Este documento presenta el marco operativo de una investigación educativa. En el Capítulo 1, se describe el muestreo, tamaño de la muestra y procesamiento de información. Se explican conceptos como población, muestra, tipos de muestreo y cómo calcular el tamaño de la muestra. También se detallan etapas de procesar datos como codificar, tabular, analizar estadísticamente y presentar resultados en tablas y diagramas.

1. INVESTIGACIÓN EDUCATIVA
GABRIEL VELA QUICO

2. CAPÍTULO N° I
Marco operativo de la investigación
CAPÍTULO N° I
Marco operativo de la investigación
1.1. Introducción al muestreo
1.2. Tamaño de la muestra
1.3. Procesamiento y análisis de la
información
1.1. Introducción al muestreo
1.2. Tamaño de la muestra
1.3. Procesamiento y análisis de la
información

3. 
• Parte central de la tesis
• Aspectos metodológicos
• Población y muestra
• Tablas y diagramas
• Interpretación de datos
¿Qué es el marco operativo?

4. • Población (N): conjunto de todos los casos que tiene una
característica común.
• Muestra(n): Subgrupo de la población
1.1. Introducción al muestreo
N
n
Parámetro:
medida
estadística

5. MUESTREO
 Procedimiento por el cual se extrae, de un
conjunto de unidades que constituyen el
objeto de estudio ( población), un número
de casos reducido (muestra) elegidos con
criterios tales que permitan la
generalización a toda la población de los
resultados obtenidos al estudiar la
muestra.

6. Razones del muestreo
•Carácter económico
•Razones de tiempo
•Imposibilidad física
•Índole destructiva de ciertos test

7. CONDICIONES QUE DEBE CUMPLIR
UNA “BUENA” MUESTRA
 Que comprendan parte de la población y no
la totalidad de ésta.
 Aunque el sentido común pareciera indicar
que poblaciones más grandes deben producir
muestras mayores, esto no es siempre cierto
ya que:
 El tamaño de la población NO es el único elemento
que influye en el tamaño de la muestra.

8. La ausencia de distorsión en la elección de los
elementos de la muestra.
Si esta elección presenta alguna anomalía,
la muestra resultará por este mismo hecho
viciada.
Que sea representativa o reflejo fiel de la
población, de tal modo que reproduzca sus
características básicas en orden a la
investigación.
CONDICIONES QUE DEBE CUMPLIR UNA
“BUENA” MUESTRA

9. 1.2. Tamaño de la muestra
Es el número de unidades a incluir en la
muestra.
Existen varios factores que influyen en el:
Tiempo y recursos disponibles
Modalidad de Muestreo
Tipo de Análisis Previsto
Varianza o heterogeneidad de la población
Margen de error máximo admisible
Nivel de confianza de la estimación muestral

10. Gabriel Vela Quico 10
TIPOS DE MUESTRATIPOS DE MUESTRA
NO PROBABILÍSTICONO PROBABILÍSTICO PROBABILÍSTICOPROBABILÍSTICO
•El investigador decide
•No emplea estadística
•Puede estar sesgada
•Útil para diseñar un
cuestionario
a. Muestreo basado en el
acaso: requiere poco
esfuerzo y dinero. Ej.
encuesta de opinión.
b. Muestreo de criterio:
intencional o de juicio.
•Todos los elementos de una población
pueden ser escogidos
•Usa estadística
•Busca reducir el error
El tipo de investigación decide
el tipo de muestra
a. Muestreo aleatorio simple (azar
b. Muestreo aleatorio sistemático:
c. Muestreo aleatorio estratificado
d. Muestreo aleatorio por
conglomerados

11. USOS DE CADA TIPO DE MUESTREO
Muestreo Probabilísticos
Estimación de
Parámetros
Comprobación de
Hipótesis
Muestreos No
Probabilísticos
Estudios Pilotos
Estudios Cualitativos
Investigaciones en
poblaciones de difícil
registro o localización ( Ej.
prostitutas, enfermos de
VIH)

12. EJEMPLO: ¿QUÉ TIPO DE MUESTREO ES?
 Se realiza un muestreo entre los alumnos
que van a clases de la Química,
eligiéndolos al azar a la entrada del salón.
Este diseño es NO probabilístico porque aquellos que
no van a clases NO PUEDEN ser elegidos
Este diseño es NO probabilístico porque aquellos que
no van a clases NO PUEDEN ser elegidos

13.  Se utiliza la lista de propietarios de líneas
telefónicas para elegir a aquellos que serán
encuestados.
Este diseño es NO probabilístico porque aquellos que
no tienen teléfono NO PUEDEN ser elegidos
Este diseño es NO probabilístico porque aquellos que
no tienen teléfono NO PUEDEN ser elegidos
EJEMPLO: ¿QUÉ TIPO DE MUESTREO ES?

14.  Un investigador toma muestras del carbón
extraído de una mina, tomando al azar
trozos de carbón de la parte superior de
cada carro.
Este diseño es NO probabilístico
porque solo se toma carbón
de la parte superior
Este diseño es NO probabilístico
porque solo se toma carbón
de la parte superior
EJEMPLO: ¿QUÉ TIPO DE MUESTREO ES?

15. ADVERTENCIAS FRENTE A ERRORES
Cuanto mas heterogénea sea la población
mayor será su varianza poblacional lo que
implicará mayores tamaños muestrales.
Cuando se desconoce el valor de la varianza
poblacional se recurre al supuesto mas
desfavorable, asumiendo una varianza
poblacional igual a 0,5.
0,5 significa que una unidad seleccionada
tiene 50 % de posibilidades de pertenecer o
no a un grupo específico dentro de la
población

16. ERROR ALEATORIO
El error aleatorio no se suele ajustar a
ninguna regla y por ello tiende a anularse
cuando se trata de un número elevado de
casos.
 Los errores aleatorios se comenten, por ejemplo, cuando un
encuestado elige erróneamente una casilla queriendo
hacerlo en otra, cuando un encuestador marca
erróneamente un dato.

17. ERRORES SISTEMÁTICOS
 Un error sistemático es aquel que se produce de
igual modo ( sentido y proporción) en todas las
mediciones que se realizan sobre un parámetro
de la muestra
Ejemplo: Sustituciones, según criterio propio
del investigador, de unidades de la muestra
que habían sido elegidas al azar.
Insuficiente observación del conjunto de la
población que influye en una deficiente
definición de sus características.

18. ERROR MUESTRAL
 La diferencia entre el valor del parámetro de
una población y el obtenido de una muestra
 Por muy perfecta que sea la muestra siempre
habrá grado de divergencia entre los
parámetros estimados usándola y los de la
verdadera población.

19. POR LO TANTO EL TAMAÑO DE LA
MUESTRA

20. EJEMPLO DEL CÁLCULO DEL TAMAÑO DE LA
MUESTRA (POBLACIÓN INFINITA)
 Estimando qué proporción de sujetos poseen
una característica al nivel de confianza del
99.7% (Z=3) y un error de admitido del 2%,
será:
EL TAMAÑO DE LA POBLACIÓN NO FUE
TOMADO EN CUENTA!!!
5625
2
50503
2
2
==
xx
n

21. 
 Edición y codificación de l a información: revisar los
datos para detectar errores u omisiones; dejarlo listo
para la tabulación.
 Categorización y tabulación de la información:
definir grupos en las que puede ser clasificadas las
respuestas.
 Análisis estadístico: DESCRIPTIVA e INFERENCIAL
2.3. Procesamiento y análisis de
información

22. Escala de medición Medidas de tendencia
central
Medidas de dispersión
Nominal Porcentajes
Razones
Proporciones
Ordinal Mediana
Moda
Rango recorrido
Cuartiles
Percentiles
Intervalo Media Varianza
Desviación estándar
Desviación media
Proporción Media geométrica
Media aritmética
Coeficiente de variación
Escala de medición

23. SPSS es un programa estadístico informático muy
usado en las ciencias sociales y las empresas de
investigación de mercado

24. Medidas de Tendencia Central
 Usadas principalmente en datos de
intervalos y de razones
 Media
 Mediana
 Moda

25. Media
 Es la medida más común de las medidas de tendencia
central
 También conocida como “promedio”
 Es una medida que se encuentra a la “mitad” de los
datos
 Cómo calcularla:
nesobservaciodeNumero
valoreslostodosdeSuma
Media =

26. Media: ventajas y desventajas
 Ventajas:
 Es fácil de calcular
 Es más estable con un número grande de observaciones
 Desventajas:
 Sensibilidad a valores extremos
 Valores extremos = muy altos o muy bajos

27. Ejemplo:
Calculando la Media
Estud. Punteo
Estud. 1 92
Estud. 2 84
Estud. 3 100
Estud. 4 78
Estud. 5 86
Estud. 6 100
Estud. 7 71
Estud. 8 44
Estud. 9 91
Estud. 10 75
Estud. 11 81
Suma
Suma de todos los punteos
en un examen = 902
Total de observaciones =
11
Media = 902/11 = 82
La media de los punteos es
82
902

28. Mediana
 Es el valor a la mitad de una lista de valores ordenados
 El 50avo
percentil
 ¿Cómo calcularlo?:
1. Ordene todos los valores
2. Encuentre el valor a la mitad
 Si hay un número par de valores, utilice la media entre los
dos valores que se encuentren en la mitad

29. Mediana: ventajas y desventajas
 Ventajas:
 No es sensible a los valores extremos
 Es fácil de interpretar
 Desventajas:
 Se deben ordenar los datos para el calculo
 Los valores extremos pueden ser importantes

30. Ejemplo: Encontrando la Mediana
Punteo
92
84
100
78
86
100
71
44
91
75
81
1. Ponga los valores en
orden
2. Encuentre el valor a la
mitad
La mediana en el punteo de
exámenes es 84
Punteo
Ordena-
do
44
71
75
78
81
84
86
91
92
100
100

31. Moda
 Es el valor más común en una distribución
 ¿Cómo encontrarla?:
1. Ponga todos los valores en orden
2. Cuente cuántas veces cada valor ocurre
 El valor que ocurre con más frecuencia es la moda

32. Moda: ventajas y desventajas
 Ventajas:
 Es útil cuando hay agrupaciones con diferentes valores
 Solo mide lo que puede ser usado para datos que no son
cuantitativos
 Desventajas:
 Puede no existir en algunos datos
 Puede estar demasiado lejos de la mitad de los datos

33. Ejemplo: Encontrando la Moda
Punteos
92
84
100
78
86
100
71
44
91
75
81
1. Ordene sus valores
2. Cuente cuantas veces
cada uno de los valores
ocurre
La moda es 100.
Punteos
Ordena-
dos
44
71
75
78
81
84
86
91
92
100
100

34. Medidas de dispersión -- Rango
Encontrando el Rango
1. Poner los valores en orden
2. Encontrar el valor más bajo
3. Encontrar el valor más alto
El rango de los punteos es de (44-100)
La media de punteo fue 82 (44-100).
La mediana de punteo fue 84 (44-100).
Punteos
92
84
100
78
86
100
71
44
91
75
81
Punteos
Ordena-
dos
44
71
75
78
81
84
86
91
92
100
100

35. 
 Tablas o cuadros
 Diagramas
 Interpretación
Desarrollar