SlideShare una empresa de Scribd logo
FUNDAMENTOS DE MUESTREO
      Investigación de mercado II
DISTINGUIR LOS BENEFICIOS
        DEL MUESTREO
• Definir los segmentos del mercado
  meta.

        • Terminar con incertidumbre si el
              producto será exitoso o no.

• Conocer el comportamiento del
  consumidor sobre la inclinación del
  producto.
• Garantizar el direccionamiento
  comercial del producto.

• Justificar el costo de una investigación
                   mayor .

• Tener la facilidad de realizar
  combinación de variables.
• Tener la facilidad de inferir el 2 % de una
  nuestra representativa del total de la
  población.

• Ayudar a la dirección comercial a tomar
  decisiones estratégicas en base a una
  muestra representativa (del 2% al 12% al
  millar de la población representativa).
DEFINIR ALGUNOS CONCEPTOS
   NECESARIOS DEL MUESTREO
• ELEMENTO

• POBLACIÓN

• UNIDAD DE MUESTREO

• MARCO MUESTRAL

• POBLACIÓN EN ESTUDIO.
• Elemento:
Unidad sobre la que se necesita
información
– Ej.
  Personas, productos, tiendas, empr
  esas
• Población:
Conjunto de todos los elementos definidos, también
llamado universo, población es cualquier colección de
individuos, elementos o grupos de ellos.

• Ejemplo, población puede estar constituida por los
  habitantes de un país o por sus grupos sociales. La
  población se define como un grupo compacto bajo
  estudio, definido según los objetivos del proyecto.
• Unidad de muestreo:
  Elementos disponibles para su selección en alguna etapa
  del proceso de muestreo.
  Número de elementos de la población. Todo miembro de la
  población pertenecerá a una y sólo una unidad de
  muestreo.

- Ejemplos:
– Elemento: “mujer entre 18 y 25 años”.
– Unidad de muestreo: “mujeres de las distintas
  facultades de la US
• Marco muestral :
 Lista de todas las unidades de muestreo
 disponibles para su selección en alguna etapa del
 proceso de muestreo.


• Población del estudio:
 Conjunto de elementos sobre lo que se toma la
 muestra
IDENTIFICAR LOS DIFERENTES
TIPOS DE PROCEDIMIENTOS DE
         MUESTREO
PROCEDIMIENTO DE MUESTREO
• Determina cómo deberá escogerse a los
  entrevistados, de tal manera que la muestra se
  obtendrá de manera probabilística para que sea
  representativa o no probabilistico.
•   MUESTRAS PREDISPUESTAS:
•   MUESTRAS NO PREDISPUESTAS:
•   MUESTRA CON PROBABILIDAD O PROBABILISTICAS
•   MUESTREO SIMPLE AL AZAR:
•   MUESTREO SISTEMATICO:
•   MUESTREO POR CONGLOMERADOS:
•   MUESTRA ALEATORIA SIMPLE:
•   MUESTRAS NO PROBABILISTICAS: :
• MUESTRAS PREDISPUESTAS: son aquellas que han sido
  seleccionadas de manera que la comprobación o la
  refutación de las hipótesis pasan a ser el resultado de
  procedimientos de muestreo.

• MUESTRAS NO PREDISPUESTAS: aquellas cuya
  probabilidad de extracción es conocida. Hay 2 tipos de
  estas muestras. Muestras cuya posibilidad de ser extraídas
  es probabilística o las que no son probabilísticas, son
  esencialmente de cuatro tipos: muestra aleatoria,
  sistemática, estratificada y por conglomerados. Mientras
  que las no probabilísticas son de tres tipos: muestra casual,
  intencional y por cuota
• MUESTRA CON PROBABILIDAD O PROBABILISTICAS:
  la característica distintiva de las muestras probabilísticas es
  que todo individuo u objeto ha de tener una probabilidad
  conocida de quedar incluida en la muestra ya que para
  poder formular inferencias estadísticas es absolutamente
  necesario que todas las probabilidades sean conocidas.



• MUESTREO SIMPLE AL AZAR: aquí todos los elementos
  tienen la misma probabilidad de ser seleccionados. La
  extracción de una muestra aleatoria simple en una
  población finita, requiere de un listado de todos los
  elementos de la población.
• MUESTREO SISTEMATICO: es muy similar al muestreo
  aleatorio simple, hay que elaborar un listado de todos los
  elementos que incluye la población, una vez con el listado de
  población, la diferencia estriba en el método para la selección de
  los casos. En una muestra aleatoria o procedimientos similares
  para seleccionar cada elemento; aquí la selección se realiza por
  un procedimiento mecánico más simple.

• MUESTREO POR CONGLOMERADOS: muchas de las
  investigaciones tienen como objeto de estudio a unidades tales
  como naciones, estados y similares, que admiten subdivisiones.
  Es útil cuando los elementos a estudiar se encuentran dispersos
  a lo largo de áreas geográficas extensas o en situaciones
  similares, donde los costos para alcanzar las unidades resultan
  ser muy elevados.
• MUESTRA ALEATORIA SIMPLE: debe de ser preferida al
  resto de las otras muestras, particularmente cuando no se
  conoce lo suficiente sobre los parámetros poblacionales.
  Cuando es posible estratificar hay que hacerlo, ya que esto
  homogeneiza la muestra y los cálculos consiguientes
  resultan   de    mayor     riqueza    y  representatividad.

• MUESTRAS NO PROBABILISTICAS: estas tienen poco
  valor es términos de inferencia, ya que no es posible a partir
  de ellas hacer generalizaciones. Sin embargo, a veces
  resultan útiles en términos de inversión por parte del
  investigador en el tema.
DEFINIR MUESTREO NO
  PROBABILISTICOS
MUESTREO NO PROBABILISTICO
• consistente     en   que     el   investigador
  selecciona la muestra que supone sea la
  más representativa, utilizando un criterio
  subjetivo y en función de la investigación que
  se vaya a realizar.
MUESTREO NO PROBABILÍSTICO: CARACTERÍSTICAS

 La selección de la muestra no es aleatoria, sino
  que se basa, en parte, en el juicio del
  entrevistador   o   de   responsable    de     la
  investigación.


 No se basa en ninguna teoría de la probabilidad y,
  por lo tanto, no es posible calcular la precisión o
  acotar el error cometido.
 No es posible calcular estos errores ni la confianza
  de las estimaciones que, además, no siempre se
  reducen aumentando el tamaño de la muestra.


 En el muestreo no probabilístico los costes y la
 dificultad del diseño son más reducidos (al no ser
 necesario disponer de un marco). Este muestreo
 puede dar buenos resultados, pero también apareja
 el riesgo de proporcionar una información errónea.
TIPOS DE MUESTREO NO
       PROBABILISTICO
                 •MUESTREO DE
                    JUICIO


 MUESTREO NO     •MUESTREO POR
PROBABILISTICO      CUOTAS


                 •MUESTREO POR
                  CONVENIENCIA
 MUESTREO DE JUICIOS


   La muestra es elegida por un experto de acuerdo
    con su criterio, buscando las unidades más
    representativas.

   el juicio, en el que se seleccionan muestra de
    acuerdo con el juicio del investigador

   Se emplea cuando el tamaño de la muestra es
    pequeño.

   Ejemplo: mercados de prueba, presuntos líderes
    seleccionados en la investigación de conducta de
    voto….
MUESTREO POR CUOTAS

• Consiste en seleccionar una muestra cubriendo una
  “cuota” o cantidad determinada de elementos.

