Este documento presenta una introducción a los conceptos básicos de la estadística y el muestreo. Explica que la estadística es la ciencia que analiza datos para obtener conclusiones sobre poblaciones. Se definen términos clave como población, muestra, variable e individuo. También describe los diferentes tipos de escalas y métodos de recolección de datos, así como las etapas del proceso de muestreo. Finalmente, resume brevemente diferentes técnicas de muestreo probabilísticas y no probabilísticas.

1. Métodos Estadísticos y técnicas de
muestro
Asignatura:
Docente:
Dr. José Reymundo Chan Chi
Universidad para el Bienestar Benito Juárez García
17/09/2023
1

2. La Estadística es una ciencia que facilita la
solución de problemas en los cuales
necesitamos conocer características sobre el
comportamiento de algún suceso o evento.
Nos permite inferir el
comportamiento de sucesos
iguales o similares sin necesidad
de que estos ocurran.
17/09/2023
2

3.  Esto nos da la posibilidad de
tomar decisiones acertadas y a
tiempo, así como realizar
proyecciones del
comportamiento del suceso.
 Sólo se realizan los cálculos y el
análisis con los datos obtenidos
de una muestra de la población
y no con toda la población.
17/09/2023
3

4. Estadística:
Es la ciencia que se encarga de
recolectar, organizar, resumir y
analizar datos para después obtener
conclusiones.
17/09/2023
4

5. La estadística es una ciencia muy
importante en la vida cotidiana de las
personas ya que con ella podemos llevar el
adecuado control de muchas cosas desde
las más sencillas hasta las más complejas,
además que tiene como fundamento
describir, organizar y resumir datos
numéricos, actividades, estudios de
consumidores, análisis (resultados en
deportes; administradores de
instituciones; en la educación; organismos
políticos; médicos); las técnicas
estadísticas se aplican de manera amplia
en mercadotecnia, contabilidad, control
de calidad ya que esto interviene en la
toma de las decisiones.
Importancia de la Estadística:
17/09/2023
5

6. Importancia de la Estadística:
La estadística tiene una gran importancia en todos los
aspectos sociales, económicos y políticos por cuanto que
sirve para todo tipo de investigación científica si se tiene en
cuenta que los datos estadísticos son el resultado de varios
casos de entre los cuales se toma un promedio.
La Estadística puede dar respuesta a muchas de las
necesidades que la sociedad actual puede
experimentar. Su tarea fundamental es la
reducción de datos que se obtiene a partir de
experimentos, con el objetivo de representar la
realidad y transformarla, predecir su futuro o
simplemente conocerla.
17/09/2023
6

7. La investigación en ciencias sociales puede ser cualitativa,
cuantitativa o mixta. La cualitativa no admite medición
numérica como las ideas, la filosofía, lo simbólico, la
narración, etc. En cambio, en la cuantitativa las variables a
estudiar son susceptibles de ser medidas, es decir, se les
puede asignar un número, se emplea para su procesamiento
la estadística. La mixta conjuga o alterna ambos modelos.
La estadística es una parte de la
matemática, que ayuda a la búsqueda,
organización y análisis de información
cuantitativa para realizar diagnósticos,
formular hipótesis, plantear soluciones y
tomar decisiones.
La Estadística en la investigación
17/09/2023
7

8.  Estadística descriptiva:
Se encarga de la
recolección, organización,
presentación y análisis de
los datos de una población.
En el caso de la estadística descriptiva se
reduce el conjunto de datos obtenidos por
un pequeño número de valores
descriptivos, como pueden ser: el
promedio, la mediana, la media
geométrica, la varianza, la desviación
típica, etc. Estas medidas descriptivas
pueden ayudar a brindar las principales
propiedades de los datos observados, así
como las características clave de los
fenómenos bajo investigación.
17/09/2023
8

9. Estadística inferencial:
Se encarga de analizar la información
presentada por la estadística descriptiva
mediante técnicas que nos ayuden a
conocer, con determinado grado de
confianza, a la población. Lo que nos
permite tomar decisiones.
Realiza contraste de hipótesis, que permite
decidir si dos muestras son estadísticamente
diferentes, si un determinado procedimiento
tiene un efecto estadístico significativo, etc.
Toma de muestras o muestreo, que se refiere
a la forma adecuada de considerar una
muestra que permita obtener conclusiones
estadísticamente válidas y significativas.
17/09/2023
9

