Este documento describe los conceptos de población, unidad de análisis, muestra y tipos de muestreo. Explica que primero se debe definir la unidad de análisis, luego delimitar la población total, y finalmente obtener una muestra representativa de la población a través de un muestreo probabilístico o no probabilístico. Además, proporciona fórmulas para calcular el tamaño apropiado de una muestra probabilística.

1. POBLACION Y MUESTRA
MG. HERBERT COSIO DUEÑAS

3.  Primero definir la unidad de análisis.
 Segundo delimitar la población.
 Tercero se obtiene la muestra.

4. PRIMERO ESTABLECER LA UNIDAD DE
ANALISIS (CASOS O ELEMENTOS)
Es decir sobre que o quienes se recolecta datos?
 Individuos.
 objetos
 Organizaciones.
 Periódicos.
 Comunidades
 Situaciones
 Eventos
 Radiografías
 Historias clínicas
 Etc.

5. POBLACIÓN O UNIVERSO
es el conjunto de todos los casos o unidades de
análisis que concuerdan con una serie de
especificaciones

6. DELIMITACIÓN DE LA POBLACIÓN
Las poblaciones deben situarse claramente en torno
a sus características de contenido, de lugar y en el
tiempo

7. DELIMITACIÓN DE LA POBLACIÓN
evitar tres errores que pueden presentarse:
1. desestimar o no elegir a casos que deberían ser
parte de la muestra
2. incluir a casos que no deberían estar porque no
forman parte de la población.
3. Seleccionar casos que son verdaderamente
inelegibles

8. MUESTRA
Es un subgrupo de la población de interés sobre el
cual se recolectaran datos, y que tiene que definirse
o delimitarse de antemano con precisión, este deberá
ser representativo de dicha población.

9. TIPOS DE MUESTRA
Categorizamos las muestras en dos grandes ramas.

10. MUESTRA PROBABILÍSTICA
 se obtienen definiendo las características de la
población y el tamaño de la muestra, y por medio
de una selección aleatoria o mecánica de las
unidades de análisis.

11. MUESTRA NO PROBABILÍSTICA
 Aquí el procedimiento no es mecánico ni con base
en formulas de probabilidad, sino que depende del
proceso de toma de decisiones de un investigador
o de un grupo de investigadores y, desde luego, las
muestras seleccionadas obedecen a otros criterios
de investigación.

12. Elegir entre una muestra probabilística o una no
probabilística depende de los objetivos del estudio,
del esquema de investigación y de la contribución
que se piensa hacer con ella.

13. EJEMPLOS
1. Tenemos una investigación sobre uso de una
marca de implementos de seguridad en el trabajo.
El objetivo de la investigación era documentar sus
experiencias en la manipulación y resultados.

14. SELECCIÓN DE UNA MUESTRA PROBABILÍSTICA
 la principal ventaja que presenta es que se puede
medirse el tamaño del error en nuestras
predicciones.
 El principal objetivo es reducir al mínimo este error,
al que se le llama error estándar

16. Las muestras probabilísticas son esenciales en los
diseños de investigación descriptivos como
correlaciónales-causales.

17. Para hacer una muestra
probabilística son
necesarios dos
procedimientos:
1. calcular un tamaño de
muestra que sea
representativo de la
población.
2. seleccionar los
elementos muéstrales
(casos) de manera que
al inicio todos tengan la
misma posibilidad de
ser elegidos.

18. CÁLCULO DEL TAMAÑO DE MUESTRA
Cuando se hace una muestra
probabilística, uno debe
preguntarse:
 dado que una población es
de N tamaño.
 cual es el menor numero de
unidades muéstrales
(personas, organizaciones,
etc.) que necesito para
conformar una muestra (n)
que me asegure un
determinado nivel de error
estándar.

19. La respuesta a esta pregunta busca encontrar una
muestra que sea representativa del universo o
población con cierta posibilidad de error (se pretende
minimizar) y nivel de confianza (maximizar), así como
probabilidad.

20. TAMAÑO DE MUESTRA
 Para determinar el tamaño de la muestra con intervalo de
confianza del 95% y márgenes de error de + o- 1% hasta +o-10%,
se puede utilizar la siguiente fórmula.
 La siguiente fórmula es utilizada en el caso de que el universo o
población en estudio sea inferior a 100,000.
Z2 * N * p * q
n=
E2 * (N-1)+ Z2* p * q
Donde :
n=tamaño de la muestra a ser determinado
N=tamaño del universo
p=50% ó 0.5
q=50% ó 0.5
E=5% o 0.05
Z=1.96 para un nivel de confianza del 95%

21. EXPLICAR ERROR, CONFIANBILIDAD
 E = error máximo aceptado (0.05%)
 Z = Nivel deseado de confianza, que es el
complemento del error máximo aceptable. Para un
95% de confiabilidad se usa 1.96
Si el error elegido fue de 5%, el nivel deseado de
confianza sera de 95%.

22. EXPLICAR ERROR, CONFIANBILIDAD
 “p” = posibilidades a partir DE UN TODO de que si
ocurra.
 “q” = posibilidad de que no ocurra a partir de un
todo (p + q = 1).
Cuando no tenemos marcos de muestreo previo,
usamos un porcentaje estimado es de 50% o lo que
es igual a 0.5 de un todo.

