Metodología

1. Prof. N. Tomás Atauje Calderón
Metodología de la Investigación
Obstetricia UPSB – Ciclo II

2. Universo
 Totalidad de individuos o elementos en los cuales
puede presentarse determinada característica
susceptible a ser estudiada.
 No siempre es posible estudiarlo en su totalidad.
 Puede ser finito o infinito, y en el caso de ser finito,
puede ser muy grande y no poderse estudiar en su
totalidad. Por eso es necesario escoger una parte de ese
universo, para llevar a cabo el estudio.

3. Población
 Grupo del cual se desea algo (obtener información).
 Parte del universo en la cual vamos a basar nuestro
estudio, según las características de nuestra
investigación.
 Conjunto de todos los casos que concuerdan con
una serie de especificaciones.
 Se debe definir la unidad de análisis, “¿Quiénes van a
ser medidos?”. Para esto se debe precisar el problema a
investigar y los objetivos de la investigación.

4. Pregunta de
Investigación
Unidad de análisis
errónea
Unidad de análisis
correcta
¿Discriminan a las
mujeres en los anuncios
de la televisión?
Mujeres que aparecen en
los anuncios de
televisión.
Error: No hay grupo de
comparación.
Mujeres y hombres que
aparecen en los anuncios
de televisión para
comparar si categorías de
análisis difieren entre los
dos grupos.
¿Hay problemas de
comunicación entre
padres e hijos?
Grupo de adolescentes,
aplicarles cuestionario.
Error: Se procedería a
describir únicamente
como perciben los
adolescentes la relación
con sus padres.
Grupo de padres e hijos. A
ambas partes se les
aplicará el cuestionario.

5. ¿Cómo se delimita una población?
 Las poblaciones deben situarse claramente en torno a sus
características de contenido, lugar y tiempo.
 Un estudio no es mejor al tener una población más grande, sino
al haber delimitado claramente su población en base a los
objetivos del estudio.
 Los criterios de cada investigador dependen de sus objetivos de
estudio, así que debe establecerlos claramente.
 Ejemplo:
*Toda investigación debe ser transparente, sujeta a crítica y a réplica.

6. Muestra
 Parte o subconjunto de la población, también conocida
como población muestral.
 Grupo en el que se realiza el estudio.
 Subconjunto de elementos que pertenecen al conjunto
definido en sus características que llamamos
población.
 Para seleccionar la muestra deben delimitarse las
características de la población.

7. ¿Cómo seleccionamos la muestra?
 Estableciendo claramente las características de la
población. Con esto delimitamos cuáles serán nuestro
parámetros muestrales.
 Se busca que la muestra sea un reflejo fiel del conjunto
de la población (deben ser representativas).

8. Tipos de muestra
 Muestra probabilísticas: Todos los elementos de la
población tienen la misma posibilidad de ser escogidos.
Esto se logra a través de una selección aleatoria y/o
mecánica de las unidades de análisis.
 Muestras no probabilísticas: Los elementos se
seleccionan según los criterios de la persona encargada de
hacer la muestra.
*La elección entre estos tipos de muestras depende de los objetivos del
estudio, del esquema de investigación y de la contribución que se
piensa hacer con ella.

9. Muestras probabilísticas
 Son esenciales en los diseños de investigación por
encuestas en las que se pretende hacer estimaciones de
variables en la población. Las variables se medirán con
instrumentos de medición y se analizarán con pruebas
estadísticas para el análisis de datos.
 Tienen varias ventajas, la principal es que se puede
medir el tamaño del error en nuestras predicciones.
Gracias a ello, los elementos muestrales tendrán
valores muy parecidos a los de la población.

10. Muestras
probabilísticas
*Para una muestra probabilística se necesitan: El tamaño de la muestra (n) y
la selección de los elementos muestrales.

11. Tamaño de la muestra
 ¿Cuál es el menor número de unidades muestrales que
necesito para conformar una muestra (n) que me
asegure un error estándar menor de 0.01?
 Lo que se busca es la probabilidad de ocurrencia de “y”
y que mi estimado de “y” se acerque a “Y” (valor real de
la población). El error estándar no debe ser mayor a
0.01.
 Para una determinada varianza (V) de “y”, ¿qué tan
grande debe ser mi muestra (n)?

12. Tamaño de la muestra
 La fórmula para determinar el tamaño de “n” consta de
dos pasos:
 “ n’ ” es el tamaño provisional de la muestra; el cual
será corregido ajustándose con el tamaño de la
población:
n = n’ .
1 + (n’ / N)

13.  Respecto al ejemplo:
 Se precisó que la población era de 1176 directores generales ya que 1176
empresas cumplían con las características mencionadas. ¿Cuál es entonces el
número de directores que se tiene que entrevistar para tener un error estándar
menor a 0.015?