 Tiene por objetivo asegurar que los diversos
  subgrupos de una población estén representados en
  la muestra respecto de las características
  pertinentes de la muestra y con la proporción exacta
  que el investigador desee.

 la cuota, en la que se busca y entrevista a un número
  determinado de personas en cada una de varias
  categorías.
 La velocidad de recopilación de datos, los menores
  costes y la comodidad son sus principales ventajas
  frente al muestreo de probabilidad.

 Puede resultar apropiado cuando el investigador
  sabe que es más probable que un cierto grupo
  demográfico rehúse colaborar con una encuesta.

• Por ejemplo: se desea encuestar a los usuarios de un
  servicio mutual, se encuesta a 20 personas de cada
  servicio sin considerar si el numero de pacientes
  registrados en cada centro. La cuota de cada centro es
  20
 MUESTREO DE CONVENIENCIA

   Las muestras se seleccionan según un criterio de
    accesibilidad o comodidad. más fáciles de la población de
    los que se tiene información

   Suele emplearse en centros comerciales, plazas,
    estaciones de autobuses o de tren, metro, aeropuertos
    o lugares de gran afluencia pública.

   Se utiliza para obtener un mayor número de
    cuestionarios  completados de forma rápida y
    económica.

   Adecuado en la investigación exploratoria que venga
    seguida de una investigación adicional en la que se
    extraiga una muestra probabilística.
MUESTREO
PROBABILISTICO
TIPOS DE MUESTREO
           PROBABILISTICO
                  Muestreo
                   Aleatorio
                    Simple

 Muestreo
Probabilístico    Muestreo
                 Estratificado
                                 •Muestreo
                                 Sistemático
                  Muestreo      •Muestreo por
                 Conglomerado    Área
MUESTREO PROBABILISTICO
• Los métodos de muestreo probabilísticos son 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 elegidas.
MUESTREO PROBABILÍSTICO: CARACTERÍSTICAS

 Las muestras se seleccionan al azar, no se seleccionan por los
  investigadores. Se conoce la probabilidad de ser elegido
 Cada elemento de la población              tiene   la   misma
  probabilidad de ser elegido.
 Se puede conocer el error muestral, el nivel de confianza y el
  nivel de precisión de las estimaciones.
 Los resultados se pueden generalizar.
 Es el único método que puede evaluar la representatividad de la
  muestra.
 Es más caro que el muestreo no probabilística.
 Es, en general, más lento y complicado que el muestreo no
  probabilística.
MUESTREO ALEATORIO SIMPLE
• Se eligen individuos de la población de estudio, de manera que todos
  tienen la misma probabilidad de aparecer, hasta alcanzar el tamaño
  muestral deseado.

• • Se puede realizar partiendo de listas de individuos de la población, y
  eligiendo individuos aleatoriamente con un ordenador.

• • En general, las técnicas de inferencia estadística suponen que la
  muestra ha sido elegida usando m.a.s., aunque en realidad se use
  alguna de las que veremos a continuación.
•   Ventajas:
•   Sencillo y de fácil comprensión.
•   Cálculo rápido de medias y varianzas.
•   Se basa en la teoría estadística, y por tanto existen
    paquetes informáticos para analizar los datos.

• Desventajas:
• Requiere que se posea de antemano un listado completo de
  toda la población. Cuando se trabaja con muestras
  pequeñas es posible que no represente a la población
  adecuadamente.
MUESTREO ESTRATIFICADO
•   Se aplica cuando sabemos que hay ciertos factores (variables,
    subpoblaciones o estratos) que pueden influir en el estudio y queremos
    asegurarnos de tener cierta cantidad mínima de individuos de cada tipo:
•   – Hombres y mujeres,
•   – Jóvenes, adultos y ancianos…

•   Una muestra aleatoria simple es seleccionada de tal manera que cada
    muestra posible del mismo tamaño tiene igual probabilidad de ser
    seleccionada de la población.

•   • Se realiza entonces una m.a.s. de los individuos de cada uno de los
    estratos.
• Ventajas:
• Tiende a asegurar que la muestra represente
  adecuadamente a la población en función de unas variables
  seleccionadas.
• Se obtienen estimaciones más precisa
• Su objetivo es conseguir una muestra lo más semejante
  posible a la población en lo que a la o las variables
  estratificadoras se refiere.
• Desventajas:
• Se ha de conocer la distribución en la población de las
  variables utilizadas para la estratificación.
MUESTREO CONGLOMERADO
    Se aplica cuando es difícil tener una lista de todos los individuos que forman
    parte de la población de estudio, pero sin embargo sabemos que se encuentran
    agrupados naturalmente en grupos.
    se divide la población total en un número determinado de subdivisiones
    relativamente pequeñas y se seleccionan al azar algunas de estas
    subdivisiones o conglomerados, para incluirlos en la muestra total.

•   • Se realiza eligiendo varios de esos grupos al azar, y ya elegidos algunos
    podemos estudiar a todos los individuos de los grupos elegidos o bien seguir
    aplicando dentro de ellos más muestreos por grupos, por estratos, aleatorios
    simples,…

    – Para conocer la opinión de los médicos del sistema nacional de salud,
    podemos elegir a varias regiones de España, dentro de ellas varias comarcas, y
    dentro de ellas varios centros de salud, y…
• Al igual que en el muestreo estratificado, al extrapolar los resultados a
la población hay que tener en cuenta el tamaño relativo de unos
grupos con respecto a otros.

– Regiones con diferente población pueden tener probabilidades
diferentes de ser elegidas, comarcas, hospitales grandes frente a
pequeños,…
MUESTREO SISTEMATICO
•   Se tiene una lista de los individuos de la población de estudio.
    Si queremos una muestra de un tamaño dado, elegimos
    individuos igualmente espaciados de la lista, donde el primero
    ha sido elegido al azar. (muestreo sistematico con arranque
    aleatorio)

•   CUIDADO: Si en la lista existen periodicidades, obtendremos
    una muestra sesgada.

     – ejemplo: Se elige una casa cada 50 numeros de puerta para
       un estudio de salud pública. Salieron con mucha frecuencia
       las de las esquinas donde hay mayoria de bares,
       almacenes, etc
•   Ventajas:
•   Fácil de aplicar.
•   No siempre es necesario tener un listado de toda la población.
•   Cuando la población está ordenada siguiendo una tendencia conocida,
    asegura una cobertura de unidades de todos los tipos.

• Desventajas:
• Si la constante de muestreo está asociada con el fenómeno de interés,
  las estimaciones obtenidas a partir de la muestra pueden contener
  sesgo de selección.
MUESTREO POR AREA
• se determinan áreas geográficas a partir de planos (por ejemplo,
  manzanas de casas de una ciudad).

• Una vez elegidas al azar las áreas a muestrear, se entrevista a
  todos los elementos de esos grupos (por ejemplo, hogares en
  esas manzanas )

• se hace un muestreo aleatorio simple de cada uno de esos grupos, o un
  muestreo con probabilidad proporcional al tamaño de cada grupo (por
  ejemplo, cuando el número de hogares en cada manzana es muy
  distinto).

•   Tiene la ventaja de tener que estudiar solamente un reducido
    número de grupos y elementos.
• Existen medidas para realizar descripciones cuantitativas
  de los conjuntos de datos, o poblaciones, y de sus
  muestras, diferenciándose entre ellas las que se refieren a
  las mismas poblaciones y a las muestras.
• Para el caso de las poblaciones, las medidas que las
  describen se denominan parámetros, y suelen estar
  representadas con letras griegas (por ejemplo m y s).