10. Población:
Conjunto definido de TODOS los INDIVIDUOS, de donde se
observa cierta característica.
Al número de integrantes de la población
se llama tamaño de la población y se
representa con la letra N.
Las poblaciones pueden ser finitas o
infinitas.
17/09/2023
10

11.  Muestra:
Subconjunto de una población, que
intenta reflejar las características de la
población lo mejor posible.
El número de individuos que integran la
muestra, llamado tamaño de la muestra se
representa con la letra n.
17/09/2023
11

12. Individuo:
Es el elemento de la población o de la muestra que aporta
información sobre lo que se estudia.
 Variable:
Característica o propiedad de los
individuos que se desea estudiar y se
puede medir o calificar; cambia o varía
con el tiempo en un individuo dado, o
cambia o varía de elemento a elemento.
Ej. Edad, peso, sexo, estado civil, número
de hijos, etc.
17/09/2023
12

13. Dato:
Valor que se obtiene al realizar la medición de la
característica de la variable en estudio.
La naturaleza de los datos pueden ser
datos cuantitativos o datos cualitativos.
17/09/2023
13

14. *Datos Cuantitativos (números):
Valores obtenidos al medir peso,
estatura, temperatura, número de
hijos.
 Datos Cualitativos
(categorías):
Se obtienen al calificar la
característica en cuestión
como el sexo, estado civil,
grado máximo de estudios.
17/09/2023
14

15. Variable Dicotómica:
Sólo puede tomar dos valores (sí – no, 0 – 1, hombre – mujer,
bueno – malo, encendido – apagado).
En la variable CUANTITATIVA se pueden
distinguir dos tipos: continua y discreta.
Variable Continua:
Si la variable puede tomar
cualquier número real entre
dos valores dados
(decimal o entero).
Ej. El peso de un individuo.
 Variable Discreta:
Si la variable sólo puede
tomar números enteros.
Ej. El número de hijos
de un individuo.
17/09/2023
15

16. Escala Nominal:
Está asociada a variables cualitativitas y es denominada de
este modo si no se pueden hacer operaciones aritméticas
entre sus valores, pues éstos son únicamente ETIQUETAS.
Ejemplo: sexo, código postal, estado civil, número
telefónico, número al correr en un maratón, deporte
favorito, carrera a estudiar, etc.
17/09/2023
16

17. Escala Ordinal:
Los valores de la variable que tienen un ORDEN con un nivel
específico, pero no se pueden hacer operaciones aritméticas
entre ellas.
Ejemplo:
Pésimo – Malo – Regular – Bueno – Excelente
Primaria – Secundaria – Preparatoria - Licenciatura
17/09/2023
17

18. Escala de Intervalo:
En ella existe un orden entre los valores de la variable y
además una NOCIÓN DE DISTANCIA aunque no se puedan
realizar operaciones.
El cero o punto de inicio no es único, es más bien un punto
de referencia.
Ejemplo: Escalas de temperatura, la edad de la Tierra, la
línea del tiempo de la humanidad.
17/09/2023
18

19. Escala de Razón:
La magnitud tiene SENTIDO FÍSICO, existe el cero absoluto, existe
orden, se puede determinar cuántas veces es mayor uno que otro.
Los datos de razón tienen que ser numéricos. Este tipo de variables
permiten el nivel más alto de medición.
Ejemplo: peso, estatura, edad, distancia, dinero, etc.
Debido a la similitud existente entre las
escalas de intervalo y de razón, SPSS las
ha reunido en un nuevo tipo de medida
exclusivo del programa, al cual
denomina Escala.
17/09/2023
19

20. Encuesta:
Recopilar los datos mediante el uso de
cuestionarios o entrevistas.
 Experimento:
Procedimiento utilizado en la
investigación científica para obtener
información que permita conocer el
comportamiento de algún proceso.
17/09/2023
20

21.  Investigación
Documental:
Procedimiento para
obtener
datos mediante la
consulta de información
ya escrita y concentrada
en documentos
que se localicen en
libros o revistas en 17/09/2023
21