14. Muestra probabilística estratificada
 También llamado muestreo estratificado.
 Se da cuando debemos dividir nuestra muestra a fin de que los
elementos muestrales o unidades de análisis posean un
determinado atributo. Estos estratos o categorías se presentan en
la población y van a ser relevantes para los objetivos del estudio.
 Se divide a la población en subpoblaciones o estratos (fracciones)
y se selecciona una muestra para cada uno.
N = ∑ nh
 El tamaño de n y la varianza de “y” pueden minimizarse si
calculamos submuestras proporcionales a la desviación estándar
de cada estrato.

15. Muestra probabilística estratificada
 Partimos de:
∑ fh = n =KSh
N
 Con lo cual obtendremos:
fh =__nh = kSh
Nh
 En donde nh y Nh son muestra y población de cada estrato
respectivamente y Sh es la desviación estándar de cada elemento en un
determinado estrato. Con lo cual tenemos:
kSh = n
N

17. Muestra probabilística por racimos
 También conocido como muestreo por conglomerado.
 En estos estudios se reducen costos, tiempo y energía al
considerar que muchas veces las unidades de análisis se
encuentran encapsuladas o encerradas en determinados
lugares físicos o geográficos a los que llamamos racimos.
 Muestrear por racimos implica diferenciar entre la unidad
de análisis (quienes van a ser medidos) y la unidad
muestral (el racimo que nos da acceso a la unidad de
análisis).
 El muestreo por racimos consta de dos etapas:
 La selección de los racimos (muestra probabilística simple o
estratificada).
 La selección de los sujetos u objetos que serán medidos.

18. Unidad de análisis Posibles racimos
Adolescentes Academias
Obreros Industrias
Amas de casa Mercados
Niños Colegios
Personajes de televisión Programas de televisión

19. Procedimiento de selección
 ¿Cómo seleccionar los elementos muestrales? ¿Cómo
se seleccionan los sujetos dentro de cada racimo?
 Las unidades de análisis o los elementos
muestrales se eligen siempre aleatoriamente para
asegurarnos de que cada elemento tenga la misma
probabilidad de ser elegido.
 Pueden usarse 3 procedimientos de selección:
 Tómbola
 Números random
 Selección sistemática

20. Tómbola
 Es un tipo de muestro aleatorio simple.
 Proceso muy simple y no muy rápido.
 Consiste en numerar todos los elementos muestrales;
se hace una ficha para cada elemento, se revuelve en
una caja y se sacan “n” fichas (tamaño de la muestra).
 Los números escogidos al azar conformarán nuestra
muestra.

21. Números random o aleatorios
 Es un tipo de muestreo aleatorio simple.
 Implica la utilización de una tabla de números
realizada con un mecanismo de probabilidad muy bien
diseñado.
 Los números random de la corporación Rand fueron
generados con una especie de ruleta electrónica. Existe
una tabla de un millón de dígitos publicada por esta
corporación; partes de dicha tabla se encuentran en los
apéndices de muchos libros de estadística.

23. Selección sistemática
 Se le conocerá como muestreo sistemático.
 Es muy útil y fácil de aplicar. Implica seleccionar dentro de una
población “N” un número “n” de elementos a partir de un
intervalo “K”.
K = N / n
 “K” va ser redondeado al número entero superior inmediato.
 El intervalo será 1/K y se irá seleccionando los elementos hasta
llegar a nuestro “n”.
 La selección sistemática de elementos muestrales 1/K se puede
utilizar al elegir elementos de “n” para cada estrato y/o para cada
racimo.
*No es necesario escoger como primer elemento muestral al primero de
nuestros datos.

24. Listados y Marcos muestrales
 Listado: Lista (existente o por crear) con los elementos de
la población y a partir de la cual se seleccionarán los
elementos muestrales.
 Marco muestral: Marco de referencia que nos permite
identificar físicamente los elementos de la población, la
posibilidad de numerarlos y por lo tanto, proceder a la
selección de los elementos muestrales.
 Contiene descripciones del material, organizaciones o
sujetos que serán seleccionados como unidades de análisis.
Dentro de ellos podemos considerar los archivos, mapas,
volúmenes (libros) e incluso horas de transmisión
(televisión, radio).

25. Marcos muestrales
 Archivos: Cuando una investigación lo amerita, se
debe recurrir a los archivos (por ejemplo de una
empresa) para poder utilizarlos como marco de
referencia a partir del cual obtendremos una muestra.
 Mapas: Muy útiles en las muestras de racimo. Permite
ver la población y su situación geográfica, así podrá
seleccionar los lugares que se convertirán en los
racimos de sus estudio.

