unidad v. técnicas de muestreo (2014-2)

7/17/2019 Unidad v. Técnicas de Muestreo (2014-2)

http://slidepdf.com/reader/full/unidad-v-tecnicas-de-muestreo-2014-2 1/42

Unidad V: Técnicas de muestreo

A) Definición de muestra

B) Pasos en la selección de una muestra:

1) Definir la población; 2) Identificar el marco muestral; 3)

Determinar el tamaño de la muestra; 4) Elegir el

procedimiento de muestreo, y ) !eleccionar la muestra

C)Tipos de muestras"

1) #uestreo aleatorio simple; 2) #uestreo aleatorio

estratificado; 3) #uestreo sistem$tico, y 4) #uestreo por

conglomerados%



&) Definición de la

muestra



A) Definición de la muestraEs una parte de la población 'ue contiene

teóricamente las mismas caracter(sticas 'ue

se desean estudiar en la población% !usmedidas reciben el nombre de estadísticos%

os resultados obtenidos en el empleo de

una muestra se generali*an a la población,

seg+n el nivel de confianza y el maren deerror!



) -asos en laselección de una

muestra



B) Pasos en la selección de una

muestra: "Bernal# $%%&' (oas $%%*)

1% Definir la población

2% Identificar el marco muestral

3% Determinar el tamaño de la muestra

4% Elegir el procedimiento de muestreo

% !eleccionar la muestra



B!+!, Definir la po-lación

Po-lación es la totalidad de los elementos 'ue

poseen las principales caracter(sticas ob.eto de

an$lisis, cuyos /alores son conocidos como

par.metros% -ara determinar una población, se

necesita definir /uiénes 0 /ué características

deber$n tener los suetos o-eto de estudio

0personas, organi*ación o situaciones y

factores)% & las características se les conoce

como varia-les: cualitativas o cuantitativas!



B!$!, 1dentificar el marco muestral

Esto se refiere a la lista# mapa o fuente

de donde pueden etraerse todas las

unidades de muestreo o unidades dean.lisis de la po-lación, y de donde

se tomar$n los su.etos ob.eto de

estudio.



4emplo + de fórmula muestral

Donde"

i/el de confian*a 056, 5, 557, etc%)

E i/el de precisión o margen de error%

-8 a /ariabilidad del e/ento o fenómeno

no 5 n 5



-2.58 -1.96 -1.65 0 +1.65 +1.96 +2.58

z

Nivel de confianza (90, 95, 99, etc.)

±

1.65 90 %

±

1.96 95 %

± 2.58 99 %

90 %

99%

95%



Distri-ución normal 6



4emplo $ de fórmula muestral

n 5



6 5 7ivel de confianza "8%# 89# 88# etc!)

Determina la pro-a-ilidad de /ue los datos de la

muestra resulten idénticos en la po-lación% -or e.emplo,

57 de confian*a significa 'ue 5 de cada 166 datos ser$n

id9nticos a la población y tan sólo diferir$n%

a determinación del ni/el de confian*a obedece a losob.eti/os del estudio% !i 'uiere obtener un conocimiento

general sobre la población se puede traba.ar con un ni/el

del 56, 53 ó 547% !i pretende probar :ipótesis y obtener

elementos de .uicio debidamente sustentados para formularsugerencias puede utili*ar 57 o m$s%



4 5 7ivel de precisión o maren de error

Define la precisión con que se generalizarán los resultados.

Este valor permite calcular el intervalo en donde se encuentran

los verdaderos valores de la población.

-or e.emplo, suponga 'ue en una determinada población se

utili*a una estimación de la muestra con un nivel de precisión

del 7%

Esto significa 'ue si de los encuestados el 67 responde 'ue s(

a una cuestión, para determinar el porcenta.e de personas en

toda la población 'ue contestar(a de igual manera, debe sumarsey restarse el 7 del maren de error al porcenta.e de las

respuestas afirmati/as < 67 = 7 >%Entonces la /erdadera

respuesta estar(a entre el 47 y el 7%



P 5 nivel de varia-ilidad del evento o

fenómeno

&lternati/as para estimar el nivel de varia-ilidad:

1) ;i se <a realizado otro estudio similar , la varia-ilidad

especificada para estimar la muestra puede ser/ir para nuestro

caso particular%

2) =ediante un estudio piloto en una muestra reducida "nopro-a-ilística)! -or e.emplo, se :acen preguntas sobre temas

b$sicos de la in/estigación donde las respuestas posibles ser$n

+nicamente dos" si# no' adecuado# inadecuado, etc% ?-@ 7 de

respuestas afirmati/as A adecuado, y ?8@ 7 de respuestas

negati/as A inadecuado% !uponga 'ue despu9s de reali*ado elconteo de respuestas, la situación es la siguiente" ?-@ 6%B6 y

?8@ 6%46 ó B6 y 467%



P 5 nivel de varia-ilidad del evento o

fenómeno

3) ;e puede otorar a P 0 la m.>ima varia-ilidad

posi-le "P5 %!9% 0 5 %!9%)% Esto maimi*a el

tamaño de la muestra "n), seg+n los niveles 6 0 4

deseados% En este caso se supone 'ue eiste unatotal :eterogeneidad en el comportamiento de la

población, o sea, se tiene una incertidumbre tal 'ue lo

m$s 'ue se puede esperar es 'ue 67 de las

personas respondan afirmati/amente y el otro 67negati/amente%



=uestras para estudios sencillos

a población ob.eto de estudio es grande 0mayor de666 o 16666 casos)%

!e aplica un cuestionario reducido, de entre 36 y 46

preguntas y preferentemente cerradas%

as alternati/as de respuesta son mutuamenteecluyentes, por e.emplo" !i, o; ueno, #alo;

&decuado, Inadecuado%

-ara estos casos con/iene traba.ar con la siguiente

fórmula"no5 n 5



=uestras para estudios compleos:

a población ob.eto de estudio es pe'ueña 0menor de16666 o 666 elementos)%

Eisten /arios grupos en los 'ue se afi.ar$ la muestra%

Cay un cuestionario con demasiadas preguntas 0m$s de

6)%umerosas preguntas abiertas%

En estos casos aplica la siguiente fórmula"



?órmula para muestras en estudios

compleos

n =



4emplo de estimación del tama3o de la

muestra "caso estudios sencillos)

n estudio reali*ado en /arios municipios de !inaloa y

ayarit sobre ingresos y gastos de las familias 015),

consideró para el tamaño de la muestra de una población de

BF2B familias 57 de confian*a, un ni/el de precisión del

47 y aplica el criterio de m$ima /ariabilidad%a) Gu$l ser$ el tamaño de la muestraH

b) Gon 557 de confian*a , - 6% y E 6%62; n H

c) Gon 567 de confian*a, - 6%B y E 6%6; n H

d) Gon 547 de confian*a, - 6% y E 6%6B; n He) Gon 57 de confian*a, - 6% y E 6%63; n H



a) Gu$l ser$ el tamaño de la muestraHGon BF2B, 57 de confian*a, 47 de margen de

error y criterio de m$ima /ariación

no 5 5 5 &%%

n 5 5 5 98@!& 5 989

n 5 5 5 98@! 5 989



4emplo de estimación del tama3o de la

muestra "caso estudios compleos)

1% -ara estimar el tamaño de una muestra sobre un estudio

reali*ado en F e.idos de ayarit y !inaloa se utili*ó un

1%5B, - 6%B6, 8 6%46, E 6%16 y 13B

e.idatarios%2% De acuerdo al tamaño de la muestra estimada en el

e.ercicio 1 obtenga la participación 'ue corresponde por

e.idos para reali*ar un muestreo aleatorio estratificado%

3% J8u9 tamaño deber(a tener la muestra con" 2%F,E 6%6F y aplicando el criterio de m$ima /ariabilidadH



+!, 6 5 +!8&# P 5 %!&%# 5 %!@%# 4 5 %!+%

0 7 5 +2&9 eidatarios! n 5

n 5 5 $+9!* 5 $+&

n 5 5



2% -articipación por e.idos para reali*ar un muestreo

aleatorio estratificado, seg+n tamaño de la muestra de

01)%

No Ejidos (Nh) (Nh/N) (Nh/N)(n)

