UNIVERSIDAD NACIONAL DE EDUCACION Enrique Guzmn y Valle La Cantuta

PROGRAMA DE COMPLEMENTACIN PEDAGGICA Y UNIVERSITARIA CURSO: TALLER DE INVESTIGACIN I

TEMA: EL UNIVERSO Y LA MUESTRA DE INVESTIGACIN

Profesor: Jorge Germn Robles Orue

Alumnos: Alberca La Torre, Lucas Ayala Quicao, Rubn Edgar Terrones Muoz, Rosa Jess

Comas, Noviembre de 2011

INDICE

Introduccin Captulo I: Universo y Poblacin 1.1Concepto de Universo Ejemplos de Universo Captulo II: Muestra 2.1 Definicin 2.2 Importancia 2.3 Determinacin 2.4 Tamao de muestra 2.5 Tipos de muestra 2.5.1 Muestreo Probabilstica 2.5.1.1 Aleatorio 2.5.1.2 Sistemtico 2.5.1.3 Estratificado 2.5.1.4 Racimos 2.5.2 Muestreo no Probabilstico 2.5.2.1 Por cuotas 2.5.2.2 Intencional o selectivo 2.5.2.3 Espontaneo 2.5.2.4 Bola de Nieve Captulo III: Escala de Medicin 3.1 Escala nominal 3.2 Escala ordinal 3.3 Escala de Intervalo
2

3.4 Escala proporcin y razn 3.5 Conversin de escala Captulo IV: Procesamiento Estadstico 4.1 Estadstica descriptiva 4.2 Medidas de tendencia central 4.2.1 Medidas de variabilidad 4.3 Estadstica diferencial 4.3.1 Estadsticas paramtricos 4.3.1.1 Distribucin normal 4.3.1.2 Homogeneidad de la varianza 4.3.2 Estadstica no paramtrica Conclusiones Terminologa Bibliografa

INTRODUCCION

El presente trabajo lleva por ttulo EL UNIVERSO Y LA MUESTRA DE INVESTIGACIN y tiene por finalidad estudiar los tipos y tcnicas de muestreo existentes. En tal sentido, cabe destacar que la importancia del muestreo est en que casi nunca podemos investigar toda una poblacin, ya que sta es muy grande, por motivos econmicos, falta de personal calificado o para dar una mayor rapidez en el proceso de recopilacin y presentacin de los datos. Entonces, stos se obtienen a partir de una muestra de la poblacin a estudiar. Por tanto, en la eleccin de la muestra se debe tener presente: el tamao y la seleccin de la misma. En este ltimo aspecto, se fundamentar el tema a desarrollar. El tipo de investigacin utilizada es la documental debido a que la informacin se obtuvo por medio de libros y pginas de Internet.

CAPITULO I: UNIVERSO O POBLACIN

1. Universo o poblacin:

1.1 Concepto de Universo:

El Universo o Poblacin; viene a ser un conjunto de individuos u objetos que se estudia algo que se quiere conocer se refiere a la totalidad de unidades que van a ser comprendidas en una evaluacin que cuentan con una o ms caractersticas comunes que se emplea Cuando se planifica un anlisis. Se llama poblacin o universo a cualquier conjunto, colectivo o coleccin finita o infinita de individuos o elementos. La poblacin es el conjunto de todos los individuos que porten informacin sobre el fenmeno que se estudia. Los individuos corresponden a personas, objetos u otros elementos que pueden ser escuelas, cursos, familias y hasta unidades territoriales. El universo o Poblacin se refiere a la totalidad de las unidades comprendidas en la investigacin, o sea al conjunto o grupo implicado en el estudio. (ENCINAS, Irma 1991 p. 98) El universo o Poblacin es el conjunto de todos los elementos que concuerdan con una serie de especificaciones; es decir, todos los objetos de una o ms caractersticas comunes. (RODRGUEZ, Francisco et al. 1984 p. 108) El universo o Poblacin es el conjunto de elementos del universo y son homogneos en cuanto a su definicin como universo de estudio a todos los habitantes de una ciudad o a la poblacin. (GALINDO Luis Jess 1998 p. 48) El universo est formado por aquellos objetos para los que deben ser vlidos los resultados obtenidos en una investigacin. Se determina el mbito de validez de los resultados y se decide la muestra de los objetos que hay que analizar. (HEINEMANN Klaus 2003 p. 193) 1.2-Ejemplos de Universo o Poblacin:

Se desea saber cuntos egresados de la Universidad Enrique Guzmn y Valle 252, de la generacin del 2006-2009 continan una maestra UNIVERSO: Universidad Enrique Guzmn POBLACIN: Generacin 2006-2009 MUESTRA: Alumnos de Estudiantes

El Universo o Poblacin son fenmenos o situaciones que pueden ser agrupadas sobre una base (Rodrguez, Francisco et al. 1984 p. 108) El Universo o Poblacin son Los planes de estudio de educacin secundaria que estuvieron vigentes entre 1968 y 1978. Las familias que tienen nios con problemas de aprendizaje en el rea de Lima Metropolitana. (ENCINAS, Irma 1991 p. 98) El Universo o Poblacin se emplea Cuando se planifica un anlisis sobre la actividad deportiva de la juventud es necesario definir el universo de (juventud) as puede decirse que son jvenes en el sentido de estudio (todas las personas con edades comprendidas entre los 14 y los 18 aos). Los resultados obtenidos varan dependiendo de lo se considere universo de poblacin. (HEINEMANN, Klaus 2003 p. 193) El Universo o Poblacin Son los criterios de definir universo pueden ser demogrficos, sociales econmicos, polticos (Galindo Luis Jess 1998p.48)

CAPITULO II: MUESTRA

2. Muestra 2.1 Definicin: La muestra es el sub-conjunto de parte del universo. As mismo, una muestra es un conjunto representativo de la poblacin de referencia, el nmero de individuos de una muestra es menos que el de poblacin y su seleccin se realizara de acuerdo a criterios metodolgicos. Una poblacin comprende a todos los miembros de cualquier clase bien definida de personas, eventos u objetos. (SNCHEZ, Hugo 2006 p. 141) Por muestra se entiende el conjunto de elementos que se toma de una poblacin para, despus de su estudio, llegar a conclusiones vlidas sobre toda la poblacin. (RODRGUEZ, Francisco et al. 1984 p. 109) La seleccin de dicha poblacin se realizar de acuerdo a criterios metodolgicos, siendo el ms adecuado el de la muestra. Los resultados obtenidos son generalizados a toda la poblacin, proceso al que se denomina inferencia estadstica. (TORRES, C. 1992 p. 181) Es el sub-conjunto o parte del universo al que representa en sus caractersticas fundamentales y que es motivo de observacin para obtener los datos que se requiere. (ENCINAS, Irma, 1991 p. 99) La muestra suele ser definida como un subgrupo de la poblacin. (HERNNDEZ, Roberto 1998 p. 204)

2.2 Importancia: La muestra es importante porque reduce costos y volumen de trabajo, se tiene rapidez para obtener resultados y a la vez se puede supervisar mejor el trabajo y se hace eficaz e eficiente, as como hay mayor exactitud en la informacin. Segn el autor Torres, la importancia reside en que: a. Ahorra economa, tiempo y energa al investigador. b. Permite diferenciarse de los censos.
7

c. Capta los atributos o caractersticas comunes. d. Establece una labor cientfica ms adecuada. e. Podemos emplear personal capacitado. (TORRES, C. 1992 p. 182) Segn datos de internet, la importancia reside en: Costos reducidos.

Mayor rapidez para obtener resultados. Mayor exactitud o mejor calidad de la informacin. Volumen de trabajo reducido.

Puede existir mayor supervisin en el trabajo.

Menor probabilidad de cometer errores.

(www.slidesre.net/milit/)

2.3 Determinacin: En la determinacin del tamao de una muestra se deber tomar en cuenta varios aspectos, relacionados con el parmetro y estimador, el sesgo, el error muestral, el nivel de confianza y la varianza poblacional. El parmetro se refiere a la caracterstica de la poblacin que es el objeto del estudio. El error muestral siempre se comete ya que existe una prdida de la representativilidad al momento se escoger los elementos de la muestra. El nivel de confianza, por su parte, es la probabilidad de que la estimacin efectuada se ajuste a la realidad. ( www mitecnologico.com)

Segn la informacin de internet la determinacin es la siguiente: 1. El nivel de confianza95% y 99% 2. El margen de error que el investigador est dispuesto a tolerar 3. La variabilidad de la poblacin que se estudia.

