LAS VARIABLES

LAS VARIABLES

Son las caractersticas observables que posee

cada persona, cada objeto o institucin y que al
ser medidas varan cualitativa y
cuantitativamente una en relacin a la otra.
As, son variables de las personas: contextura,
edad, peso, sexo, talla, color del cabello, color
de ojos, grado de atencin, conocimientos
previos, religin, procedencia, clase social, etc.
Son variables de las cosas u objetos: forma, color,
tamao, peso, conservacin, antigedad, etc.
 DEFINICIN CONCEPTUAL DE LAS VARIABLES

Sierra (2004, p102) en su obra Tcnicas de

Investigacin social explica: Una definicin es un
enunciado que establece el significado de una
expresin(). Mediante ella, se elige la nocin que se
estime mas adecuada a los fines pretendidos, y se
precisa el sentido nico en que han de tomar las
unidades y las variables todos los que intervengan en
la investigacin, a la vez que se hace factible la
posibilidad de la exacta comprensin del sentido y
alcance de la investigacin a otros especialistas y al
pblico en general.
EXPLICA EL SIGNIFICADO DE CADA UNA DE LAS
VARIABLES Y ESTAS SE ENCUENTRAN EN LOS LIBROS
ESPECIALIZADOS.
 VARIABLES DEFINICIN CONCEPTUAL
Independiente Robbins (2015, p.89) menciona: Que la
Motivacin voluntad de llevar a cabo grandes esfuerzos
para alcanzar las metas organizacionales,
condicionada por la capacidad del esfuerzo
para satisfacer alguna necesidad individual.

Dependiente Prez (2011, p.79) menciona: Como el nivel

Desempeo laboral administrativo de ejecucin alcanzado por el trabajador en
el logro de las metas dentro de la
organizacin en un tiempo determinado.

Independiente Hernndez (2014, p.97) menciona: Que el

Desempeo acadmico docente docente debe conocer el contenido de su
enseanza y el modo como ese contenido
puede tener sentido para el estudiante.

Dependiente Mndez (2014, p.137) define: Competencia

Desarrollo de competencias humana como una forma de conciencia y
habilidad general, que es el resultado de la
integracin de conceptos, destrezas y
actitudes, que le permiten a la persona
entender y transformar sus relaciones con la
realidad , incluida ella misma.
OPERACIONALIZACIN
DE VARIABLES
La operacionalizacin es el proceso mediante el cual se
transforman las variables de conceptos abstractos a
unidades de medicin.
En un lenguaje sencillo, la operacionalizacin de las
variables viene a ser la bsqueda de los componentes o
elementos que constituyen dichas variables, para precisar,
las dimensiones, sub dimensiones e indicadores; estas
operan mediante la definicin conceptual.
Por ejemplo, si tenemos como variable motivacin lo
que haremos en primer lugar, es recurrir a una fuente
bibliogrfica donde se encuentre el tema y luego se lleva
a cabo la definicin conceptual para determinar con
criterio cientfico la dimensin.
 OPERACIONALIZACIN

VARIABLES DEFINICION DIMENSIONES SUBDIMENSIONES INDICADORES

CONCEPTUAL

Independiente Robbins (2015, p.89) Comportamiento Formas de Impulsos, deseos,

Motivacin menciona que la actuacin necesidades,
voluntad de llevar a cabo ambiciones,
grandes esfuerzos para actitudes, niveles de
alcanzar las metas conocimientos,
organizacionales, habilidades y
condicionada por la potencialidades.
capacidad del esfuerzo
para satisfacer alguna
necesidad individual.
Dependiente Prez (2011, p.79) Estrategias Organizacin del Promueve,
Desempeo menciona como el nivel metodolgicas aprendizaje gradualmente, el
laboral de ejecucin alcanzado inters hacia la
administrativo por el trabajador en el asignatura; aplica
logro de las metas dentro acciones oportunas,
de la organizacin en un promueve
tiempo determinado. aprendizajes
significativos,
comparte reflexiones
Transmisin de Dominio del tema Fijacin de metas,
conocimientos clima favorable,
liderazgo instructivo ,
utilizacin del
tiempo, creatividad,
organizacin de
temas
Las dimensiones son los desagregados de una variable, tambin
se conceptan como elementos integrantes de una variable; en
un lenguaje comn, la dimensin es un componente de la
variable.
Para determinar con precisin las dimensiones, se recomienda
trabajar mediante las definiciones conceptuales. Por ejemplo
vamos a determinar la dimensin de gestin educativa; para
ellos se emplear un libro adecuado para encontrar el concepto
requerido.
Una vez encontrado el concepto se leer comprensivamente
con la finalidad de escoger una a dos palabras claves que
formen parte de la dimensin.
El proceso es como sigue:
Es esencial tocar este tema, porque sobre la base de
los indicadores el investigador elaborar las
preguntas para los instrumentos de la investigacin.
El indicador es una unidad de medida y tambin
componente relevante de la dimensin. Se
caracteriza por ser elemento o unidad de medicin
de la realidad, o tambin se puede definir como un
desagregado mnimo que viene desde la hiptesis y
que al ser medido se convierte en dato cuantitativo
cualitativo, con la finalidad de conocer el nivel de
comportamiento de las variables.
Rodriguez (2007, p.49) define:
Los indicadores son aspectos concretos en que se
desagregan de las variables y de las dimensiones, con
el fin de medirlas con mayor precisin. De la
determinacin de los indicadores depende la precisin
con que se lleva a cabo la investigacin.
Las funciones de los indicadores segn el mencionado
autor son las siguientes:
Sealan con exactitud la informacin que se debe
recoger.
Identifican las fuentes a las que ha de acudir para
captar la informacin.
Ayudan a seleccionar la informacin mas importante,
de mayor valor especfico.
Ayudan a determinar y a elaborar los instrumentos de
recoleccin de informacin.
 METODOLOGA
DE LA
INVESTIGACIN
 ASPECTOS GENERALES SOBRE METODOLOGA
DE LA INVESTIGACIN

Tamayo(2001, p.91) sostiene: La metodologa constituye la

mdula espinal del proyecto; se refiere a la descripcin de
las unidades de anlisis o de investigacin, las tcnicas de
observacin y recoleccin de datos, los instrumentos de
medicin, los procedimientos y las tcnicas de anlisis

La metodologa de la investigacin permite llevar a cabo la

interpretacin de los resultados en funcin del problema
que se investiga. Los datos que se obtienen a travs de la
metodologa facilitan el rechazo de la hiptesis nula y la
aceptacin de la hiptesis alterna o viceversa. La
metodologa de la investigacin comprende:
 TIPOS DE
INVESTIGACIN
Cuando nos referimos a los tipos
de investigacin, aludimos a la
clasificacin de la investigacin.
Tradicionalmente se presentan 3
tipos de investigacin: Bsica,
Aplicada y Tecnolgica u
Operativa. Cada uno de estos
tipos de investigacin tienen
objetivos y estrategias diferentes
para llevar a cabo el proceso
investigativo.
 INVESTIGACIN BSICA

Es conocida tambin como investigacin

terica, pura o fundamental. Est
destinada a aportar un cuerpo organizado
de conocimientos cientficos y no produce
necesariamente resultados de utilidad
prctica inmediata. Se preocupa por
recoger informacin de la realidad para
enriquecer el conocimiento terico
cientfico, orientado al descubrimiento de
principios y leyes.
 INVESTIGACIN BSICA

Asimismo, investiga el desarrollo de una teora o teoras,

basadas en hechos, principios y leyes.
Su caracterstica principal es que realiza investigaciones
originales, experimentales o tericas, con la finalidad de
obtener nuevos conocimientos. Tambin analiza
propiedades, estructuras y relaciones con el fin de
formular y contrastar hiptesis, teoras o leyes.
Veamos un ejemplo a partir de un texto ya utilizado
anteriormente, de como se redacta en el proyecto de
investigacin.
 INVESTIGACIN APLICADA
Se le denomina tambin activa, dinmica,
prctica o emprica. Se encuentra ntimamente
ligada a la investigacin bsica, ya que depende
de sus descubrimientos y aportes tericos para
llevar a cabo la solucin de problemas con la
finalidad de generar bienestar a la sociedad.
 INVESTIGACIN TECNOLGICA U
OPERATIVA
Consiste en trabajos sistemticos basados en conocimientos
existentes, obtenidos mediante investigacin y/o
experiencia prctica. Se dirigen a la fabricacin de nuevos
materiales, productos o dispositivos, a establecer nuevos
procesos, sistemas y servicios, o a la mejora sustancial de los
ya existentes.
Supone la validacin y optimizacin de las tecnologas y sus
productos materiales. Esta investigacin se gua por un
inters eminentemente prctico y como hemos mencionado
en el prrafo anterior, vinculado a la investigacin que
permite producir artefactos, modificar el medio, incluyendo
las plantas y animales para generar bienestar y satisfacer
las necesidades humanas. Se le puede considerar como una
necesidad humana y un servicio pblico que realizan los
cientficos a la sociedad.
 OTROS TIPOS DE INVESTIGACIN
Criterios que se Tipos Por qu?
refieren a:
- Bsica Se refiere al objetivo o propsito que
FINALIDAD - Aplicada pretende alcanzar en una investigacin
- Tecnolgica
- Predictiva Describen la profundidad de anlisis y grado
NIVELES DE - Explicativa de conocimiento que se tiene sobre un
INVESTIGACIN - Correlacional tema.
- Descriptiva
- Exploratoria
ALCANCE TEMPORAL - Transversal De acuerdo con la duracin de la
- Longitudinal investigacin.
- Descriptiva Tiene por objeto central la medicin precisa
de una o mas variables dependientes en
PROFUNDIDAD una poblacin definida.
- Explicativa Adems de medir variables, se orienta al
descubrimiento de hechos causales, que
inciden o afectan a la concurrencia de un
fenmeno.
- Primarias Se detalla el tipo de fuente a la cual
FUENTES - Secundarias acudimos para obtener datos.
- Mixtas
CRITERIOS QUE SE Tipos Por qu?
REFIEREN A:
- Documentales Tienen como objeto directo la observacin
de fuentes documentales.
- Empricas Trabajan con hechos de experiencia
NATURALEZA, directa no manipulados.
CLASES O MEDIOS
UTILIZADOS - Experimentales Se apoyan en la observacin de
fenmenos provocados o manipulados en
laboratorios o ambientes artificiales.
- Doctrinales Se tratan temas puramente tericos o de
naturaleza supra emprica.
- Encuestas Los datos manejados proceden de las
manifestaciones verbales o escritas de los
sujetos observados.
MARCO - De campo Se realizan observando al grupo o
fenmeno en su ambiente natural.
- Laboratorio Se realizan observando al grupo o
fenmeno en un ambiente artificial.
CRITERIOS QUE SE Tipos Por qu?
REFIEREN A:
- Piloto Son estudios preliminares que preceden a
las encuestas, con el fin de perfeccionar y
probar las tcnicas empeladas.
- Evaluativas Tienen el objeto de apreciar y enjuiciar el
grado que alcanzan los objetivos
pretendidos, con el fin de corregir las
deficiencias e introducir los reajustes
necesarios.
LOS ESTUDIOS QUE
DAN LUGAR - Informes sociales Es el producto del proceso de diagnstico,
de un caso destinado a dar cuenta de la situacin de
vida de una persona, grupo o familia, en
un tiempo y lugar determinado.
- Sondeos Los datos que se obtienen suelen ser
mucho mas reducidos y concretos que las
encuestas.
- Encuestas Son investigaciones que se extienden a
amplios sectores de la poblacin y
pretenden tener informacin sobre
mltiples temas.
 NIVELES DE
INVESTIGACIN
 NIVELES DE INVESTIGACIN
LOS NIVELES DE INVESTIGACIN DESCRIBEN LA
PROFUNDIDAD DE ANLISIS Y EL GRADO DE
CONOCIMIENTO QUE SE TIENE SOBRE EL TEMA
QUE SE INVESTIGA.
EXISTEN CINCO NIVELES DE INVESTIGACIN:
EXPLORATORIO, DESCRIPTIVO, CORRELACIONAL,
EXPLICATIVO Y PREDICTIVO. EL PROYECTO DE
INVESTIGACIN, SE DETERMINA SOLO DE UNO DE
ELLOS.
 NIVEL EXPLORATORIO