1 Isla del os'ue 46F 6%36 B

2 -almito del /erde 1B 6%12 2B

3 Gristo Key 22 6%15 414 Leacap$n 4B 6%63

5 El Koblito 33 6%62 4

6!an Gayetano 5B 6%6 1

7 o/illero 13 6%13 2F

8 -almar de Guautla 156 6%14 36

Total 7 5 +2&9 +!%% n 5 $+&



B!@!, 4leir el procedimiento de muestreo

"Tipos de muestras)a confiabilidad de una muestra depende

de su representatividad "

a) !elección aleatoriab) Keducir los errores de muestreo para 'ue

no pierda /alide*%

c) Keducir los errores de tipo sistem$tico%



4rrores de muestreo

4rror de muestreo es la diferencia entre los

/alores de la población y los de la muestra%

Es una subestimación si se eligen

elementos inusitadamente pe'ueños%

Es una sobreestimación si se seleccionan

elementos anormalmente grandes%



4rror de tipo sistem.tico "o distorsión por seso)

Por presentarse situaciones inadecuadas para obtener

la información 0por e.emplo, cuando el in/estigador tienedificultades para conseguir la información y la sustituye por

la 'ue est$ m$s f$cilmente a su alcance, aun'ue no

siempre la m$s confiable)%

Por insuficiencia en la recolección de datos ( falta derespuestas o respuestas inadecuadas, ya sea por

ignorancia o por falta de datos en la encuesta)%

Por distorsiones del encuestador 0pre.uicios, inter9s

personal o fallas en la aplicación del instrumento)% Errores de cobertura 0al no incluir elementos importantes

y significati/os para la in/estigación)%



B!9!, ;eleccionar la muestra

as unidades de an.lisis o los elementos muestrales seeligen siempre aleatoriamente!

a) Tómbola

b) Nmeros aleatorios o nmeros random

tili*a una tabla de n+meros 'ue implica un mecanismo deprobabilidad muy bien diseñado%

&lternati/as" !orporation "and 0ap9ndices de libros de

estad(stica)%

-rogramas" #tats$ E%cel , #P## y calculadora cient(fica%



G) Lipos de muestras



G%1 #uestreo aleatorio simple 0#&!)

#uestra representati/a mediante el

a*ar 0aleatoria)%

Tóm-ola o nmeros aleatorios%

ecesita un marco muestral 0mapa o

listado de toda la población) numerados

de + a 7 0tamaño de la población)%



G% 2% #uestreo aleatorio estratificado

a) Divide a la po-lación en estratos diferentes con el finde darles representatividad de acuerdo a su peso

proporcional dentro del total de la po-lación!

-) Eos estratos se consideran como poblaciones

independientes o subpoblaciones%!riterios de estratificación &

Mbser/ar las mayores diferencias eternas entre estratos%

Mbser/ar las menores diferencias dentro de los estratos%

a selección puede ser aleatoria simple o sistem.tica!



E.emplo de muestreo aleatorio estratificado

No. Unidad Acadéica (Nh) (Nh/N) (Nh/N)(n)

1 !ac"ltad de #iencia$ "&ica$ e 'nenie&a 2*+9 0.19 81

2 !ac"ltad de #ontad"&a - Adini$tacin 918 0.220 12+

3 !ac"ltad de eecho 198 0.1+9 10*

4 $c"ela de eote$ ten$in 3i4"ana 62+ 0.05 20

5 $c"ela de Ate$ ten$in 3i4"ana 2* 0.018 11

6

!ac"ltad de cono&a - elacione$

'ntenacionale$ 128+ 0.0+2 *2

7 !ac"ltad de edicina - 7$icolo&a 1529 0.086 50

8 !ac"ltad de dontolo&a ++ 0.0*1 2*

9 !ac"ltad de 3"i$o - ecadotecnia 1*61 0.082 *+

10 !ac"ltad de 'dioa$ ten$in 3i4"ana 590 0.0 19

11 !ac"ltad de "anidade$ 1698 0.095 55

3otal N : 1+8*8 1.000 n : 580



C!2!, =uestreo sistem.tico

!e considera pseudopro-a-ilístico!Es muy +til cuando el tamaño de la población es muy

grande y es dif(cil elaborar un marco muestral%

-rocedimiento"