•    Por otro lado, para el caso de aquellas medidas que
    describen a una muestra se les llama estadísticos o
    estimadores, y son representados por letras de nuestro
    alfabeto (por ejemplo, x o s).

Más contenido relacionado

La actualidad más candente

7. población y muestra
7. población y muestra 7. población y muestra
7. población y muestra
Herbert Cosio Dueñas
 
Muestreo
MuestreoMuestreo
Muestreo
emmanuelbuap
 
Muestreo aleatorio simple
Muestreo aleatorio simpleMuestreo aleatorio simple
Muestreo aleatorio simple
milit
 
Muestreo Probabilístico y sus Métodos
Muestreo Probabilístico y sus MétodosMuestreo Probabilístico y sus Métodos
Muestreo Probabilístico y sus Métodos
Jesús Gómez Ávila
 
Muestreo aleatorio simple
Muestreo aleatorio simpleMuestreo aleatorio simple
Muestreo aleatorio simple
Dyan Andres
 
Cap12: ESTRATEGIAS OFENSIVAS
Cap12: ESTRATEGIAS OFENSIVASCap12: ESTRATEGIAS OFENSIVAS
Cap12: ESTRATEGIAS OFENSIVAS
Rosa Apaza Lajo
 
Seleccion Muestra
Seleccion MuestraSeleccion Muestra
Muestreo
MuestreoMuestreo
Elementos del muestreo
Elementos del muestreoElementos del muestreo
EL MUESTREO: UN CASO PRACTICO
EL MUESTREO: UN CASO PRACTICOEL MUESTREO: UN CASO PRACTICO
EL MUESTREO: UN CASO PRACTICO
meirisarri
 
Muestreo aleatorio simple en enfermería
Muestreo aleatorio simple en enfermería Muestreo aleatorio simple en enfermería
Muestreo aleatorio simple en enfermería
font Fawn
 
Presentacion Muestra
Presentacion MuestraPresentacion Muestra
Presentacion Muestra
robertv9
 
Muestreo
MuestreoMuestreo
Procedimiento de muestreo
Procedimiento de muestreoProcedimiento de muestreo
Procedimiento de muestreo
Andrea Godoy
 
Poblacion, Muestra Muestreo
Poblacion, Muestra MuestreoPoblacion, Muestra Muestreo
Poblacion, Muestra Muestreo
Sandra Zapata
 
MéTodo De Muestreo Por Conglomerados
MéTodo De  Muestreo  Por  ConglomeradosMéTodo De  Muestreo  Por  Conglomerados
MéTodo De Muestreo Por Conglomerados
Darii Garcia
 
Prueba de hipotesis 2018 final
Prueba de hipotesis 2018 finalPrueba de hipotesis 2018 final
Prueba de hipotesis 2018 final
franciscoe71
 
Distribuciones Muestrales I ccesa007
Distribuciones Muestrales I ccesa007Distribuciones Muestrales I ccesa007
Distribuciones Muestrales I ccesa007
Demetrio Ccesa Rayme
 
Exposición-Muestreo Estratificado.pptx
Exposición-Muestreo Estratificado.pptxExposición-Muestreo Estratificado.pptx
Exposición-Muestreo Estratificado.pptx
BryanEviaPachar
 
Distribuciones muestrales
Distribuciones muestralesDistribuciones muestrales
Distribuciones muestrales
Universidad Nacional Mayor de San Marcos
 

La actualidad más candente (20)

7. población y muestra
7. población y muestra 7. población y muestra
7. población y muestra
 
Muestreo
MuestreoMuestreo
Muestreo
 
Muestreo aleatorio simple
Muestreo aleatorio simpleMuestreo aleatorio simple
Muestreo aleatorio simple
 
Muestreo Probabilístico y sus Métodos
Muestreo Probabilístico y sus MétodosMuestreo Probabilístico y sus Métodos
Muestreo Probabilístico y sus Métodos
 
Muestreo aleatorio simple
Muestreo aleatorio simpleMuestreo aleatorio simple
Muestreo aleatorio simple
 
Cap12: ESTRATEGIAS OFENSIVAS
Cap12: ESTRATEGIAS OFENSIVASCap12: ESTRATEGIAS OFENSIVAS
Cap12: ESTRATEGIAS OFENSIVAS
 
Seleccion Muestra
Seleccion MuestraSeleccion Muestra
Seleccion Muestra
 
Muestreo
MuestreoMuestreo
Muestreo
 
Elementos del muestreo
Elementos del muestreoElementos del muestreo
Elementos del muestreo
 
EL MUESTREO: UN CASO PRACTICO
EL MUESTREO: UN CASO PRACTICOEL MUESTREO: UN CASO PRACTICO
EL MUESTREO: UN CASO PRACTICO
 
Muestreo aleatorio simple en enfermería
Muestreo aleatorio simple en enfermería Muestreo aleatorio simple en enfermería
Muestreo aleatorio simple en enfermería
 
Presentacion Muestra
Presentacion MuestraPresentacion Muestra
Presentacion Muestra
 
Muestreo
MuestreoMuestreo
Muestreo
 
Procedimiento de muestreo
Procedimiento de muestreoProcedimiento de muestreo
Procedimiento de muestreo
 
Poblacion, Muestra Muestreo
Poblacion, Muestra MuestreoPoblacion, Muestra Muestreo
Poblacion, Muestra Muestreo
 
MéTodo De Muestreo Por Conglomerados
MéTodo De  Muestreo  Por  ConglomeradosMéTodo De  Muestreo  Por  Conglomerados
MéTodo De Muestreo Por Conglomerados
 
Prueba de hipotesis 2018 final
Prueba de hipotesis 2018 finalPrueba de hipotesis 2018 final
Prueba de hipotesis 2018 final
 
Distribuciones Muestrales I ccesa007
Distribuciones Muestrales I ccesa007Distribuciones Muestrales I ccesa007
Distribuciones Muestrales I ccesa007
 
Exposición-Muestreo Estratificado.pptx
Exposición-Muestreo Estratificado.pptxExposición-Muestreo Estratificado.pptx
Exposición-Muestreo Estratificado.pptx
 
Distribuciones muestrales
Distribuciones muestralesDistribuciones muestrales
Distribuciones muestrales
 

Similar a Fundamentos De Muestreo

10° Población y Muestra.pptx
10° Población y Muestra.pptx10° Población y Muestra.pptx
10° Población y Muestra.pptx
NESTOREDGARDOVISLAOQ
 
Muestreo
MuestreoMuestreo
Muestreo
Smedinab
 
1 la poblacion y muestra
1 la poblacion y muestra1 la poblacion y muestra
1 la poblacion y muestra
Meko Meko
 
Invest causal y muestra
Invest causal y muestraInvest causal y muestra
Invest causal y muestra
diegolinov
 
Muestreo Estadístico
Muestreo EstadísticoMuestreo Estadístico
Muestreo Estadístico
joclpacheb
 
Diseño y procedimientos de muestreo
Diseño y procedimientos de muestreoDiseño y procedimientos de muestreo
Diseño y procedimientos de muestreo
orav Ayala Vera
 
Tamaño de muestra
Tamaño de muestraTamaño de muestra
Tamaño de muestra
Vanessa Vázquez
 