Hernndez (2010, P.79) describe: Los estudios

exploratorios se realizan cuando el objetivo es
examinar un tema o problema de investigacin poco
estudiado, del cual se tiene muchas dudas o no se ha
abordado antes. Es decir cuando la revisin de la
literatura revel que tan solo hay guas no
investigadas e ideas vagamente relacionadas con el
problema del estudio, o bien si deseamos indagar
sobre temas y reas desde nuevas perspectivas.
 NIVEL DESCRIPTIVO

Este nivel mide y describe las caractersticas de

los hechos o fenmenos. Sobre el tema,
Hernndez (2010, p.129) menciona:
Busca especificar las propiedades, las
caractersticas y los perfiles de personas, grupos,
comunidades, procesos, objetos o cualquier otro
fenmeno que se someta a un anlisis. Es decir,
nicamente pretende medir y recoger
informacin de manera independiente o conjunta
sobre los conceptos o variables a las que se
refieren.
Qu es? Orientada a buscar correlatos.
Cmo es? Orientada a la identificacin de propiedades
o caractersticas.
Dnde est? Identificacin de lugares.
De qu est hecho? Identificacin de la composicin del
fenmeno.

Cmo estn sus partes? Identificacin de su configuracin o si

estn interrelacionados.
Cuntos? Identifica cantidad, intensidad.
Estas preguntas pueden ser utilizadas en investigaciones
univariables o bivariables. A continuacin, veamos ejemplos en el
caso del nivel descriptivo bivariable.
 NIVEL CORRELACIONAL

Hernndez (2010, p.81) describe:

a) Este tipo de estudio tiene como finalidad conocer la relacin o grado de
asociacin que existe entre dos o mas conceptos, categoras o variables en
un contexto en particular.
b) En ocasiones solo se analiza la relacin entre dos variables, pero con
frecuencia, se ubican en el estudio relaciones entre tres, cuatro o mas
variables.
c) Los estudios correlaciones, al evaluar el grado o niveles de asociacin entre
dos o mas variables, mide cada una de ellas (presuntamente relacionadas)
y despus se lleva a cabo la prueba de correlacin con la finalidad de
conocer el nivel de asociacin, intensidad o relacin. Tales correlaciones se
sustentan en hiptesis sometidas a prueba.
d) La utilidad principal de los estudios correlacionales es saber como se puede
comportar un concepto o una variable al conocer el comportamiento de
otras variables vinculadas. Es decir intentar predecir el valor aproximado que
tendr un grupo de individuos o casos en una variable, a partir del valor que
poseen en la o las variables relacionadas.
e) La investigacin correlacional tiene en alguna medida un valor
explicativo, aunque parcial, ya que el hecho de saber que dos
conceptos o variables se relacionan aporta cierta informacin
explicativa. Ejemplo, un investigador que desee analizar la asociacin
entre la motivacin laboral y la productividad en una institucin
universitaria de Lima, medir la motivacin y la productividad de cada
docente y despus analizar si los docentes con mayor motivacin son
o no los mas productivos.
f) Correlaciones espurias(falsas). Llega a darse el caso de que dos
variables estn aparentemente relacionadas, pero que en realidad no
es as. Esto se conoce en el mbito de la investigacin como correlacin
espuria. Suponga que se presenta la siguiente tendencia: a mayor
estatura, mayor inteligencia, es decir que los nios fsicamente mas altos
tendern a obtener una calificacin mayor en la prueba de
inteligencia, con respecto a los nios de menor estatura. Estos resultados
no tendran sentido.
Existe un tipo de correlacin para la variable cuantitativa y
otro para la cualitativa.

En esta parte de la investigacin cuantitativa,

incluimos las variables cualitativas, porque en la
prctica cotidiana existen proyectos de tesis que
tienen variables cualitativas e inclusive variables
mixtas.
a) Correlacin de variables cuantitativas

Se considera que dos variables cuantitativas estn

relacionadas si individuos con una puntuacin alta en
una variable tambin tienen puntuacin alta en una
segunda variable, y si individuos con una baja
puntuacin en una variable tambin tienen baja
puntuacin en la segunda. Estos resultados indican
una relacin positiva.
En otros sucesos, la relacin entre las variables puede
ser inversa. Es decir los sujetos con altas puntuaciones
en una variable pueden tener puntuaciones bajas en
la segunda variable y viceversa. Esto indica una
relacin negativa.
Una manera de representar las relaciones enunciadas
puede ser grficamente: mediante un eje de coordenadas,
podemos representar en el eje de abscisas las puntuaciones
en la primera variable y en el de ordenadas, las de la
segunda variable. Por ejemplo, el clculo del coeficiente de
correlacin (r) entre peso y talla de veinte obreros, cuyo
resultado nos da 0.88, es una relacin positiva perfecta que
se representa de la siguiente manera:
Una relacin negativa perfecta es la relacin
entre presin y volumen. Este caso se
representara del siguiente modo:
Las relaciones lineales entre variables pueden ser
expresadas por estadsticas conocidas como
coeficientes de correlacin. La medida de correlacin
que indicaremos es el coeficiente de correlacin de
Pearson (rxy). El valor que este coeficiente puede asumir
de 1 a + 1. Un valor de -1 indica una relacin lineal
negativa perfecta; un valor de +1 indica una relacin
lineal positiva perfecta; un valor de 0 (cero) indica que
hay ausencia total de relacin lineal entre las dos
variables.
El mtodo mas usual para medir la relacin o grado de
asociacin entre dos variables cuantitativas es mediante
la correlacin de Pearson, cuya frmula es la siguiente:
1. Datos no agrupados

n XiYi ( Xi )( Yi )
rxy =
n Xi ( Xi ) n Yi ( Yi )
2 2 2 2

2. Datos agrupados

n nxy XiYi ( nx Xi )( n yYi )

rxy =
n nx Xi ( nx Xi ) n n yYi ( n yYi )
2 2 2 2
Donde:
nx: observaciones o frecuencias marginales de X
ny: observaciones o frecuencias marginales de Y
Nxy: observaciones dentro de las casillas interiores
de la tabla de frecuencias. Es decir, el nmero de
observaciones que pertenecen a un cierto intervalo
de la variable X y a otro de la variable Y
 TABLA DE INTERPRETACIN DEL COEFICIENTE DE CORRELACIN DE
PEARSON
- Nivel de medicin de las variables: intervalos o razn.
- Interpretacin: el coeficiente r de Pearson puede variar de -1.00 a +1 .00,
donde:
Aqu tambin se puede emplear la regresin lineal. Es un
modelo estadstico para estimar el efecto de una variable
sobre otra. Est asociado con el coeficiente de r de
Pearson. Brinda la oportunidad de predecir las
puntuaciones de una variable, tomando las puntuaciones
de otra variable. Entre mayor sea la correlacin entre las
variables (covariacin), mayor ser la capacidad de
prediccin.
Ejemplo: Con los datos sobre las temperaturas en dos das
diferentes en una ciudad, determinar el tipo de correlacin
que existe entre ellas mediante el coeficiente de PEARSON.
 SOLUCIN:

Se calcula la media aritmtica

Se llena la siguiente tabla:
Se aplica la frmula:

Existe una correlacin positiva moderada

En Excel se calcula de la siguiente
manera:
b) Correlacin de Variables cualitativas o
categricas

La pruebas estadsticas no paramtricas mas

utilizadas son:
- La Chi-cuadrada o .
- Los coeficientes de correlacin e independencia
para tabulaciones cruzadas.
- Los coeficientes de correlacin por rangos de
Spearman y Kendall.
- La Chi- cuadrada o X es una prueba estadstica para
evaluar hiptesis acerca de la relacin entre dos variables
categricas. Veamos algunos aspectos importantes de
esta prueba:
Hiptesis a probar: Correlacionales
Nivel de medicin de las variables. Nominal u ordinal (o
intervalos reducidos a ordinales)
Procedimiento. Se calcula por medio de una tabla de
contingencia o tabulacin cruzada, que es un cuadro de dos
dimensiones; cada dimensin contiene una variable. A su
vez, cada variable se subdivide en dos o mas categoras.
Adicionales a la Chi-cuadrada, existen otros coeficientes
para evaluar si las variables incluidas en la tabla de
contingencia o tabulacin cruzada estn
correlacionadas.
Las tablas de contingencia adems de servir para el
clculo de la Chi-cuadrada y otros coeficientes, son tiles
para describir conjuntamente dos o mas variables. Esto se
efecta al convertir las frecuencias observadas en
frecuencias relativas o porcentajes.
Por otro lado los coeficientes de correlacin por rangos
ordenados de Spearman y Kendall son medidas de correlacin
para variables en un nivel de medicin ordinal (ambas) lo que
permite que los individuos u objetos de la muestra puedan
ordenarse por rangos (jerarquas).
Veamos un ejemplo de cmo se argumenta una investigacin
que posee el nivel descriptivo y a la vez correlacional:
Tema: El drenaje de cido de minas y la contaminacin de
aguas superficiales por la empresa Volcan en la Provincia de
Yauli. La Oroya, Junn - 2012