(www mitecnologico.com) Segn el autor Torres, determina la muestra de la siguiente manera: a) Los objetivos y la hiptesis de investigacin. b) La poblacin bajo muestreo c) Los lmites de confianza y el nivel de precisin deseado para determinar los parmetros de la poblacin.
d) El campo de variabilidad ( TORRES, C. 1992 p. 182)

Ejemplo 1:

Clculo del tamao de la muestra desconociendo el tamao de la poblacin. La frmula para calcular el tamao de muestra cuando se desconoce el tamao de la poblacin es la siguiente:

FORMULA:

n = Z2 x p x q

d2

En donde:

Z2 = nivel de confianza p = probabilidad de xito, o proporcin esperada q = probabilidad de fracaso d = precisin (error mximo admisible en trminos de proporcin.

Ejemplo: A cuntas familias tendramos que estudiar para conocer la preferencia del mercado en cuanto a las marcas de shampoo para beb, si se desconoce la poblacin total?
9

Seguridad= 95% Precisin =3% Proporcin esperada = asumamos que puede ser prxima al 5%, si no tuvisemos ninguna idea de dicha proporcin utilizaremos al valor p = 0.5 (50%) que maximiza el tamao muestral. Entonces: Z2 = 1.962 (ya que la seguridad es del 95%) p = Proporcin esperada (en este caso 5% = 0.05) q = 1- p (en este caso 1 - 0.05 = 0.95) d = Precisin (en este caso deseamos un 3%)

n= 1.922 x 0.05 x 0.95 = 203 0.032 Se requera encuestar a no menos de 203 familias para poder tener una seguridad del 95%. Ejemplo 2:

Clculo del tamao de la muestra conociendo el tamao de la poblacin La frmula para calcular el tamao de muestra cuando se desconoce el tamao de la poblacin es la siguiente: FORMULA:

n=

Nx

z2 X p X q
2

En donde:

d2 x (N-1)+z xpxq

N = tamao de la poblacin Z = nivel de confianza

10

p = probabilidad de xito, o proporcin esperada q = probabilidad de fracaso d = precisin de error mximo admirable en trminos de proporcin

Ejemplo: A cuntas familias tendramos que estudiar para conocer la preferencia del mercado en cuanto a las marcas de shampoo para beb, si se conoce que el nmero de familias con bebs en el sector de inters es de 15,000? Seguridad = 95% Precisin = 3% Proporcin esperada= asumamos que puede ser prxima al 5 %, si no tuviese ninguna idea de dicha proporcin utilizamos el valor p=0.5 (50%) que maximiza el tamao muestral.

N=

15,000 x 1.962 x 0.05 x 0.95 0.032 x (15,000- 1) + 1.962 x0.05 x 0.95

=200

Se requerira encuestar a no menos de 200 familias para poder tener una seguridad del 95%.

Conclusiones sobre el nivel de seguridad en el muestreo.

Si la seguridad Z fuese del 90% el coeficiente sera 1.645. Si la seguridad Z fuese del 95% el coeficiente sera 1.94. Si la seguridad Z fuese del 97.5% el coeficiente sera 2.24. Si la seguridad Z fuese del 99% el coeficiente sera 2.576.

2.4 Tamao de muestra:

11

El tamao de la muestra va a determinar la poblacin. Los factores que influyen en la muestra son: la naturaleza de la poblacin, y el tipo de muestreo y el grado de precisin que se pretende lograr. a) Determinar e identificar la poblacin. b) Identificar la poblacin accesible. Finalmente de la poblacin accesible, extraer la muestra de tal forma que esta represente efectivamente a dicha poblacin. (SNCHEZ, Hugo 1984 p. 96) a. Muestras grandes y muestras pequeas. b. Muestras para poblaciones infinitas o muestreo con reemplazo y para muestreo sin reemplazo o poblaciones finitas. (VELZQUEZ, ngel 2007 p. 223) 2.5 Tipos de muestra: Existen dos tipos generales para seleccionar muestras a partir de las poblaciones; el primero es el muestreo probabilstico: es aquel en donde la operacin del muestreo es controlada objetivamente; es decir, son muestras escogidas al azar. Despus, tenemos el muestreo no probabilstico: es aquel en donde la operacin del muestreo es realizado en forma subjetiva, al menos parcialmente, lo que significa que los resultados obtenidos de la muestra pudiesen no ser representativos de la poblacin. Los tipos de muestras segn diferentes autores: Aleatorio, Estratificado, Racimos y Sistemtico Muestreo no Probabilstico: Por cuotas, Intencional o Selectivo y Espontneo. De manera general, el muestreo se clasifica en: Probabilstico: Simple Aleatorio, Estratificado, Por Racimos y Sistemtico. No Probabilstico: Por Cuotas, Intencional o Selectivo. (TORRES, C. 1992 p. 183) Muestreo Probabilstico: Aleatorio o al azar, Estratificado, en Racimos o por conglomerados, Sistemtico y por etapas, entre otros. Muestreo no Probabilstico: Las muestras Intencional o Intencionado, muestreo sin Normas o Circunstancial. (SNCHEZ, Hugo 1984 p. 97) Los tipos de muestreo ms comnmente utilizamos y que ofrecen las mayores seguridades de obtener una muestra adecuada son el
12