Como aprender hacer un muestreo
Como aprender hacer un muestreoComo aprender hacer un muestreo
Como aprender hacer un muestreo
Castillo'S Legal Solutions
 
Selección de la muestra
Selección de la muestraSelección de la muestra
Selección de la muestra
Carlos Neira
 
Taller 3 Tecnica De RecoleccióN De Datos
Taller 3 Tecnica De RecoleccióN De Datos Taller 3 Tecnica De RecoleccióN De Datos
Taller 3 Tecnica De RecoleccióN De Datos
Maria Angélica
 
Capitulo 8
Capitulo 8Capitulo 8
<muestreo
<muestreo<muestreo
<muestreo
annies12
 
PPT Clase Prof. Nicolás Vega_07 nov_Muestreo.pdf
PPT Clase Prof. Nicolás Vega_07 nov_Muestreo.pdfPPT Clase Prof. Nicolás Vega_07 nov_Muestreo.pdf
PPT Clase Prof. Nicolás Vega_07 nov_Muestreo.pdf
DiegoAyalaBlas1
 
Clase 1 Muestreo
Clase 1 MuestreoClase 1 Muestreo
Clase 1 Muestreo
Matemática UESFmocc
 
poblacion y muestra
poblacion y muestrapoblacion y muestra
poblacion y muestra
Karen Noelia
 
Tamaño de muestra y estrategias de levantamiento de información
Tamaño de muestra y estrategias de levantamiento de informaciónTamaño de muestra y estrategias de levantamiento de información
Tamaño de muestra y estrategias de levantamiento de información
elia villalobos
 
4.-muestreo ..................................pptx
4.-muestreo ..................................pptx4.-muestreo ..................................pptx
4.-muestreo ..................................pptx
yaneth898834
 
Técnica de recolección de datos
Técnica de recolección de datosTécnica de recolección de datos
Técnica de recolección de datos
arumando3912035
 
Muestreo: Diseño y Procedimientos
Muestreo: Diseño y ProcedimientosMuestreo: Diseño y Procedimientos
Muestreo: Diseño y Procedimientos
Belinda Bonilla
 
El muestreo la encuesta
El muestreo  la encuestaEl muestreo  la encuesta
El muestreo la encuesta
Jeisson Gonzalez
 

Similar a Fundamentos De Muestreo (20)

10° Población y Muestra.pptx
10° Población y Muestra.pptx10° Población y Muestra.pptx
10° Población y Muestra.pptx
 
Muestreo
MuestreoMuestreo
Muestreo
 
1 la poblacion y muestra
1 la poblacion y muestra1 la poblacion y muestra
1 la poblacion y muestra
 
Invest causal y muestra
Invest causal y muestraInvest causal y muestra
Invest causal y muestra
 
Muestreo Estadístico
Muestreo EstadísticoMuestreo Estadístico
Muestreo Estadístico
 
Diseño y procedimientos de muestreo
Diseño y procedimientos de muestreoDiseño y procedimientos de muestreo
Diseño y procedimientos de muestreo
 
Tamaño de muestra
Tamaño de muestraTamaño de muestra
Tamaño de muestra
 
Como aprender hacer un muestreo
Como aprender hacer un muestreoComo aprender hacer un muestreo
Como aprender hacer un muestreo
 
Selección de la muestra
Selección de la muestraSelección de la muestra
Selección de la muestra
 
Taller 3 Tecnica De RecoleccióN De Datos
Taller 3 Tecnica De RecoleccióN De Datos Taller 3 Tecnica De RecoleccióN De Datos
Taller 3 Tecnica De RecoleccióN De Datos
 
Capitulo 8
Capitulo 8Capitulo 8
Capitulo 8
 
<muestreo
<muestreo<muestreo
<muestreo
 
PPT Clase Prof. Nicolás Vega_07 nov_Muestreo.pdf
PPT Clase Prof. Nicolás Vega_07 nov_Muestreo.pdfPPT Clase Prof. Nicolás Vega_07 nov_Muestreo.pdf
PPT Clase Prof. Nicolás Vega_07 nov_Muestreo.pdf
 
Clase 1 Muestreo
Clase 1 MuestreoClase 1 Muestreo
Clase 1 Muestreo
 
poblacion y muestra
poblacion y muestrapoblacion y muestra
poblacion y muestra
 
Tamaño de muestra y estrategias de levantamiento de información
Tamaño de muestra y estrategias de levantamiento de informaciónTamaño de muestra y estrategias de levantamiento de información
Tamaño de muestra y estrategias de levantamiento de información
 
4.-muestreo ..................................pptx
4.-muestreo ..................................pptx4.-muestreo ..................................pptx
4.-muestreo ..................................pptx
 
Técnica de recolección de datos
Técnica de recolección de datosTécnica de recolección de datos
Técnica de recolección de datos
 
Muestreo: Diseño y Procedimientos
Muestreo: Diseño y ProcedimientosMuestreo: Diseño y Procedimientos
Muestreo: Diseño y Procedimientos
 
El muestreo la encuesta
El muestreo  la encuestaEl muestreo  la encuesta
El muestreo la encuesta
 

Más de Ana kristell

Admon De Ventas
Admon  De VentasAdmon  De Ventas
Admon De Ventas
Ana kristell
 
Modelo De Conducta De Compra Organizacional
Modelo De Conducta De Compra OrganizacionalModelo De Conducta De Compra Organizacional
Modelo De Conducta De Compra Organizacional
Ana kristell
 
Logisticade DistribucióN
Logisticade DistribucióNLogisticade DistribucióN
Logisticade DistribucióN
Ana kristell
 
TamañO De La Muestra
TamañO De La MuestraTamañO De La Muestra
TamañO De La Muestra
Ana kristell
 
Decisiones Organizacionales Dentro De La Mercadotecnia
Decisiones Organizacionales Dentro De La MercadotecniaDecisiones Organizacionales Dentro De La Mercadotecnia
Decisiones Organizacionales Dentro De La Mercadotecnia
Ana kristell
 
Entrevista De Profundidad
Entrevista De ProfundidadEntrevista De Profundidad
Entrevista De Profundidad
Ana kristell
 
Procesamiento De Datos
Procesamiento De DatosProcesamiento De Datos
Procesamiento De Datos
Ana kristell
 
Trabajo En Equipo
Trabajo En EquipoTrabajo En Equipo
Trabajo En Equipo
Ana kristell
 
InnovacióN De Los Productos
InnovacióN De Los ProductosInnovacióN De Los Productos
InnovacióN De Los Productos
Ana kristell
 
Grupo
GrupoGrupo
Hipotesis
HipotesisHipotesis
Hipotesis
Ana kristell
 
Objetivo De La Investigacion
Objetivo De La InvestigacionObjetivo De La Investigacion
Objetivo De La Investigacion
Ana kristell
 
Tipo De Aspectos Metodologicos
Tipo De Aspectos MetodologicosTipo De Aspectos Metodologicos
Tipo De Aspectos Metodologicos
Ana kristell
 
Tipos De Metodos De Investigacion
Tipos De Metodos De InvestigacionTipos De Metodos De Investigacion
Tipos De Metodos De Investigacion
Ana kristell
 
Tipos De Estudios
Tipos De EstudiosTipos De Estudios
Tipos De Estudios
Ana kristell
 
MéTodos De RecoleccióN De Datos
MéTodos De RecoleccióN De DatosMéTodos De RecoleccióN De Datos
MéTodos De RecoleccióN De Datos
Ana kristell
 
