Este documento trata sobre el concepto de muestreo en investigación científica. Explica que el muestreo es una herramienta para determinar qué parte de una población debe examinarse para hacer inferencias sobre la población completa. Describe dos tipos de muestreo: probabilístico (aleatorio) y no probabilístico. Dentro del muestreo probabilístico, explica varios métodos como el muestreo aleatorio simple, estratificado y sistemático.
0 calificaciones0% encontró este documento útil (0 votos)
118 vistas25 páginas
Este documento trata sobre el concepto de muestreo en investigación científica. Explica que el muestreo es una herramienta para determinar qué parte de una población debe examinarse para hacer inferencias sobre la población completa. Describe dos tipos de muestreo: probabilístico (aleatorio) y no probabilístico. Dentro del muestreo probabilístico, explica varios métodos como el muestreo aleatorio simple, estratificado y sistemático.
Este documento trata sobre el concepto de muestreo en investigación científica. Explica que el muestreo es una herramienta para determinar qué parte de una población debe examinarse para hacer inferencias sobre la población completa. Describe dos tipos de muestreo: probabilístico (aleatorio) y no probabilístico. Dentro del muestreo probabilístico, explica varios métodos como el muestreo aleatorio simple, estratificado y sistemático.
Este documento trata sobre el concepto de muestreo en investigación científica. Explica que el muestreo es una herramienta para determinar qué parte de una población debe examinarse para hacer inferencias sobre la población completa. Describe dos tipos de muestreo: probabilístico (aleatorio) y no probabilístico. Dentro del muestreo probabilístico, explica varios métodos como el muestreo aleatorio simple, estratificado y sistemático.
Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
Descargar como pptx, pdf o txt
Está en la página 1/ 25
Tema 3.
Concepto de muestreo El muestreo es una herramienta de la investigación científica. Su función básica es determinar que parte de una realidad en estudio (población o universo) debe examinarse con la finalidad de hacer inferencias sobre dicha población. El error que se comete debido a hecho de que se obtienen conclusiones sobre cierta realidad a partir de la observación de sólo una parte de ella, se denomina error de muestreo. Obtener una muestra adecuada significa lograr una versión simplificada de la población, que reproduzca de algún modo sus rasgos básicos. Población y muestra
• La población: conjunto de sujetos y/o objetos
sobre el cual se realiza el estudio.
• Una muestra: es un subconjunto de la población
sobre el que se toma datos de una o mas variables (continua o discreta). Tipos de muestreo
Existen dos tipos de muestreo:
- Muestreo probabilístico (aleatorio)
- Muestreo no probabilístico (no
aleatorio):
Muestreo probabilístico (aleatorio) : En este tipo de
muestreo, todos los individuos de la población pueden formar parte de la muestra, tienen probabilidad positiva de formar parte de la muestra. Por lo tanto es el tipo de muestreo que deberemos utilizar en nuestras investigaciones, por ser el riguroso y científico. -Muestreo no probabilístico (no aleatorio): En este tipo de muestreo, puede haber clara influencia de la persona o personas que seleccionan la muestra o simplemente se realiza atendiendo a razones de comodidad. Salvo en situaciones muy concretas en la que los errores cometidos no son grandes, debido a la homogeneidad de la población, en general no es un tipo de muestreo riguroso y científico, dado que no todos los elementos de la población pueden formar parte de la muestra. I. TIPOS DE MUESTREO PROBABILÍSTICO:
1.- Muestreo aleatorio simple
Mecanismo ideal para elegir la mejor muestra
posible; debe cumplir las condiciones:
Cada elemento de la población tiene la
misma probabilidad de ser escogido.
Todas las posibles muestras del tamaño
muestral (n) tienen la misma probabilidad de ser seleccionadas. Muestreo aleatorio simple
Ejemplo:¿Cómo seleccionar una muestra?
1. Elaborar una lista con todos los nombres de la
población.
2. Elaborar una “papeleta” o “bolilla” con cada
nombre.
3. Mezclar y extraer las n papeletas o bolillas.
Este procedimiento cumple las dos condiciones
antes planteadas. Muestreo aleatorio simple
En la práctica. ¿Cómo seleccionar una muestra?
Numerar todos los sujetos de la población.
