraico y pensamiento funcional
Fase 1, Lenguaje algebraico y pensamiento funcional
YasneidyGonzalez
 
Automatización de proceso de producción de la empresa Gloria SA (1).pptx
Automatización de proceso de producción de la empresa Gloria SA (1).pptxAutomatización de proceso de producción de la empresa Gloria SA (1).pptx
Automatización de proceso de producción de la empresa Gloria SA (1).pptx
GallardoJahse
 
PPT: El fundamento del gobierno de Dios.
PPT: El fundamento del gobierno de Dios.PPT: El fundamento del gobierno de Dios.
PPT: El fundamento del gobierno de Dios.
https://gramadal.wordpress.com/
 

Último (20)

Junio 2024 Fotocopiables Ediba actividades
Junio 2024 Fotocopiables Ediba actividadesJunio 2024 Fotocopiables Ediba actividades
Junio 2024 Fotocopiables Ediba actividades
 
Horarios Exámenes EVAU Ordinaria 2024 de Madrid
Horarios Exámenes EVAU Ordinaria 2024 de MadridHorarios Exámenes EVAU Ordinaria 2024 de Madrid
Horarios Exámenes EVAU Ordinaria 2024 de Madrid
 
Introducción a la ciencia de datos con power BI
Introducción a la ciencia de datos con power BIIntroducción a la ciencia de datos con power BI
Introducción a la ciencia de datos con power BI
 
corpus-christi-sesion-de-aprendizaje.pdf
corpus-christi-sesion-de-aprendizaje.pdfcorpus-christi-sesion-de-aprendizaje.pdf
corpus-christi-sesion-de-aprendizaje.pdf
 
Semana #10-PM3 del 27 al 31 de mayo.pptx
Semana #10-PM3 del 27 al 31 de mayo.pptxSemana #10-PM3 del 27 al 31 de mayo.pptx
Semana #10-PM3 del 27 al 31 de mayo.pptx
 
Asistencia Tecnica Cultura Escolar Inclusiva Ccesa007.pdf
Asistencia Tecnica Cultura Escolar Inclusiva Ccesa007.pdfAsistencia Tecnica Cultura Escolar Inclusiva Ccesa007.pdf
Asistencia Tecnica Cultura Escolar Inclusiva Ccesa007.pdf
 
ROMPECABEZAS DE ECUACIONES DE PRIMER GRADO OLIMPIADA DE PARÍS 2024. Por JAVIE...
ROMPECABEZAS DE ECUACIONES DE PRIMER GRADO OLIMPIADA DE PARÍS 2024. Por JAVIE...ROMPECABEZAS DE ECUACIONES DE PRIMER GRADO OLIMPIADA DE PARÍS 2024. Por JAVIE...
ROMPECABEZAS DE ECUACIONES DE PRIMER GRADO OLIMPIADA DE PARÍS 2024. Por JAVIE...
 
PRESENTACION DE LA SEMANA NUMERO 8 EN APLICACIONES DE INTERNET
PRESENTACION DE LA SEMANA NUMERO 8 EN APLICACIONES DE INTERNETPRESENTACION DE LA SEMANA NUMERO 8 EN APLICACIONES DE INTERNET
PRESENTACION DE LA SEMANA NUMERO 8 EN APLICACIONES DE INTERNET
 
Friedrich Nietzsche. Presentación de 2 de Bachillerato.
Friedrich Nietzsche. Presentación de 2 de Bachillerato.Friedrich Nietzsche. Presentación de 2 de Bachillerato.
Friedrich Nietzsche. Presentación de 2 de Bachillerato.
 