Adaptadores De Red
Adaptadores De RedAdaptadores De Red
Adaptadores De Red
Ana kristell
 
Justificacion De La Investigacion
Justificacion De La InvestigacionJustificacion De La Investigacion
Justificacion De La Investigacion
Ana kristell
 
La Calidad Y El Mundo Lobalizado Del Software
La Calidad Y El Mundo Lobalizado Del SoftwareLa Calidad Y El Mundo Lobalizado Del Software
La Calidad Y El Mundo Lobalizado Del Software
Ana kristell
 

Más de Ana kristell (19)

Admon De Ventas
Admon  De VentasAdmon  De Ventas
Admon De Ventas
 
Modelo De Conducta De Compra Organizacional
Modelo De Conducta De Compra OrganizacionalModelo De Conducta De Compra Organizacional
Modelo De Conducta De Compra Organizacional
 
Logisticade DistribucióN
Logisticade DistribucióNLogisticade DistribucióN
Logisticade DistribucióN
 
TamañO De La Muestra
TamañO De La MuestraTamañO De La Muestra
TamañO De La Muestra
 
Decisiones Organizacionales Dentro De La Mercadotecnia
Decisiones Organizacionales Dentro De La MercadotecniaDecisiones Organizacionales Dentro De La Mercadotecnia
Decisiones Organizacionales Dentro De La Mercadotecnia
 
Entrevista De Profundidad
Entrevista De ProfundidadEntrevista De Profundidad
Entrevista De Profundidad
 
Procesamiento De Datos
Procesamiento De DatosProcesamiento De Datos
Procesamiento De Datos
 
Trabajo En Equipo
Trabajo En EquipoTrabajo En Equipo
Trabajo En Equipo
 
InnovacióN De Los Productos
InnovacióN De Los ProductosInnovacióN De Los Productos
InnovacióN De Los Productos
 
Grupo
GrupoGrupo
Grupo
 
Hipotesis
HipotesisHipotesis
Hipotesis
 
Objetivo De La Investigacion
Objetivo De La InvestigacionObjetivo De La Investigacion
Objetivo De La Investigacion
 
Tipo De Aspectos Metodologicos
Tipo De Aspectos MetodologicosTipo De Aspectos Metodologicos
Tipo De Aspectos Metodologicos
 
Tipos De Metodos De Investigacion
Tipos De Metodos De InvestigacionTipos De Metodos De Investigacion
Tipos De Metodos De Investigacion
 
Tipos De Estudios
Tipos De EstudiosTipos De Estudios
Tipos De Estudios
 
MéTodos De RecoleccióN De Datos
MéTodos De RecoleccióN De DatosMéTodos De RecoleccióN De Datos
MéTodos De RecoleccióN De Datos
 
Adaptadores De Red
Adaptadores De RedAdaptadores De Red
Adaptadores De Red
 
Justificacion De La Investigacion
Justificacion De La InvestigacionJustificacion De La Investigacion
Justificacion De La Investigacion
 
La Calidad Y El Mundo Lobalizado Del Software
La Calidad Y El Mundo Lobalizado Del SoftwareLa Calidad Y El Mundo Lobalizado Del Software
La Calidad Y El Mundo Lobalizado Del Software
 

Último

Sesión: El espiritismo desenmascarado.pdf
Sesión: El espiritismo desenmascarado.pdfSesión: El espiritismo desenmascarado.pdf
Sesión: El espiritismo desenmascarado.pdf
https://gramadal.wordpress.com/
 
Planificación Ejemplo con la metodología TPACK
Planificación Ejemplo con la metodología  TPACKPlanificación Ejemplo con la metodología  TPACK
Planificación Ejemplo con la metodología TPACK
ssusera6697f
 
El espiritismo desenmascarado.pdf. Lec. 10
El espiritismo desenmascarado.pdf. Lec. 10El espiritismo desenmascarado.pdf. Lec. 10
El espiritismo desenmascarado.pdf. Lec. 10
Alejandrino Halire Ccahuana
 
EVALUACION ESTUDIANTIL 2023-2024 Ecuador - Costa.pptx
EVALUACION ESTUDIANTIL 2023-2024 Ecuador - Costa.pptxEVALUACION ESTUDIANTIL 2023-2024 Ecuador - Costa.pptx
EVALUACION ESTUDIANTIL 2023-2024 Ecuador - Costa.pptx
Victor Elizalde P
 
Lecciones 10 Esc. Sabática. El espiritismo desenmascarado docx
Lecciones 10 Esc. Sabática. El espiritismo desenmascarado docxLecciones 10 Esc. Sabática. El espiritismo desenmascarado docx
Lecciones 10 Esc. Sabática. El espiritismo desenmascarado docx
Alejandrino Halire Ccahuana
 
Guia Practica de ChatGPT para Docentes Ccesa007.pdf
Guia Practica de ChatGPT para Docentes Ccesa007.pdfGuia Practica de ChatGPT para Docentes Ccesa007.pdf
Guia Practica de ChatGPT para Docentes Ccesa007.pdf
Demetrio Ccesa Rayme
 
PLAN DE CAPACITACION xxxxxxxxxxxxxxxxxxx
PLAN DE CAPACITACION xxxxxxxxxxxxxxxxxxxPLAN DE CAPACITACION xxxxxxxxxxxxxxxxxxx
PLAN DE CAPACITACION xxxxxxxxxxxxxxxxxxx
cportizsanchez48
 
El ensayo mexicano en el siglo XX LITERATURA
El ensayo mexicano en el siglo XX LITERATURAEl ensayo mexicano en el siglo XX LITERATURA
El ensayo mexicano en el siglo XX LITERATURA
Armando920824
 
CONTENIDOS Y PDA DE LA FASE 3,4 Y 5 EN NIVEL PRIMARIA
CONTENIDOS Y PDA DE LA FASE 3,4 Y 5 EN NIVEL PRIMARIACONTENIDOS Y PDA DE LA FASE 3,4 Y 5 EN NIVEL PRIMARIA
CONTENIDOS Y PDA DE LA FASE 3,4 Y 5 EN NIVEL PRIMARIA
ginnazamudio
 
Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinaria). UCLM
Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinaria). UCLMExamen de Selectividad. Geografía junio 2024 (Convocatoria Ordinaria). UCLM
Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinaria). UCLM
Juan Martín Martín
 
Evaluacion del tercer trimestre del 2023-2024
Evaluacion del tercer trimestre del 2023-2024Evaluacion del tercer trimestre del 2023-2024
Evaluacion del tercer trimestre del 2023-2024
israelsouza67
 
Inteligencia Artificial para Docentes HIA Ccesa007.pdf
Inteligencia Artificial para Docentes  HIA  Ccesa007.pdfInteligencia Artificial para Docentes  HIA  Ccesa007.pdf
Inteligencia Artificial para Docentes HIA Ccesa007.pdf
Demetrio Ccesa Rayme
 
Biografía de Gregor Mendel y sus 3 leyes.pptx
Biografía de Gregor Mendel y sus 3 leyes.pptxBiografía de Gregor Mendel y sus 3 leyes.pptx
Biografía de Gregor Mendel y sus 3 leyes.pptx
ar5498718
 
Radicación con expresiones algebraicas para 9no grado
Radicación con expresiones algebraicas para 9no gradoRadicación con expresiones algebraicas para 9no grado
Radicación con expresiones algebraicas para 9no grado
perezducasaarmando
 