Obtener lista de números aleatorios
Ejemplo: Elegir una muestra de 20 alumnos de una
lista de 100 estudiantes de primer año de la Carrera?. Muestreo aleatorio simple
Este es el mecanismo ideal.
La estadística inferencial: se basa en este
modelo ideal de muestreo aleatorio simple.
Casi todos los métodos de inferencia: suponen
que la muestra se ha obtenido por este método.
En la vida real: pocas veces aplicamos este
método estrictamente.
Aplicamos más habitualmente otros métodos de
muestreo probabilística. 2.- Otros muestreos probabilísticos
Métodos de muestreo probabilístico: aquellos en los que
es posible calcular la probabilidad de aparición de cada una de las muestras posibles.
El muestreo aleatorio simple es un muestreo probabilístico
Otros métodos probabilísticos:
Todos los sujetos tienen igual probabilidad de formar
parte de la muestra.
No todas las muestras posibles (combinaciones de n
sujetos) tienen la misma probabilidad. 3.- Muestreo aleatorio estratificado
Es frecuente que cuando se realiza un
estudio interese estudiar una serie de subpoblaciones (estratos) en la población, siendo importante que en la muestra haya representación de todos y cada uno de los estratos considerados. El muestreo aleatorio simple no nos garantiza que tal cosa ocurra. Para evitar esto, se saca una muestra de cada uno de los estratos. 4.- Muestreo aleatorio sistemático Es un tipo de muestreo aleatorio simple en el que los elementos se seleccionan según un patrón que se inicia con una elección aleatoria. Considerando una población de N elementos, si queremos extraer una muestra de tamaño n, partimos de un número h=N/n, llamado coeficiente de elevación y tomamos un número al azar a comprendido entre 1 y h que se denomina arranque u origen. La muestra estará formada por los elementos: a, a+h, a+2h,....a+(n-1)h. 5.- Muestreo aleatorio por conglomerados o áreas:
Mientras que en el muestreo aleatorio
estratificado cada estrato presenta cierta homogeneidad, un conglomerado se considera una agrupación de elementos que presentan características similares a toda la población. Por ejemplo, para analizar los gastos familiares o para controlar el nivel de audiencia de los programas y cadenas de televisión, se utiliza un muestreo por conglomerados-familias que han sido elegidas aleatoriamente. II. Tipos de Muestreo no Probabilístico
Existen otros procedimientos para seleccionar
las muestras, que son menos precisos que los citados y que resultan menos costosos. El procedimiento más utilizado es el muestreo no probabilístico, denominado opinático consistente en que el investigador selecciona la muestra que supone sea la más representativa, utilizando un criterio subjetivo y en función de la investigación que se vaya a realizar. Entre los métodos de muestreo no probabilísticos más utilizados en investigación encontramos: 1.- Muestreo por cuotas: También denominado en ocasiones "accidental". Se asienta generalmente sobre la base de un buen conocimiento de los estratos de la población y/o de los individuos más "representativos" o "adecuados" para los fines de la investigación. Mantiene, por tanto, semejanzas con el muestreo aleatorio estratificado, pero no tiene el carácter de aleatoriedad de aquél. Bajo este método solo se eligen los elementos que reúnen determinadas condiciones. 2.- Muestreo intencional o de conveniencia:
Este tipo de muestreo se caracteriza por un
esfuerzo deliberado de obtener muestras "representativas" mediante la inclusión en la muestra de grupos supuestamente típicos. Es muy frecuente su utilización en sondeos realizados anteriormente donde dieron positiva la característica que se desea estudiar.
También puede caracterizarse por tomar solo los
elementos a cuales se tiene fácil acceso. 3.- Bola de nieve: Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y así hasta conseguir una muestra suficiente. Este tipo se emplea muy frecuentemente cuando se hacen estudios con poblaciones de personas "marginales", delincuentes, sectas, determinados tipos de enfermedades, etc.
