1. El documento presenta información sobre distribuciones muestrales y la estimación en estadística inferencial para psicólogos. 2. Explica la diferencia entre población y muestra, y los métodos de muestreo probabilístico y no probabilístico. 3. Define estimación como el proceso de encontrar una aproximación sobre una medida cuando los datos pueden estar incompletos o inciertos, y un estimador como una estadística muestral usada para estimar un parámetro poblacional.

1. Universidad Autónoma de Santo Domingo
Primada de América
Fundada el 28 de octubre del 1538
Facultad de Humanidades
Escuela de Psicología
Sustentante (autor/a)
Nathacha F. Henríquez González
Matrícula
100414567
Asignatura
Estadística Inferencial para Psicólogos (PSI-228)
Sección:
01
Maestro:
Joel A. Patiño De Los Santos

2. IV. DISTRIBUCIONES MUESTRALES. Y LA ESTIMACION
1. Diferenciaentre poblacióny muestra:
Una poblaciónesel conjuntode todosloselementos que interesanenunestudio. Lapoblaciónestodo
el grupode individuosuobjetosenestudio,ylamuestraesuna parte o subconjuntode dichapoblación.
Es el total de individuosque deseoestudiarocaracterizar.
En el ejemploanterioreslapoblaciónde México,peropodemospensarentodotipode universos,más
generalesymásconcretos.Porejemplo,si quierosabercuántofumande medialosfumadoresde
México, el universoeneste casosería "losfumadoresde México".
Una muestra esun subconjuntode lapoblación.Esel conjuntode individuosdel universoque
seleccionoparaestudiarlos,por ejemplo, atravésde una encuesta.
POBLACIÓN o UNIVERSO: Es todoconjuntode elementos,finitooinfinito,definidoporunao más
características,de lasque gozan todosloselementosque locomponen,ysóloellos.Enmuestreo,se
entiende porpoblaciónalatotalidaddel universoque interesaconocer,yque esnecesarioque esté
biendefinidoparaque se sepaentodo momentoqué elementoslocomponen.Convienerecordarque
poblaciónesel conjuntode elementosaloscualesse quiereninferirlosresultados.
2. ¿Por qué muestrear la población? Razonespara muestrear
Cuandose estudianlascaracterísticasde unapoblación,existendiversasrazonesprácticasparapreferir
la selecciónde porcionesomuestrasde unapoblaciónparaobservary medir.He aquí algunasrazones
para muestrear:
1. Establecer contacto con toda la población requeriría
mucho tiempo.Un candidatopara un puestofederal quizádesee determinarlasposibilidades
que tiene de resultarelecto.Unaencuestade muestreoenlaque se utilizael personal ylasentrevistas
de campo convencionalesde unaempresaespecializadaenencuestastardaríade unoo dos días. Conel
mismopersonal ylosmismosentrevistadores,ylaborandosiete díasa lasemana,se requerirían200
años para ponerse encontactocon todala poblaciónenedadde votar.Aunque fueraposiblereuniraun
numerosoequipode encuestadores,quizánovaldríala penaentraren contactocon todos losvotantes.
2. E l costo de estudiar todos los elementos de una
población resultaría prohibitivo.Las organizacionesque realizanencuestasde
opiniónpúblicaypruebasentre consumidores,comoGallupPollsyRoperASW,normalmente entranen
contacto con menosde 2 000 de las casi 60 millonesde familiasenEstadosUnidos.Unaorganización
que entrevistaaconsumidoresenpanel cobracercade $40 000 por enviarmuestrasporcorreoy
tabularlas respuestasconel finde probar un producto(comoun cereal para el desayuno,alimentopara
gato o algúnperfume).Lamismapruebadel productoconlos60 millonesde familiastendríauncosto
de aproximadamente$1 000 000 000.
3. Es imposible veriicarde manerafísica todos los elementos
de la población. Algunaspoblacionessoninfinitas.Seríaimposible verificartoda
el agua del lagoErie en loque se refiere a nivelesde bacterias,asíque se eligenmuestrasendiversos