Las diversas Sociedades Mercantiles Mexico.pdf
Las diversas Sociedades Mercantiles Mexico.pdfLas diversas Sociedades Mercantiles Mexico.pdf
Las diversas Sociedades Mercantiles Mexico.pdf
La Paradoja educativa
 
Todo sobre el acta constitutiva de la empresa.pdf
Todo sobre el acta constitutiva de la empresa.pdfTodo sobre el acta constitutiva de la empresa.pdf
Todo sobre el acta constitutiva de la empresa.pdf
La Paradoja educativa
 
RETROALIMENTACIÓN PARA EL EXAMEN ÚNICO AUXILIAR DE ENFERMERIA.docx
RETROALIMENTACIÓN PARA EL EXAMEN ÚNICO AUXILIAR DE ENFERMERIA.docxRETROALIMENTACIÓN PARA EL EXAMEN ÚNICO AUXILIAR DE ENFERMERIA.docx
RETROALIMENTACIÓN PARA EL EXAMEN ÚNICO AUXILIAR DE ENFERMERIA.docx
100078171
 
LA PEDAGOGIA AUTOGESTONARIA EN EL PROCESO DE ENSEÑANZA APRENDIZAJE
LA PEDAGOGIA AUTOGESTONARIA EN EL PROCESO DE ENSEÑANZA APRENDIZAJELA PEDAGOGIA AUTOGESTONARIA EN EL PROCESO DE ENSEÑANZA APRENDIZAJE
LA PEDAGOGIA AUTOGESTONARIA EN EL PROCESO DE ENSEÑANZA APRENDIZAJE
jecgjv
 
1° T3 Examen Zany de primer grado compl
1° T3 Examen Zany  de primer grado compl1° T3 Examen Zany  de primer grado compl
1° T3 Examen Zany de primer grado compl
ROCIORUIZQUEZADA
 
SEMIOLOGIA DE HEMORRAGIAS DIGESTIVAS.pptx
SEMIOLOGIA DE HEMORRAGIAS DIGESTIVAS.pptxSEMIOLOGIA DE HEMORRAGIAS DIGESTIVAS.pptx
SEMIOLOGIA DE HEMORRAGIAS DIGESTIVAS.pptx
Osiris Urbano
 

Último (20)

Sesión: El espiritismo desenmascarado.pdf
Sesión: El espiritismo desenmascarado.pdfSesión: El espiritismo desenmascarado.pdf
Sesión: El espiritismo desenmascarado.pdf
 
Planificación Ejemplo con la metodología TPACK
Planificación Ejemplo con la metodología  TPACKPlanificación Ejemplo con la metodología  TPACK
Planificación Ejemplo con la metodología TPACK
 
El espiritismo desenmascarado.pdf. Lec. 10
El espiritismo desenmascarado.pdf. Lec. 10El espiritismo desenmascarado.pdf. Lec. 10
El espiritismo desenmascarado.pdf. Lec. 10
 
EVALUACION ESTUDIANTIL 2023-2024 Ecuador - Costa.pptx
EVALUACION ESTUDIANTIL 2023-2024 Ecuador - Costa.pptxEVALUACION ESTUDIANTIL 2023-2024 Ecuador - Costa.pptx
EVALUACION ESTUDIANTIL 2023-2024 Ecuador - Costa.pptx
 
Lecciones 10 Esc. Sabática. El espiritismo desenmascarado docx
Lecciones 10 Esc. Sabática. El espiritismo desenmascarado docxLecciones 10 Esc. Sabática. El espiritismo desenmascarado docx
Lecciones 10 Esc. Sabática. El espiritismo desenmascarado docx
 
Guia Practica de ChatGPT para Docentes Ccesa007.pdf
Guia Practica de ChatGPT para Docentes Ccesa007.pdfGuia Practica de ChatGPT para Docentes Ccesa007.pdf
Guia Practica de ChatGPT para Docentes Ccesa007.pdf
 
PLAN DE CAPACITACION xxxxxxxxxxxxxxxxxxx
PLAN DE CAPACITACION xxxxxxxxxxxxxxxxxxxPLAN DE CAPACITACION xxxxxxxxxxxxxxxxxxx
PLAN DE CAPACITACION xxxxxxxxxxxxxxxxxxx
 
El ensayo mexicano en el siglo XX LITERATURA
El ensayo mexicano en el siglo XX LITERATURAEl ensayo mexicano en el siglo XX LITERATURA
El ensayo mexicano en el siglo XX LITERATURA
 
CONTENIDOS Y PDA DE LA FASE 3,4 Y 5 EN NIVEL PRIMARIA
CONTENIDOS Y PDA DE LA FASE 3,4 Y 5 EN NIVEL PRIMARIACONTENIDOS Y PDA DE LA FASE 3,4 Y 5 EN NIVEL PRIMARIA
CONTENIDOS Y PDA DE LA FASE 3,4 Y 5 EN NIVEL PRIMARIA
 
Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinaria). UCLM
Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinaria). UCLMExamen de Selectividad. Geografía junio 2024 (Convocatoria Ordinaria). UCLM
Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinaria). UCLM
 
Evaluacion del tercer trimestre del 2023-2024
Evaluacion del tercer trimestre del 2023-2024Evaluacion del tercer trimestre del 2023-2024
Evaluacion del tercer trimestre del 2023-2024
 
Inteligencia Artificial para Docentes HIA Ccesa007.pdf
Inteligencia Artificial para Docentes  HIA  Ccesa007.pdfInteligencia Artificial para Docentes  HIA  Ccesa007.pdf
Inteligencia Artificial para Docentes HIA Ccesa007.pdf
 
Biografía de Gregor Mendel y sus 3 leyes.pptx
Biografía de Gregor Mendel y sus 3 leyes.pptxBiografía de Gregor Mendel y sus 3 leyes.pptx
Biografía de Gregor Mendel y sus 3 leyes.pptx
 
Radicación con expresiones algebraicas para 9no grado
Radicación con expresiones algebraicas para 9no gradoRadicación con expresiones algebraicas para 9no grado
Radicación con expresiones algebraicas para 9no grado
 
Las diversas Sociedades Mercantiles Mexico.pdf
Las diversas Sociedades Mercantiles Mexico.pdfLas diversas Sociedades Mercantiles Mexico.pdf
Las diversas Sociedades Mercantiles Mexico.pdf
 
Todo sobre el acta constitutiva de la empresa.pdf
Todo sobre el acta constitutiva de la empresa.pdfTodo sobre el acta constitutiva de la empresa.pdf
Todo sobre el acta constitutiva de la empresa.pdf
 
RETROALIMENTACIÓN PARA EL EXAMEN ÚNICO AUXILIAR DE ENFERMERIA.docx
RETROALIMENTACIÓN PARA EL EXAMEN ÚNICO AUXILIAR DE ENFERMERIA.docxRETROALIMENTACIÓN PARA EL EXAMEN ÚNICO AUXILIAR DE ENFERMERIA.docx
RETROALIMENTACIÓN PARA EL EXAMEN ÚNICO AUXILIAR DE ENFERMERIA.docx
 
LA PEDAGOGIA AUTOGESTONARIA EN EL PROCESO DE ENSEÑANZA APRENDIZAJE
LA PEDAGOGIA AUTOGESTONARIA EN EL PROCESO DE ENSEÑANZA APRENDIZAJELA PEDAGOGIA AUTOGESTONARIA EN EL PROCESO DE ENSEÑANZA APRENDIZAJE
LA PEDAGOGIA AUTOGESTONARIA EN EL PROCESO DE ENSEÑANZA APRENDIZAJE
 