4.- Muestreo Discrecional:
A criterio del investigador los elementos son elegidos sobre lo que él cree que pueden aportar al estudio. ESTIMACIÓN DEL TAMAÑO DE LA MUESTRA 1). Cuando la varianza (S2) es conocida:
a) Para poblaciones infinitas o tamaños de población N
desconocida: 2 2 Z S n 2 d b) Para poblaciones finitas o N conocidas:
2 2 NZ S n 2 d ( N 1) Z S 2 2 ESTIMACIÓN DEL TAMAÑO DE LA MUESTRA
2). Cuando la varianza (S2) es desconocida:
a) Tamaño de la población N es desconocida:
2 Z PQ n 2 d b) Tamaño de la población N es conocida:
2 NZ PQ n 2 d ( N 1) Z PQ 2 ESTIMACIÓN DEL TAMAÑO DE LA MUESTRA Donde:
n: Es el tamaño de la muestra.
N: Tamaño de la población.
Z: Factor de confiabilidad. Es 1,96 cuando es un 95% de
confianza y es 2,57 cuando se establece un 99% de _
confianza (valor de distribución
X normal estandarizada correspondiente al nivel de confianza escogida).
P = 0,5
Q = 1-P = 0,5
d: Es el margen de error permisible. Establecido por el
investigador. ESTIMACIÓN DEL TAMAÑO DE LA MUESTRA
Ejemplo: Estimar el tamaño de la muestra de estudio para una
población de 120 estudiantes de primer año de educación secundaria. 2 NZ PQ n 2 d ( N 1) Z PQ 2
N= 120 Z=1,96 (para un nivel de confianza al 95%). P= 0,5 Q= 1-P = 0,5 d = 0,1 120(1,96) 2 (0,5)(0,5) 115,248 n (0,1) 2 (120 1) (1,96) 2 (0,5)(0,5) n 53,59 2,1504 n 53 EJERCICIOS DE ESTIMACIÓN DEL TAMAÑO DE LA MUESTRA
1. Estimar el tamaño de la muestra de estudio para una
población de 80 estudiantes del 5to. Semestre de la Carrera.
2. Se quiere estudiar la calidad de 560 unidades de un
determinado producto. ¿Cuál es el tamaño de la muestra representativa que debemos elegir? 22 eZ
TABLA DE APOYO AL CALCULO DEL TAMAÑO DE UNA MUESTRA
La siguiente tabla de números aleatorios nos permite determinar los elementos de la
muestra. 1. Es necesario estimar entre 10.000 establos, el número de vacas lecheras por establo con un error de estimación de 4 y un nivel de confianza del 95%. Sabemos que la varianza es 1.000. ¿Cuántos establos deben visitarse para satisfacer estos requerimientos? (Sol. Como sabemos que hay 10.000 establos, tendremos que usar la fórmula en la que interviene el tamaño de la población y obtenemos n=235).
2.Una máquina llena cajas con cierto producto. El supervisor desea conocer con un error de estimación de máximo 0´1 y un nivel de confianza del 90%, una media estimada del peso. Como la varianza era desconocida se procedió a escoger una muestra piloto. Los resultados fueron los siguientes: 11´02, 11´14, 10´78, 11´59, 11´58, 11´19, 11´71, 11´27, 10´93, 10´94. ¿Cuántas cajas debe escoger para que se cumplan los requisitos propuestos?
3.Se desea conocer el peso promedio de una determinada clase de pescado con un error de estimación de 0´02 y con un nivel de confianza del 99%. Por datos anteriores se sabe que el peso mínimo es 1´48 libras y el máximo es de 2´47 libras. De qué tamaño debe escoger la muestra? Suponga que los pesos de estos pescados se distribuyen normalmente.
4.Se desea hacer una encuesta para determinar la proporción de familias que carecen de medios económicos para atender los problemas de salud. Existe la impresión de que esta proporción está próxima a 0´35. Se desea determinar un intervalo de confianza del 95% con un error de estimación de 0´05. ¿De qué tamaño debe tomarse la muestra?(Sol. N=350 ).
5. Se desea realizar una encuesta entre la población juvenil de una determinada localidad para determinar la proporción de jóvenes que estaría a favor de una nueva zona de ocio. El número de jóvenes de dicha población es N=2.000. Determinar el tamaño de muestra necesario para estimar la proporción de estudiantes que están a favor con un error de estimación de 0´05 y un nivel de confianza del 95%.(Sol. Como no nos dan ninguna estimación de la proporción, tomaremos 0´5. El valor de n es 322).