3. lugares.Laspoblacionesde peces,aves,serpientesomosquitossongrandes,yse desplazan,naceny
muerencontinuamente.Enlugarde intentarcontartodoslospatos que hayen Canadáo todos los
pecesdel lagoPontchartrain,se hacenaproximacionesmediantediversastécnicas:se cuentantodoslos
patosque hay en unestanque,capturadosal azar, se revisanlascestasde loscazadoreso se colocan
redesenlugarespredeterminadosenel lago.
4. Algunas pruebas son de naturaleza destructiva. Si los
catadoresde vinode SutterHome Winery,California,se bebierantodoel vinoparaevaluarlavendimia,
acabarían con lacosechay no quedaríanada disponibleparalaventa.En el área de producción
industrial:lasplacasde acero,cablesyproductos similaresdebencontarconuna resistenciamínimaala
tensión.Paracerciorarse de que el productosatisface lanormamínima,el departamentode control de
calidadelige unamuestrade laproducciónactual.Cada piezase somete atensiónhastaque se rompe y
se registrael puntode ruptura(medidoenlibrasporpulgadacuadrada).Esobvioque si se sometieran
todosloscableso todaslas placasa pruebasde resistenciaala tensiónnohabría productosdisponibles
para venderuutilizar.Porlamismarazón, Kodakseleccionasólounamuestrade películafotográficayla
somete apruebaspara determinarlacalidadde todoslosrollosque se producen;ysólounascuantas
semillasse sometenapruebasde germinaciónenBurpee,antesde latemporadade siembra.
5. Los resultados de la muestra son adecuados. Aunque
se contara con recursossuficientes,esdifícil que laprecisiónde unamuestrade 100% —todala
población— resulte esencialenlamayoríade losproblemas.Porejemplo,el gobiernofederal utilizauna
muestrade tiendasde comestiblesdistribuidasenEstadosUnidosparadeterminarel índice mensual de
preciosde losalimentos.Lospreciosdel pan,frijol,lecheyotrosproductosde primeranecesidadse
incluyenenel índice.Resultapocoprobable que la inclusiónde todaslastiendasde comestiblesde
EstadosUnidosinfluyasignificativamenteenel índice,pueslospreciosde laleche,el panyotros
productosde primeraneces
3. Ventajase Desventajasdel muestreo:
✔ Ventajas
 Rapidezyfacilidadde realizarel estudio
 Menor númerode sujetosaestudiar
 Menor costoeconómico
 Mayor validezdel estudio.
 Mayor númerode variable a estudiar
 Controlary ajustarposiblesvariablesde confusión.
 Es muy útil cuandoel Universoesmuygrande o Infinito.
 Cuandoalgunosde loselementosobservadosse destruyeenlaobservación.
 El productosufre menosdañoal haber menosmanipulación.
✘ Desventajas:
 Muestra representativa:noexiste unadefiniciónformalque nospermitaafirmarque una
muestraeso no representativade lapoblaciónobjetode estudio.
 Error de muestreoo error aleatorio:es el errorque se comete debidoal hechode sacar
conclusionessobre unapoblaciónapartirdel estudiode unamuestrade ella.