22. Etapas del muestreo estadístico
1. Definición de la población objetivo
2. Determinación del marco de muestreo
3. Selección de las técnicas de muestreo
4. Determinación del tamaño de muestra
5. Ejecución del proceso de muestreo
17/09/2023
22

23. 1. Definición de la población objetivo
2. Determinación del marco de muestreo
El marco de muestro es una representación de la población objetivo.
La población objetivo es el conjunto de elementos que poseen la
información que es necesario recabar. La población objetivo determina
quien puede o no ser incluido en la muestra.
17/09/2023
23

24. 3. Selección de las técnicas de muestreo
No probabilísticas
1. Convencional o
intencional
2. Por cuotas
3. Bola de nieve o
encadenado
4. Discrecional o
juicio
Probabilísticas
1. MAS o Muestreo
irrestricto
aleatorio
2. Sistemático
3. Estratificado
4. Conglomerados
17/09/2023
24

25. 1. Muestreo de conveniencia: Los encuestados son
seleccionados porque estaban en el lugar preciso en el
momento adecuado.
John W. Creswell (2008) lo define como un
procedimiento de muestreo cuantitativo en el
que el investigador selecciona a los
participantes, ya que
están dispuestos y disponibles para ser
estudiados.
3.1. Técnicas no probabilísticos
17/09/2023
25

26. James H. McMillan y Sally Schumacher (2001)
definen el muestreo por conveniencia como un
método no probabilístico de seleccionar
sujetos que están accesible o disponibles.
17/09/2023
26

27. • Se le conoce como selección intencionada (Casal & Mateu,
2003), muestreo accidental o muestreo por oportunidad
(Cohen, Manion, & Morrison, 2003).
• Consiste en la elección por métodos no aleatorios de una
muestra cuyas características sean similares a las de la
población objetivo.
• En este tipo de muestreo la “representatividad” la determina
el investigador de modo subjetivo, siendo este el mayor
inconveniente del método ya que no podemos cuantificar la
representatividad de la muestra.
• Presenta casi siempre sesgos y por tanto debe aplicarse
únicamente cuando no existe alternativa.
(Casal & Mateu, 2003)
17/09/2023
27

28. • La muestra se compone de aquellos que sean mas convenientes, se
seleccionan a los individuos mas cercanos para participar y se repite el
proceso hasta que se obtenga el tamaño de la muestra deseado (Cohen,
Manion, & Morrison, 2003).
- Por ejemplo, un profesor utiliza a sus estudiantes para participar en
una investigación (Lodico, Spaulding, & Voegtle, 2006).
• John W. Creswell (1994) enfatiza que la muestra puede ser un grupo
entero o individuos disponible para participar en el estudio que también
puede consistir de voluntarios (e.g., salón de clase, organización, unidad
familiar).
• El investigador no puede decir en confianza que los individuos son
representativos de la población, sin embargo, la muestra provee
información útil para responder preguntas e hipótesis (Creswell, 2001).
17/09/2023
28

29. *
• Menos costoso
• No requiere mucho tiempo
• Fácil de administrar
• Por lo general asegura alta tasa de
participación
• Posible generalización a sujetos similares
(McMillan & Schumacher, 2001)
17/09/2023
29

30. *
• Difícil generalizar a otros sujetos .
• Menos representativa de una población
específica
• Los resultados dependen de las
características únicas de la muestra.
• Mayor probabilidad de error debido al
investigador o influencia de sujetos (sesgos)
(McMillan & Schumacher, 2001)
17/09/2023
30

31. *
Miguel Valencia (1972)
presenta el siguiente
ejemplo:
La primera muestra de
piedras que tomaron los
astronautas en la luna fue
una muestra por
conveniencia porque el
primer astronauta que piso
la luna escogió aquellas
piedras que encontró más
a la mano.
31 17/09/2023

32. *
Un investigador conduce un estudio que
envuelve estudiantes Nativo Americanos. El
investigador decide estudiar este grupo en una
escuela porque están disponibles, el
investigador tiene el permiso del principal y el
consentimiento de los estudiantes que
participarán en el estudio.
(Creswell, 2001)
17/09/2023
32