La presente investigacin se situar en el nivel

descriptivo-correlacional. Es descriptivo porque
vamos a medir y describir la variable
independiente el drenaje de cidos de minas y
la variable dependiente contaminacin de
aguas superficiales por la empresa Volcan en la
provincia de Yauli, La Oroya, Junn - 2015.
 NIVEL EXPLICATIVO

Los estudios explicativos van mas all de la descripcin de

conceptos o fenmenos, as como del establecimiento de
relaciones entre conceptos. Estn dirigidos a responder por las
causas de los eventos y fenmenos fsicos o sociales. Como su
nombre indica, su inters se centra en explicar por qu ocurre un
fenmeno y en qu condiciones se manifiesta o bien por qu se
relacionan dos o mas variables.
Dicho en otras palabras se encarga de buscar el porqu del
problema mediante la relacin causa efecto.
El nivel explicativo es mas estructurado que los otros niveles de
investigacin. La observacin de los resultados en la variable
dependiente se realiza mediante la administracin de una
prueba de entrada y otra de salida (pre y post test).
 NIVEL PREDICTIVO

Tiene como propsito prever o anticipar situaciones

futuras. Requiere de la exploracin, descripcin,
comparacin, anlisis y explicacin.
La investigacin tipo pronstico es aquella en la cual el
propsito principal es predecir la direccin futura de los
eventos investigados.
Del mismo modo consiste en prever situaciones futuras a
partir de estudios exhaustivos de la evolucin dinmica
de los eventos, de su interrelacin con el contexto, de las
fuerzas volitivas de los actores que intervienen y del
estudio de las probabilidades de que algunos de esos
eventos pudieran presentarse.
CARACERSTICAS:

Se interesa por anticipar situaciones futuras, a partir del

conocimiento de las condiciones previas y la comprensin de los
procesos explicativos; es decir, la investigacin predictiva
requiere de las explicaciones para basar sus predicciones.

ALCANCES:
- Identifica y analiza alternativas futuras.
- Caracteriza el grado de incertidumbre.
- Identifica reas claves.
- Adquiere una mayor comprensin de los procesos de
cambio.
- Se conocen posibles repercusiones.
- Brinda informacin relevante.
Tema: El efecto invernadero y el calentamiento
global en el Per.

El presente proceso de investigacin se ubica en el

nivel predectivo, porque expondr sobre los
combustibles fsiles que podran dar lugar o acelerar
el calentamiento del planeta. Los efectos de esto se
traducira en las temperaturas mas clidas; sequas y
fuegos arrasadores; olas de calor mortales y
propagacin de enfermedades; derretimiento de
glaciares; deshielos tempranos; tormentas y lluvias
mas intensas; aumento de huaicos, inundaciones y
deslizamientos; aumento del nivel del mar; cambios
en el ecosistema y la muerte de especies.
 DISEOS DE
INVESTIGACIN
Conviene reiterar que el diseo de la
investigacin es la estrategia o plan que se
utilizar para obtener la colecta de datos,
responder a la formulacin del problema, al
cumplimiento de los objetivos y para aceptar o
rechazar la hiptesis nula.
Los diseos en la investigacin cuantitativa estn
estructurados de la siguiente manera:
 DISEO
PREEXPERIMENTAL - Diseo de un grupo con pre y
post prueba.
Es de nivel exploratorio y
descriptivo. - Diseo estadstico de dos
grupos.

- Diseo de dos grupos, con sujetos

aleatorizados y solo con post
prueba.
- Diseo de dos grupos, de sujetos
DISEO EXPERIMENTAL apareados aleatoriamente y solo
PROPIAMENTE DICHO
DISEO con post prueba.
EXPERIMENTAL Es de nivel explicativo y
- Diseo con preprueba y con dos
abarca correlaciones.
grupos aleatorizados.
- Diseo de tres grupos, de Solomn.
- Diseo de cuatro grupos, de
Solomn.
- Diseo con pre prueba y post prueba
con grupo de control no aleatorio.
- Diseo contra equilibrado.
DISEO - Diseo de series temporales con un
CUASIEXPERIMENTAL grupo.
Es de nivel explicativo y - Diseo de series temporales con un
abarca correlaciones. grupo de control.
 - Exploratorio
DISEO
TRANSVERSAL O - Descriptivo
TRANSECCIONAL - Correlacional - causal

DISEO NO
EXPERIMENTAL

- Tendencia
DISEO
LONGITUDINAL - De evolucin
- Panel
DISEO EXPERIMENTAL
 DISEO EXPERIMENTAL
En el diseo experimental se manipulan en forma deliberada una o
mas variables independientes para observar sus efectos en la(s)
variable(s) dependiente(s).
Algunas caractersticas de este diseo son las siguientes:
- Te faculta a trabajar con uno o varios grupos.
- Seala una serie de pautas con las variables que se van a
manipular; adems recomienda las veces que se debe repetir el
experimento y el orden para poder establecer, con un grado de
confianza, a causa y efecto de un problema.
- Permite la formacin de grupos de control y experimental
empleando la aleatorizacin de sus integrantes.
- Tiene control estricto sobre las variables extraas.
- Utiliza tcnicas como la regresin mltiple, la
respuesta superficial y varias extensiones del anlisis
de varianza.
- Cobra importancia en muchas disciplinas
cientficas, tales como la agronoma, veterinaria,
medicina, ingeniera, qumica, arquitectura, etc.
- Puede desarrollar nuevos productos y mejorar los
otros existentes.
a) Comprensin y planteamiento del problema
Un planteamiento claro y preciso del problema contribuye a
tener un mejor conocimiento del fenmeno y de la solucin
final del problema.
b) Eleccin de factores y niveles
El investigador debe elegir los factores y los niveles
especficos a los cuales variar el experimento. Tal
conocimiento suele ser una combinacin de experiencia y
comprensin terica.
c) Seleccin de la variable dependiente (salida)
La seleccin de la variable dependiente elaborada por el
investigador debe de asegurar que la medicin de esta
pueda realmente proveer informacin sobre el proceso
estudiado.
d) Eleccin del diseo experimental
Para elegir el diseo es necesario considerar el tamao
muestral (nmero de repeticiones) seleccionar un orden
adecuado para los ensayos y determinar si hay implicado
un bloqueo u otras restricciones de aleatorizacin.
e) Realizacin del experimento
Cuando se realiza el experimento es vital monitorear el
proceso para asegurar que todo se haga conforme a lo
planeado ya que los errores en esta fase suelen anular la
validez experimental.
f) Anlisis de datos
Deben emplearse mtodos estadsticos para analizar los
datos de modo que los resultados y conclusiones sean
objetivos, mas apreciativos. Existen varios diseos de
software para los anlisis respectivos: Minitab, Excel, SPSS.
g) Conclusiones
Deben guardar relacin con los objetivos generales y
especficos.
h) Recomendaciones
Son acciones o sugerencias en torno al estudio. Para ello se
tiene como base las conclusiones. Es decir de cada
conclusin se elaboran una o dos recomendaciones;
tambin puede elaborarse a partir de algn vaco
encontrado durante el proceso de la investigacin.
Tema: Contenidos televisivos agresivos y la conducta violenta en
nios de 6 a 10 aos de edad en la Institucin educativa Los Heraldos
Negros del Distrito de Santa Anita, Lima 2015.

El presente proceso de investigacin se ubica en el diseo

experimental; especficamente en el sub diseo pre experimental. Es
experimental porque se manipular en forma deliberada la variable
independiente (programas televisivos con contenidos agresivos), para
observar e identificar las causas de los cambios en la variable
dependiente (conducta violenta). Adems se ubica en el subdiseo
pre experimental porque se formar un solo grupo para el trabajo
experimental, donde se le aplicar la preprueba, luego se
administrar el tratamiento experimental y finalmente se tomar la
posprueba.

Es de esta forma como se redactar cualquier

otro subdiseo del trabajo experimental. Lo
fundamental es que se describa el porqu de
la utilizacin de tal o cual diseo o sub diseo
de investigacin.
DISEO NO EXPERIMENTAL
Se lleva a cabo sin manipular la(s) variable(s)
independiente(s), toda vez que los hechos o sucesos ya
ocurrieron antes de la investigacin. Por ello es considerada
como investigacin exposfacto. Tambin se le denomina
estudio restrospectivo porque se trabajar con hechos que
se dieron en la realidad.
En este diseo la poblacin muestral es observada en su
ambiente natural y en su realidad. La tarea sustancial del
investigador es la de observar los problemas para luego
analizarlos en su ambiente natural y as describirlos o medir
los niveles de correlacin o explicando las causas y efectos
y en otros casos prediciendo algn problema que podra
suceder en el futuro.