4. 4. MÉTODOS DE MUESTREO PROBABILÍSTICO:
son aquellosque se basanenel principiode probabilidad.Esdecir,aquellosenlosque todoslos
individuostienenlamismaprobabilidadde serelegidosparaformarparte de una muestray,
consiguientemente,todaslasposiblesmuestrasde tamañontienen lamismaprobabilidadde ser
elegidas.Sóloestosmétodosde muestreoprobabilísticonosaseguranlarepresentatividadde la
muestraextraíday son,por tanto,losmás recomendables.Dentrode losmétodosde muestreo
probabilísticoencontramoslossiguientestipos:
5. MUESTREO ALEATORIO SIMPLE:
En un muestreoaleatoriosimpletodoslosindividuostienenlamismaprobabilidadde serseleccionados.
La selecciónde lamuestrapuede realizarseatravésde cualquiermecanismoprobabilísticoenel que
todosloselementostenganlasmismasopcionesde salir.Porejemplounode estosmecanismoses
utilizarunatablade númerosaleatorios,otambiénconunordenadorgenerarnúmerosaleatorios,
comprendidosentre ceroyuno,ymultiplicarlosporel tamañode la población, este esel que vamosa
utilizarada.Esaquel muestreoque mediantelaasignaciónde númerosse seleccionade formamecánica
varioselementosde lamuestra.
6. MUESTREO ALEATORIO SISTEMÁTICO:
Es un tipode muestreoaleatoriosimple enel que loselementos se seleccionansegúnunpatrónque se
iniciaconuna elecciónaleatoria. Esaquel muestreoque al igual que el aleatoriosimple,se asignan
númerosa lamuestra,perola diferenciaexistente esque solose seleccionaunelementode lamuestra.
7. MUESTREO ALEATORIO ESTRATIFICADO:
Es aquel muestreoenlaque se consideranque todosloselementosseleccionadosenlamuestra,
cumplancon losrequisitosexpuestosenel estudio.
8. MUESTREO ALEATORIO POR CONGLOMERADOS
un conglomeradose consideraunaagrupaciónde elementosque presentancaracterísticassimilaresa
toda lapoblación. Es aquel muestreoenlasque se seleccionade formadirectalamuestra.
Por ejemplo,paraanalizarlosgastosfamiliaresoparacontrolarel nivel de audienciade losprogramasy
cadenasde televisión,se utilizaunmuestreoporconglomerados-familiasque hansidoelegidas
aleatoriamente.
9. EL MUESTREO NO PROBABILÍSTICO:
esuna técnicade muestreodonde lasmuestrasse recogenenunprocesoque no brindaa todoslos
individuosde lapoblaciónigualesoportunidadesde serseleccionados. El muestreonoprobabilísticoes
una técnicade muestreoenlacual el investigadorseleccionamuestrasbasadasenunjuiciosubjetivoen
lugarde hacerla selecciónal azar. El muestreonoprobabilísticoesmásútil paraestudiosexploratorios

5. como laencuestapiloto(unaencuestaque se implementaenunamuestramáspequeña,en
comparacióncon el tamañode muestrapredeterminado). El muestreonoprobabilísticose utilizadonde
no esposible extraerun muestreode probabilidadaleatoriodebidoaconsideracionesde tiempoo
costo.
Tipos de muestreono probabilísticoy ejemplos
1. Muestreopor conveniencia
El muestreoporconvenienciaesunatécnicade muestreonoprobabilísticadonde lasmuestrasde la
poblaciónse seleccionansoloporque estánconvenientemente disponiblesparael investigador.Estas
muestrasse seleccionansoloporquesonfácilesde reclutaryporque el investigadornoconsideró
seleccionarunamuestraque represente atodala población.Sonseleccionadasporque sonaccesibles
para el investigar,lossujetossonelegidossimplemente porque sonfácilesde reclutar.
Un ejemplode muestreopor convenienciaseríautilizaraestudiantesvoluntariosque seanconocidos
del investigador.El investigadorpuede enviarlaencuestaalosestudiantesyelloseneste casoactuarían
como muestra.
2. Muestreoconsecutivo
Esta técnicade muestreonoprobabilísticaesmuysimilaral muestreoporconveniencia(conunaligera
variación).Aquí,el investigadoreligeunasolapersonaoun grupode muestra,realizaunainvestigación
durante un periodode tiempo,analizalosresultadosyluegopasaa otra asignaturao grupode sujetossi
esnecesario.
Esta técnicade muestreole daal investigadorlaoportunidadde trabajarcon muchostemasy afinarsu
investigaciónmediante larecopilaciónde resultadosque tienenconocimientosvitales.
Muestreopor cuotas
El muestreoporcuotases unatécnicade muestreonoprobabilísticoendonde el investigadorasegura
una representaciónequitativayproporcionadade lossujetos,enfunciónde qué rasgoesconsiderado
base de la cuota.
Por ejemplo, si labase de lacuota es de nivel de añoenla universidadyel investigadornecesitauna
representaciónigual,conuntamañode muestrade 100, debe seleccionar25 estudiantesde 1ºaño,25
de 2° año, 25 de 3º año y 25 de 4º año. Las basesde la cuota generalmente sonlaedad,el género,la
educación,laetnia,lareligiónyel nivel socioeconómico.
Muestreode bola de nieve
El muestreode bolade nieve se llevaacabo generalmente cuandohayunapoblaciónmuypequeña.En
este tipode muestreo,el investigadorle pide al primersujetoque identifique aotrosujetopotencial
que tambiéncumplaconloscriteriosde la investigación.Ladesventajade usarunamuestrade bola de
nieve esque difícilmentesearepresentativade lapoblación.