24. TAMAÑO DE MUESTRA PARA UNA POBLACIÓN
INFINITA
 Para determinar el tamaño de la muestra con intervalo de confianza
de 95% y márgenes de error de +-1%,+-2%,+-3%,+-4%,+-5% se
pueden utilizar las siguientes fórmulas:
Para una población infinita es decir, superior a las 100,000 unidades de
observación:
Z2 p.q
no= =
E2
Donde :
no = tamaño de la muestra aproximada o primera aproximación.
Z=desviación estándar (para un intervalo de confianza de 95 es 1,96)
p=proporción de la población que posee la característica (cuando se
desconoce esa proporción se asume p= 0.5)
q=1-p
E= margen de error que se está dispuesto a aceptar. En este caso 0.05

25. FÓRMULA PARA EL TAMAÑO DE LA
MUESTRA

26. EJEMPLO
Suponga que fue seleccionado para realizar una
investigación en educación básica de una ciudad
sobre “dificultades en el aprendizaje de las
Matemáticas”. Esta investigación se va a
desarrollar en un municipio donde los estudiantes
de educación básica son 35.280. Se desea
seleccionar una muestra cuyo margen de error de
muestreo sea del 2% y cuyo nivel de confianza sea
del 95%. ¿Cuál debe ser el tamaño de la muestra?

28. RECUERDA
para obtener una muestra probabilística LO PRIMERO ES
calcular un tamaño de muestra que sea representativo de
la población. USA LAS FORMULAS

29. SELECCIÓN DE ELEMENTOS MUETRALES
O MUESTREO
Sistemático
Aleatorio Simple
Estratificado
Conglomerado
MUESTREO
Probabilístico

30. MUESTREO PROBABILÍSTICO
1.1. ALEATORIO SIMPLE.- Su característica
esencial, es que todos los casos del universo tienen
al inicio la misma probabilidad de ser seleccionados

31. MUESTREO PROBABILÍSTICO
1.2. ESTRATIFICADO.- Muestreo en el que la
población se divide en segmentos y se selecciona
una muestra para cada segmento.
Ejemplo: estratificar de acuerdo al nivel
socioeconómico.

32. MUESTREO PROBABILÍSTICO
1.2. ESTRATIFICADO.-
el interés del investigador es comparar sus
resultados entre segmentos, grupos o nichos de la
población, porque así lo señala el planteamiento del
problema

33. MUESTREO PROBABILÍSTICO
1.2. ESTRATIFICADO
 Lo que aquí se hace es dividir a la población en
subpoblaciones o estratos, y se selecciona una
muestra para cada estrato.
 La estratificación aumenta la precisión de la
muestra e implica el uso deliberado de diferentes
tamaños de muestra para cada estrato, a fin de
lograr reducir la varianza de cada unidad de la
media muestral.

34. MUESTREO PROBABILÍSTICO
 1.3. POR RACIMOS.- Son sinónimos de clusters o
conglomerados. las unidades de análisis se
encuentran encapsuladas o encerradas en
determinados lugares físicos o geográficos, a los
que se denomina racimos.

35. MUESTREO PROBABILÍSTICO

36. MUESTREO PROBABILÍSTICO
Muestrear por racimos implica diferenciar entre la
unidad de análisis y la unidad muestral.
 La unidad de análisis indica quienes van a ser
medidos, o sea, los participantes o casos a quienes
en ultima instancia vamos a aplicar el instrumento
de medición.
 La unidad muestral (en este tipo de muestra) se
refiere al racimo por medio del cual se logra el
acceso a la unidad de análisis.

37. PROCEDIMIENTO DE SELECION DE LA
MUESTRA
Se utilizan básicamente tres procedimientos de
selección:
1. Tómbola.- Los números elegidos al azar
conformaran la muestra
2. Números random o números aleatorios.-
Calculo del tamaño de muestra y otros
procedimientos por formulas
3. Selección sistemática de elementos
muéstrales.- implica elegir dentro de una
población N un numero n de elementos a partir de
un intervalo K.

38. LISTADOS Y OTROS MARCOS MUÉSTRALES
Es un marco de referencia que nos permite identificar
físicamente los elementos de la población, así como
la posibilidad de enumerarlos y seleccionar los
elementos muéstrales

39. MUESTRAS NO PROBABILISTICAS
 También llamadas muestras dirigidas, suponen un
procedimiento de selección informal.
 Se seleccionan individuos o casos “típicos” sin
intentar que sean representativos de una población
determinada.
 Mas se aplican a investigaciones cualitativas.

40. para fines deductivos-cuantitativos, donde la
generalización o extrapolación de resultados hacia la
población es una finalidad en si misma, las muestras
dirigidas implican algunas desventajas

41. MUESTRAS NO PROBABILISTICAS
 al no ser probabilísticas, no es posible calcular con
precisión el error estándar, es decir, no podemos
calcular con que nivel de confianza hacemos una
estimación.
 Los datos obtenidos no pueden generalizarse a la
población.
 la elección de los casos depende de la decisión de
un investigador o grupo de personas que
recolectan los datos.

42. Las investigaciones experimentales, la mayoría de
las veces utilizan muestras dirigidas, porque como se
comento, es difícil manejar grupos grandes (debido a
ello se ha insistido que, en los experimentos, la
validez externa se consolida mediante la repetición o
reproducción del estudio).

43. MUESTRAS NO PROBABILISTICAS
Accidental o
circunstancial
Por cuotas
MUESTREO
NO Probabilístico
Criterial o
intencional

44. Los estudios no experimentales descriptivos o
correlaciónales-causales deben emplear muestras
probabilísticas si quieren que sus resultados sean
generalizados a una población.