Roberto Hernndez Sampieri et l.(), pp.151-161) presenta

las siguientes definiciones y ejemplos:
 DISEO
TRANSVERSAL O
TRANSECCIONAL
a) Diseo transversal exploratorio

Es comenzar a conocer una variable o un conjunto

de variables, una comunidad, contexto, evento o
situacin. Se trata de una exploracin inicial en un
momento especfico. Por lo general, se aplica a
problemas de investigacin nuevos o poco
conocidos; adems constituyen el prembulo de
otros diseos (no experimentales y experimentales).
Ejemplo: Unos investigadores pretenden obtener
un panorama sobre el grado en que las empresas
de una ciudad contratan a personas con
capacidades distintas (impedimentos fsicos,
deficiencias motrices, visuales, mentales). Buscan
en los archivos municipales y encuentran muy
poca informacin, acuden a la cmara de
comercio de la localidad y tampoco encuentran
datos que les sean tiles. Entonces inician un
sondeo en las empresas de su localidad, haciendo
una serie de preguntas a los gerentes de personal,
recursos humanos o equivalentes : Contratan
personas con capacidades diferentes?, Cuntas
personas al ao, al mes?, Para que tipos de
empleo?, etc. Al explorar la situacin logran tener
una visin del problema que les interesa y sus
resultados son exclusivamente vlidos para el
tiempo y lugar en que efectuaron su estudio.
b) Diseo transversal descriptivo
Tienen como objetivo indagar la incidencia y los valores en que se
manifiesta una o mas variables. El procedimiento consiste en medir
en un grupo de personas u objetos, una o generalmente mas
variables y proporcionar su descripcin. Son por lo tanto estudios
puramente descriptivos que cuando establecen hiptesis, estas son
tambin descriptivas.
El procedimiento consiste en medir a grupos de personas u objetos
una o mas variables y describirlas.
Por ejemplo, cuando un investigador desea medir los niveles de
estrs de los docentes que laboran en tres universidades de la
ciudad de Lima.
c) Diseo transversal correlacional -
causal
Tiene como objetivo describir relaciones entre dos o mas
variables en un momento determinado. Se trata tambin de
descripciones, pero no de variables individuales sino de sus
relaciones, sean estas puramente correlacionales o causales.
La diferencia entre diseos transeccionales descriptivos y los
causales puede expresarse grficamente de la siguiente
manera:
 TRANSVERSAL DESCRIPTIVO CORRELACIONALES - CAUSALES

Se mide y describe variable ( ) Se mide y describe relacin ( )

Se mide y describe variable ( ) Se mide y describe relacin ( )

Se mide y describe variable ( ) Se mide y describe relacin ( )

La medicin de las variables es en El inters es conocer el nivel de

forma individual correlacin
Ejemplo:

Una investigacin que estudiar como la motivacin

intrnseca influye en la productividad de los trabajadores
de las empresas constructora y en cierto momento
observando si los obreros mas productivos son los mas
motivados y en caso de que sea as, evaluando el porqu
y como es que la motivacin intrnseca contribuye a
incrementar la productividad (esta investigacin
establece primero la correlacin y luego la relacin
causal entre las variables)
 DISEO
LONGITUDINAL
 DISEO LONGITUDINAL

Se caracteriza porque analizan cambios a travs del tiempo

en determinadas variables o en relaciones entre las
variables.
Recolectan datos a travs del tiempo en puntos o periodos
especificados para hacer deducciones respecto al cambio,
sus determinantes y consecuencias.

Ejemplo: Un investigador que busca analizar cmo

evolucionan los niveles de aprendizaje durante cinco aos
en una ciudad u otro que pretendiera estudiar cmo ha
cambiado el contenido sexual en las telenovelas en los
ltimos diez aos.
a) DISEO LONGITUDINAL DE TENDENCIA

Los diseos de tendencia o trend son aquellos que analizan

cambios a travs del tiempo (en categoras, conceptos,
variables o sus relaciones), dentro de alguna poblacin en
general. Su caracterstica distintiva es la atencin se centra en
la poblacin.
Ejemplo: Una investigacin para analizar cambios en la
actitud hacia el aborto en una comunidad. Dicha actitud se
mide en varios puntos en el tiempo (digamos anualmente
durante diez aos) y se examina su evolucin a lo largo de
este periodo. Se puede observar o medir toda la poblacin o
bien tomar una muestra representativa de ella, cada vez que
se observen o midan las variables o las relaciones entre estas.
No olvidar que la caracterstica distintiva de los diseos de
tendencia o trend es que la atencin se centra en una
poblacin.
b) DISEO LONGITUDINAL DE EVOLUCIN
DE GRUPO
Estos diseos examinan cambios a travs del tiempo en sub
poblaciones o grupos especficos. Su atencin son las cohorts
o grupos de individuos vinculados de alguna manera o
identificados por una caracterstica comn, generalmente la
edad o poca.
Un ejemplo de estos grupos sera el formado por las personas
que nacieron en 1930, en Brasil pero tambin podra utilizarse
otro criterio de agrupamiento temporal como las personas
que pertenecieron al gobierno de Juan Velasco Alvarado o
los jvenes que apoyaron la gestin de Alberto Fujimori
durante los diez aos de su mandato presidencial (1990
2000). Tales diseos hacen seguimiento de los grupos a travs
del tiempo. Usualmente en estos diseos se extrae una
muestra cada vez que se mide el grupo o sub poblacin, mas
que incluir a toda la sub poblacin. La tendencia por grupos
polticos, econmicos, religiosos, etc.
 c) DISEO LONGITUDINAL DE PANEL

Los diseos de panel son similares a las dos clases anteriores,

solo el mismo grupo de sujetos es medido en todos los tiempos
o momentos.
Ejemplos:
Una investigacin que observar anualmente los cambios
en las actitudes de un grupo de personas de alta direccin
de una universidad nacional o particular, digamos durante
dos o tres aos. Cada ao se observara la actitud de los
mismos directores.
Observar mensualmente (durante un ao) a un grupo que
acudi a psicoterapia, para analizar si se incrementan sus
expresiones verbales de discusin y exploracin de planes
futuros, o si disminuyen sus expresiones de discusin y
exploracin de hechos pasados (en cada observacin, los
pacientes seran las mismas personas).
En los diseos panel se tiene la ventaja de que adems de
conocer los cambios grupales se conocen los cambios
individuales. Se sabe qu cambios especficos producen el
cambio.
 Cmo se redacta en el
proyecto de investigacin de un
diseo NO EXPERIMENTAL?
Ejemplo:
Tema: La motivacin intrnseca en los niveles de
productividad de los trabajadores de la empresa
UNACEM, Lima 2016.
 MTODO DE
INVESTIGACIN
 MTODO DE INVESTIGACIN

Es una forma ordenada para obtener conocimientos del

problema de investigacin. En trminos prcticos, es la
manera en que se busca solucin a un problema
determinado.
Para precisar el mtodo exacto e incluirlo en el proyecto
de investigacin, se debe revisar la formulacin del
problema y determinar con cual de las preguntas se
formulan los problemas.
Si se ha planteado el problema con la pregunta qu?,
le corresponde el mtodo correlacional, porque
esta pregunta busca niveles de correlacin entre
las variables, tal como se puede visualizar en la
tabla siguiente:
 Preguntas Qu identifican? Mtodo a utilizar

Qu? Correlaciones Correlacional

Cmo es? Caractersticas Descriptivo

De qu est hecho? Composicin del Analtico sinttico

fenmeno o hechos

Cmo estn sus Su configuracin Comparativo

partes? (interrelacionados)

Cuntos? Cantidad Estadstico

Cules son? Denota idea de Explicativo

igualdad o semejanza Comparativo
Semejanza
Formulacin del problema Qu relacin existe entre los
hbitos de estudio y el rendimiento acadmico de los alumnos
del X ciclo de la Universidad Nacional de Ingenira, Lima
2016?
El mtodo principal que se utilizar durante el proceso de
investigacin ser el correlacional, toda vez que se buscar la
relacin entre las dos variables y la medida en que la variacin
de una de ellas afecta a la otra; la finalidad es conocer la
magnitud, direccin y naturaleza de las variables. Asimismo no
se descarta el empleo del mtodo analtico sinttico. A travs
de este mtodo se descompondrn todas las variables para
observar sus relaciones, similitudes, diferencias, causas,
naturaleza y efectos hacia otras variables para luego
reconstruirlos a partir de los elementos distinguidos por el
anlisis.
POBLACIN,
MUESTRA Y
MUESTREO
 UNIVERSO ESTADSTICO

Es un conjunto finito o infinito de elementos, seres o cosas,

que tienen atributos o caractersticas comunes, susceptibles
de ser observados. Por lo tanto se puede hablar de universo
de familias, empresas, instituciones, votantes, automviles
beneficiarios de un programa de distribucin de alimentos de
un distrito de extrema pobreza, etc.
Al definir un universo se debe tener en cuenta cuales son los
elementos que lo conforman, el lugar al que corresponden y
el periodo o tiempo en el que se realiza la investigacin. As
por ejemplo en el estudio de sondeos de opinin para
determinar el comportamiento electoral, el universo
estadstico lo forman todas las personas mayores de 18 aos
que estn en capacidad de ejercer el voto en cualquier
parte del pas.
 UNIVERSO ESTADSTICO
Tambin existe lo que llamamos poblacin estadstica que es
el conjunto de la totalidad de las medidas de la(s) variable(s)
en estudio, en cada una de las unidades del universo. Es decir
es el conjunto de valores que cada variable toma en las
unidades que conforman el universo. Por ello se puede decir
cuando el universo tiene N elementos, que la poblacin
estadstica es de tamao N.
Segn el concepto de universo estadstico ya expuesto,
podemos decir que en tal universo se pueden definir varias
poblaciones uni o pluridimensionales. Por ejemplo en el
universo formado por las familias de una ciudad, una
poblacin estadstica unidimensional a estudiar puede
responder a las edades de las familias; una poblacin
estadstica tridimensional podra ser las edades, las estaturas,
los permetros torcicos de las familias que conforman la
ciudad, etc.
 UNIVERSO ESTADSTICO
Del mismo modo se debe tener en cuenta que otros autores
consideran el universo objetivo y una poblacin a muestrear. La
primera se refiere a todos los individuos o elementos que conforman el
universo completo, mientras que el segundo trata e los elementos o
individuos en los cuales se han considerado ciertos criterios de
inclusin para posteriormente obtener una muestra.
Universo objetivo

Poblacin a muestrear
 DISTRIBUCIN DEL UNIVERSO DE LOS TRABAJADORES DE
LA EMPRESA A.W. FABER CASTELL PERUANA S.A.

N Estructura de la empresa Subtotal

1 Jefes de productos 32
2 rea de administracin 05
3 Finanzas y contabilidad 07
4 Comercializacin y marketing 55
5 Trabajadores 120
TOTAL 219

Fuente: Datos obtenidos de la oficina de recursos humanos de la

empresa A.W. FABER CASTELL PERUANA S.A.
Elaboracin: El responsable de la investigacin.
Ciudad y fecha: Lima, agosto de 2016.
En otros casos solamente se indica la cantidad total de la poblacin.
 MUESTRA

Es un subconjunto representativo de un universo o

poblacin. Es representativo porque refleja fielmente las
caractersticas de la poblacin cuando se aplica la tcnica
adecuada de muestreo de la cual procede; difiere de ella
solo en el nmero de unidades incluidas y es adecuada ya
que se debe incluir un nmero ptimo y mnimo de
unidades; este nmero se determina mediante el empleo
de procedimientos diversos, para cometer un error de
muestreo dado al estimar las caractersticas poblacionales
mas relevantes.
 MUESTRA
Los aspectos referentes a la representatividad o calidad de
la muestra son mas importantes que los relacionado con la
cantidad; es decir no debe pensarse que la
representatividad de la muestra depende de su cantidad.
La informacin aportada por la muestra tiene una utilidad
que depende de como fueron seleccionados sus
elementos. A ello se le denomina muestreo. Si la muestra no
es representativa de la poblacin, las conclusiones que se
pueden extraer de la misma sern poco fiables y
simplemente nos inducirn a error. Cuando la muestra es
poco representativa, se dice que la muestra est sesgada.