26. Marcos muestrales
 Volúmenes: Cuando se analiza el contenido de los
medios escritos, se puede recurrir a volúmenes
anteriores. Si alguno de los volúmenes no se
encuentra, esto se explica en la investigación y se
redefinen la población y muestra.
 Horas de transmisión: Cuando se quiere analizar el
contenido de las emisoras se puede hacer un estudio
en corto tiempo. Ayudándose de divisiones por estratos
y tomando muestras representativas al azar.

27. Tamaño óptimo de una muestra
 Va depender del problema de investigación y la población a
estudiar.
 Resulta muy útil comparar qué tamaño de muestra se usó
en estudios similares.
 Sudman (1976) nos proporciona tablas que indican el
tamaño de muestra más utilizada por los investigadores.
Tipo de estudio Nacional Regional
Económico 1000 + 100
Médico 1000 + 500
Conducta 1000 + 700 – 300
Actitud 1000 + 700 – 400
Experimento de
laboratorio
- - - - - 100

28. Tamaño óptimo de una muestra
 El tamaño de una muestra tiende más a depender del número de
subgrupos que nos interesan en una población.
 En el caso de organizaciones el número de la muestra se reduce,
ya que éstas representan casi siempre una gran fracción de la
población total.
*La distribución de muestras de 100 o más elementos tienden a ser normales,
lo cual sirve para hacer estadística inferencial sobre los valores de una
población.
Número de
subgrupos
Población de sujetos u
hogares
Poblaciones de
organizaciones
Nacionales Regionales Nacionales Regionales
Ninguno – pocos 1000 – 1500 200 – 500 200 – 500 50 – 200
Promedio 1500 – 2500 500 – 1000 500 – 1000 200 – 500
Muchos 2500 + 1000 + 1000 + 500 +

29. Muestras no probabilísticas
 También llamadas muestras dirigidas.
 Nacen de un proceso de selección informal y un poco
arbitrario.
 Selecciona sujetos “típicos” con la esperanza de que sean
casos representativos de una población determinada.
 En la elección de los sujetos no se busca que todos tengan
la misma posibilidad de ser elegidos; depende de la
decisión del investigador.
 Su principal desventaja es que no se puede calcular el error
estándar, o sea, no se puede calcular con qué nivel de
confianza hacemos la estimación.

30. Tipos de muestras dirigidas
Muestra de sujetos voluntarios:
 Frecuentes en ciencias sociales y ciencia de la
conducta.
 Son muestras fortuitas, el investigador elabora
conclusiones sobre especímenes que llegan a sus
manos de manera casual.
 Se usan en estudios de laboratorio donde se procura
que los sujetos sean homogéneos en variables como
edad, sexo, inteligencia. De esta manera los resultados
no obedecen a diferencias individuales, sino a las
condiciones a las que fueron sometidos.

31. Tipos de muestras dirigidas
Muestra de expertos:
 Son frecuentes en estudios cualitativos y exploratorios.
 Nos ayudan a generar hipótesis más precisas y a
mejorar el diseño de los cuestionarios.
 Son válidas y útiles cuando los objetivos del estudio así
lo requieren.

32. Tipos de muestras dirigidas
Muestra de sujetos-tipo:
 También es utilizada en estudios exploratorios y en
investigaciones de tipo cualitativo.
 Al igual que las muestras de expertos, suelen usarse en
estudios de perspectiva fenomenológica, donde el
objetivos es analizar los valores, ritos y significados de
un determinado grupos social.
 Los estudios motivacionales (análisis de actitudes y
conductas del consumidor) también utilizan muestras
de sujetos-tipo.

33. Tipos de muestras dirigidas
Muestra por cuotas:
 Muy utilizada en estudios de opinión y mercadotecnia.
 Los encuestadores realizan cuestionarios a sujetos en
la calle e irán conformando o llenando cuotas de
acuerdo con la proporción de ciertas variables
demográficas en la población.
 Suelen depender del juicio del entrevistador.

34. Muestras probabilísticas Muestras dirigidas
Muestra probabilística simple
(estudios descriptivos, diseño de
investigación por encuestas, censos,
raitings, estudios para toma de
decisiones).
Sujetos voluntarios (diseños
experimentales, situación de
laboratorio).
Muestra probabilística estratificada Muestras de experimentos
Muestra probabilística estratificada y
por racimos.
Muestras de sujetos-tipo, estudios
cualitativos; investigación
motivacional.
Muestras por cuotas; estudios de
opinión y mercado.
*Las conclusiones se generalizan a la
población y se conoce el error
estándar de nuestros estimados.
*Las conclusiones difícilmente
pueden generalizarse a la población.
Si estos se hace, se debe hacer con
mucha cautela.