7. DISEÑO DE ENCUESTAS
Una Distribucionesde muestreo:
esla distribuciónde lasresultadassi enrealidadseleccionaratodaslasmuestraspasibles.El resultado
únicoque ustedobtiene enlaprácticaessolouno de las resultadasenJadistribuciónde muestreo.
Una distribuciónde probabilidadde todaslasmediasposiblesde lasmuestrasesunadistribuciónde las
mediasde lasmuestras.Losespecialistasenestadísticalaconocencomodistribuciónde muestreode la
media

8. distribuciónde muestra media
esla distribuciónde todaslasmediasmuestralesposibles,si se seleccionarantodaslasmuestras
pasiblesde untamañodeterminado.

9. Formula:
EJEMPLO DE DISTRIBUCION MUESTRAL MEDIA

10. Estimación(oestimar) esel procesode encontrarunaaproximaciónsobre unamedida,loque se hade
valorarcon algúnpropósitoesutilizable inclusosi losdatosde entradapuedenestarincompletos,
incierto,oinestables. ,unestimadoresunestadísticode lamuestrautilizadoparaestimarunparámetro
poblacional
Es cuando queremosrealizarel estudiode unapoblacióncualquierade laque desconocemossus
parámetros.Porejemplo:
Estimacionespuntuales:esel valor de un soloestadísticomuestra1.comounamediamuesttal. Una
estimaciónpuntual esunsolonúmeroque se utilizaparaestimarunparámetrode población
desconocido. Unestimadorpuntual consiste enunsolovalor(punto) deducidode unamuestrapara
estimarel valorde una población.Porejemplo,supongaque eligeunamuestrade 50 ejecutivosde nivel
medioyle preguntaa cada uno la cantidadde horas que laborólasemanapasada.Se calculala media
de esta muestrade 50 y se utilizael valorde lamediamuestral comoestimadorpuntual de lamedia
poblacional desconocida.Ahorabien,unestimadorpuntual esunsolovalor.
Un enfoque que arrojamásinformaciónconsiste enpresentarunintervalode valoresdel que se espera
que se estime el parámetropoblacional.Dichointervalo de valoresrecibe el nombrede intervalode
confianza.Unaestimaciónde intervalo esun rango de valoresque se utilizaparaestimarunparámetro
de la población.Unaestimaciónde este tipoindicael errorde dosmaneras:porla extensióndel
intervaloy porla probabilidadde que el verdaderoparámetropoblacional se encuentredentrodel
intervalo.Unaestimaciónde intervalo es unrango de númerosllamadoIntervalo.que se construyeen
torno a un estimadorpurnual.El Intervalode confianzase construye de maneraque permitaconocerla
pro00b!11doo de que el IntervaloIncluyaal parámetropoblac!onal.