Sesión: El fundamento del gobierno de Dios.pdf
Sesión: El fundamento del gobierno de Dios.pdfSesión: El fundamento del gobierno de Dios.pdf
Sesión: El fundamento del gobierno de Dios.pdf
 
c3.hu3.p3.p2.Superioridad e inferioridad en la sociedad.pptx
c3.hu3.p3.p2.Superioridad e inferioridad en la sociedad.pptxc3.hu3.p3.p2.Superioridad e inferioridad en la sociedad.pptx
c3.hu3.p3.p2.Superioridad e inferioridad en la sociedad.pptx
 
CONCLUSIONES-DESCRIPTIVAS NIVEL PRIMARIA
CONCLUSIONES-DESCRIPTIVAS NIVEL PRIMARIACONCLUSIONES-DESCRIPTIVAS NIVEL PRIMARIA
CONCLUSIONES-DESCRIPTIVAS NIVEL PRIMARIA
 
UNIDAD DE APRENDIZAJE DEL MES Junio 2024
UNIDAD DE APRENDIZAJE DEL MES  Junio 2024UNIDAD DE APRENDIZAJE DEL MES  Junio 2024
UNIDAD DE APRENDIZAJE DEL MES Junio 2024
 
Productos contestatos de la Séptima sesión ordinaria de CTE y TIFC para Docen...
Productos contestatos de la Séptima sesión ordinaria de CTE y TIFC para Docen...Productos contestatos de la Séptima sesión ordinaria de CTE y TIFC para Docen...
Productos contestatos de la Séptima sesión ordinaria de CTE y TIFC para Docen...
 
INFORME MINEDU DEL PRIMER SIMULACRO 2024.pdf
INFORME MINEDU DEL PRIMER SIMULACRO 2024.pdfINFORME MINEDU DEL PRIMER SIMULACRO 2024.pdf
INFORME MINEDU DEL PRIMER SIMULACRO 2024.pdf
 
Horarios y fechas de la PAU 2024 en la Comunidad Valenciana.
Horarios y fechas de la PAU 2024 en la Comunidad Valenciana.Horarios y fechas de la PAU 2024 en la Comunidad Valenciana.
Horarios y fechas de la PAU 2024 en la Comunidad Valenciana.
 
Mapa_Conceptual de los fundamentos de la evaluación educativa
Mapa_Conceptual de los fundamentos de la evaluación educativaMapa_Conceptual de los fundamentos de la evaluación educativa
Mapa_Conceptual de los fundamentos de la evaluación educativa
 
Fase 1, Lenguaje algebraico y pensamiento funcional
Fase 1, Lenguaje algebraico y pensamiento funcionalFase 1, Lenguaje algebraico y pensamiento funcional
Fase 1, Lenguaje algebraico y pensamiento funcional
 
Automatización de proceso de producción de la empresa Gloria SA (1).pptx
Automatización de proceso de producción de la empresa Gloria SA (1).pptxAutomatización de proceso de producción de la empresa Gloria SA (1).pptx
Automatización de proceso de producción de la empresa Gloria SA (1).pptx
 
PPT: El fundamento del gobierno de Dios.
PPT: El fundamento del gobierno de Dios.PPT: El fundamento del gobierno de Dios.
PPT: El fundamento del gobierno de Dios.
 

