POBLACION Y MUESTRA MG. HERBERT COSIO DUEÑAS
Primero definir la unidad de análisis. Segundo delimitar la población. Tercero se obtiene la muestra.
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.
POBLACIÓN O UNIVERSO es el conjunto de todos los casos o unidades de análisis que concuerdan con una serie de especificaciones
DELIMITACIÓN DE LA POBLACIÓN Las poblaciones deben situarse claramente en torno a sus características de contenido, de lugar y en el tiempo
DELIMITACIÓN DE LA POBLACIÓN evitar tres errores que pueden presentarse:1. desestimar o no elegir a casos que deberían
ser parte de la muestra2. incluir a casos que no deberían estar porque
no forman parte de la población.3. Seleccionar casos que son verdaderamente
inelegibles
MUESTRAEs 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.
TIPOS DE MUESTRA Categorizamos las muestras en dos grandes ramas.
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.
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.
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.
EJEMPLOS1. 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.
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
Las muestras probabilísticas son esenciales en los diseños de investigación descriptivos como
correlaciónales-causales.
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.
CÁLCULO DEL TAMAÑO DE MUESTRACuando 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.
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.
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 * qn=
E2 * (N-1)+ Z2* p * qDonde :n=tamaño de la muestra a ser determinadoN=tamaño del universop=50% ó 0.5q=50% ó 0.5E=5% o 0.05Z=1.96 para un nivel de confianza del 95%
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%.
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.
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-pE= margen de error que se está dispuesto a aceptar. En este caso
0.05
FÓRMULA PARA EL TAMAÑO DE LA MUESTRA
EJEMPLOSuponga 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?
RECUERDA
para obtener una muestra probabilística LO PRIMERO ES calcular un tamaño de muestra que sea representativo de la población. USA LAS FORMULAS
SELECCIÓN DE ELEMENTOS MUETRALES O MUESTREO
Sistemático
Aleatorio Simple
Estratificado
Conglomerado
MUESTREO Probabilístico
MUESTREO PROBABILÍSTICO1.1. ALEATORIO SIMPLE.- Su característica esencial, es que todos los casos del universo tienen al inicio la misma probabilidad de ser seleccionados
MUESTREO PROBABILÍSTICO1.2. 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.
MUESTREO PROBABILÍSTICO1.2. 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
MUESTREO PROBABILÍSTICO1.2. 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.
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.
MUESTREO PROBABILÍSTICO
MUESTREO PROBABILÍSTICOMuestrear 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.
PROCEDIMIENTO DE SELECION DE LA MUESTRASe utilizan básicamente tres procedimientos de selección:1. Tómbola.- Los números elegidos al azar
conformaran la muestra2. 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.
LISTADOS Y OTROS MARCOS MUÉSTRALESEs 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
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.
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
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.
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).
MUESTRAS NO PROBABILISTICAS
Accidental o circunstancial
Por cuotas
MUESTREO NO Probabilístico
Criterial o intencional
Los estudios no experimentales descriptivos o correlaciónales-causales deben emplear
muestras probabilísticas si quieren que sus resultados sean generalizados a una población.