A continuacin presentamos las frmulas para terminar el

tamao de la muestra (n) con poblacin, cuyo tamao (N)
se desconoce y con poblacin cuyo tamao se conoce
por estudios del nivel descriptivo y correlacional.
 Media Cuantitativa
poblacional n=
Escala de razn
Poblacin
desconocida
Cualitativa
Proporcin . ( )
poblacional n= Escala nominal:
dicotmica

Tamao de
muestra

Media Cuantitativa
poblacional n=
( ) Escala de razn
Poblacin
conocida Cualitativa
Proporcin ( )
n= . ( ) Escala nominal:
poblacional
dicotmica
Antes de la utilizacin de una u otra frmula, es
necesario saber qu parmetro de la poblacin se
desea estimar. Por ejemplo, si deseamos estimar la
medida poblacional, la variable relevante bajo
estudio deber ser cuantitativa, si existe o no la
varianza de esta variable en estudios anteriores
anlogos, pues las frmulas estn en funcin de la
varianza poblacional ( ).

n=
Veamos un ejemplo:
Clculo del tamao de la muestra cuando el tamao de
la poblacin es desconocido y se desea estimar la
media poblacional
Se desea conocer la media de la glucemia basal de una
poblacin con una seguridad del 95% y una precisin de
2 mg/dly tenemos la informacin por un estudio piloto o
revisin bibliogrfica de que la varianza es de 200mg/dl.
Reemplazando los datos:

( . )
n= = 192 personas
 La siguiente formula se utiliza cuando el tamao de la
poblacin es desconocido y se desea estimar la
proporcin poblacional, as como cuando la variable
es cualitativa y no se tiene datos anteriores para
determinar la varianza. En este caso se asume P = 0.5.

. ( )
n=

Notemos un ejemplo:
Clculo del tamao de la muestra, cuando el tamao de la poblacin es
desconocido y se desea estimar la proporcin poblacional con variable cualitativa
Se desea hacer una encuesta para determinar la proporcin de familias que
carecen de medios econmicos para atender los problemas de salud. Existe la
impresin de que esta proporcin est prxima a 0.35. Se desea determinar con un
intervalo de confianza del 95%, con un error de estimacin de 0.05 De qu tamao
debe tomarse la muestra?
Reemplazando los datos:
MUESTREO
 MUESTREO

Es el proceso de seleccin de una parte representativa de la

poblacin, la cual permite estimar los parmetros de la
poblacin. Un parmetro es un valor numrico que caracteriza a
la poblacin que es objeto de estudio.
Tamayo(1990) dice del muestreo: Es la seleccin de las
subpoblaciones del tamao muestral, a partir de los cuales se
obtendr los datos que servirn para comprobar la verdad o
falsedad de la hiptesis y extraer inferencias acerca de la
poblacin de estudio
Existen dos tipos de muestreo, el probabilstico y el no
probabilstico, los cuales a su vez se subdividen de la forma en
que se indica a continuacin:
 Muestreo aleatorio simple

Muestreo sistemtico

MUESTREO
PROBABILSTICO Muestreo Estratificado

Muestreo por
conglomerados

Muestreo por cuotas

MUESTREO NO
Muestreo intencional o de
PROBABILSTICO
conveniencia

Muestreo bola de nieve

 MUESTREO
PROBABILSTICO
 MUESTREO PROBABILSTICO

En el muestreo probabilstico, las unidades de

anlisis observacin (personas, viviendas, etc.)
son seleccionadas en forma aleatoria, es decir
al azar, cada elemento tiene la misma
probabilidad de ser elegido y es posible
conocer el error de muestreo, es decir la
diferencia entre el estimador y el parmetro
MUESTREO
ALEATORIO
SIMPLE
a) MUESTREO ALEATORIO SIMPLE
Al respecto de aquella caracterstica que hace del
muestreo probabilstico un muestreo aleatorio. Es cuando
todos los elementos de la poblacin tienen la misma
probabilidad de ser seleccionados en la muestra y esta es
conocida. Este tipo de muestreo es mas recomendable pero
resulta mucho mas difcil de llevarse a cabo y por lo tanto es
mas costoso.
En dicho caso se escogen al azar los miembros del universo
hasta completar el tamao muestral previsto. En teora se
enumeran previamente todos los elementos y luego se
escogen de acuerdo con una tabla de nmeros aleatorios.
Pero tomar las unidades al azar no significa que se haga
desordenadamente, sino a travs de varios procedimientos
de seleccin entre ellos tenemos: el sorteo rifa o el uso de
tablas de nmeros aleatorios.
La extraccin de una muestra aleatoria simple se
efecta seleccionando una por una las N unidades
que tiene la poblacin, hasta completar el tamao de la
muestra n. La utilizacin de una tabla de nmeros
aleatorios implica un mecanismo de probabilidad muy
bien diseado, de manera que garantiza
estadsticamente la aleatoriedad de sus elementos.
Supongamos que deseamos elegir dos nmeros aleatorios
entre 1 y 50. Para ello vemos que el nmero 50 tiene dos
dgitos, por lo tanto para poder involucrar a todos los
elementos tendremos que tomar 2 columnas en la tabla;
estos pueden ser adyacentes (muy prximo o unido a otro
nmero) Por ejemplo, si iniciamos en la fila 1, columna 5:
est el nmero 99 y si avanzamos la derecha
encontramos al 67, 16, 41Vemos que el 99 y el 67 no
estn comprendidos entre el 1 y el 50 de manera que se
descarta, el 16 y el 41 si se eligen por estar comprendidos
entre 1 y 50. Por lo tanto, los elementos elegidos seran el
16 y el 41 (ver tabla de nmeros aleatorios).
No olvidemos que una parte muy importante del
muestreo consiste en tener el tamao de la muestra
correcta, para no tener un error de muestreo, el cual
deber ser el mnimo posible.
 Pasos para seleccionar una muestra
aleatoria simple

Define la poblacin objetivo.

Identifica un marco de muestreo actual de la poblacin
objetivo o desarrolla uno nuevo.
Evala el marco de muestreo para la falta de cobertura,
cobertura excesiva, cobertura mltiple y la agrupacin, y
haz los ajustes que consideres necesarios.
Asigna un nmero nico a cada elemento de la trama.
Determina el tamao de la muestra.
Selecciona al azar el nmero especfico de elementos
de la poblacin.
Para seleccionar el nmero de elementos de la poblacin
puedes recurrir al mtodo de lotera, una tabla de
nmeros aleatorios y los nmeros generados de forma
aleatoria mediante un programa de computadora, es
decir, al azar.
El mtodo de lotera slo funciona bien con pequeas
poblaciones de la muestra, es poco prctico para su uso
con poblaciones ms grandes. Un ejemplo del uso del
mtodo de lotera sera la seleccin de una muestra
aleatoria de entre un grupo de 100 miembros. Se ponen
todos los nombres en un recipiente y se van sacando uno
por uno hasta tener el tamao suficiente de nuestra
muestra.
Al utilizar el sistema de sorteo, los nmeros que representa
cada elemento de la poblacin objetivo son colocadas en
chips (es decir, tarjetas, papel u otros objetos). Los chips se
colocan entonces en un recipiente y se mezclan. A
continuacin, a ciegas se seleccionan las fichas desde el
recipiente hasta que se haya obtenido el tamao de muestra
deseado. Las desventajas de este mtodo de seleccin es
que consume mucho tiempo, y se limita a poblaciones
pequeas.
El uso de nmeros aleatorios, un mtodo alternativo implica
tambin la numeracin de miembros de la poblacin de 1 a
N. Luego, el tamao de muestra de n tiene que ser
determinada por seleccin de los nmeros al azar. El uso de
la tabla de nmeros aleatorios similar a la que aparece a
continuacin puede ayudar en gran medida con la
aplicacin de esta tcnica de muestreo.
En una tabla de nmeros aleatorios no se sigue un patrn
particular. Pueden ser ledos de cualquier manera, es
decir, horizontal, vertical, diagonal, hacia delante o hacia
atrs. El nmero de dgitos que se utiliza debe
corresponder al tamao total de la poblacin objetivo. Los
nmeros que el investigador encuentra que no
concuerdan con los nmeros asignados a elementos de la
poblacin objetivo son ignorados. Este proceso de la tabla
de nmeros aleatorios es un proceso tedioso, consume
tiempo, y no se recomienda para grandes poblaciones. En
su lugar, se pueden utilizar softwares estadsticos u hojas de
clculo para generar nmeros aleatorios. Los elementos
de las poblaciones cuyos nmeros asignados coinciden
con los nmeros generados por el software son incluido en
la muestra. Se puede seleccionar un nmero de una tabla
de nmeros aleatorios para usarlo como el nmero de
partida para el procedimiento.
Subtipos de muestreo aleatorio
simple
Hay dos tipos de muestreo aleatorio simple: el
muestreo con reemplazo y sin reemplazo. En el
muestreo con reemplazo, despus de que un
elemento ha sido seleccionado de entre el marco
de la muestra se devuelve y es elegible para ser
seleccionado de nuevo. En el muestreo sin
reemplazo, despus de que un elemento se
selecciona del marco de la muestra, se retira de
la poblacin y no regresa a la base del muestreo.
Este tipo de muestreo suele ser ms eficiente pues
no permite que el mismo elemento de la
poblacin entre a la muestra ms de una vez.
 Ventajas y desventajas del muestreo
aleatorio simple
Entre sus puntos fuertes estn que tiende a producir
muestras representativas y permite el uso de la estadstica
inferencial en el analisis de datos recogidos.
Cada seleccin es independiente de otras selecciones;
Todas las combinaciones posibles de unidades de muestreo
tienen la misma oportunidad de ser seleccionadas. En el
muestreo sistemtico, las posibilidades de ser seleccionado
no son independientes entre s.
En general, es ms fcil que otros procedimientos de
muestreo probabilstico (tales como el muestreo por
conglomerados) de comprender y comunicar a otros.
Los procedimientos estadsticos requeridos para analizar los
datos y calcular los errores son ms fciles que los
requeridos en otros procedimientos de muestreo
probabilstico.
 Ventajas y desventajas del
muestreo aleatorio simple
Entre las desventajas estn que se requiere un marco de
muestreo de elementos de la poblacin objetivo. Un marco
de muestreo apropiado puede que no exista para la
poblacin que se dirige, y puede que no sea factible o
prctico construir uno. En este caso el muestreo por
conglomerados no requiere de una toma de muestra de los
elementos de la poblacin objetivo.
El muestreo aleatorio simple tiende a tener errores de
muestreo ms grandes y menos precisin de muestreo
estratificado del mismo tamao de la muestra.
 Los encuestados pueden estar muy dispersos, por tanto,
los costos de la recoleccin de datos pueden ser
superiores a las de otros diseos de la muestra de
probabilidad, como el muestreo por conglomerados.
El muestreo aleatorio simple puede no producir un
nmero suficiente de elementos de pequeos
subgrupos. Esto no hara de un muestreo aleatorio simple
un buen opcin para los estudios que requieren un
anlisis comparativo de las categoras pequeas de una
poblacin con categoras mucho ms amplias de la
poblacin
Fortalezas y debilidades del muestreo
aleatorio simple
Una empresa tiene 120 empleados. Se quiere extraer una
muestra de 30 de ellos.
Enumera a los empleados del 1 al 120
Sortea 30 nmeros entre los 120 trabajadores
La muestra estar formada por los 30 empleados que
salieron seleccionados de los nmeros obtenidos.
En resumen el muestreo aleatorio simple es como hacer un
sorteo, afortunadamente existen herramientas que facilitan
la automatizacin y le da seriedad a este proceso.
 MUESTREO
SISTEMTICO
 MUESTREO SISTEMTICO

Una muestra sistemtica es obtenida cuando los elementos

son seleccionados de manera ordenada.
En primer lugar se selecciona el llamado coeficiente de
elevacin (tamao poblacin/tamao muestra), a
continuacin se elige al azar un nmero inferior al
coeficiente de elevacin. La primera unidad muestral es el
nmero elegido, la segunda unidad muestral se determina
agregando a ese primer nmero el coeficiente de
elevacin y as sucesivamente hasta completar el tamao
de la muestra.
El muestreo sistemtico es un tipo de
muestreo probabilstico donde se
hace una seleccin aleatoria del
primer elemento para la muestra, y
luego se seleccionan los elementos
posteriores utilizando intervalos fijos o
sistemticos hasta alcanzar el
tamao de la muestra deseado.
 Pasos para la seleccin de un muestreo
sistemtico
Definir la poblacin objetivo.
Determinar el tamao deseado de la muestra (n).
Identificar el marco muestreo existente o desarrollar un
marco de muestreo de la poblacin objetivo.
Evaluar el marco muestral por falta de cobertura,
cobertura excesiva, mltiple cobertura, agrupacin,
periodicidad, y hacer los ajustes cuando sea necesario.
Idealmente, la lista estar en un orden aleatorio con
respecto al estudio variable o, mejor an, ordenados en
funcin de la variable de inters o su correlacin, creando
as estratificacin implcita.
 Determinar el nmero de elementos en el marco de la
muestra (N).
Calcular el intervalo de muestreo (i) dividiendo el nmero
de elementos en el marco de muestreo (N) por el tamao
de la muestra especfica (n). Uno debera ignorar el resto y
redondear o terminar en el nmero entero ms prximo. El
redondeo hacia abajo y truncando puede hacer que el
tamao de la muestra sea ms grande de lo deseado. Si es
as, se puede eliminar de forma aleatoria las selecciones
adicionales. Si no se conoce el tamao exacto, o es poco
prctico determinar, se puede fijar una fraccin de
muestreo.
Seleccionar al azar un nmero, r, de 1 mediante i.
Selecciona para la muestra, r, r + i, r + 2i, r ,+3i, y as
sucesivamente, hasta agotar el marco.
A nivel tcnico, el muestreo sistemtico no crea
una muestra verdaderamente aleatoria. Slo la
seleccin del primer elemento de muestreo
sistemtico es una seleccin de probabilidad. Una
vez que el primer elemento es seleccionado,
algunos de los elementos tendrn una
probabilidad cero de seleccin. Adems, cierta
combinacin de elementos, como los elementos
que son adyacentes entre s en el marco de
muestreo, pueden no ser seleccionados. Muestreos
sistemticos repetidos pueden utilizarse para
abordar este problema.
 Fortalezas y debilidades del
muestreo sistemtico

Al resaltar los puntos fuertes y dbiles del

muestreo sistemtico, podemos compararlo
con el muestreo aleatorio simple. El muestreo
sistemtico se utiliza a menudo cuando es
imposible o poco prctico utilizar un muestreo
aleatorio simple.
Como lleves a cabo tu muestreo ser determinante para los
resultados que vas a obtener. En conclusin, considera la
eleccin de un muestreo sistemtico si:
Es difcil identificar elementos utilizando un mtodo de
muestreo aleatorio simple.
Es importante utilizar un procedimiento de muestreo de
probabilidad que pueda ser fcilmente implementado.
 MUESTREO
ESTRATIFICADO
 MUESTREO ESTRATIFICADO

El muestreo estratificado es uno de los tipos de muestreo

probabilstico del que podemos hacer uso. Te invito a que
sigas leyendo para conocer ms de sus debilidades y
fortalezas.
El muestreo estratificado es un procedimiento de
muestreo en el que el objetivo de la poblacin se separa
en segmentos exclusivos, homogneos (estratos), y luego
una muestra aleatoria simple se selecciona de cada
segmento (estrato). Las muestras seleccionadas de los
diversos estratos se combinan en una sola muestra. Este
procedimiento de muestreo se refiere a veces como
muestreo de cuota aleatorio.
 Pasos de seleccin para un muestreo
estratificado
Hay ocho pasos principales en la seleccin de una muestra
aleatoria estratificada:
Define la poblacin objetivo.
Identifica la variable o variables de estratificacin y determinar el
nmero de estratos a usarse. Las variables de estratificacin
deben estar relacionados con el propsito de estudio. Si el
propsito del estudio es hacer estimaciones de los subgrupos, las
variables de estratificacin deben estar relacionados con esos
subgrupos. La disponibilidad de informacin auxiliar a menudo
determina las variables de estratificacin que se utilizan. Puede
ser utilizada ms de una variable de estratificacin. Considera
que a medida que el nmero de variables de estratificacin
aumenta, incrementa la probabilidad de que algunas de las
variables cancelen los efectos de otras variables, no ms de
cuatro a seis variables de estratificacin y no se deben utilizar
ms de seis estratos de una variable en particular.
 Identifica un marco de muestreo existente o desarrolla uno que
incluya informacin sobre la o las variables de estratificacin
para cada elemento de la poblacin objetivo. Si el marco de
la muestra no incluye la informacin en las variables de
estratificacin, la estratificacin no sera posible.
Evala el marco de muestreo para la falta de cobertura,
cobertura excesiva, mltiple, y la agrupacin, y haz los ajustes
cuando sea necesario.
Divide el marco de muestreo en estratos, categoras de la
estratificacin de la o las variables, creando un marco de
muestreo para cada estrato. Dentro del estrato las diferencias
deben reducirse al mnimo, y las diferencias entre los estratos
deben maximizarse. Los estratos no deben estar superpuestos,
en conjunto, debe constituir toda la poblacin. Los estratos
deben ser independientes y mutuamente exclusivos del
subconjunto de la poblacin. Cada elemento de la la
poblacin debe estar en un slo estrato.
 Asigna un nmero nico a cada elemento.
Determina el tamao de la muestra para cada estrato.
La distribucin numrica de los elementos incluidos en la
muestra a travs de los diversos estratos determina el tipo
de muestreo a implementar. Puede ser un muestreo
proporcional estratificado o uno de los diversos tipos de
muestreo estratificado desproporcionado.
Selecciona al azar el nmero especfico de elementos de
cada estrato. Al menos un elemento se debe seleccionar
de cada estrato para la representacin de la muestra; y
por lo menos dos elementos deben ser elegidos de cada
estrato para el clculo del margen de error de las
estimaciones calculadas a partir de los datos recogidos.
 El muestreo estratificado proporcional

Hay dos subtipos principales de muestreo estratificado: el

proporcional y el muestreo desproporcionado. En el
estratificado proporcional, el nmero de elementos
asignados a diversos estratos es proporcional a la
representacin de los estratos de la poblacin objetivo. Es
decir, el tamao de la muestra extrada de cada estrato es
proporcional con el tamao relativo de ese estrato de la
poblacin objetivo. La fraccin de muestreo es aplicada a
cada estrato, dando a cada elemento de la poblacin la
misma oportunidad para ser seleccionados. La muestra
resultante es una muestra autoponderada. Este
procedimiento de muestreo se utiliza cuando el propsito de
la investigacin es estimar los parmetros poblacionales.
 Un ejemplo hipottico de asignacin proporcional se
presenta en la siguiente tabla:

En este ejemplo, los elementos incluidos en la muestra se asignaron

a travs de las cuatro zonas de una regin de marketing de manera
que la proporcin de elementos que se tomaron para la muestra de
cada zona es idntica a la proporcin de elementos de cada zona
de la poblacin total. La fraccin de muestreo en cada zona es el
mismo 1 de 22 elementos. Cada zona est igualmente representada
en la muestra.
Muchas veces el investigador no slo desea estimar
parmetros poblacionales sino tambin hacer anlisis
detallado dentro de un estrato relativamente pequeo y/o
comparar los estratos entre s. El muestreo estratificado
proporcional puede no dar resultados en algunos de los
estratos de este tipo de anlisis. Tomando el ejemplo descrito
en nuestra tabla, no sera posible realizar un anlisis detallado
de los elementos de la zona 2 ya que slo 12 de los
elementos se encuentran en la muestra. Adems, la
comparacin de los elementos de la zona 2 con las otras
zonas seran dudoso. El muestreo estratificado proporcional no
es una buena eleccin de muestreo para llevar a cabo este
tipo de anlisis. El desproporcional puede ser una mejor
eleccin.
 El muestreo estratificado desproporcionado
El muestreo desproporcionado es un procedimiento en que
el nmero de elementos incluidos en la muestra de cada
estrato no es proporcional a su representacin en la
poblacin total. Los elementos de la poblacin no tienen la
misma oportunidad de ser incluidos en la muestra. La misma
fraccin de muestreo no se aplica a cada estrato. Por otra
parte, los estratos tienen diferentes fracciones de muestreo,
y como tal, este procedimiento de muestreo no es una
seleccin equiprobable. Con el fin de estimar los
parmetros de poblacin, la composicin poblacional
debe utilizarse para compensar la desproporcin en la
muestra. Sin embargo, para algunos proyectos de
investigacin el muestreo estratificado desproporcionado
puede ser ms apropiado que el proporcional.
El muestreo desproporcionado puede ser dividido
en tres subtipos con base a los propsitos de
nuestra asignacin, que por ejemplo podran ser
el facilitar el anlisis dentro de los estratos o
centrarse en la optimizacin de los costos, de la
precisin o la optimizacin de ambos: precisin y
costos.
El objetivo de un estudio puede requerir de un
investigador que lleve a cabo el anlisis detallado de los
estratos de la muestra. Si se utiliza la estratificacin
proporcional, el tamao de la muestra de un estrato es
muy pequea; por lo que puede ser difcil de cumplir los
objetivos del estudio. La asignacin proporcional puede
no producir un nmero suficiente de casos para este tipo
de anlisis detallado. Una opcin es el sobremuestreo de
los estratos pequeos o poco frecuentes. Tal
sobremuestreo creara una distribucin
desproporcionada de los estratos de la muestra cuando
se compara a la poblacin. Sin embargo, puede haber
un nmero suficiente de casos para llevar a cabo el
anlisis de los estratos requerido por los objetivos del
estudio.
Utilizando el ejemplo hipottico descrito en la tabla
superior, si se desea llevar a cabo un anlisis detallado
de la zona 2, uno podra sobremuestrear elementos de
esa zona; por ejemplo, en lugar de un muestreo de slo
12 elementos, muestra 130 elementos. Con el fin de
llevar a cabo un anlisis ms significativo, analiza de
manera detallada la zona 2, el tamao de la muestra
para ese distrito debe ser mayor a 12 elementos. Los
resultados de la distribucin de los elementos en la
muestra por zona pueden parecerse a la distribucin
presentada en la tabla siguiente:
 Debilidades y fortalezas del
muestreo estratificado

El muestreo estratificado tiene muchas de las fortalezas y

debilidades asociadas con la mayora de los
procedimientos de muestreo de probabilidad cuando se
comparan con los procedimientos de muestreo no
probabilsticos. En comparacin con el muestreo aleatorio
simple, las fortalezas del muestreo estratificado incluyen:
 Capacidad para estimar no slo los parmetros de
poblacin, sino tambin para hacer inferencia dentro de
cada estrato y las comparaciones entre los estratos. Datos
suficientes sobre subgrupos de inters quiz no puedan ser
capturados en el muestreo aleatorio simple. Las muestras
estratificadas producen pequeos errores de muestreo al
azar que los que son obtenidos con una muestra aleatoria
simple del mismo tamao de la muestra. Un muestreo
estratificado dar lugar a una muestra que es al menos
tan precisa como una muestra aleatoria simple del mismo
tamao de la muestra.
 Las muestras estratificadas tienden a ser ms
representativas de una poblacin debido a que se
asegura de que los elementos de cada estrato en la
poblacin estn representados en la muestra. El muestreo
puede ser estratificado para asegurar que la muestra se
extiende sobre sub reas geogrficas y subgrupos de
poblacin.
Al usar el muestreo estratificado, se aprovecha el
conocimiento que el investigador tiene sobre la
poblacin.
La utilizacin de un muestreo estratificado permite al
investigador utilizar diferentes procedimientos de
muestreo dentro de los diferentes estratos.
Ventajas y desventajas del muestreo estratificado en
comparacin con el muestreo aleatorio simple
 Cul es la diferencia entre el muestreo
estratificado, toma de muestras y
muestreo por cuotas?
El muestreo estratificado y el muestreo por cuotas son algo
similares uno de otro. Ambos implican la divisin de la
poblacin objetivo en categoras y luego la seleccin de un
cierto nmero de elementos de cada categora. Ambos
procedimientos tienen como objetivo principal la seleccin
de una muestra representativa y/o la facilitacin del anlisis
de subgrupos. Sin embargo, hay diferencias importantes. El
muestreo estratificado utiliza un muestreo aleatorio simple. Se
necesita un marco de muestreo para el muestreo
estratificado, pero no para el muestreo por cuotas.
 Ventajas del muestreo por cuotas:

Es el mtodo de muestreo menos costoso.

Es muy utilizado en sondeos y encuestas por los
medios de comunicacin.
El mtodo asume que la informacin que
deseamos obtener est correlacionada con la
poblacin, pero es una hiptesis de
representatividad difcilmente demostrable.
 En resumen, considera la posibilidad de elegir el
muestreo estratificado si:

Es posible dividir una poblacin en dos o ms estratos y

construir un marco homogneo de muestreo para cada
estrato.
Algunos subgrupos de la poblacin son muy diferentes de
otros subgrupos.
Es muy importante reducir al mnimo el error de muestreo.
La poblacin es heterognea.
Se desea un anlisis comparativo de los estratos.
 Muestreo por
conglomerados
 Muestreo por conglomerados
El muestreo por conglomerados nos ayuda cuando es
imposible o poco prctico crear un marco de muestreo de
una poblacin objetivo debido a que est muy dispersa
geogrficamente y el costo de la recopilacin de datos es
relativamente alto.
El muestreo por conglomerados es un procedimiento de
muestreo probabilstico en que los elementos de la
poblacin son seleccionados al azar en forma natural por
agrupaciones (clusters). Los elementos del muestreo se
seleccionan de la poblacin de manera individual, uno a la
vez.
Las unidades de muestreo o grupos pueden ser
espaciados, tal como ocurre naturalmente en
las unidades geogrficas o fsicas (por ejemplo:
estados, delegaciones o distritos); en base a una
organizacin como escuelas, grado escolar; o
servicio telefnico tales como cdigos de rea o
el cambio de las claves lada de los nmeros de
telfono. La heterogeneidad del grupo es
fundamental para un buen diseo del muestreo
por conglomerados. Por otra parte, los
elementos dentro de cada grupo debe ser tan
heterogneos como la poblacin objetivo.
 Pasos para seleccionar un
muestreo por conglomerados

Definir la poblacin objetivo.

Determinar el tamao de la muestra deseada.
Identificar un marco de muestreo existente o
desarrollar un nuevo marco de muestreo de
grupos de la poblacin objetivo.
 Evaluar el marco de muestreo para la falta de
cobertura, cobertura excesiva, mltiple cobertura, y la
agrupacin, y hacer los ajustes cuando sea necesario.
Idealmente, los grupos seran tan heterogneos como la
poblacin, mutuamente excluyentes, y colectivamente
exhaustivos. La duplicacin de elementos de la muestra
puede aparecer si elementos de la poblacin
pertenecen a ms de un grupo. La omisin dar lugar a
un sesgo de cobertura.
Determinar el nmero de grupos que se seleccione. Esto
se puede hacer dividiendo el tamao de la muestra por
el nmero promedio estimado de elementos de la
poblacin en cada grupo. En la medida en que la
homogeneidad y la heterogeneidad de los grupos sean
diferentes a la de la poblacin, el nmero del grupo
aumenta e incrementa la precisin. Por otra parte, si las
diferencias aumentan, la precisin disminuye.
Seleccionar al azar el nmero previsto de las
agrupaciones.
 Subtipos del muestreo por conglomerados

Dos grandes dimensiones se utilizan para clasificar los

diferentes tipos de muestreo por conglomerados. Una se
basa en el nmero de etapas en el diseo de la muestra, y el
otro en la representacin proporcional de los grupos en la
muestra total.
Subtipo basado en el nmero de etapas: A menudo, el
muestreo por conglomerados se lleva a cabo en ms de una
etapa. Una etapa es un paso dentro del proceso de
muestreo en el que se toma una muestra. Considerando el
nmero de etapas en el diseo, hay tres subtipos principales
de este muestreo: de una sola etapa, de dos etapas, y el
muestreo por conglomerados de etapas mltiples.
Muestreo por conglomerados de una etapa. El muestreo se
hace una sola vez. Un ejemplo sera, digamos que estamos
interesados en el estudio de personas sin hogar que viven
en refugios. Si hay cinco refugios en una ciudad, un
investigador seleccionar al azar a uno de los refugios y
luego incluir en el estudio a todas las personas sin hogar
que residen en el refugio seleccionado. Un investigador de
mercado podra optar por utilizar un diseo de muestreo
por conglomerado de una sola etapa.
Digamos que un investigador est interesado en la prueba
de comercializacin de un producto. El investigador puede
seleccionar al azar cdigos postales; enviar muestras del
producto junto con un cuestionario de evaluacin a cada
direccin dentro del grupo seleccionado.
Muestreo por conglomerados en dos etapas. El diseo
incluye todos los pasos del diseo de un muestreo por
conglomerados, con una excepcin del ltimo paso. En
lugar de incluir todos los elementos de los grupos
seleccionados de la muestra, una muestra aleatoria (ya
sea una muestra aleatoria simple, muestra estratificada o
muestra sistemtica) se toman los elementos de cada
grupo seleccionado. El muestreo por conglomerados de
una etapa se refiere a veces como un submuestreo. En
general, a menos que el grupos sea homogneo, un diseo
de muestra de conglomerados en dos etapas es mejor que
uno de una sola etapa.
Muestreo por conglomerados de etapas mltiples. Las
encuestas de grandes reas geogrficas requieren una
diseo de la muestra algo ms complicado que los
descritos hasta este punto. Por lo general, se debe utilizar
un diseo de muestreo por conglomerados. de etapas
mltiples, que consiste en la repeticin de dos pasos
bsicos: listado y toma de muestras.
Tpicamente, en cada etapa, los grupos se hacen
progresivamente ms pequeos en tamao; y en la ltima
etapa se utiliza el elemento de muestreo. Los
procedimientos de muestreo (aleatorio simple,
estratificado, o el sistemtico) pueden ser diferentes en
cada etapa.
Fortalezas y debilidades del muestreo por
conglomerados en comparacin con el
muestreo aleatorio simple
 MUESTREO NO
PROBABILSTICO
 MUESTREO NO
PROBABILSTICO
El muestreo no probabilstico (o muestreo no aleatorio) es
la tcnica de muestreo donde los elementos son elegidos
a juicio del investigador. No se conoce la probabilidad
con la que se puede seleccionar a cada individuo.
El muestreo no probabilstico se utiliza cuando es
imposible o muy difcil obtener la muestra por mtodos
de muestreo probabilstico.
Las muestras seleccionadas por mtodos de muestreo no
aleatorios intentan ser representativas bajo los criterios del
investigador, pero en ningn caso garantizan la
representatividad.
MUESTREO POR
CONVENIENCIA
 MUESTREO POR CONVENIENCIA

