Este documento describe conceptos clave relacionados con la población y la muestra en investigación. Explica que la población es el conjunto total de elementos que comparten una característica, mientras que la muestra es un subconjunto de la población. También describe diferentes tipos de muestreo como probabilístico, no probabilístico, aleatorio simple, sistemático y estratificado. Finalmente, discute criterios para seleccionar una buena muestra y etapas del proceso de muestreo.

1. POBLACIÓN Y MUESTRA

2. POBLACIÓN Y MUESTRA
 CONTENIDOS:
Concepto.
Tipos de muestreo.
Ventajas y desventajas.
Criterios de selección.
Condiciones de una buena
muestra.
Tamaño de muestra.
Error de muestreo.

3. CONCEPTO
UNIVERSO O
POBLACIÓN
Conjunto de elementos que
comparten una
característica.
MUESTRA
Subconjunto de esa
población.

4. MUESTREO
 Es la selección de algunas
unidades de análisis entre una
población definida
correspondiente a un estudio o
investigación.

5. TIPOS DE MUESTREO
MUESTREO PROBABILÍSTICO (AL
AZAR, ALEATORIO)
• Se conoce: la probabilidad de selección de la
unidad de análisis y el margen de error a usarse.
MUESTREO NO PROBABILÍSTICO
• No se conoce la probabilidad de selección de la
unidad de análisis, por lo tanto no permite
realizar inferencias para la población bajo
investigación.

6. TIPOS DE MUESTREO
 De Conveniencia.
 Por Cuotas.
 Aleatorio simple.
 Aleatorio
sistemático.
 Aleatorio
estratificado.
 Por grupos o
Conglomerados.
 Bietápico.
 Multietápico.
Muestreo no
Probabilístico
Muestreo Probabilístico

7. MUESTREO NO PROBABILÍSTICO
1. DE CONVENIENCIA
Es un método por el cual se
seleccionan en la muestra las
unidades de análisis convenientes,
por el hecho de que se dispone de
ellas en el momento de la
recopilación de los datos.

8. MUESTREO NO PROBABILÍSTICO
2. POR CUOTAS
Se asegura que un
determinado número de
unidades de muestra,
procedente de diversas
categorías y con
características específicas,
estén presentes en la muestra.

9. MUESTREO PROBABILÍSTICO
1. ALEATORIO SIMPLE
Para seleccionar una muestra se requiere:
• Preparar una lista numérica de todas las unidades
de la población de estudio.
• Decidir acerca del tamaño de la muestra.
• Seleccionar el número requerido de unidades de
muestreo, a base de un método de “sorteo” o de una
Tabla de Números Aleatorios.

10. MUESTREO PROBABILÍSTICO
2. ALEATORIO SISTEMÁTICO
Las personas se seleccionan, del encuadre
de muestreo , a intervalos regulares (Ej: de
5 en 5).
Inicio de selección: aleatorio.

11. MUESTREO PROBABILÍSTICO
3. ALEATORIO ESTRATIFICADO
El encuadre de muestreo debe subdividirse
en grupos o ESTRATOS en función de las
características de la población.
Las muestras aleatorias de tamaño
predeterminado tendrán que obtenerse a
partir de cada estrato.

12. MUESTREO PROBABILÍSTICO
4. POR GRUPOS O CONGLOMERADOS
Se seleccionan grupos de
unidades de estudio en vez de
unidades de estudio individuales.

13. MUESTREO PROBABILÍSTICO
5. POR ETAPAS MÚLTIPLES
Se realiza por fases y
habitualmente implica más
de un método de muestreo.

14. MUESTREO
PROBABILÍSTICO
 Ventajas:
 Tiene fundamento esta-
dístico matemático.
 Es más representativo,
porque es más exacto.
 El error con el que se
trabaja es menor y es
posible decidir con que
error* trabajar.
 Desventajas:
 Es costoso.
 Requiere el conocimien-
to previo del universo.
MUESTREO NO
PROBABILÍSTICO
 Ventajas:
 Es menos costoso.
 De selección más simple.
 No requiere
conocimiento previo del
universo.
 No requiere tener identifi-
cadas las unidades de
análisis.
 Desventajas:
 Se trabaja con un error
desconocido.
 No se puede calcular el
error.
 Es menos representativo.

15. CRITERIOS DE
SELECCIÓN
a) Todos los individuos de la muestra debe
ser parte del conjunto total de la población
estudiada.
b) Todos los individuos de la población tiene
igual probabilidad estadística de ser
seleccionados en la muestra.
c) El tamaño de la muestra será adecuado al
tipo de estudio. Un tamaño menor pierde
fiabilidad, un tamaño mayor implica
derroche de recursos.
d) La técnica de recolección debe permitir el
logro de los objetivos.

16. CONDICIONES DE UNA BUENA
MUESTRA
 Las condiciones fundamentales que ha de
cumplir una muestra son cuatro:
1. Que comprendan parte del universo y no la
totalidad de éste.
2. Que su amplitud sea estadísticamente
proporcionada a la magnitud del universo.
Esta condición se halla en relación con el
punto práctico de determinación del tamaño
de la muestra y sirve para decidir si, según las
unidades que comprende respecto al universo,
una muestra es o no admisible.

17. CONDICIONES DE UNA BUENA
MUESTRA
3. 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.
4. Que sea representativa o reflejo fiel del
universo, de tal modo que reproduzca sus
características básicas en orden a la
investigación. Esto quiere decir que si hay
sectores diferenciados en la población que se
supone ofrecen características especiales, a
efectos de los objetivos de la investigación, la
muestra también deberá comprenderlos y
precisamente en la misma proporción, es decir,
deberá estar estratificada como el universo”.
(Sierra Bravo, 1988: 175)

18. ETAPAS DEL PROCESO DE
MUESTREO
 Fox (1981):
 Definición o selección del universo o
especificación de los posibles sujetos o
elementos de un determinado tipo;
 Determinación de la población o parte de ella a
la que el investigador tiene acceso;
 Selección de la muestra invitada o conjunto de
elementos de la población a los que se pide que
participen en la investigación;
 Muestra aceptante o parte de la muestra
invitada que acepta participar;
 Muestra productora de datos; la parte que
aceptó y que realmente produce datos.