11. Características estimadores:
1) Sesgo. Se dice que un estimadoresinsesgadosi laMediade la distribucióndel estimadoresigual al
parámetro.Estimadoresinsesgadosson la Mediamuestral (estimadorde la Mediade la población) y
la Varianza (estimadorde la Varianza de la población):
Ejemplo:
En una poblaciónde 500 puntuacionescuyaMedia(m) esigual a5.09 han hechounmuestreoaleatorio
(númerode muestras=10000, tamaño de las muestras=100) y hallanque laMediade lasMedias
muestralesesigual a5.09, (lamediapoblacional ylamediade lasmediasmuestralescoinciden).En
cambio,laMedianade la poblaciónesigual a5 y laMedia de las Medianasesigual a 5.1 estoes,hay
diferenciayaque laMedianaesun estimadorsesgado.
La Varianzaesunestimadorsesgado. Ejemplo:LaMediade las Varianzas obtenidascon la Varianza en
un muestreode 1000 muestras(n=25) en que la Varianza de la poblaciónes igual a 9.56 ha resultado
igual a 9.12, esto es,no coinciden.En cambio, al utilizar la Cuasivarianza la Mediade las Varianzas
muestralesesigual a 9.5, esto es,coincide con la Varianza de la población ya que la Cuasivarianza es
un estimadorinsesgado.
2) Consistencia.Un estimadoresconsistentesi aproximael valordel parámetrocuantomayoresn
(tamañode la muestra). Algunosestimadoresconsistentesson:
Ejemplo
En una poblaciónde 500 puntuacionescuyaMedia(m) esigual a4.9 han hechotres muestreos
aleatorios(númerode muestras=100) con lossiguientesresultados:

12. vemosque el muestreoenque n=100 la Mediade lasMediasmuestralestomael mismovalorque la
Mediade lapoblación.
3) Eficiencia.Diremosque unestimadoresmáseficienteque otrosi laVarianzade la distribución
muestral del estimadoresmenorala del otro estimador.Cuantomenoreslaeficiencia,menoresla
confianzade que el estadísticoobtenidoenlamuestraaproximeal parámetropoblacional.
Ejemplo:
La Varianzade ladistribuciónmuestralde laMediaenun muestreoaleatorio(númerode muestras:
1000, n=25) ha resultadoigual a0.4. La Varianzade ladistribuciónde Medianasharesultado,enel
mismomuestreo,igual a1.12, (este resultadomuestraque laMediaesunestimadormáseficienteque
la Mediana).
Ejemplo
Se generan100000 muestrasaleatorias(n=25) de unapoblaciónque sigue ladistribuciónNormal,y
resulta:
La distribuciónde las Mediasmuestralesaproxima al modeloNormal:
Cualidadesde un buen estimador
a) Debe serinsesgado:unestimadoresinsesgado,si enpromedio,tiendeatomar valoresque estánpor
encimadel parámetrode lapoblaciónconla mismafrecuenciaylamismaextensión,conlaque tiende a
asumirvalorespordebajodel parámetrode poblaciónque se estáestimando.
b) Debe ser eficiente:de variosestimadoresinsesgados,el máseficiente esel que tieneel error
estándarmás pequeño.