33. 2. Muestreo de Juicio o discrecional: Los encuestados son
seleccionados siguiendo el criterio del investigador, basándose
en su conocimiento de la población objetivo. El investigador a
su juicio, representan todo el espectro de la población
objetivo.
Ejemplos:
1. Un reportero puede seleccionar
dos o tres senadores considerando
que estos senadores reflejan la
opinión general de todos los
senadores.
2. Al jefe del área de ventas de la
empresa “seguros de autos S.A de C.V” le
encomiendan un estudio de él que hacer
para asegurar una venta, las personas que
le podrían brindar la mejor información
son los vendedores que tienen un alto
nivel de ventas. 17/09/2023
33

34. VENTAJAS
Se requiere de información o
características muy específicas para
seleccionar la muestra y por lo tanto es
más confiable (por cuota).
Se hace la selección de la muestra de
acuerdo al juicio del investigador, de esta
forma es más específico en buscar el tema
que quiere conocer (por juicio).
Selección de los casos más disponibles de
acuerdo al tema a investigar
(conveniencia).
Este tipo de muestreo reduce costos y
tiempo.
DESVENTAJAS
Difícil generalizar a otros
sujetos.
Los resultados dependen de
las características únicas de
la muestra.
Mayor probabilidad de error
debido al investigador ó
influencia del sujetos.
No son representativas de
ninguna población definida.
No tienen ningún sentido
teórico generalizar a una
población.
17/09/2023
34

35. 3. Muestreo encadenado: Se selecciona a una muestra que
sirve como punto de partida para otra muestra. Se utiliza
cuando, por la naturaleza delicada de la pregunta o la
dificultad de encontrar a los encuestados, es necesario que el
encuestado nos dirija a otro.
Se utiliza cuando la población es de difícil acceso por
razones sociales (alcohólicos, drogadictos, etc.). En este
caso se contacta con una persona del grupo a estudiar,
puede ser el líder de una pandilla, el amigo de un
colaborador, etc.
17/09/2023
35

36. El muestreo de bola de nieve o encadenado es una
técnica de muestreo no probabilístico utilizada por los
investigadores para identificar a los sujetos
potenciales en estudios en donde los sujetos son
difíciles de encontrar.
17/09/2023
36

37. Muestreo de bola de nieve lineal
Muestreo de bola de nieve no discriminatorio
exponencial
17/09/2023
37

38. Muestreo de bola de nieve discriminatorio
exponencial
17/09/2023
38

39. Etapas
1. Mapa de red: se hace una descripción de la población
objetivo de la mejor forma posible.
2. Proceso de referenciación: a un informante clave
se le pide nominar y contactar individuos de la
población objetivo. Se obtienen así varios puntos de
partida o contactos iniciales.
3. Entrevista: cuando la persona es contactada
aleatoriamente, se le entrevista y a su vez se le
pide que nombre a otras personas de la población
objeto.
17/09/2023
39

40. Repitiendo el procedimiento: cada
grupo de nominados representa una
etapa, se forma entonces una línea de
respondientes-referenciado-
respondiente, a esta cadena se le
denomina “Bola de Nieve”
17/09/2023
40

41. Ventajas
El proceso en cadena permite
que el investigador llegue a
poblaciones que son difíciles de
probar cuando se utilizan otros
métodos de muestreo.
El proceso es barato, simple y
rentable.
Esta técnica de muestreo necesita poca
planificación y menos mano de obra que
otras técnicas de muestreo.
17/09/2023
41

42. Desventajas
El investigador tiene poco control sobre el
método de muestreo.
La representatividad de la muestra no está
garantizada. El investigador no tiene ni idea
de la verdadera distribución de la población
ni de la muestra.
Los primeros sujetos tienden a designar a
personas que conocen bien. Como
consecuencia, es muy posible que los
sujetos compartan los mismos rasgos y
características y, por lo tanto, la muestra
que obtenga el investigador será sólo un
pequeño subgrupo de toda la población.
17/09/2023
42

43. Ejemplo
Para obtener sujetos para un estudio que
quiere analizar una enfermedad rara, el
investigador puede elegir utilizar el
muestreo de bola de nieve, ya que será
difícil obtener sujetos. También es posible
que los pacientes con la misma
enfermedad tengan un grupo de apoyo, y
si uno de sus miembros es tu primer
sujeto, lo más probable es que allí
encuentres más sujetos para el estudio.
17/09/2023
43