1° T3 Examen Zany de primer grado compl
1° T3 Examen Zany  de primer grado compl1° T3 Examen Zany  de primer grado compl
1° T3 Examen Zany de primer grado compl
 
SEMIOLOGIA DE HEMORRAGIAS DIGESTIVAS.pptx
SEMIOLOGIA DE HEMORRAGIAS DIGESTIVAS.pptxSEMIOLOGIA DE HEMORRAGIAS DIGESTIVAS.pptx
SEMIOLOGIA DE HEMORRAGIAS DIGESTIVAS.pptx
 

Fundamentos De Muestreo

  • 1. FUNDAMENTOS DE MUESTREO Investigación de mercado II
  • 2. DISTINGUIR LOS BENEFICIOS DEL MUESTREO • Definir los segmentos del mercado meta. • Terminar con incertidumbre si el producto será exitoso o no. • Conocer el comportamiento del consumidor sobre la inclinación del producto.
  • 3. • Garantizar el direccionamiento comercial del producto. • Justificar el costo de una investigación mayor . • Tener la facilidad de realizar combinación de variables.
  • 4. • Tener la facilidad de inferir el 2 % de una nuestra representativa del total de la población. • Ayudar a la dirección comercial a tomar decisiones estratégicas en base a una muestra representativa (del 2% al 12% al millar de la población representativa).
  • 5. DEFINIR ALGUNOS CONCEPTOS NECESARIOS DEL MUESTREO • ELEMENTO • POBLACIÓN • UNIDAD DE MUESTREO • MARCO MUESTRAL • POBLACIÓN EN ESTUDIO.
  • 6. • Elemento: Unidad sobre la que se necesita información – Ej. Personas, productos, tiendas, empr esas
  • 7. • Población: Conjunto de todos los elementos definidos, también llamado universo, población es cualquier colección de individuos, elementos o grupos de ellos. • Ejemplo, población puede estar constituida por los habitantes de un país o por sus grupos sociales. La población se define como un grupo compacto bajo estudio, definido según los objetivos del proyecto.
  • 8. • Unidad de muestreo: Elementos disponibles para su selección en alguna etapa del proceso de muestreo. Número de elementos de la población. Todo miembro de la población pertenecerá a una y sólo una unidad de muestreo. - Ejemplos: – Elemento: “mujer entre 18 y 25 años”. – Unidad de muestreo: “mujeres de las distintas facultades de la US
  • 9. • Marco muestral : Lista de todas las unidades de muestreo disponibles para su selección en alguna etapa del proceso de muestreo. • Población del estudio: Conjunto de elementos sobre lo que se toma la muestra
  • 10. IDENTIFICAR LOS DIFERENTES TIPOS DE PROCEDIMIENTOS DE MUESTREO
  • 11. PROCEDIMIENTO DE MUESTREO • Determina cómo deberá escogerse a los entrevistados, de tal manera que la muestra se obtendrá de manera probabilística para que sea representativa o no probabilistico.
  • 12. MUESTRAS PREDISPUESTAS: • MUESTRAS NO PREDISPUESTAS: • MUESTRA CON PROBABILIDAD O PROBABILISTICAS • MUESTREO SIMPLE AL AZAR: • MUESTREO SISTEMATICO: • MUESTREO POR CONGLOMERADOS: • MUESTRA ALEATORIA SIMPLE: • MUESTRAS NO PROBABILISTICAS: :
  • 13. • MUESTRAS PREDISPUESTAS: son aquellas que han sido seleccionadas de manera que la comprobación o la refutación de las hipótesis pasan a ser el resultado de procedimientos de muestreo. • MUESTRAS NO PREDISPUESTAS: aquellas cuya probabilidad de extracción es conocida. Hay 2 tipos de estas muestras. Muestras cuya posibilidad de ser extraídas es probabilística o las que no son probabilísticas, son esencialmente de cuatro tipos: muestra aleatoria, sistemática, estratificada y por conglomerados. Mientras que las no probabilísticas son de tres tipos: muestra casual, intencional y por cuota
  • 14. • MUESTRA CON PROBABILIDAD O PROBABILISTICAS: la característica distintiva de las muestras probabilísticas es que todo individuo u objeto ha de tener una probabilidad conocida de quedar incluida en la muestra ya que para poder formular inferencias estadísticas es absolutamente necesario que todas las probabilidades sean conocidas. • MUESTREO SIMPLE AL AZAR: aquí todos los elementos tienen la misma probabilidad de ser seleccionados. La extracción de una muestra aleatoria simple en una población finita, requiere de un listado de todos los elementos de la población.
  • 15. • MUESTREO SISTEMATICO: es muy similar al muestreo aleatorio simple, hay que elaborar un listado de todos los elementos que incluye la población, una vez con el listado de población, la diferencia estriba en el método para la selección de los casos. En una muestra aleatoria o procedimientos similares para seleccionar cada elemento; aquí la selección se realiza por un procedimiento mecánico más simple. • MUESTREO POR CONGLOMERADOS: muchas de las investigaciones tienen como objeto de estudio a unidades tales como naciones, estados y similares, que admiten subdivisiones. Es útil cuando los elementos a estudiar se encuentran dispersos a lo largo de áreas geográficas extensas o en situaciones similares, donde los costos para alcanzar las unidades resultan ser muy elevados.
  • 16. • MUESTRA ALEATORIA SIMPLE: debe de ser preferida al resto de las otras muestras, particularmente cuando no se conoce lo suficiente sobre los parámetros poblacionales. Cuando es posible estratificar hay que hacerlo, ya que esto homogeneiza la muestra y los cálculos consiguientes resultan de mayor riqueza y representatividad. • MUESTRAS NO PROBABILISTICAS: estas tienen poco valor es términos de inferencia, ya que no es posible a partir de ellas hacer generalizaciones. Sin embargo, a veces resultan útiles en términos de inversión por parte del investigador en el tema.
  • 17. DEFINIR MUESTREO NO PROBABILISTICOS
  • 18. MUESTREO NO PROBABILISTICO • consistente en que el investigador selecciona la muestra que supone sea la más representativa, utilizando un criterio subjetivo y en función de la investigación que se vaya a realizar.
  • 19. MUESTREO NO PROBABILÍSTICO: CARACTERÍSTICAS  La selección de la muestra no es aleatoria, sino que se basa, en parte, en el juicio del entrevistador o de responsable de la investigación.  No se basa en ninguna teoría de la probabilidad y, por lo tanto, no es posible calcular la precisión o acotar el error cometido.
  • 20.  No es posible calcular estos errores ni la confianza de las estimaciones que, además, no siempre se reducen aumentando el tamaño de la muestra.  En el muestreo no probabilístico los costes y la dificultad del diseño son más reducidos (al no ser necesario disponer de un marco). Este muestreo puede dar buenos resultados, pero también apareja el riesgo de proporcionar una información errónea.
  • 21. TIPOS DE MUESTREO NO PROBABILISTICO •MUESTREO DE JUICIO MUESTREO NO •MUESTREO POR PROBABILISTICO CUOTAS •MUESTREO POR CONVENIENCIA
  • 22.  MUESTREO DE JUICIOS  La muestra es elegida por un experto de acuerdo con su criterio, buscando las unidades más representativas.  el juicio, en el que se seleccionan muestra de acuerdo con el juicio del investigador  Se emplea cuando el tamaño de la muestra es pequeño.  Ejemplo: mercados de prueba, presuntos líderes seleccionados en la investigación de conducta de voto….
  • 23. MUESTREO POR CUOTAS • Consiste en seleccionar una muestra cubriendo una “cuota” o cantidad determinada de elementos.  Tiene por objetivo asegurar que los diversos subgrupos de una población estén representados en la muestra respecto de las características pertinentes de la muestra y con la proporción exacta que el investigador desee.  la cuota, en la que se busca y entrevista a un número determinado de personas en cada una de varias categorías.