+) 4n una investiación so-re vivienda# por e.emplo" debedi/idir una ciudad en zonas y seleccionar alunas de

ellas con alg+n criterio o-etivo% Cada zona elegida se

di/ide en manzanas o calles, escogi9ndose las 'ue /an a

ser/ir para el +ltimo paso" la selección de las viviendas

de acuerdo al intervalo estimado :asta completar la

muestra%




El procedimiento para estimar el intervalo es muy simple"

a) Gonocer el tamaño de la po-lación 0o aproimado) y de

la muestra%

b) Estimar el factor de elevación 07Fn); es decir, di/idir el

tamaño de la po-lación entre la muestra! -or e.emplo,

si se tiene una po-lación de 2*9 viviendas 0 la

muestra es de @$%# el intervalo es iual a 8!

c) ;ortear los nmeros del + al 8 para determinar la

/i/ienda a partir de la cual se iniciar$ el conteo de 5 en 5%

Esto es necesario para asegurarse 'ue el n+mero con el'ue se empie*a a seleccionar las /i/iendas fue elegido al

a*ar%




!uponga 'ue resulta el B% Entonces se cuentaa partir de este n+mero, escogi9ndose a la

/i/ienda a la 'ue se le :a dado el n+mero B;

a partir de a'u( se seleccionar$ cadano/ena /i/ienda "valor del intervalo)# por

e.emplo" B, 1, 24, 33, 42, etc9tera, :asta

alcan*ar el tamaño re'uerido de lamuestra%



G%4% #uestreo por conglomerados

1) ecesita listas de rupos <eteroéneos de su.etos o

conglomerados% 7o interesan particularmente lasdiferencias!

2) &plica muestreo aleatorio por conlomerados!

3) Dentro de los conlomerados elegidos se pueden

considerar a todos los elementos o se aplica muestreo

aleatorio simple%

4) Importa diferenciar entre unidades de an.lisis 0

unidades de muestreo!



Unidad de an.lisisGA /uién aplicar.s laencuesta

Unidad de muestreo"Posi-les conlomeradosclusters# etapas o racimos)

&dolescentes -reparatorias

Mbreros Industrias

&mas de casa #ercados

iños Golegios

Nó/enes ni/ersidades



E.emplo 1" In/estigación sobre

estudiantes uni/ersitarios meicanos

-rocedimiento 0ista de uni/ersidades y facultades)

+) =uestreo aleatorio simple "=A;) por

universidades!

2) Idem por facultades%

3) Idem por rupos%

4) Dentro del grupo se aplica a todos los

estudiantes o por =A;%



E.emplo 2" #uestreo por racimos

!on de gran utilidad cuando los estudios son a granescala, por e.emplo a ni/el nacional% !e les llama as(

por'ue se lle/an a cabo en diferentes etapas

0multiet.picos) y su /enta.a principal es el a:orro de

recursos y tiempo%En 153 se le/antó una encuesta nacional de actitudes

del personal m9dico de las Nefaturas de -laneación y

!uper/isión #9dica del I#!!%

Ea primera etapa fue dividir al país en deleaciones,seleccion$ndose las suficientes para distribuir la muestra%



E.emplo 2" #uestreo por racimos

En cada una de las deleaciones funcionan di/ersostipos de unidades médicas" Gentros Cospitalarios,

Gl(nica Cospital Lipo 1, Gl(nica Cospital Lipo 2, Gl(nica

Cospital Lipo 3, Gl(nica & y Gl(nica %

Cec:o esto, se seleccionaron las unidades y dentro de

ellas se eligieron a los m9dicos respetando su categor(a"

de base, especialistas y de confian*a%

En cada fase la muestra se distribuyó proporcionalmente

y la selección de las delegaciones, unidades y m9dicos se

:i*o al a*ar%



Keferencias bibliogr$fricas

ernal, G9sar 0266B) Metodología de la

investigación. Para Administración, economía,

humanidades y ciencias sociales, -earson

Educación, #9ico, pp% 2F%Ko.as, Ka+l 0266), El proceso de la Investigación

Científica, -la*a y Oald9s, #9ico, pp%43%



FIN

unidad v. técnicas de muestreo (2014-2)

Documents