44. 4. Muestreo por cuotas. En este caso el investigador tiene
una información más detallada de la distribución de la
población según algunas variables que están relacionadas con
la variable a estudiar.
De acuerdo con estas variables se divide la población en
estratos y se entrevista un número determinado en cada
estrato.
El método de cuotas se basa en la
distribución conocida de una población
(edad, sexo, situación geográfica, categoría
socio-profesional...).
Una vez determinada la dimensión del
sondeo que se desea efectuar, basta con
calcular el número de individuos por cada
criterio elegido.
17/09/2023
44

45. El primer paso para el muestreo por
cuotas no probabilístico es dividir a la
población en subgrupos exclusivos.
Muestreo por cuotas: Procedimiento
Luego, el investigador debe identificar las
proporciones de estos subgrupos en la
población. Esta misma proporción será
aplicada al proceso de muestreo.
Por último, el investigador selecciona
sujetos de los diversos subgrupos teniendo
en cuenta las proporciones observadas en
el paso anterior.
El último paso asegura que la muestra sea representativa de toda la población.
También permite que el investigador estudie rasgos y características que se ven en
cada subgrupo.
17/09/2023
45

46. En un estudio en donde el investigador
quiere comparar el rendimiento
académico de los diferentes niveles de
clases del secundario, su relación con el
género y la situación socioeconómica, el
investigador identifica primero los
subgrupos.
Ejemplo de muestras por cuotas
Por lo general, los subgrupos son las
características o variables del estudio. El
investigador divide a toda la población en
niveles de clase, cruzados con el género y
el nivel socioeconómico. Luego, toma
nota de las proporciones de estos
subgrupos en toda la población y a
continuación hace un muestreo de cada
subgrupo.
17/09/2023
46

47. Puede parecer que esta técnica de
muestreo es totalmente representativa de
la población. En algunos casos no es así.
Debes tener en cuenta que se han tenido
en cuenta sólo los rasgos seleccionados de
la población para formar los subgrupos.
En el proceso de muestreo de estos
subgrupos, otros rasgos de la muestra
pueden ser representados de más. En un
estudio que tiene en cuenta el género, el
nivel socioeconómico y la religión como
base de los subgrupos, la muestra final
puede tener una representación sesgada
de la edad, la raza, el nivel educativo
alcanzado, el estado civil y mucho más.
Desventajas de las muestras por cuotas
Ventajas
La muestra puede controlarse
en ciertas características.
Costos más bajos y mayor
conveniencia para los
entrevistadores para
seleccionar los elementos de
cada cuota.
17/09/2023
47

48. 3.2. Técnicas probabilísticas:
1. Muestreo aleatorio simple (MAS).
Cada elemento de la población y cada posible muestra de un
tamaño n tienen una probabilidad conocida e igual de ser
seleccionados. Esta técnica requiere tener un listado
exhaustivo de todos los elementos de la población objetivo.
Es la técnica de muestreo aleatorio más básica y conforma la base de
todas las demás técnicas de muestreo. En el muestreo aleatorio
simple, la n se utiliza para representar el tamaño de la muestra y la N
para representar el tamaño de la población. El proceso de muestreo
dependerá si la población es finita (con un número fijo de la
población) o infinita (no es posible determinar un número).
17/09/2023
48

49. 1. Muestreo aleatorio simple (MAS).
Las muestras se seleccionan con reemplazo o sin reemplazo. El muestreo con
reemplazo se da cuando tras seleccionar una muestra, se devuelve a la
población, donde tiene la misma probabilidad de resultar seleccionado de
nuevo. El muestreo sin reemplazo es cuando una vez seleccionada una
muestra esta no se podrá seleccionar de nuevo. Aunque el muestreo con
reemplazo es una forma válida de identificar una muestra aleatoria simple,
el muestreo sin reemplazo es el procedimiento más usado.
Procedimiento:
1) Definir la población de estudio.
2) Asignar un número a cada individuo de la población
3) Determinar el tamaño de muestra óptimo o para el estudio.
4) Seleccionar la(s) muestra(s) de manera sistemática por medio de
algún medio mecánico (Tablas de números aleatorios, bolas dentro de
una bolsa, números aleatorios generados con una calculadora, etc.)
5) Y se eligen tantos individuos como sea necesario para completar el
tamaño de muestra que necesitamos. 17/09/2023
49

