Universidad Autónoma del Estado de México

Facultad de Arquitectura y Diseño

Administración y Promoción de la Obra Urbana

Material Didáctico:
Sólo Visión (Proyectables)

Título:
Población y Muestra

Autor:
M. en E. Neftali Toledo
Díaz de León

Unidad de Aprendizaje:
Técnicas de Investigación
Cualitativas y
Cuantitativas.
 POBLACIÓN
La POBLACIÓN de una investigación está compuesta por
todos los elementos (personas, objetos, organismos,
historias clínicas) que participan del fenómeno que fue
definido y delimitado en el análisis del problema de
investigación.

La POBLACIÓN tiene la característica de ser estudiada,

medida y cuantificada.

También se conoce como UNIVERSO.

La población debe delimitarse claramente en torno a sus

características de contenido, lugar y tiempo.
TIPOS DE POBLACIÓN

FINITA ACCESIBLE
POBLACION
INFINITA
 MUESTRA
Una muestra es una parte de la población.
La muestra puede ser definida como un SUBGRUPO DE LA POBLACIÓN o
universo.
Para seleccionar la muestra, primero deben delimitarse las características de
la población.

MUESTRAS REPRESENTATIVAS
Una muestra representativa debe contener todas las características de la
población o universo, para que los resultados sean generalizables.
La muestra debe ser proporcional al tamaño de la población.
Preferentemente seleccionada por procedimientos aleatoreos/probabilísticos.
σ

σ
La Muestra es una parte o subconjunto de la población

Muestreo es la selección de algunas unidades de estudio entre una

población definida en una investigación.

MARCO MUESTRAL Es una lista detallada y

actualizada de las unidades de muestreo.
MARCOS MUESTRALES

Archivos
Mapas
Volúmenes
Horas de transmisión
Períodos registrados
UNIDAD DE ANÁLISIS / UNIDAD DE MUESTREO

La unidad de análisis es cada uno de los

elementos que constituyen la población y por
lo tanto la muestra.

Ejemplos de unidad de análisis son alumnos,

maestros, directivos, expertos, padres de
familia, empleadores, etc.

Cada unidad de análisis cumple con los

parámetros muestrales.
 ERROR ALEATORIO
Cuando se seleccionan muestras aleatoriamente los resultados
SIEMPRE son variables. Esta variación en los estadísticos se
denomina error aleatorio y es causada por la selección al azar.

s1 s2

s4
s3
 ¿Debo tomar una muestra?

Se requiere conocer cómo se

presenta cierta característica en un
Las observaciones
Universo particular
Hacer pueden atribuirse a
un Censo los miembros del
Universo
Sí

¿El Universo Sí ¿Es posible

está bien observar todo el NO
definido? Universo? Las observaciones
Tomar sólo pueden
una Muestra atribuirse a la
NO No representativa muestra, NO a los
NO
miembros del
¿Se quiere Universo
Observar
Definir inferir la medición
una Muestra al Universo?
el Universo

Sí Las observaciones
Tomar
una Muestra pueden atribuirse a
Representativa los miembros del
Universo
 Selección de una Muestra NO
Representativa
La utilidad de las Muestras No Representativas depende de su
representatividad cualitativa y no de su tamaño

Se quiere medir La observación de este

una variable en una UNIVERSO sólo es APLICABLE a
Muestra No sus integrantes
Representativa

Sí

¿Se quiere Sí El procedimiento Los sujetos que cumplan los criterios

inferir la medición está contraindicado. de inclusión son representativos del
al Universo? Revise su planteamiento. UNIVERSO

NO

Exprese estos atributos

Precise los atributos como CRITERIOS DE Defina por CONVENIENCIA
esenciales que INCLUSIÓN en la los criterios de SELECCIÓN
CARACTERIZAN al muestra
subgrupo
 Selección de una Muestra
Representativa
Se quiere estimar un
Parámetro del Universo
partiendo de una Muestra
Representativa

Variable ¿De qué naturaleza

Variable
Cualitativa es el Parámetro a Cuantitativa
estimar?

Muestreo Muestreo
Representativo Representativo
para estimar una para estimar una
Proporción Media
 DECISIONES DE MUESTREO

Hacer Observar todos y Las observaciones

No hay Error Aleatorio
cada uno de los pueden atribuirse a
un Censo elementos del TODOS los miembros
Puede haber Error
universo del Universo
Sistemático

Tomar una Siempre hay Error

Las observaciones
Observar sujetos Aleatorio
Muestra No elegidos por
sólo pueden
atribuirse a la
conveniencia Siempre hay Error
representativaa Sistemático
muestra, NO a los
miembros del
Universo

Tomar una Siempre hay Error Las observaciones

Observar sujetos
Muestra elegidos por Aleatorio pueden atribuirse a
representativa conveniencia los miembros del
Puede haber Error Universo
Sistemático
 Definición del Tamaño Muestral
La definición del tamaño muestral depende de los siguientes factores

1 Los objetivos del estudio

Los conocimientos previos sobre el
2 comportamiento de la característica
en la población.

3 Los recursos técnicos y financieros para

obtener la información

4 El error máximo que se permitirá

el analista
5 La confiabilidad de la inferencia
esperada por el analista
 TÉCNICAS ALEATORIAS Y NO ALEATOREAS
(PROBABILÍSTICAS / NO PROBABILÍSTICAS)
En las técnicas aleatoreas todos los
elementos de la población tienen la misma
probabilidad de ser seleccionados.

En las muestras no aleatorias la elección de

los sujetos depende de la decisión del
investigador, ya que requiere para formar este
tipo de muestra, de una cuidadosa y
controlada elección de sujetos con ciertas
características específicas.
o grupos
 MUESTREO PROBABILÍSTICO

Para que la inferencia estadística

sea válida el muestreo debe ser
aleatorio o probabilístico.

Aleatoriedad de la selección
Condición que refiere que cada
elemento del universo debe tener la
misma probabilidad de ser elegido
en la muestra y que dicha
probabilidad puede ser medida.
TIPOS DE MUESTREO PROBABILÍSTICO
1. Muestreo aleatorio simple

2. Muestreo aleatorio Sistemático

3. Muestreo aleatorio Estratificado

4. Muestreo aleatorio por Conglomerados

5. Muestreo aleatorio Polietápico

 1. MUESTREO ALEATORIO SIMPLE
Escoge al azar los miembros del universo
hasta completar el tamaño muestral
previsto.

En teoría se enumeran previamente todos

los elementos y de acuerdo con una tabla
de números aleatorios se van escogiendo .

El procedimiento puede darse con o sin

reemplazos y esta condición afectará
posteriormente el análisis.
 MUESTREO ALEATORIO SIMPLE
Puede utilizarse dos procedimientos:
1.- Empleo de números aleatoreos o de un 2.- Empleo de papeletas.
programa computarizado de selección
Se anotan los nombres o
aleatorea.
el número clave que los
identifican.
Procedimiento:
• Listado de todos los elementos que • Se depositan en un
conforman el universo con un número recipiente del que se
clave que los identifique individualmente. irán sacando al azar,
• Selección de los sujetos a través del hasta cubrir el
programa de cómputo, o bien, con el número establecido
apoyo de tablas de números aleatorios. para la muestra.
2. MUESTREO ALEATORIO SISTEMÁTICO
1 - En el universo (N) se elige el primer elemento al azar.
2 - Luego los demás se escogen cada cierto intervalo (k), hasta
completar el tamaño muestral (n).

El tamaño del intervalo (k) se calcula: k = N/n

Se divide población entre muestra.

Ejemplo: 500/100 = 5
El intervalo será de 5
 3. MUESTREO ESTRATIFICADO
Considera que al interior del universo existen estratos
(subgrupos internamente homogéneos pero cualitativa
y cuantitativamente diferentes entre sí), y que no se
cumple la condición de selección aleatoria pues los
miembros del grupo mayoritario tienen una mayor
probabilidad de ser seleccionados en la muestra.

Esto garantiza que la muestra contenga

elementos de todos los estratos.

El muestreo estratificado puede ser proporcional o

no proporcional.
ESTRATOS Homogéneos en su interior; diferentes entre sí en
propiedades y tamaño

Comuna B

Comuna A

Comuna C

Comuna D

Los estratos más grandes

Tienen mayor probabilidad de ser seleccionados
 ¿Cómo garantizar la aleatoriedad en
universos estratificados?

Puede usarse alguna de las siguientes técnicas:

1. Muestreo Estratificado Proporcional

2. Muestreo Estratificado No Proporcional

3. Alocación óptima de los estratos.

 Muestreo Estratificado Proporcional
Supone que los estratos contienen diferente
número de elementos, unos más grandes y
otros más pequeños, por lo tanto la cantidad
de elementos de cada estrato será diferente y
proporcional a su tamaño.

Así, se eligen aleatoriamente los elementos al

interior de cada estrato muestral hasta ajustar
su tamaño.

Es mejor que el Muestreo Aleatorio Simple pues

disminuye el error estándar de la medición
muestral.
 Muestreo Estratificado NO Proporcional
(Fracción variable de muestreo)
Para aplicar el muestreo estratificado no proporcional, simplemente se
divide el tamaño de la muestra entre el número de estratos.

Cada estrato aporta el mismo número de sujetos, independientemente

de su tamaño.

Ajusta convencionalmente los tamaños de los estratos muestrales

para aumentar la eficiencia de la selección de los grupos más
pequeños.
 MUESTREO POR ALOCACIÓN ÓPTIMA DE
LOS ESTRATOS
Selecciona el tamaño de los estratos en función de la
desviación estándar de cada uno de ellos, de tal
manera que los estratos más heterogéneos (mayores
varianzas) aporten más casos a la muestra total.
 MUESTREO RAMIFICADO
Es una continuación del muestreo estratificado. Esta técnica se emplea
cuando el universo o población es muy grande y se divide en estratos que a
su vez contienen otros subestratos.
 CONGLOMERADOS
En este procedimiento la muestra se elige no individualmente sino por grupos o
conglomerados.

Grupo 1A
Grupo 5C

Grupo 2A
Grupo 3B

Heterogéneos en su interior; diferentes entre sí en propiedades y tamaño

 MUESTREO
ALEATORIO POR CONGLOMERADOS
Los miembros del grupo mayoritario tienen una mayor probabilidad de ser
seleccionados en la muestra.
Las unidades de observación se elijen aleatoriamente al interior de los
conglomerados
El error de la medición (error muestral) no se de al interior del conglomerado
sino entre los conglomerados
 Muestreo
Aleatorio por Conglomerados
Requisitos del Procedimiento :

• Los conglomerados
deben estar bien
definidos de modo
que cada elemento
pertenezca a uno y
sólo a un
conglomerado.
• El tamaño de cada
conglomerado debe
ser bien conocido (por
lo menos bien
estimado)
• El número de
conglomerados debe
ser pequeño.
Selecciona los individuos por etapas, configurando sucesivamente grupos
(estratos o conglomerados) y subgrupos denominados Unidades de Muestreo.
TIPOS DE MUESTREO NO PROBABILÍSTICO
1. Muestreo por Cuotas
2. Muestreo intencional
3. Muestreo accidental

4. Muestreo casual

5. Muestreo Bola de Nieve

6. Informantes clave

7. Muestra reductiva

8. Procedimientos mixtos
 MUESTREO POR CUOTAS
Una vez establecido el tamaño de la muestra, se define la unidad de análisis
típica o representativa, y se eligen los elementos que tengan las
características descritas hasta completar la cuota o número indicado para la
muestra.
 MUESTREO INTENCIONAL
El investigador selecciona intencionalmente los elementos que constituirán la
muestra.
Este procedimiento puede dar muestras altamente representativas o bien
poco representativas, esto dependerá de las habilidades del investigador.
 MUESTREO ACCIDENTAL
La muestra es seleccionada de manera accidental sin que haya de por medio
criterios específicos.
No hay nada que nos asegure que los elementos seleccionados sean típicos.
 MUESTREO CASUAL
También se le llama muestreo voluntario.
Se pide voluntarios para conformar la muestra.
No hay nada que asegure que la muestra sea representativa.
 MUESTREO BOLA DE NIEVE
Para seleccionar este tipo de muestra se recurre a ciertas personas
que a su vez conocen a otras.
Se emplea cuando no se conoce o no es fácil identificar a los
sujetos típicos.
Entre ellos se conocen.
 INFORMANTES CLAVES
Dependiendo del tema de investigación, hay elementos de la población que
poseen información veraz y confiable.
Estos elementos se conocen como informantes claves y es importante recurrir
a ellos.
Esta muestra aunque no es representativa suele ser muy confiable.
 MUESTRA REDUCTIVA
Cuando la población es demasiado grande y muy homogénea con respecto a
la característica que queremos medir, podemos aplicar esta técnica que
consiste en elaborar un muestreo de otra muestra mayor y así simplificar el
estudio.
PROCEDIMIENTOS MIXTOS
Pueden combinarse técnicas
aleatoreas con no aleatoreas.
Si en una investigación se tienen
varias muestras (alumnos, docentes,
expertos, padres de familia) cada una
de las muestras pueden ser
conformadas con técnicas distintas y
combinarse entre sí.
 BIBLIOGRAFÍA
POPPER, Karl (1995). La lógica de la investigación científica. Editorial Barcelona.
POPPER, Karl(1983). Realismo y el objetivo de la ciencia. Editorial Tecnos.
POPPER, Karl(1991). La sociedad abierta y sus enemigos: Editorial Paidos.
CALERO JL (2000). Investigación cualitativa y cuantitativa. Problemas no resueltos en los debates actuales.
Rev. Cubana Endocrinol.
SABINO, C.(1986). El proceso de investigación. 2.ED. Buenos Aires: Humanitas.
TAYLOR, S. J.; BOGDAN, R (1990). Introducción a los métodos cualitativos de investigación. Buenos Aires: Paidós.
MARRERO, A (1997). Formulación y puesta en práctica de diseños de investigación. Montevideo: Fundación de Cultura
Universitaria: Universidad de la República.
WILSON, T (1990). Métodos cuantitativos “versus” cualitativos en investigación social. Montevideo: Fundación de Cultura
Universitaria: Servicio de Documentación en Ciencias Sociales
COOK, T. D.; REICHARDT, CH (1986). Métodos cualitativos y cuantitativos en investigación evaluativa. Madrid: Morata.
LORENZO, E (1987). Paradigmas de la investigación. Editorial Nexo sport.
CARR, W.; KEMMIS, S (1988). Teoría crítica de la enseñanza. Madrid: Martínez Roca.
ELLIOT, J (1990). La investigación-acción en educación. Madrid: Morata.