MUESTRA Y MUESTREO

Poblacion Muestra

Estadísticos

SS 2

rxy

Parámetros

2

xy

Unidad de análisis Población Muestra

Muestreo

Importante definir:

a- Población diana o universo vs. población accesible o

disponible

b- Procedimiento de muestreo

c- Muestra diferente según lógica de investigación

1- Introducción

Sub-conjunto de la población

2. Consideraciones en la selección de la muestra (n)

Tipo y lógica de investigación

Hipótesis de investigación

Limitaciones financieras

Importancia de los resultados

Número de variables estudiadas

Métodos de recogida de datos

Grado de exactitud necesario

Tamaño de la población

(McMillan y Schumacher, 2005)

Tener en cuenta:

3. Selección y tamaño de una muestra en investigación cuantitativa

Identificación de las caracteristicas de la población (N) - contenido, lugar y tiempo) , según objetivos de investigación

Determinación del tamaño de la muestra (n)

Selección de una muestra (n): muestreo probabilitico

IMPORTANTE: La muestra debe asegurar representatividad y evitar sesgos.

3.1. Algunos ejemplos: representatividad y sesgo

Ej. de poblaciones definidas de forma precisa: - Estudiantes de primer curso de Educación secundaria de la Pcia de Bs As

- Niños con bajo rendimiento en matemática en las escuelas primarias públicas de la provincia de La Rioja

- Docentes de Lengua que desarollan propuestas áulicas en lengua utilizando Tic en el ciclo lectivo 2013

Ej. de muestra sesgada: (N)= Niños con bajo rendimiento en matemática en las escuelas primarias públicas de la provincia de La Rioja

(n)= En la muestra se seleccionó solamente a niños con bajo rendimiento de escuelas urbano marginales. Y no se inlcuyen en la muestra los que asisten a escuelas del centro.

3.2. Determinación del tamaño de la muestra

Importancia del tamaño para evitar errores

a- Muestra pequeña Resultados no generalizables

b- Muestra grande No “ahorra” trabajo

Para estimar el tamaño de la muestra hay que estimar

el “ nivel de confianza” que deseamos que alcancen los

datos (95 0 99,7%) y un error de estimación del 5%

como máximo

N

10

15

20

25

30

35

40

45

50

55

60

65

70

75

80

85

90

95

n

10

14

19

24

28

32

36

40

44

48

52

56

59

63

66

70

73

76

N

100

110

120

130

140

150

160

170

180

190

200

210

220

230

240

250

260

270

n

80

86

92

97

103

108

113

118

123

127

132

136

140

144

148

152

155

159

N

280

290

300

320

340

360

380

400

420

440

460

480

500

550

600

650

700

750

n

162

165

169

175

181

186

191

196

201

205

210

214

217

226

234

242

248

254

N

800

850

900

950

100

1100

1200

1300

1400

1500

1600

1700

1800

1900

2000

2200

2400

2600

n

260

265

269

274

278

285

291

297

302

306

310

313

317

320

322

327

331

335

N

2800

3000

3500

4000

4500

5000

6000

7000

8000

9000

10000

15000

20000

30000

40000

50000

75000

100000

n

338

341

346

351

354

357

361

364

367

368

370

375

377

379

380

381

382

384

3.3. Tamaños muestrales (n) en función del tamaño de la población (N)

Krejcie, R.V. y Morgan, D.W. (1970). Determing simple size for research activities.ducational and Psychological Measurement, 30, 608.

3.4. Tamaños muestrales en función del tamaño de lapoblación y del error muestral permitido

Población

500

1000

2500

5000

10000

25000

50000

100000

1%

-

-

-

-

5000

7143

8333

9091

10000

2%

-

-

1250

1667

2000

2273

2381

2439

2500

3%

-

-

769

909

1000

1064

1087

1099

1111

4%

-

385

500

556

588

610

617

621

625

5%

222

286

345

370

385

394

397

398

400

10%

83

91

96

98

99

100

100

100

100

Arkin, H. y Colton, R. (1962). Tables for statistics. New Cork: Barnes y Noble

3.5. Error Muestral

Pueden ser reducidos:

- Empleo de muestras grandes

- Empleo de muestreo estratificado proporcional

- Réplicas sucesivas de la investigación

- Error de sesgo: la muestra no es representativa de la población

- Error aleatorio: debido al azar, al trabajar con una muestra

Es la diferencia entre el parámetro de una población y el estadístico deuna muestra

Tipos de error: Cualquier tipo de error introducido en la

muestra a lo largo del proceso de selección

Media

Desviación típica

Varianza

Correlación

Población Muestra

Estadísticos

SS 2

rxy

Parámetros

2

xy

3.6. Población Total vs Muestra

A partir de los estadísticos de la muestra (n) inferimos los valores o parámetros de la población (N) Estadística Inferencial

4. Selección de la muestra en la investigación cualitativa

Identificar la población: definición teórica espacio-temporal

Identificar tipos de casos: personas, situaciones, instituciones, comunidades, etc. Casos/unidades individuales: colectivos-agregados, histórico-espaciales, textuales.

Formular criterios teóricos: orientan la selección e inclusión de casos en función de:a. Localización espacio-históricab. Atributos propiosb. Relaciones-nexos con entorno/otras unidades C- Objetivos de investigacion

Utilizar muestreo no probabilistico en función de criterios explícitos: seleccionar informantes ( o documentos o material visual) que respondan de la mejor manera a las preguntas de investigación.