13. c) Debe serconsistente:significaque amedidaque aumentael tamañode lamuestra,laestimaciónse
aproximaal valordel parámetro.
d) Debe ser suficiente:significaque ningúnotroestimadorpuede suministrarmásinformaciónsobre el
parámetro.
Elaboración de, los intervalos de confianza:
Pasos
1. Escribe el fenómenoque te gustaríaexaminar:
Supongamosque trabajasconla siguiente situación:el peso promediode unestudiantede género
masculinoenlaUniversidadABCesde 82 kg (180 lb).Analizarásqué tanprecisamente podráspredecir
el pesode losestudiantesvaronesde launiversidadABCdentrode unintervalode confianzadado.
2. Seleccionaunamuestrade tu poblaciónescogida:
Esta es laque utilizarásenlarecolecciónde datospara evaluartuhipótesis.Supongamosque
seleccionaste,al azar,1000 estudianteshombres.
3. Calculael promedioyla desviaciónestándarde tumuestra....
Escoge un dato estadísticode tumuestra(por ejemplo,el promediooladesviaciónestándar) que
quierasusarpara estimarel parámetrode tu poblaciónescogida.Unparámetrode poblaciónesunvalor
que representaunacaracterísticaparticularde la población.Asíescómo puedesencontrarel promedio
y la desviaciónestándarde tumuestra:
Para calcularel promedio(omedia) de losdatosde la muestra,solosumatodoslospesosde los1000
hombresque elegiste ydivideel resultadoentre 1000, esdecir,el númerode hombres.Estodebe darte
un valordel pesopromediode 84,4 kg (186 lb).
Para calcularla desviaciónestándarde lamuestra,tendrásque encontrarel promedioolamediade los
datos.Luego,tendrásque encontrarla varianzade losdatos o el promedioal cuadradode las
diferenciasconrespectoal valormedio.Unavezque encuentresestenúmero,solocalculasuraíz
cuadrada. Supongamosque ladesviacióneneste casoesde 14 kg (30 lb) (tenencuentaque esta
informaciónalgunasvecespodríaestardisponibleparati al resolverunproblemade estadística).
4. Elige el nivel de confianzaque desees:
Los nivelesde confianzausadosconmayorfrecuenciason90 %, 95 % y 99 %.Al resolverunproblema,
esposible que tengaseste datoatu disposición.Supongamos que escogiste95%.
5. Calculatu margende error:
Puedesencontrarel margende errorusandola siguientefórmula:Za/2* σ/√(n).Za/2= coeficientede
confianza,donde a= nivel de confianza,σ= desviaciónestándar,n= tamañode muestra.Esta esotra
formade decirque deberíasmultiplicarel valorcríticopor el error estándar.Asíescomo puedes
resolverestafórmulaal dividirlaenpartes:

14. Para hallarel valorcrítico, o Za/2: en este casoel nivel de confianzaesde 95 %.Convierte el porcentaje
a un númerodecimal 0,95 y divídeloentre 2para tener0,025. Luego,revisalatabla de valoreszpara
encontrarel valorque corresponde a0,025. Verásque el valormás cercanoes -1,96 en la intersección
de la fila1,9 y la columna0,6.
Calculael error estándar:tomala desviaciónestándar,14 kg(30 lb),y divídelaentre laraízcuadrada del
tamañode la muestra,1000. Obtendrás14/31,6 o 0,44 kg (0,95 lb).
Multiplica1,96 por 0,44 (tu valorcrítico por tu error estándar) paraobtener0,86; tumargen de error.
6. Expresatu intervalode confianza:
Para expresarel intervalode confianza,simplementetienesque tomarel promedioolamedia(82),y
escribirlaal ladode ± y el margen de error.La respuestaes:82 ± 0,86. Puedesencontrarloslímites
superiore inferiordel intervalode confianza,sumandoyrestandoel margende errora la media.
Entonces,tulímite inferiores82 – 0,86 o 81,14 kg(178,14 lb),ytu límite superiores82 + 0,86, o 82,86
kg (181,86 lb).
Tambiénpuedesusarestafórmulapráctica para encontrarel intervalode confianza:x̅ ±Za/2 * σ/√(n).
Aquí,x̅ representalamedia.
Error estándar de la media:
al sumary restar al estimadorpuntual unacantidadllamadamargende error.La fórmulageneral de una
estimaciónporintervaloes
Estimación puntual ± Margen de error
El objetivode laestimaciónporintervaloesaportarinformaciónde qué tancercase encuentrala
estimaciónpuntual,obtenidade lamuestra,del valordel parámetropoblacional.
Error Estándar de la MediaMuestral
La raíz cuadrada de la varianzade la distribucióndel estadísticose denominaErrorEstándary
proporcionaunamedidade confiabilidadparael datoestadísticoobtenidoapartirde una muestraya
que la desviaciónestándaresunamedidadel errordel muestreo(de lavariaciónenlamuestra).
El error estándar (EE) es una medidade lavariacióndel estimadorque permite cuantificarel errorde
estimación(variaciónentre lasestimaciones).
El EE del estadisticomediamuestral indicalaconfiabilidadde la mediaobtenidade unamuestrade
tamañon, se calculacomo

