taller de tesis sesion 1 ingenieria

1. Taller de Tesis I
Sesión 08
Pedro Pablo Rosales López, Mg.Ing.

2. Contenido 8/8
 Selección de la población y muestra
 Delimitar la población.
 Muestra: Tamaño y selección
 Tipos de Muestra: Probabilística y No probabilística.

3. POBLACION Y MUESTRA
Taller de Tesis I

4. Tipos de Población
 POBLACIONES FINITAS
 Cuando hablamos de poblaciones finitas, por lo
menos en teoría, podemos acceder a todos los
individuos o elementos que la componen.
 POBLACIONES INFINITAS
 No se tiene acceso al total de la población.

5. Población Objetivo
 Es aquella a la que pretendemos extrapolar
luego las conclusiones del estudio.
 Debe estar bien definida por los criterios de
inclusión y exclusión.
 Aún más, sería deseable que los criterios de
inclusión fueran lo más amplios posibles y los
de exclusión lo mas reducidos posibles, para
que las conclusiones pudieran extrapolarse a la
vida real.

6. Muestra
 La muestra es un subconjunto de la población.
 Unidad de observación
 Es el sujeto u objeto sobre el cual se realiza una medición.
 Es la unidad básica de observación, con frecuencia se la
denomina elemento.
 En las poblaciones humanas las unidades de observación son
los individuos.
 Marco del muestreo
 Es una lista compuesta por las unidades de observación o
elementos.
 Solo en poblaciones finitas contamos con un marco de muestreo.

7. Sesgo
Sesgo de selección
• El sesgo de selección se
observa cuando alguna
parte de la población
objetivo no forma parte
del marco del muestreo.
Sesgo de medición
• El sesgo de medición se
produce cuando el
instrumento con el que
se mide, tiene una
tendencia a diferir del
verdadero valor en
alguna dirección.

8. Sesgo y Error Muestral
Tirador A Tirador B Tirador C
El tirador A es insesgado: la posición promedio de los tiros está en el
centro del blanco.
El tirador B es preciso pero no insesgado: todos los tiros están juntos,
pero de manera sistemática alejados del blanco.
El tirador C es preciso e insesgado: todos los tiros están cerca de sí y
del blanco.

9. MUESTREO
Taller de Tesis I

10. Tipo de Muestreo
Probabilístico
Todos los individuos deben tener
una probabilidad conocida de
quedar incluidos en la muestra.
Esta probabilidad no
necesariamente tendrá que ser
la misma.
 Muestreo aleatorio simple
 Muestreo sistemático
 Muestreo estratificado
 Muestreo por conglomerados
 Muestreo en múltiples etapas
No Probabilístico
La inducción estadística no está
legitimada en este tipo de
muestreo y por lo tanto no
debería emplearse.
Sin embargo y sólo con fines
exploratorios podría utilizarse
este muestreo.
 Muestreo accidental
 Muestreo por cuota
 Muestreo intencionado

11. En la muestra no probabilistica la selección de las unidades de
análisis dependen de las características, criterios personales,
etc. del investigador por lo que no son muy confiables en una
investigación con fines científicos
Este tipo de muestra adolece de fundamentación probabilistica,
es decir, no se tiene la seguridad de que cada unidad muestral
integre a la población total en el proceso de selección de la
muestra.
Muestreo No Probabilístico

12. El muestreo NO PROBABILÍSTICO comprende los
procedimientos de muestreo intencional y accidental:
Muestreo Intencional
Procedimiento que permite seleccionar los casos característicos
de la población limitando la muestra a estos casos. Se utiliza en
situaciones en las que la población es muy variable y
consecuentemente la muestra es muy pequeña.
Muestreo Accidental
Consiste en tomar casos hasta que se completa el número de
unidades de análisis que indica el tamaño de muestra deseado.
Muestreo No Probabilístico

13. El muestreo probabilistico permite conocer la probabilidad que
cada unidad de análisis tiene de ser integrada a la muestra
mediante la selección al azar.
Este tipo de muestreo comprende los procedimientos de
muestreo simple o al azar, estratificado, sistemático y por
conglomerados o racimos.
Muestreo Simple:
De acuerdo con Webster (1998) “una muestra aleatoria simple es la
que resulta de aplicar un método por el cual todas las muestras
posibles de un determinado tamaño tengan la misma probabilidad de
ser elegidas,” (p. 324). Esta definición refleja que la probabilidad de
selección de la unidad de análisis A es independiente de la
probabilidad que tienen el resto de unidades de análisis que integran
una población. Esto significa que tiene implícita la condición de
equiprobabilidad (Glass y Stanley, 1994).
Muestreo Probabilístico

14. Muestreo Estratificado
Este procedimiento de muestreo determina los estratos que
conforman una población de estudio para seleccionar y extraer
de ellos la muestra.
Estrato
Es todo subgrupo de unidades de análisis que difieren en las
características que se van a analizar en una investigación.
La base de la estratificación adopta diversos criterios como
edad, sexo, ocupación, etc.
Muestreo Sistemático:
Una muestra sistemática se obtiene determinando cada n-ésima
unidad o k-ésimos casos. Un k-ésimo caso representa el intervalo de
selección de unidades de análisis que serán integradas a la muestra.
Muestreo Probabilístico

15. Muestreo por Racimos:
En este tipo de muestreo, las unidades de análisis que se
encuentran encapsuladas o encerradas en determinados lugares
físicos o geográficos que se denominan racimos.
En este tipo de muestreo es imprescindible diferenciar entre
unidad de análisis (quiénes va a ser medidos) y unidad muestral
(racimo a través del cual se logra el acceso a la unidad de
análisis).
Muestreo Probabilístico

16. Tamaño de la Muestra
 Para calcular el tamaño de una muestra hay que tomar
en cuenta tres factores:
 El porcentaje de confianza
 Con el cual se quiere generalizar los datos desde la muestra
hacia la población total.
 El porcentaje de error
 Que se pretende aceptar al momento de hacer la generalización.
 El nivel de variabilidad
 Que se calcula para comprobar la hipótesis.

17. Una vez que se han determinado estos tres factores,
entonces se puede calcular el tamaño de la muestra
En el caso de que no se conozca con precisión el tamaño de la
población:
Donde:
n es el tamaño de la muestra;
Z es el nivel de confianza;
p es la variabilidad positiva;
q es la variabilidad negativa;
E es la precisión o error.
Tamaño de la Muestra
𝑛 =
𝑍2
𝑝𝑞
𝐸2

18. En el caso de que SI se conozca el tamaño de la población:
Donde:
n es el tamaño de la muestra;
Z es el nivel de confianza;
p es la variabilidad positiva;
q es la variabilidad negativa;
N es el tamaño de la población;
E es la precisión o el error.
Tamaño de la Muestra
𝑛 =
𝑍2𝑝𝑞𝑁
𝑁𝐸2 + 𝑍2𝑝𝑞

19. El secreto de la sabiduría , del
poder y del conocimiento es la
humildad.
ERNEST HEMINGWAY

20. Bibliografía
 Hernández Sampieri,R., Fernández Collado,C. y
Baptista Lucio,P. (2010). Metodología de la
Investigación. 5ta Edición. Mèxico,DF: McGraw-Hill.
Interamericana Editores.
20