1- El entorno (dónde la investigación tendrá lugar),

2- Los actores (aquellos que serán observados o entrevistados),

3- Los eventos (aquello que los actores observados hacen o sobre lo que son entrevistados)

4- El proceso (la naturaleza desarrollada de eventos llevada adelante por los actores dentro del entorno).

(Miles y Huberman1984 , cit p/ Creswell ,2003)

4.1. Nociones útiles para la seleccion de casos

Significatividad de los casos Cuatro parámetros/ criterios:

4.2 Diferencias lógica cuantitativa y cualitativa

Lógica cuantitativa Lógica cualitativa

•Representatividad de la muestra

• Homogeneidad entre las unidades muestrales y diferencicacion interna

• Muestras extensas en la mayoria de los diseños

•Uso de muestreos probabilísticos

• Significatividad de los casos

• Diversidad y heterogeneidad de los casos

• Muestras intensivas, pocos casos que se estudian con mayor profundidad.

• Uso de muestreos no probabilísticos

5. Técnicas de muestreo

Muestreo probabilístico

Muestreo no probabilístico

5.1 Muestreo probabilístico

- Muestreo aleatorio simple

- Muestreo estratificado

- Muestreo sistemático

- Muestreo por conglomerados

-Muestreo en etapas múltiples

5.2 Muestreo no probabilístico

- Muestreo disponibleo (o por accesibilidad)

- Muestreo intencional u opinático

- Muestreo por cuotas

Tecnicas de Muestreo

ALEATORIO SIMPLE

SISTEMÁTICO

ESTRATIFICADO

PROPORCIONAL

ESTRATIFICADO NO

PROPORCIONAL

POR GRUPOS

(CLUSTER)

VENTAJAS

. Fácil de entender

. Poco conocimiento de la población

. Libre de error

. Fácil analizar e interpretar resultados

. Simple

. Fácil de entender

. Libre de error en clasificación de sujetos

. Fácil analizar e interpretar resultados

. No necesidad de numerados

. Permite comparaciones de grupos

. Más representativo que anteriores

. Menos sujetos si estratos relacionadoscon VD. Resultados representan la población sinponderar

. Permite comparaciones de grupos

. Más representativo que anteriores.

. Menos sujetos si estratos relacionadoscon VD. Asegura nº adecuado de elementos decada subgrupo

. Bajo coste

. Eficaz con poblaciones numerosas

. Permite análisis de grupos individuales

LIMITACIONES

. Numerar cada elemento de lapoblación. Mayor error de muestreo queen el estratificado para el mismotamaño muestral

. Mayor error de muestreo queen el estratificado para el mismotamaño muestral. Periodicidad en la lista deelementos de la población

. Identificación de subgrupos decada elemento de la población. Conocimiento de la proporciónde cada subgrupo en lapoblación. Costoso y difícil preparar listasde los elementos de población encada subgrupo

. Identificación de subgrupos decada elemento de la población. Costoso y difícil preparar listasde los elementos de población encada subgrupo. Ponderación de subgrupos pararepresentar la población

. Menos exactitud que anteriores.

. Difícil recoger datos deelementos en un grupo. Cada elemento de la poblaciónasignado a un solo grupo.

Tecnica DEMuestreo

POR CONVENIENCIA

INTENCIONADO

POR CUOTAS

VENTAJA

. Rápido y económico

. Fácil de administrar

. Asegura un índice alto departicipación

. Rápido y económico

. Fácil de administrar

. Asegura un índice alto departicipación.. Asegura la recepción de informaciónnecesaria

. Rápido y económico

. Fácil de administrar

. Asegura un índice alto departicipación.. Asegura la recepción de informaciónnecesaria. Proporciona muestras másrepresentativas los anteriores

LIMITACIONES

. Difícil de generalizar

. Menos representativa

. Resultados dependen decaracterísticas particulares de lamuestra. Mayor probabilidad de error debidoa sesgos del experimentador o de lossujetos

. Difícil de generalizar

. Menos representativa

. Resultados dependen decaracterísticas particulares de lamuestra. Mayor probabilidad de error debidoa sesgos del experimentador o de lossujetos

. Requiere identificación de cada sujeto

. Difícil de generalizar a otros sujetos

. Menos representativa

. Los resultados dependen de lascaracterísticas particulares de lamuestra. Mayor probabilidad de error. Más lento que anteriores

• CRESWELL, J.( 2003) “Research Design : qualitative – quintitative, and mixed methods approaches” ( 2º Edic) Londres : Sages.

• HERNÁNDEZ SAMPIERI y Ot: (2000). “Metodología de la Investigación”. México. Ed. McGraw Hill..

• LATORRE, A., DEL RINCÓN D., ARNAL, J. (1997).”Bases metodológicas de la Investigación Educativa”. Barcelona. Nurtado.

• LEÓN, O. G. Y MONTERO I. (2002) Métodos de investigación en Psicología y Educación. Edit. Mac GrawHill

• MCMILLAN, J.S. Y SCHUMACHER, S. (2005). Investigación educativa: una introducción conceptual. Madrid: Pearson.

• RODRÍGUEZ GÓMEZ, G; GIL FLORES, J, GARCIA JIMÉNEZ, E (2005) Metodología de Investigación Cualitativa. Málaga . Ediciones Aljibe

•YUNI, J., URBANO, C. (2000): “Investigación Etnográfica e Investigación-Acción”. Córdoba. Ed. Brujas.

Referencias Básicas