15. Suele serútil expresarel errorestándarentérminosrelativos. El errorestándaresunaestimaciónde
cuánto varía el valorde unaestadísticade pruebade muestraa muestra. El error estándarse calcula
tomandola desviaciónestándarde ladistribuciónde muestreoparalaestadísticade prueba.La
distribuciónde muestreoesladistribuciónde todaslasmuestrasposibles.
La desviaciónestándar(SD) representalavariaciónenlosvaloresde una variable,mientrasque el error
estándarde la media(EstándarError of the Mean,SEM) representaladispersiónque tendríalamedia
de una muestrade valoressi se continuarantomandomuestras.Porlotanto,el SEM proporcionauna
ideade la precisiónde lamediayel SD nosda una ideade la variabilidadde lasobservaciones
individuales.Estosdosparámetrosestánrelacionados:
SEM = SD/√n
Donde:
SEM = Error estándarde lamedia
SD = Desviaciónestándar
n = tamañode lamuestra
Si EE representael errorestándarde unestimador,el error estándarrelativoes.Un error estándar
relativode hasta0,20 podría ser admisible,perounerrorestándarrelativode 0,80 implicaríaque la
discrepanciapromediodel estimadorrespectodel valorque estáestimando,representa
aproximadamente un80%del mismo-
Intervalode población:
Criteriospara la determinación del tamaño de una muestra:
Para determinarel tamaño de muestra necesariopara estimar una proporción poblacional se utiliza
un métodosimilar al empleadopara la mediapoblacional.l Recuerde que al determinarel tamaño de
la muestra de un intervalode confianza para la media.el error de muestreose define por

16. Nivel de precisión
El nivel de precisión,tambiénllamado errorde muestreo,esel rangoendonde se estimaque estáel
valorreal de lapoblación.Este rangose expresaenpuntosporcentuales.Porlotanto,si un investigador
descubre que el 70% de losagricultoresde lamuestrahan adoptadounatecnologíarecomendadacon
una tasa de precisiónde ~+mn~ 5%, el investigadorpuedeconcluirque entre el 65% y el 75% de los
agricultoresde lapoblaciónhanadoptadolanuevatecnología.
Nivel de confianza
El intervalode confianzaeslamedidaestadísticadel númerode vecesde cada100 que se esperaque
losresultadosse encuentrendentrode unrangoespecífico.
Por ejemplo,unintervalode confianzade 90% significaque losresultadosde unaacciónprobablemente
cubriránlas expectativasel 90%de lasveces.
La ideabásicadescriptaenel Teoremadel límite central esque cuandounapoblaciónse muestrea
muchasveces,el valorpromediode unatributoobtenidoesigual al valorreal de lapoblación.Enotras
palabras,si un intervalode confianzaesdel 95%,significaque 95 de 100 muestrastendránel valorreal
de la población dentrodel rangode precisión.
Grado de variabilidad
Dependiendode lapoblaciónobjetivoylosatributosaconsiderar,el gradode variabilidadvaría
considerablemente.Cuantomásheterogéneaseaunapoblación,mayordeberáserel tamañode la
muestrapara obtenerunnivel óptimode precisión.Tenencuentaque unaproporciónde 55% indicaun
nivel másaltode variabilidadque un10% o un 80%. Estose debe aque 10% y 80% significaque una
gran mayoría no posee oposee el atributoencuestión.
Existenmuchosenfoquesparadeterminarel tamañode lamuestra,incluyendoel usode uncensoenel
caso de poblacionesmáspequeñas,el usode tablaspublicadas,imitaruntamañode muestrade
estudiossimilaresyaplicarfórmulasparacalcularuntamaño de la muestra.
Determinarel tamañode lamuestraque se va a seleccionaresunpasoimportante encualquierestudio
de investigaciónde mercados,se debe justificarconvenientemente de acuerdoal planteamientodel
problema,lapoblación,losobjetivosyel propósitode lainvestigación
La fórmulaparacalcular el tamañode muestracuando se desconoce el tamañode lapoblaciónesla
siguiente: