Sesión

07

Metodología de la
Investigación Científica

Maestría en Ingeniería de Mantenimiento

Dr. Fredy Nicolás Molina Rodríguez

Selección de la muestra
Objetivo de la Sesión
▪ Enunciar los conceptos de muestra y población y describir los
procedimientos para calcular y seleccionar los diferentes tipos de muestra
en la investigación científica.
Selección de la muestra
Paso 7 de Los 10 pasos de la Investigación Científica

CONTENIDO
1.- Selección de la muestra (Tipos de muestra. Ejemplos con tipos de muestra).
2.- Muestra probabilística.
3.- Población.
4.- Marco muestral.

5.- Tamaño de la muestra (Cálculo de tamaño de la muestra probabilística. Ejemplos con cálculo
de tamaño de la muestra).

6.- Selección de la muestra (Ejemplos con selección de la muestra).

Correspondencia alcance–diseño–muestra
1. Selección de la muestra
Paso 7 de la Investigación Científica
Pasos de ejecución

7. Seleccionar la 8. Recolectan datos 9. Análisis de 10. Reporte de la

muestra De la Se preparan para los datos investigación
Y concluye con
cual se el el
Y definir y

Pasos del diseño

6. Diseñar la

metodológico
investigación

Para validarla corresponde

5. Formular hipótesis

De donde se procede a
La Muestra
4. Alcance de la Definición
investigación
▪ Es una parte de la población de interés de la cual se recolectan datos.
Permite visualizar el
Pasos del planeamiento

3. Marco teórico La hipótesis de investigación

del problema

Llevan al ▪ Pocas veces es posible medir a toda la población de interés, por lo que se selecciona una muestra que
la represente y, desde luego, se pretende que esta muestra sea un fiel reflejo de la población.
2. Problemas Objetivos
▪ La muestra contiene, teóricamente, las mismas características que se desean investigar en la población.
Ayuda a identificar

1. Idea
Las muestras se usan por economía de tiempo y recursos.
Tipos de muestra
Se las tipifica según su probabilidad de ser seleccionada

TIPOS DE MUESTRA

▪ Criterio de clasificación: la probabilidad de selección que tienen las unidades muestrales.

No probabilística o dirigida Probabilística

Selección. Se eligen en función de las características de Selección. Se eligen en forma aleatoria. Todas tienen la misma posibilidad de ser elegidas. Se identifican
la investigación, no dependen de la probabilidad. 3 tipos de muestras probabilísticas: simple, estratificada y por racimos.
Tamaño de la muestra. Depende del criterio del Tamaño de la muestra. Se calcula siguiendo los criterios que ofrece la estadística, tales como error
Investigador. máximo aceptable y nivel deseado de confianza.
Validez. Sus resultados no pueden generalizarse a toda Validez. Sus resultados se generalizan a toda la población.
la población.
Aplicación. La utiliza el diseño experimental. La validez Aplicación. La utiliza el diseño no experimental para que sus resultados se generalicen a toda a la
de la investigación se consolida con la repetición. población.

Simple Estratificadas Por racimos

▪ La selección se realiza en
varias etapas o racimos. Se
▪ La población se divide en
▪ Se calcula una muestra de seleccionan los racimos y
estratos y se calcula una
la población. dentro de cada uno se calcula
muestra por estrato.
una muestra.

Elegir el tipo de muestra depende del alcance de la investigación.

Ejemplos con tipos de muestra
Se las tipifica según su probabilidad de ser seleccionada

Ejemplo 1: Muestra no probabilística o dirigida

Experimento Muestra

▪ Se diseñó un experimento para determinar la eficacia de una

▪ Se seleccionó en un colegio a 40 estudiantes del último curso
nueva metodología de enseñanza de matemáticas. Para ello,
de secundaria, con los cuales se conformaron los 2 grupos
se formaron 2 grupos, uno de ellos recibió clases bajo la
experimentales, de a 20 estudiantes cada uno. Esta muestra
nueva metodología y el otro con el método tradicional,
no dependió de la probabilidad, fue dirigida.
durante un determinado tiempo. Al final del experimento se
analizaron los resultados.

Ejemplo 2: Muestra probabilística

Actividad Muestra
▪ El numero premiado se forma a partir de los bolillos con un
dígito que se extraen (después de revolverlos mecánicamente)
▪ Imagine el procedimiento para determinar la cuenta de
hasta formar el número, de manera que todos los números, y
ahorro premiada por un banco en su sorteo semanal.
por consiguiente todas las cuentas, tiene la misma
Previamente se enumeran todas las cuentas que entran en el
probabilidad de ser elegidos. Esta es una muestra
sorteo.
probabilística.

Las muestras se utilizan por economía de tiempo y recursos, excepto cuando se organiza un censo y se deben todos los casos.
2. Muestra Probabilística
Las unidades muestrales se eligen en forma aleatoria

Muestra Probabilística 1. Población

Descripción ▪ Definir y delimitar la
población de la cual se
▪ Selección. Las unidades muestrales se eligen en forma aleatoria. recolectan datos..
Todas tienen la misma posibilidad de ser elegidas.
▪ Tamaño de la muestra. Se calcula siguiendo los criterios que ofrece 2. Marco muestral
la estadística, tales como error máximo aceptable y nivel deseado ▪ Identificar el marco
de confianza. muestral de donde se
Procedimiento para la obtención obtienen las unidades
muestrales
▪ Se describe el procedimiento que consta de 4 fases.
3. Tamaño de la muestra
▪ Calcular el tamaño de la
muestra.

4. Selección de la muestra

▪ Seleccionar la muestra.

El interés es que la muestra sea estadísticamente representativa de la población.

3. Población
Fase 1 para obtener la muestra probabilística
Población de Interés
Descripción
▪ Lo primero que se define es sobre qué o quienes se recolectan
datos, esto corresponde a precisar la unidad de análisis.
▪ Las unidades de análisis pueden ser personas, objetos,
actividades, fenómenos, etc., sobre los que versa la
investigación y que conforman la población de interés.
Delimitación
▪ La población debe delimitarse. La calidad de una investigación
estriba en delimitar claramente la población.

Ejemplo 3: Delimitación de la Población

Propósito y Población Población delimitada Muestra
▪ La investigación tendrá mayor calidad si se
delimita a los estudiantes de Ingeniería ▪ Para un error máximo aceptable de 5%, un
▪ Confirmar que existe una relación positiva
Electrónica de la UAGRM de Santa Cruz que, programa estadístico calcula una Muestra de
entre el autoconcepto y el rendimiento
según registro, son 1.500 (Población 306 estudiantes universitarios.
académico de estudiantes universitarios
delimitada).
(Población).

La investigación tendrá mayor validez si se delimita la población.

4. Marco Muestral
Fase 2 para obtener la muestra probabilística
Marco Muestral
Definición

▪ Es el marco de referencia que permite identificar físicamente a las unidades de análisis

que conforman la población, así como la posibilidad de enumerarlas y seleccionar las
unidades muestrales.

¿Qué es?
▪ Es una lista existente o una lista específicamente confeccionada con las unidades de
análisis: lista de miembros, directorio especializado, base de datos de alumnos o
de clientes de una empresa, registro médico, catastro, nómina de una
organización, archivos, hemerotecas, mapas, etc.

Ejemplo 4: Marco Conceptual

Propósito y Población Población delimitada Muestra
▪ La investigación tendrá mayor calidad si se
delimita a los estudiantes de Ingeniería ▪ Para un error máximo aceptable de 5%, un
▪ Confirmar que existe una relación positiva
Electrónica de la UAGRM de Santa Cruz que, programa estadístico calcula una Muestra de
entre el autoconcepto y el rendimiento
según registro, son 1.500 (Población 306 estudiantes universitarios.
académico de estudiantes universitarios
delimitada).
(Población).

Todo procedimiento de selección depende de listados o bases de datos.

5. Tamaño de la Muestra
Fase 3 para obtener la muestra probabilística
Tamaño de la Muestra Probabilística
Descripción

▪ Se calcula siguiendo los criterios que ofrece la estadística, tales como error máximo aceptable y nivel deseado de confianza.
▪ Su principal ventaja es que se puede medir el error en las predicciones. Se dice incluso que el principal objetivo del diseño de una
muestra probabilística es reducir al mínimo el error de muestreo o error estándar.

Generalización

▪ Las muestras tienen valores muy parecidos a los de la población, ya que las mediciones del subconjunto serán estimaciones precisas
del conjunto mayor. Tal precisión depende del error de muestreo.
▪ Para el cálculo, se recomienda utilizar un software estadístico, por ejemplo, STATS, aunque también se pueden usar las fórmulas
clásicas que se han desarrollado. El resultado es el mismo.

Generalización
La generalización de los valores de
la muestra depende del error de
muestreo.

El error máximo aceptable es el error estándar o error muestral.

Cálculo de tamaño de la muestra probabilística
Fase 3 para obtener la muestra probabilística

Cálculo de tamaño de la muestra probabilística

Se realiza en función del tipo de muestra probabilística. Se identifican 3 tipos.
Simple Estratificada Por racimos
▪ Se calcula una muestra de ▪ La población se divide en ▪ La selección se realiza en
la población. estratos y se calcula una varias etapas o racimos. Se
muestra por estrato. seleccionan los racimos y
dentro de cada uno se
calcula una muestra.

▪ Característica. Todas las ▪ Característica. Aumenta la ▪ Característica. Implica

unidades de análisis tienen precisión de la muestra; diferencias entre la unidad
al inicio la misma usa submuestras para cada de análisis y la unidad
probabilidad de ser estrato que sea relevante muestral.
seleccionadas. en la población.

Se pretende que los resultados encontrados en la muestra logren generalizarse a la población. (Tengan validez externa).
 Ejemplos con cálculo de tamaño de la muestra
Fase 3 para obtener la muestra probabilística
Ejemplo 5: Muestra simple
Propósito y Población Población delimitada Marco muestral
▪ Se quiere determinar qué tan arraigada ▪ La investigación tendrá mayor calidad si la ▪ Usando STATS, se calcula que el tamaño
se encuentra la cultura de la investigación población se delimita a los Médicos de de la muestra es 255, con un error
científica entre los Profesionales en Salud Santa Cruz que ejercen docencia máximo aceptable de 5%.
de Santa Cruz. universitaria.

Cálculo tamaño de la muestra con STATS

Tamaño del universo?: N=750. Este dato se obtiene de las listas proporcionadas por las universidades.
 ¿Error máximo aceptable?: 5%. Se refiere al % de error que se admite tolerar de que la muestra no sea representativa (de equivocarse). Los
más comunes son 5% (en ciencias sociales) y 1%.
 ¿Porcentaje estimado de la muestra?: 50%. Es la probabilidad de ocurrencia del fenómeno: representatividad de la muestra versus no
representatividad, la certeza total es igual a 1. Cuando no se tienen marcos de muestreo previo, se usa 50%
 ¿Nivel deseado de confianza?: 95%. Es el complemento del error máximo aceptable (% de acertar en la representatividad de la muestra). Si
el error elegido fue 5%, el nivel deseado de confianza será 95%.
 Tamaño de la muestra: n=254,2624. Redondeando, se necesita que la muestra esté conformada por 255 galenos.
Selección de la muestra. Los 255 galenos se seleccionan en forma aleatoria de las listas específicas, luego de generar números aleatorios..

El error máximo aceptable es el error estándar o error muestral.

Ejemplos con cálculo de tamaño de la muestra
Fase 3 para obtener la muestra probabilística
Ejemplo 6: Muestra estratificada (Sampieri, 2010)
Propósito Población Muestra
▪ Determinar las políticas que tienen los ▪ La investigación se delimita a una ▪ Usando STATS, se calcula que el tamaño
gerentes de recursos humanos respecto a población de 895 empresas (gerentes). de la muestra es 269, con un error
cómo tratar a los dependientes de sus máximo aceptable de 5%.
empresas.
Cálculo tamaño de la muestra con STATS
Estrato Rubro de la empresa Población Muestra (F=0.3)
▪ Sin embargo, considerando el
rubro de las empresas, se diseña 1 Alimentos y bebidas 212 64
una muestra probabilística 2 Comercial 82 25
estratificada. Lo que se hace es
3 Electricidad – electrónica 115 35
dividir a la población en
estratos, y se selecciona una 4 Metal mecánica 112 34
muestra para cada estrato. 5 Papel y artes gráficas 96 29

▪ El tamaño de la muestra para 6 Química y farmacia 85 24

cada estrato se calcula 7 Textiles 137 41
multiplicando la población de
cada estrato por el factor 8 Otro rubro 56 17
269/895= 0.3 N=895 n=269

En ocasiones, el interés es comparar resultados entre segmentos, grupos o nichos de la población.

Ejemplos con cálculo de tamaño de la muestra
Fase 3 para obtener la muestra probabilística

Ejemplo 7: Muestra por racimos

Etapa Población
1 Se elige al azar una muestra de departamentos.

2 Cada departamento se convierte en una población y se

seleccionan al azar provincias.

3 Cada provincia se convierte en una población y se eligen

al azar ciudades.

4 Cada ciudad se considera una población y se eligen al

azar manzanas.

5 Finalmente, se eligen al azar viviendas e individuos.

La selección aleatoria garantiza que la muestra sea probabilística.

6. Selección de la Muestra
Fase 4 para obtener la muestra probabilística

Selección de la Muestra Probabilística

Descripción

▪ Las unidades muestrales de una muestra probabilística se seleccionan aleatoriamente, para asegurar
de que cada unidad tenga la misma probabilidad de ser elegida.
▪ La selección se realiza de la lista específica que contiene todas las unidades de análisis de la población
delimitada, enumeradas de 1 a N.

Se identifican 3 procedimientos de selección

Tómbola Números aleatorios Selección sistemática
▪ Se hacen fichas, una por ▪ Con ayuda de un software, ▪ Se extrae al azar un número i,
cada unidad, se se generan n números comprendido entre 1 y N. Las
revuelven en una caja y aleatorios unidades seleccionadas serán las
se sacan n fichas, según correspondientes al que ocupen los lugares i, i+k, i+2k,
el tamaño de la muestra. tamaño de la muestra i+3k, etc. k es el cociente entre el
tamaño de la población y el tamaño
de la muestra , k=N/n.

Cuando el muestreo es estratificado, se siguen los mismo procedimientos, pero por cada estrato.
Ejemplos con la selección de la Muestra
Fase 4 para obtener la muestra probabilística

Ejemplo 8: Números aleatorios

Propósito Muestra Estratificada
▪ Determinar las políticas que tienen los gerentes de ▪ Para un estrato de 82 empresas se
recursos humanos respecto a cómo tratar a los calculó una muestra de 25.
dependientes de sus empresas.
Números aleatorios generados con STATS
 ¿Cuántos números aleatorios?: 25. El tamaño de la muestra.
 Límite inferior: 1. Las unidades de la población se enumeran a partir de 1.
 Límite superior: 82. El tamaño de la población.

Ejemplo 9: Selección Sistemática

Muestra Selección Sistemática
▪ Para un estrato de 82 empresas Se extrajo al azar el número 30, por lo que la muestra la integran
se calculó una muestra de 25. el 30, 33, 36, 39, etc. Hasta completar las 25 unidades.
k=N/n=82/25≈3.

Todo procedimiento de selección depende de listas o bases de datos.

Correspondencia alcance – diseño - muestra
Tabla que resume esta correspondencia

Correspondencia alcance – diseño - muestra

Alcance Diseño Tipo de muestra
• Exploratorio ▪ Prexperimental ▪ Generalmente emplean muestras
▪ No experimental dirigidas, aunque podrían
utilizarse probabilísticas también.

▪ Descriptivo ▪ Experimental ▪ La mayoría de las veces muestras

▪ Correlacional dirigidas. La validez de la
▪ Explicativo investigación experimental se
consolida con la repetición.
▪ No experimental ▪ Deben emplear muestras
probabilísticas si quieren que sus
resultados sean generalizados a
una población

Una muestra de más de 100 casos tiene una distribución en forma de campana, lo cual sirve para hacer estadística inferencial.
Gracias
Dr. Fredy Molina Rodríguez

[email protected]