El muestreo de o por conveniencia es una tcnica de muestreo

no probabilstico donde los sujetos son seleccionados dada la
conveniente accesibilidad y proximidad de los sujetos para el
investigador.
Los sujetos de una investigacin especfica, son
seleccionados para el estudio slo porque son ms fciles
de reclutar y el investigador no est considerando las
caractersticas de inclusin de los sujetos que los hace
representativos de toda la poblacin.
En todas las formas de investigacin, sera ideal generalizar
los resultados a la totalidad de la poblacin, pero en la
mayora de los casos, la poblacin es demasiado grande y
resulta imposible incluir cada individuo. Esta es la razn por
la cual la mayora de los investigadores utilizan tcnicas de
muestreo, como el muestreo de conveniencia, la ms
comn de todas las tcnicas de muestreo. Muchos
investigadores prefieren esta tcnica de muestreo, ya que
es rpida, barata, fcil y sobre todo, los sujetos estn
disponibles.
Ejemplos

Uno de los ejemplos ms comunes de muestreo de

conveniencia se realiza utilizando estudiantes voluntarios
como sujetos de la investigacin. Otro ejemplo es el uso de
sujetos que se han seleccionado de una obra, una clase o una
institucin ya que para el investigador es de fcil el acceso a
estas obras o instituciones. Un ejemplo ms concreto es la
seleccin de cinco personas de una clase o incluso la
seleccin de los cinco primeros nombres de la lista de obreros
de una lista en una empresa.
En estos ejemplos, el investigador inadvertidamente excluye
una gran proporcin de la poblacin. Una muestra de
conveniencia es o bien una seleccin de sujetos que son
accesibles para el investigador o una seleccin de personas
que deseen participar como voluntarios.
Usos

Los investigadores utilizan el muestreo de conveniencia no

slo porque es fcil de usar, sino porque tambin tiene
otras ventajas para la investigacin.
En Pruebas Piloto, la muestra de conveniencia se suele
utilizar ya que permite al investigador obtener los datos
bsicos y las tendencias con respecto a su estudio, sin las
complicaciones del uso de una muestra aleatoria.
Esta tcnica de muestreo es tambin til para documentar
que una calidad particular de una sustancia o fenmeno
se produce dentro de una muestra dada. Tales pruebas
piloto, o de pruba inicial son tambin muy tiles para la
deteccin de relaciones entre los fenmenos diferentes.
 Las crticas sobre el muestreo de
conveniencia

La crtica ms obvia acerca del muestreo por

conveniencia son los sesgos o prejuicios del muestreo.
por no demostrar imparcialidad al ser escogida, la
muestra no es representativa de toda la poblacin. Este
puede ser el mayor inconveniente al utilizar una muestra
por conveniencia, ya que adems conduce a ms
problemas y crticas.
El sesgo sistemtico proviene de un sesgo de muestreo. Esto
se refiere a una diferencia constante entre los resultados de
la muestra y los resultados tericos de toda la poblacin. No
es raro que los resultados de un estudio, que utiliza una
muestra de conveniencia, difieran significativamente con los
resultados de toda la poblacin. Una de las consecuencias
de tener un sesgo sistemtico es la obtencin de resultados
sesgados.
Otra crtica importante acerca del uso de una muestra por
conveniencia es la limitacin en la generalizacin y las
posibles inferencias que pueden surgir sobre toda una
poblacin. Dado que la muestra no es representativa de la
poblacin, los resultados del estudio no pueden ser
generalizados a la poblacion, ni hablar de toda la
poblacin. Esto da lugar a una baja validez externa del
estudio.
Notas

Cuando se utiliza el muestreo por/ de conveniencia, es

necesario describir cmo la muestra de las pruebas en la
investigacin actual sera diferente de la muestra ideal,
seleccionada al azar. Tambin es necesario describir los
individuos que podran quedar por fuera durante el proceso
de seleccin o los individuos que estn sobrerrepresentados
en la muestra.
En relacin a esto, es mejor si se pueden describir los
posibles efectos que, los sujetos no-incluidos en la muestra o
los que estn sobrerrepresentados, pueden proporcionar a
los resultados. Esto permitir a los lectores de la
investigacin obtener una buena comprensin de la
muestra que se prueba. Tambin les permitir estimar la
posible diferencia entre los resultados en sta prueba piloto
y los resultados que se podran dar si representada
correctamente toda la poblacin.
MUESTREO POR
CUOTAS
 MUESTREO POR CUOTAS

El muestreo por cuotas es una tcnica de muestreo no

probabilstico en donde la muestra reunida tiene la
misma proporcin de individuos que toda la poblacin
con respecto al fenmeno enfocado, las caractersticas
o los rasgos conocidos.
Asimismo, el investigador debe asegurarse de que la
composicin de la muestra final que ser utilizada en el
estudio cumpla los criterios de cuota de la investigacin.
 MUESTREO POR CUOTAS PASO A
PASO
El primer paso para el muestreo por cuotas no
probabilstico es dividir a la poblacin en
subgrupos exclusivos.
Luego, el investigador debe identificar las proporciones de
estos subgrupos en la poblacin. Esta misma proporcin ser
aplicada al proceso de muestreo.
Por ltimo, el investigador selecciona sujetos de los diversos
subgrupos teniendo en cuenta las proporciones observadas
en el paso anterior.
El ltimo paso asegura que la muestra sea representativa de
toda la poblacin. Tambin permite que el investigador
estudie rasgos y caractersticas que se ven en cada
subgrupo.
 Ejemplo de muestras por cuotas

En un estudio en donde el investigador quiere comparar el

rendimiento profesional de los ingenieros de las diferentes
obras en la ciudad de Huancayo, su relacin con el gnero
y la situacin socioeconmica, el investigador identifica
primero los subgrupos.
Por lo general, los subgrupos son las caractersticas o
variables del estudio. El investigador divide a toda la
poblacin en niveles de clase, cruzados con el gnero y el
nivel socioeconmico. Luego, toma nota de las
proporciones de estos subgrupos en toda la poblacin y a
continuacin hace un muestreo de cada subgrupo.
 Cundo utilizar muestras por
cuotas
La razn principal por la que los investigadores eligen
muestras por cuotas es que permiten que los
investigadores hagan un muestreo de un subgrupo que es
de gran inters para el estudio. Si un estudio tiene como
objetivo investigar una caracterstica o rasgo de un
determinado subgrupo, sta es la tcnica ideal.
El muestreo por cuotas tambin permite que los
investigadores observen las relaciones entre los subgrupos.
En algunos estudios, los rasgos de un determinado
subgrupo interactan con otros rasgos de otro subgrupo.
En tales casos, tambin es necesario que el investigador
utilice este tipo de tcnica de muestreo.
 Desventajas de las muestras por cuotas

Puede parecer que esta tcnica de muestreo es

totalmente representativa de la poblacin. En algunos
casos no es as. Debes tener en cuenta que se han tenido
en cuenta slo los rasgos seleccionados de la poblacin
para formar los subgrupos.
En el proceso de muestreo de estos subgrupos, otros rasgos
de la muestra pueden ser representados de ms. En un
estudio que tiene en cuenta el gnero, el nivel
socioeconmico y la religin como base de los subgrupos,
la muestra final puede tener una representacin sesgada
de la edad, la raza, el nivel educativo alcanzado, el
estado civil y mucho ms.
MUESTREO DE
BOLA DE NIEVE
 MUESTREO DE BOLA DE NIEVE
MUESTREO EN CADENA
El muestreo de bola de nieve es una tcnica de muestreo
no probabilstico utilizada por los investigadores para
identificar a los sujetos potenciales en estudios en donde los
sujetos son difciles de encontrar.
Los investigadores utilizan este mtodo de muestreo si la
muestra para el estudio es muy rara o si est limitada a un
subgrupo muy pequeo de la poblacin. Este tipo de
tcnica de muestreo funciona en cadena. Luego de
observar al primer sujeto, el investigador le pide ayuda a
l para identificar a otras personas que tengan un rasgo
de inters similar.
El proceso de muestreo de bola de nieve es como
pedirles a tus sujetos que designen a otra persona con el
mismo rasgo como el prximo sujeto. Luego, el
investigador observa a los sujetos designados y sigue de
la misma manera hasta obtener el nmero suficiente de
sujetos.
Por ejemplo, para obtener sujetos para un estudio que
quiere analizar una enfermedad rara, el investigador
puede elegir utilizar el muestreo de bola de nieve, ya que
ser difcil obtener sujetos. Tambin es posible que los
pacientes con la misma enfermedad tengan un grupo
de apoyo, y si uno de sus miembros es tu primer sujeto, lo
ms probable es que all encuentres ms sujetos para el
estudio.
Tipos de muestreo de bola de nieve
 Ventajas del muestreo de bola de
nieve

El proceso en cadena permite que el investigador

llegue a poblaciones que son difciles de probar
cuando se utilizan otros mtodos de muestreo.
El proceso es barato, simple y rentable.
Esta tcnica de muestreo necesita poca planificacin
y menos mano de obra que otras tcnicas de
muestreo.
 Desventajas del muestreo de
bola de nieve
El investigador tiene poco control sobre el mtodo de
muestreo. Los sujetos que el investigador puede obtener se
basan principalmente en los sujetos observados anteriormente.
La representatividad de la muestra no est garantizada. El
investigador no tiene ni idea de la verdadera distribucin de la
poblacin ni de la muestra.
El sesgo de muestreo es tambin un miedo de los
investigadores cuando se utiliza esta tcnica. Los primeros
sujetos tienden a designar a personas que conocen bien.
Como consecuencia, es muy posible que los sujetos
compartan los mismos rasgos y caractersticas y, por lo tanto, la
muestra que obtenga el investigador ser slo un pequeo
subgrupo de toda la poblacin.