  • 24.  La velocidad de recopilación de datos, los menores costes y la comodidad son sus principales ventajas frente al muestreo de probabilidad.  Puede resultar apropiado cuando el investigador sabe que es más probable que un cierto grupo demográfico rehúse colaborar con una encuesta. • Por ejemplo: se desea encuestar a los usuarios de un servicio mutual, se encuesta a 20 personas de cada servicio sin considerar si el numero de pacientes registrados en cada centro. La cuota de cada centro es 20
  • 25.  MUESTREO DE CONVENIENCIA  Las muestras se seleccionan según un criterio de accesibilidad o comodidad. más fáciles de la población de los que se tiene información  Suele emplearse en centros comerciales, plazas, estaciones de autobuses o de tren, metro, aeropuertos o lugares de gran afluencia pública.  Se utiliza para obtener un mayor número de cuestionarios completados de forma rápida y económica.  Adecuado en la investigación exploratoria que venga seguida de una investigación adicional en la que se extraiga una muestra probabilística.
  • 27. TIPOS DE MUESTREO PROBABILISTICO Muestreo Aleatorio Simple Muestreo Probabilístico Muestreo Estratificado •Muestreo Sistemático Muestreo •Muestreo por Conglomerado Área
  • 28. MUESTREO PROBABILISTICO • Los métodos de muestreo probabilísticos son 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 elegidas.
  • 29. MUESTREO PROBABILÍSTICO: CARACTERÍSTICAS  Las muestras se seleccionan al azar, no se seleccionan por los investigadores. Se conoce la probabilidad de ser elegido  Cada elemento de la población tiene la misma probabilidad de ser elegido.  Se puede conocer el error muestral, el nivel de confianza y el nivel de precisión de las estimaciones.  Los resultados se pueden generalizar.  Es el único método que puede evaluar la representatividad de la muestra.  Es más caro que el muestreo no probabilística.  Es, en general, más lento y complicado que el muestreo no probabilística.
  • 30. MUESTREO ALEATORIO SIMPLE • Se eligen individuos de la población de estudio, de manera que todos tienen la misma probabilidad de aparecer, hasta alcanzar el tamaño muestral deseado. • • Se puede realizar partiendo de listas de individuos de la población, y eligiendo individuos aleatoriamente con un ordenador. • • En general, las técnicas de inferencia estadística suponen que la muestra ha sido elegida usando m.a.s., aunque en realidad se use alguna de las que veremos a continuación.
  • 31. Ventajas: • Sencillo y de fácil comprensión. • Cálculo rápido de medias y varianzas. • Se basa en la teoría estadística, y por tanto existen paquetes informáticos para analizar los datos. • Desventajas: • Requiere que se posea de antemano un listado completo de toda la población. Cuando se trabaja con muestras pequeñas es posible que no represente a la población adecuadamente.
  • 32. MUESTREO ESTRATIFICADO • Se aplica cuando sabemos que hay ciertos factores (variables, subpoblaciones o estratos) que pueden influir en el estudio y queremos asegurarnos de tener cierta cantidad mínima de individuos de cada tipo: • – Hombres y mujeres, • – Jóvenes, adultos y ancianos… • Una muestra aleatoria simple es seleccionada de tal manera que cada muestra posible del mismo tamaño tiene igual probabilidad de ser seleccionada de la población. • • Se realiza entonces una m.a.s. de los individuos de cada uno de los estratos.
  • 33. • Ventajas: • Tiende a asegurar que la muestra represente adecuadamente a la población en función de unas variables seleccionadas. • Se obtienen estimaciones más precisa • Su objetivo es conseguir una muestra lo más semejante posible a la población en lo que a la o las variables estratificadoras se refiere. • Desventajas: • Se ha de conocer la distribución en la población de las variables utilizadas para la estratificación.
  • 34. MUESTREO CONGLOMERADO Se aplica cuando es difícil tener una lista de todos los individuos que forman parte de la población de estudio, pero sin embargo sabemos que se encuentran agrupados naturalmente en grupos. se divide la población total en un número determinado de subdivisiones relativamente pequeñas y se seleccionan al azar algunas de estas subdivisiones o conglomerados, para incluirlos en la muestra total. • • Se realiza eligiendo varios de esos grupos al azar, y ya elegidos algunos podemos estudiar a todos los individuos de los grupos elegidos o bien seguir aplicando dentro de ellos más muestreos por grupos, por estratos, aleatorios simples,… – Para conocer la opinión de los médicos del sistema nacional de salud, podemos elegir a varias regiones de España, dentro de ellas varias comarcas, y dentro de ellas varios centros de salud, y…
  • 35. • Al igual que en el muestreo estratificado, al extrapolar los resultados a la población hay que tener en cuenta el tamaño relativo de unos grupos con respecto a otros. – Regiones con diferente población pueden tener probabilidades diferentes de ser elegidas, comarcas, hospitales grandes frente a pequeños,…
  • 36. MUESTREO SISTEMATICO • Se tiene una lista de los individuos de la población de estudio. Si queremos una muestra de un tamaño dado, elegimos individuos igualmente espaciados de la lista, donde el primero ha sido elegido al azar. (muestreo sistematico con arranque aleatorio) • CUIDADO: Si en la lista existen periodicidades, obtendremos una muestra sesgada. – ejemplo: Se elige una casa cada 50 numeros de puerta para un estudio de salud pública. Salieron con mucha frecuencia las de las esquinas donde hay mayoria de bares, almacenes, etc
  • 37. Ventajas: • Fácil de aplicar. • No siempre es necesario tener un listado de toda la población. • Cuando la población está ordenada siguiendo una tendencia conocida, asegura una cobertura de unidades de todos los tipos. • Desventajas: • Si la constante de muestreo está asociada con el fenómeno de interés, las estimaciones obtenidas a partir de la muestra pueden contener sesgo de selección.
  • 38. MUESTREO POR AREA • se determinan áreas geográficas a partir de planos (por ejemplo, manzanas de casas de una ciudad). • Una vez elegidas al azar las áreas a muestrear, se entrevista a todos los elementos de esos grupos (por ejemplo, hogares en esas manzanas ) • se hace un muestreo aleatorio simple de cada uno de esos grupos, o un muestreo con probabilidad proporcional al tamaño de cada grupo (por ejemplo, cuando el número de hogares en cada manzana es muy distinto). • Tiene la ventaja de tener que estudiar solamente un reducido número de grupos y elementos.
  • 39. • Existen medidas para realizar descripciones cuantitativas de los conjuntos de datos, o poblaciones, y de sus muestras, diferenciándose entre ellas las que se refieren a las mismas poblaciones y a las muestras. • Para el caso de las poblaciones, las medidas que las describen se denominan parámetros, y suelen estar representadas con letras griegas (por ejemplo m y s). • Por otro lado, para el caso de aquellas medidas que describen a una muestra se les llama estadísticos o estimadores, y son representados por letras de nuestro alfabeto (por ejemplo, x o s).