50. Ejemplo:
Para obtener una muestra de alumnos de una escuela para aplicarles
una encuesta, lo primero que se hace es enumerar a todo el alumnado.
Se obtiene una lista de los alumnos matriculados y se le asigna un
número a cada uno en orden alfabético y ascendente. Suponiendo que
el total de alumnos es de 700 se utilizan los números 001, 002,
003,...,700. Se determina el tamaño de muestra, en este caso es de
tamaño 75. Enseguida se utiliza una tabla de números aleatorios
formando números de tres dígitos aceptando como unidad de análisis
muestral a todos aquellos que estén comprendidos entre el 001 y el
700.
17/09/2023
50

51. 2. Muestreo sistemático:
Se elige un primer elemento aleatoriamente y a continuación todos los
siguientes cada n posiciones. Así, si por ejemplo, queremos seleccionar
20 individuos de entre 100, el primer paso es seleccionar un número
aleatorio entre 1 y 5 (ya que 100/20 = 5), digamos el 3; a continuación
seleccionamos los individuos 3, 8, 13, 18,… 93, 98. Esto implica la
ordenación de todos los elementos de la población, si bien el criterio de
ordenación no debe guardar ninguna relación con el fenómeno
sociológico a estudiar.
Para realizar muestreos en poblaciones muy grandes, el método de
muestreo aleatorio simple resulta complicado y difícil para aplicar, en estos
casos se utiliza el muestreo sistemático. En una muestra sistemática, los N
elementos de la población se dividen en n grupos de k elementos. Un k-
ésimo caso representa el intervalo de selección de unidades de análisis que
serán integradas a la muestra, se obtiene mediante la expresión: k =
𝑁
𝑛
17/09/2023
51

52. Ejemplo:
Cuando los elementos no están enumerados. Si se va a probar una muestra de 50
de una población de 500 pelotas, k =
500
50
, k=10. Ya que ninguna pelota tiene un
número específico, este intervalo de selección indica que cada 10 decima pelota
que contemos se integrará a la muestra. La primera muestra es la decima pelota
que saquemos de una bolsa, la segunda muestra es la vigésima, la tercera la
trigésima y así de diez en diez hasta completar las 50 muestras que se piden.
Procedimiento:
1) Definir la población de estudio.
2) Determinar el tamaño de muestra requerido.
3) Se calcula la muestra sistemática dividiendo la población entre el tamaño de la
muestra.
4) El valor de k es el intervalo de selección que indica cada k de veces que un
elemento de la población se integrará a la muestra (en el caso de no estar
enumerados los elementos). Y también es el intervalo de selección del cual se
escogerá un número aleatoriamente dentro de este intervalo (en caso de que los
elementos estén enumerados).
17/09/2023
52

53. Ejemplo:
Cuando los elementos están numerados. Si la población se
compone de una lista de cheques prenumerados N=800 y se
quiere extraer una muestra sistemática de n=40, se aplica la
formula k =
𝑁
𝑛
, k =
800
40
, k =20. De este intervalo selecciona un
número aleatorio entre 1 y 20, y se incluye cada vigésimo
elemento tras la primera selección de la muestra. Supongamos
que el primer número seleccionado es 8, sus selecciones
subsiguientes son 28, 48, 68, 88, 108, 128, 148, 168, 188, 208,
228, 248, 268, 288, 308, 328, 348, 368, 388, 408, 428, 448, 468,
488, 508, 528, 548, 568, 588, 608, 628, 648, 668, 688, 708, 728,
748, 768 y 788.
17/09/2023
53

54. 3. Muestreo estratificado:
Es el método donde una población se divide en subgrupos
denominados estratos y se selecciona al azar una muestra
de cada estrato.
Un estrato se define mediante algunas características comunes
como son el sexo, la población, la edad, la profesión entre otras
que puede decidir la persona que hace la muestra. Este método
es más eficiente que el muestreo aleatorio simple y sistemático,
porque garantiza el hecho de que cada grupo se encuentre
representado en la muestra. El valor del muestreo aleatorio
estratificado depende de qué tan homogéneos sean los
elementos dentro de cada estrato, es decir que entre más
parecidos sean entre sí, es mejor.
17/09/2023
54

55. La distribución de la muestra en función de los diferentes
estratos se denomina afijación, y puede ser de diferentes tipos:
1) Afijación Simple: A cada estrato le corresponde igual número de
elementos muéstrales.
2) Afijación Proporcional: Cada estrato se encuentra representado en
la muestra en proporción exacta al tamaño de la población total.
3) Afijación Óptima: Se tiene en cuenta la previsible dispersión de los
resultados, de modo que se considera la proporción y la
desviación típica. Tiene poca aplicación ya que no se suele conocer
la desviación.
17/09/2023
55

56. Procedimiento:
Los pasos para seleccionar una muestra proporcionalmente
estratificada son:
1) Definir la población de estudio.
2) Determinar el tamaño de muestra requerido.
3) Establecer los estratos o subgrupos.
4) Determinar la frecuencia relativa del muestreo de cada estrato, dividiendo el tamaño
del estrato entre el tamaño de la población de estudio.
5) Multiplicar la frecuencia relativa del muestreo de cada estrato por el tamaño de la
muestra total, para obtener de cada estrato la cantidad de individuos que se
integrarán a dicha muestra.
6) Seleccionar y extraer de cada estrato la cantidad de individuos que formaran parte
de la muestra total aplicando el procedimiento de muestreo aleatorio simple.
17/09/2023
56

57. 4. Muestreo por conglomerados (clusters en inglés):
Es el método donde una población se divide en conglomerados partir
de los límites naturales geográficos o de otra clase. A continuación se
seleccionan los conglomerados al azar y se toma una muestra de
forma aleatoria de uno de los elementos de cada grupo.
En una muestra de conglomerados, se divide N elementos de la
población en varios grupos de tal manera que cada uno sea
representativo de toda la población. Este procedimiento tiende a
proporcionar mejores resultados cuando los elementos dentro de
los conglomerados no son semejantes. Lo ideal es que cada
conglomerado sea una representación, a pequeña escala, de la
población.
17/09/2023
57

58. Se aplica en el muestreo de áreas, en la que los conglomerados son
manzanas, ciudades, distritos electorales, países, etc. En este tipo de
muestreo es imprescindible diferenciar entre unidad de análisis
entendida como quiénes va a ser medidos y unidad muestral que se
refiere al conglomerado a través del cual se logra el acceso a la unidad de
análisis.
Procedimiento:
1) Dividir la población en conglomerados.
2) Seleccionar al azar el número de conglomerados que
desee.
3) Tomar una muestra aleatoria simple de uno de los
elementos de cada conglomerado.
4. Muestreo por conglomerados (Continuación)
17/09/2023
58

59. Ejemplo:
Si se va a realizar una encuesta sobre las políticas y
leyes del municipio, se podría dividir el municipio en
distritos, por ejemplo en 13 distritos, de esos tres se
toma al azar el 4, 5, 9 y 11, y solo concentrándonos en
estos distritos, tomamos una muestra aleatoria de
habitantes de cada uno de esos distritos, para
entrevistarlos.
4. Muestreo por conglomerados (Continuación)
17/09/2023
59

60. 4. Determinación del tamaño de muestra
La determinación del tamaño de la muestra es uno de los aspectos
del diseño muestral mas complejo y a la vez mas demandado por
los investigadores. Para abordar el problema es necesario conocer
el nivel de precisión, el nivel de confianza y el grado de
variabilidad del atributo que se mide.
El nivel de precisión. También conocido como error relativo de la
estimación, indica la amplitud del intervalo de nuestra
estimación dentro del cual se encuentra con una determinada
probabilidad el valor real.
17/09/2023
60

61. * Para determinar la muestra es necesario
considerar primero cual es nuestro universo
* Se entiende por universo al total de elementos
que reúnen ciertas características homogéneas,
los cuales son objeto de una investigación.
17/09/2023
61