Bases teoricas del muestreo expo rafa y yo

  • 2. POBLACIÓN • En estadística, población es el conjunto de cosas, personas, animales o situaciones que tiene una o varias características o atributos comunes •"Una población es un conjunto de todos los elementos que estamos estudiando, acerca de los cuales intentamos sacar conclusiones". Levin & Rubin (1996). •"Una población es un conjunto de elementos que presentan una característica común". Cadenas (1974). •El concepto de población en estadística va más allá de lo que comúnmente se conoce como tal. Una población se precisa como un conjunto finito o infinito de personas u objetos que presentan características comunes.
  • 3. EJEMPLO DE POBLACIÓN •Jóvenes de 18 años de España •Personas fallecidas en accidente de tráfico
  • 4. TIPOS DE POBLACIÓN •Población finita: cuando el número de elementos que la forman es finito, por ejemplo el número de alumnos de un centro de enseñanza, o grupo clase. •Población infinita: cuando el número de elementos que la forman es infinito, o tan grande que pudiesen considerarse infinitos. Como por ejemplo si se realizase un estudio sobre los productos que hay en el mercado. Hay tantos y de tantas calidades que esta población podría considerarse infinita. •Población Real: es todo el grupo de elementos concretos, como las personas que en Europa se dedican a actividades artísticas.
  • 5. POBLACIÓN OBJETIVO •Conformada por los elementos que cumplan con determinadas características en un tiempo y espacio •Ejemplo: •Estudiantes inscritos durante el presente ciclo escolar que le gusta la música clásica •Personas del país de México que tuvieron hepatitis en el 2014
  • 6. MUESTRA •Una muestra estadística es un subconjunto de casos o individuos de una población estadística. Las muestras, se obtienen con la intención de inferir propiedades de la totalidad de la población, para lo cual deben ser representativas de la misma •Una muestra es una porción representativa de una determinada población •Parte de una población que se considera representativa de la misma. • Es tomar información de una parte, generalmente pequeña, pero representativa de la población de estudio •Requisitos de una muestra: aleatoria, de un tamaño mínimo y representativa de la población.
  • 7. EJEMPLO DE MUESTRA Libros impresos en Madrid, en la población de libros de la Biblioteca Nacional Alumnos del primer semestre de la BUAP que les gusta las ciencias sociales.
  • 8. CENSO •Es tomar información de todos y cada uno de los elementos de la población de interés. •Se entiende por censo aquella numeración que se efectúa a todos y cada uno de los caracteres componentes de una población. •Se denomina censo al recuento de individuos que conforman una población estadística, definida como un conjunto de elementos de referencia sobre el que se realizan las observaciones
  • 9. EJEMPLO DE CENSO •Población de México •Especies de aves que existen en Brasil •Alumnos universitarios que hay en el Estado de Chihuahua
  • 10. MUESTREO •Herramienta de la investigación científica, cuya función básica es determinar que parte de una población debe examinarse, con la finalidad de hacer inferencias sobre dicha población. •Es la técnica para la selección de una muestra a partir de una población •Procedimiento empleado para obtener una o más muestras de una población; el muestreo es una técnica que sirve para obtener una o más muestras de población.
  • 11. MUESTREO PROBABÍLISTICO •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. •El muestreo probabilístico es una técnica de muestreo en virtud de la cual las muestras son recogidas en un proceso que brinda a todos los individuos de la población las mismas oportunidades de ser seleccionados. TIPOS DE MUESTREO
  • 12. EJEMPLO Muestreo aleatorio simple Para obtener una muestra, se numeran los elementos de la población y se seleccionan al azar los n elementos que contiene la muestra. Muestreo aleatorio estratificado Se divide la población en clases o estratos y se escoge, aleatoriamente, un número de individuos de cada estrato proporcional al número de componentes de cada estrato.
  • 13. MUESTREO NO PROBABILÍSTICO •La representatividad de la muestra depende de criterios no probabilísticos, es decir, la inclusión o no de un elemento en la muestra se determina en gran medida por el criterio de los investigadores. • En general se seleccionan a los sujetos siguiendo determinados criterios procurando, en la medida de lo posible, que la muestra sea representativa. •El muestreo no probabilístico es una técnica de muestreo donde las muestras se recogen en un proceso que no brinda a todos los individuos de la población iguales oportunidades de ser
  • 14. EJEMPLO El muestreo por conveniencia Es probablemente la técnica de muestreo más común. En el muestreo por conveniencia, las muestras son seleccionadas porque son accesibles para el investigador. Los sujetos son elegidos simplemente porque son fáciles de recluta Muestreo por cuotas El muestreo por cuotas es una técnica de muestreo no probabilístico en donde el investigador asegura una representación equitativa y proporcionada de los sujetos, en función de qué rasgo es considerado base de la cuota. Por ejemplo, si la base de la cuota es de nivel de año en la universidad y el investigador necesita una representación igual, con un tamaño de muestra de 100, debe seleccionar 25 estudiantes de 1º año, 25 de 2° año, 25 de 3º año y 25 de 4º año. Muestreo de bola de nieve El muestreo de bola de nieve se lleva a cabo generalmente cuando hay una población muy pequeña. En este tipo de muestreo, el investigador le pide al primer sujeto que identifique a otro sujeto potencial que también cumpla con los criterios de la investigación.