62. •El cálculo del tamaño de la muestra se realiza
mediante dos fórmulas distintas, según se trate de
una población finita o infinita.
• En cualquier caso, los valores contenidos en aquellas
se obtienen por medio de los siguientes pasos.
17/09/2023
62

63. El total de bebés en una ciudad (para una fábrica de cunas)
El total de familias de una ciudad, con ingreso mensual superior a
$2,000 que son clientes potenciales
Número de tiendas que venden artículos fotográficos dentro de una
región
Número de industrias que fabrican computadoras.
17/09/2023
63

64. El universo puede ser finito o infinito
Se le considera finito
cuando el número de
elementos que lo
constituyen es menor
que 500,000
Se le considera
infinito cuando es
mayor
•La muestra es una
parte del universo
que debe
presentar los
mismos
fenómenos que
ocurren en él.
17/09/2023
64

65. Para que la muestra alcance los objetivos preestablecidos debe
reunir las siguientes características.
Ser representativa: Es decir, todos sus elementos
deben presentar las mismas cualidades y
características.
Ser suficiente: La cantidad de elementos
seleccionados, si bien tiene que ser representativa
del universo, debe estar libre de errores.
17/09/2023
65

66. Menor costo: Los gastos se harán sobre una
mínima parte del universo.
Menor tiempo: Se obtiene con mayor rapidez la
información, ya que sólo se estudia una pequeña
parte.
Confiabilidad: Una vez comprobada la representatividad de
una muestra, podrá emplearse con entera confianza el
procedimiento de selección en los próximos estudios de
otros universos.
Control: Es fácil acudir a los resultados finales del
estudio con fines de consulta. 17/09/2023
66

67. *La fórmula para poblaciones infinitas (más de 500,000
elementos) es la siguiente:
En donde:
17/09/2023
67

68. •En la práctica, generalmente se trabaja con un grado de
precisión de ente 2% y 6% para un 95% de confianza.
•El siguiente ejemplo, que considera un error de estimación del
2% y un nivel de confianza del 95%, supone que después de
un análisis previo de la situación, se encontró que la
participación de mercados del producto ascendía
aproximadamente al 30%
17/09/2023
68

69. *
17/09/2023
69

70. *Para poblaciones finitas (menos de 500 000 elementos) se
utiliza la siguiente fórmula:
17/09/2023
70

71. *
• Se planea llevar a cabo una
investigación para determinar la
investigación de hogares que
tienen refrigerador; es necesario
calcular el tamaño de la muestra
requerida, con un intervalo de
confianza de 95% y una estimación
de 5%. La investigación se llevará a
cabo en una población de 1500
familias.
17/09/2023
71

72. 17/09/2023
72

73. Casal, J., & Mateu, E. (2003). Tipos de muestreo, Rev. Epidem.
Med. Prev. 1,
pp. 3-7. Recuperado de
http://minnie.uab.es/~veteri/21216/ TiposMuestreo1.pdf
Cohen, L., Manion, L., & Morrison, K. (2003). Research methods in
education (5a ed.). London: RoutledgeFalmer.
Gay, L. R. (1996). Educational research: Competencies for analysis
and
application (5a ed.). Upper Saddle River, New Jersey:
Prentice Hall Inc.
Valencia, Miguel A. (1972). Técnicas de muestreo. Centro de
Investigaciones Sociales en la Universidad de Puerto Rico
[UPR RRP
, SB Lázaro Colección Puertorriqueña].
17/09/2023
73

74. Lodico, M. G., Spaulding, D. T., & Voegtle, K. H. (2006). Methods in educational
research: From theory to practice. San Francisco, CA: Jossey-Bass.
McMillan, J. H. & Schumacher, S. (1993). Research in education: A conceptual
introduction (3a ed.). New York: Harper Collins College Publishers.
McMillan, J. H. & Schumacher, S. (2001). Research in education: A conceptual
introduction (5a ed.). New York: Addison Wesley Longman.
Zhang, X., Wee, H. L., Tan, K., Thumboo, J., & Li, S. C. (2009). Is diabetes
knowledge associated with health-related quality of life among
subjects with diabetes? A preliminary cross-sectional convenience
–sampling survey study among English-speaking diabetic subjects in
Singapore, Journal of Chinese Clinical Medicine, 4(3), pp. 144- 150.
74 17/09/2023