muestreo aleatorio y el muestreo estratificado. (ENCINAS, Irma 1991 p. 101) Muestreo Probabilstico: Muestreo aleatorio simple, la muestra sistemtica, muestra por conglomerados, muestra estratificada. Muestreo no Probabilstico: Muestreo espontnea, muestra por cuotas. (VELZQUEZ, ngel 2007 p. 220) 2.5.1 Muestreo Probabilstico: La caracterstica de este muestreo es que todos los sujetos de la poblacin de estudio tiene la misma probabilidad de ser seleccionados para formar parte de la muestra. La ventaja que presenta es que permite obtener muestras representativas. Los resultados que se obtienen permiten hacer inferencia a la poblacin. Cada unidad muestral tiene una probabilidad de ser incluido en la muestra. No requiere de un conocimiento elevado de la poblacin. Las desventajas que se presentan son las siguientes:

El uso del muestreo probabilstico requiere de un marco maestral definido. El muestreo probabilstico es ms costoso que el muestreo no probabilstico. No permite incluir en la muestra unidades mustrales de inters partcular.

2.5.1.1 Muestreo Probabilstico Aleatorio: En este tipo de muestreo cada uno de los individuos de la poblacin tiene la misma posibilidad de ser elegido. El cual puede ser con reemplazo y sin reemplazo. En este caso, para dar la seguridad de que la muestra aleatoria no sea viciada, debe emplearse para su constitucin una tabla aleatoria o procesos electrnicos aleatorios.

13

El muestreo aleatorio consiste en la seleccin de un nmero de elementos de una poblacin determinada, de manera que todos los casos tengan la misma probabilidad de ser seleccionados. (RODRGUEZ, Francisco 1984 p. 112) Simple Aleatorio. La seleccin de los elementos que conforman la muestra es al azar, obstaculizndose de esta manera los deseos y preferencias del investigador. (TORRES, C. 1992 p. 183) Este tipo de muestreo permite que las unidades de la poblacin que conforman la muestra sean determinadas al azar o por casualidad. (ENCINAS, Irma. 1991 p. 201) Se caracteriza por que todas las unidades de observacin tienen las mismas probabilidades de caer en la muestra. (VELZQUEZ, ngel 2007 p. 220) Cuando se trabaja con muestras bastante pequeas no existe absoluta confianza en esta representatividad. Es por ello que se considera que cuando ms grande es la muestra aleatoria existe mayor seguridad de su representatividad. (SNCHEZ, Hugo 1984 p. 98) Ejemplo: Un colegio tiene 120 alumnos de Secundaria. Se quiere extraer una muestra de alumnos. Cmo se obtiene la muestra: a) Muestreo aleatorio simple -

Se numere los alumnos del 1 al 120. Se sortean 30 nmeros de entre los 120. La muestras estar formada por los 30 alumnos que les correspondan los nmeros obtenidos.

2.5.1.2 Muestreo Probabilstico Sistemtico: El muestreo sistemtico consiste en ordenar los individuos de la poblacin y se enumeran, se divide la poblacin en tantos grupos como individuos se quiera tener en la muestra, tambin se selecciona uno al azar
14

en el primer grupo y se elige el que ocupa el mismo lugar del grupo. Se utiliza cuando el universo o poblacin es de gran tamao se representa donde K depende del tamao de la poblacin (N) y del tamao de la muestra (n). Consiste en una variante simplificada del muestreo aleatorio. El marco muestral lo constituye listas, ndices alfabticos etc., depende del tamao de la poblacin (N) y del tamao de la muestra (n) (VELZQUEZ, Angel 2007 p. 221) Es un muestreo que se utiliza cuando el tamao de la poblacin es muy grande, por lo tanto, dificulta formular una muestra representativa por no contar con suficiente pginas con nmeros aleatorios. (TORRES, C. 1992 p. 189) El muestreo sistemtico no es independiente en la de los sujetos ya que pueden darse casos en que segn sea la forma del ordenamiento de los sujetos, la muestra a elegir puede ser sesgada. (SNCHEZ, Hugo 1984 p. 100) Ejemplo 1: Un colegio tiene 120 alumnos de secundaria. Se quiere extraer una muestra de alumnos. Cmo se obtiene la muestra: FORMULA: K = N/n

Se numera los alumnos del 1 al 120. Se calcula el intervalo constante entre cada.

15

Individuo

N (poblacin) = n (muestra)

120 = 4 30

Sorteamos un nmero del 1 al 4. Supongamos que sale el nmero 3. El primer alumno seleccionado para la muestra sera el nmero 3, los siguientes alumnos se obtendran sumando 3, hasta llegar a tener 30 alumnos. Los alumnos seleccionados para la muestra sera los que se correspondieran a los nmeros: 3, 6, 990.

2.5.1.3 Muestreo Probabilstico Estratificado: Consiste en la divisin previa de la poblacin de estudio en grupos o clases que se suponen homogneos con respecto a alguna caracterstica de las que se van a estudiar. A cada uno de estos estratos se le asignara una cuota que determinara el nmero de miembros del mismo que compondrn la muestra. Este tipo de muestreo es empleado cuando se considera que una poblacin posee subgrupos o estratos, que pueden presentar diferencias en las caractersticas que son sometidas a estudio. (SNCHEZ, Hugo 1984 p. 98) Parte del supuesto de que la poblacin est subdividido en un determinado nmero de subpoblaciones o estratos, de tal modo que la muestra puede estar integrada por elementos de cada uno de los estratos. (RODRGUEZ, Francisco 1984 p. 113) Este tipo de muestreo se utiliza cuando en la poblacin existe grupos de unidades que presentan caractersticas diferentes. (ENCINAS, Irma. 1991 p.104)

16

Es aquel que tiende a dividir al universo en estratos o bloques para compararlo entre si. (TORRES, C. 1992 p. 186) Cualquier procedimiento de los estudiados es estratificado si la seleccin va precedida de la clasificacin del conjunto de partes homogneas (entre s) denominadas estratos. (VELZQUEZ, ngel 2007 p. 222)

Ejemplo de muestreo estratificado: Se divide la poblacin en clases o estratos y se escoge, aleatoriamente, un nmero de individuos de cada estrato proporcional al nmero de componentes de cada estrato. En una fbrica que consta de 600 trabajadores queremos tomar una muestra de 20. Sabemos que hay 200 trabajadores en la seccin A, 150 en la B, 150 en la C y 100 en la D

20 600 20 600 20 600 20 600

X1 = 200 X2 = 150 X3 = 150 X4 = 100

X1= 6.6 ~ 7 trabajadores de A

X2= 5 ~ 5 trabajadores de B

X3= 5 ~ 5 trabajadores de C

X4= 3.3 ~ 3 trabajadores de D

17

2.5.1.4 Muestreo Probabilstico por Racimos: Este procedimiento hace que los elementos para la muestra se eligen de una sub-poblacin agrupada (conglomerado), las unidades de seleccin son series estadsticas diferentes y su ejecucin requiere varias etapas previamente diseadas. Este tipo de muestreo se conoce como multetpico o por conglomerado porque su ejecucin requiere varias etapas previamente diseada. La muestra racimo es representativa. (TORRES, C. 1992 p. 188) Este procedimiento supone que las unidades de seleccin son series estadsticas diferentes. (VELZQUEZ, ngel 2007 p. 222) Lo que se selecciona no es un individuo sino un conjunto de ellos que constituyen lo que se llama un racimo en cuanto son semejantes en las caractersticas que estn bajo estudio. (SNCHEZ, Hugo 1984 p. 99)

18

19

Ejemplo: Muestreo por Racimos

B C H E A D F

C
SE SELECCIONA ALEATORIAMENTE UNA MUESTRA DE GRUPOS EN LA POBLACIN (por ejemplo. A, C, H, E)

A H E

A:Muestr a

H:Muestr a E

E:Muestr a

C:Muestr a

MUESTRA TOTAL

Muestreo por racimos: Muestras de estratos de la poblacin, es til cuando es grande el costo de llegar a los miembros de la muestra en el campo.

Ejemplo 1: Si la poblacin son escuelas, universidades, hospitales, distritos escolares o zonas geogrficas, entonces las unidades muestrales dentro de cada conglomerado
20

pueden ser alumnos, docentes, personal, pacientes o ciudadanos. Ejemplo 2: Si queremos hacer un estudio sobre la influencia de un determinado engorde de cerdos criados en granjas, podemos seleccionar aleatoriamente las granjas y luego dentro de ellas estudiar los pesos de los cerdos, bien de todos los cerdos de cada granja o de una muestra representativa de la poblacin de cerdos de la misma.

2.5.2 Muestreo no Probabilstico: Este mtodo interviene el juicio y criterio del hombre donde l selecciona las unidades para la muestra, no existe criterio de que todos los sujetos tengan la misma posibilidad de ser elegidos Las ventajas son las siguientes: El investigador seleccionar los casos que le interese estudiar. La muestra no probabilstica es menor costosa que una muestra probabilstica.

Proporcionan informacin para estudios ms profundos o amplios a bajo costo. Una muestra no probabilstica es de fcil seleccin, no requiere el marco muestral.

Las desventajas: Los resultados que se obtiene a partir de ella no se pueden inferir a la poblacin. Los elementos se seleccionan conforme a los criterios del investigador. 2.5.2.1 Muestreo no Probabilstico por Cuotas: Es la tcnica que determina subgrupos poblacionales segn las caractersticas de la poblacin, es una tcnica
21

ms difundida sobre todo en estudios de mercado y sondeo de opinin. En primer lugar, es necesario dividir la poblacin de referencia en varios estratos adquiridos. En este caso, si se tiene algunas referencias en cuanto al tamao de la poblacin y a sus caractersticas, de manera que se pueden establecer cuotas de las unidades de anlisis. (VELZQUEZ, ngel 2007 p. 223) Es el que determina subgrupos poblacionales tomando como base las caractersticas de la poblacin. (TORRES, C. 1992 p. 191) Ejemplo 1 de muestreo por cuotas: El agente visitador o entrevistado recoge informacin de personas o familias en nmero proporcional al de las que cumplen determinadas condiciones en la poblacin, y puede elegirlas a su arbitrio dentro de grupos establecidos por sexo, edad o ciertos niveles socioeconmicos. As, se podra fijar que el 15% de la muestra ha de constar de mujeres que tengan menos de 40 aos, sean de clase media y habiten en determinado barrio, y esta sera la nica condicin para seleccionar este 15% de la muestra.

Ejemplo 2 de muestreo por cuotas: Seleccionar 50 estudiantes de la carrera de ingeniera industrial, que ya hayan cursado el cuarto ciclo de la carrera y que tengan promedio arriba del 75 por ciento. Se elegir a los primeros 50 que cumplan con estas condiciones. Este tipo de muestreo se utiliza especialmente en las encuestas de opinin.

2.5.2.2 Muestreo no Probabilstico Intencional o Selectivo: En esta tcnica, el investigador selecciona directa e intencionalmente los individuos de la poblacin. Estas muestras son representativas de la poblacin de donde es extrada. Esta tcnica es utilizada en sondeo
22

preelectorales, las votaciones han marcado tendencia de voto En este tipo de muestreo quien selecciona la muestra lo que busca es que esta sea representativa de la poblacin de donde es extrada. (SNCHEZ, Hugo 1984 p. 100) Consiste en recoger de la poblacin aquellas unidades que puedan informacin esencial. (http://clubensayos.com/impri p.6) Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener muestras representativas mediante la inclusin en la muestra de grupos supuestamente tpicos. (www.bioingenieria.edu.ar/ac.)

Ejemplo de muestreo Intencional: Si deseamos hacer un estudio acerca de las caractersticas de los nios de pueblos jvenes y su influencia en el rendimiento escolar en la ciudad de Lima, la muestra podemos seleccionarla en base a la eleccin de un pueblo joven al que consideramos es representativo de los pueblos jvenes de la ciudad de Lima. La eleccin de dicha muestra como representante de los pueblos jvenes puede haberse hecho solamente en base a la satisfaccin de ciertas condiciones para ser considerado como pueblo joven.

2.5.2.3 Muestreo no Probabilstico Espontneo: En esta tcnica, el investigador selecciona a los individuos de la poblacin. Se realiza cuando no se tiene referencias precisas de la poblacin total, sus resultados son de escasos valor predictivo. Se utiliza cuando no se tiene referencias precisas acerca de la poblacin total dado que no se puede conocer la representativilidad de la muestra en cuanto a su tamao ni en relacin a las caractersticas de la poblacin. Sus resultados son de escaso valor predictivo. (VELZQUEZ, ngel 2007 p. 222)
23

El muestreo sin normas o circunstancias se aplica cuando los elementos de la muestra se toman de cualquier manera, generalmente atendiendo razones de comodidad, circunstancias o capricho. (SNCHEZ, Hugo 1984 p. 101) Muestreo casual o incidental: Se trata de un proceso en el que el investigador selecciona directa e intencionadamente los individuos de la poblacin. (www.bioingenieria.edu.ar/ac. p.3)

Ejemplo: Muestreo Espontneo Cuando un investigador tiene que llenar algunas encuestas y para cumplir con su tarea recurre a los amigos o familiares, o de lo contrario aprovecha un grupo que est reunido por razones particulares pero que se muestra dispuesto a colaborar con l. 2.5.2.4 Muestreo no Probabilstico Bola de Nieve: Esta tcnica se puede usar para localizar a los individuos que son la representacin de su grupo marginal, como delincuentes, sectas, determinados tipos de enfermos. Estas poblaciones son clandestinas y dispersas para poder estudiarlas. Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y as hasta conseguir una muestra suficiente. Este tipo se emplea muy frecuentemente cuando se hacen estudios con poblaciones marginales, delincuentes, sectas, determinados tipos de enfermos. (http://www.angelfire.com/sc/matasc/EyD/bioesta/mu est-noprob) Los primeros elegidos como encuestados (probablemente a juicio del investigador) proponen y ayudan a la seleccin de los restantes de la muestra. Esta tcnica se utiliza para localizar por referencias a miembros de poblaciones peculiares.
24

(webs.uvigo.es/aimtnez/transpasinvestigacion/TEMA %207.ppt) Indicado para estudios de poblaciones clandestinas, minoritarias o muy dispersas pero en contacto entre s. Consiste en identificar sujetos que se incluirn en la muestra a partir de los propios entrevistados. (http://es.wikipedia.org/wiki/Muestreo_en_estad %C3%ADstica) Ejemplo de muestreo bola de nieve: Realizar estudios con poblaciones marginales, con delincuentes, tipos de enfermos para conocer el nivel de participacin social.

25

CAPITULO III: ESCALA DE MEDICION

3.1-Escala Nominal Mediante los planteamientos de estos autores podemos entender que la Escala Nominal se utiliza para identificar objetos, individuos y acontecimientos, asignndole signos y variables a fin de identificarlas para saber si es igual o distinta una de otra, clasificando los datos.

La Escala Nominal es una escala de medicin de este tipo lo que hace es simplemente ubicar a los objetos o eventos a medir en categoras o clases que son mutuamente excluyentes. (Snchez Hugo 2006 p.102) La escala Nominal tiene dos o ms categoras de la variable, las categoras no tienen orden ni sexo de Jerarqua, tan solo diferencias respecto a una o ms caracterizas. Por ejemplo, la variable el De la persona 1=pardo, 2= verde, 3= celeste, 5= otros, 1+2=3, un pardo + un verde = celeste? (no tiene sentido) (Gmez Marcelo 2006 p.21) En La Escala Nominal se utilizan nmeros para identificar objetos, individuos, acontecimientos (para determinacin de igualdad o desigualdad) (Roger McDaniel et al. 2005 p. 260) La escala Nominal Asigna nmeros u otros smbolos a la variable a fin de clasificarlas sin darle un Significado cuantitativo. Por ejemplo: El nivel de educacin, cuando se han distinguido, por ejemplo, las siguientes categoras: 1=Bsica, 2=Media, 3=Tcnico y 4=Universitario (Landeau Rebeca 2007 p.83)

3.2-Escala Ordinal Mediante los planteamientos de estos autores podemos entender que la Escala de Ordinal se utiliza para agrupar lo objetos, eventos y nivel socio econmico
26

para clasificar las variables en relacin de orden y jerarqua. Ejemplo de Escala Ordinal

La Escala Ordinal nos va a permitir agrupar los a objetos, eventos o sujetos, sobre la base de la posicin relativa de un elemento con respecto al otro... (Snchez Hugo 2006 p.102) L a Escala Ordinal son los nmeros o los smbolos de las categoras si indican Jerarqua .Ejemplo: Director 8, Regente 7, Profesor 6, Prefecto 5 y Administrativo 4 (Gmez Marcelo 2006 p.21) L a Escala Ordinal adems de clasificar las variables establece una relacin de orden o jerarqua entre los Elementos. En los siguientes casos se puede considerar un orden: La variable de nivel socioeconmico cuando por ejemplo se han distinguido tres categoras: Alto, Medio y Bajo (Landeau Rebeca 2007 p.83) L a Escala Ordinal adems de la identificacin, proporciona informacin acerca de la cantidad relativa de algunas de las caractersticas que tiene un acontecimiento, un objeto etc.( determina de mayor a menor) (Roger McDaniel et al. 2005 p. 260) 3.3-Escala De Intervalo Mediante los planteamientos de estos autores podemos entender que la Escala de Intervalo se utiliza para determinar la distancia que existe entre rdenes, rangos y jerarqua, nos permite determinar la igualdad entre intervalos sea rene las caractersticas anteriores. Se
27

emplea perfectamente en la ciencia de la fsica ms no en ciencias de conducta y ciencias sociales en general debido a que esta utiliza el valor verdadero de cero. El cero no indica usencia de variable y es arbitrario Ejemplo: calendario, hora, fecha y temperatura etc.

La Escala de Intervalo nos proporciona informacin acerca del ordenamiento de los eventos, sujetos u objetos, pero tambin nos da informacin con respecto a la distancia de cada uno de estos Ordenes o rangos (Snchez Hugo 2006 p.103) La Escala de Intervalo adems del orden o la jerarqua entre categoras, se establecen intervalos iguales en La medicin. Las distancias entre categoras son las mismas a lo largo de toda la Escala. Hay un intervalo constante, una unidad de medida )(Gmez Marcelo 2006 p.22) La Escala de Intervalo posee todas las propiedades de las escalas nominales y ordinales, adems de intervalos iguales entre los puntos consecutivos es para determinar la igualdad de los Intervalos (Roger McDaniel et al. 2005 p. 263) La Escala de Intervalo adems de relaciones las variables le da un significado cuantitativo, el cual es medio a partir de distancias numricas iguales en las escala para representar iguales Distancias entre categoras. Por ejemplo, si tienes cuatro categoras A, B, C y D a las cuales se han asignado los siguientes nmeros A -12, B-3, C-6 y D-98 (Landeau Rebeca 2007 p.83) La Escala de Intervalo es empleada preferentemente en las ciencias fsicas mas no en las ciencias de la conducta y ciencias sociales en general, debido a que esta, utiliza o incluye el valor verdadero de cero (Snchez Hugo 2006 p.103)

28

3.4-Escala De Proporcin o de Razn Mediante los planteamientos de estos autores podemos entender que la Escala de Proporcin o de Razn incorpora todas las escalas nominales y de intervalo adems de un punto cero indica ausencia de la variable, un ejemplo de esta medicin seria las horas de exposicin a escuchar msica donde cero implica que el sujeto no escucha msica

La escala De Proporcin o de Razn Especifican al cero como carencia de rasgo eso nos permite establecer razones o proporciones este las observaciones. Es empleada preferentemente en las ciencias fsicas ms no en las ciencias de la conducta y ciencias sociales en general, debido a que esta, utiliza o incluye el valor verdadero de cero. (SNCHEZ, Hugo 2006 p.103)

Escala De Proporcin o de Razn en este nivel, adems de tenerse todas las categoras, y aplicaciones de operaciones (intervalos iguales entre las categoras, y aplicaciones de operaciones aritmtica Bsica y sus derivaciones), el cero es real y es absoluto (no es arbitrario). Cero absoluto implica que hay un punto en la escala donde no existe la propiedad ( la Variable est ausente). Ejemplo de esta medicin seria las horas de exposicin a la Televisin donde el cero implica que el sujeto no ve televisin.(Gmez Marcelo 2006 p.24) L a Escala De Proporcin o de Razn Incorpora todas las propiedades de las escalas nominales, ordinal y de intervalo, adems de un punto cero absoluto (determinacin de la igualdad de las cosas) (Roger McDaniel et al. 2005 p. 263) Escala De Proporcin o de Razn adems de poseer todas las caractersticas del anterior, permite, en sentido Estricto, la comparacin y la relacin proporcional numrica entre variables. (Esta escala tiene origen un punto cero, no arbitrario, lo que significa que el valor de
29

una variable puede ser absolutamente cero)(Landeau Rebeca 2007 p.83)

CAPITULO IV: PROCESAMIENTO ESTADISTICO

4. Procedimiento Estadstico: El tratamiento estadstico puede ser de dos tipos fundamentales: Anlisis descriptivo y anlisis inferencial. Cada uno de los dos tipos mencionados anteriormente ser de vital importancia de acuerdo al tipo de escala de medicin que hayamos usado.

4.1 Estadstica Descriptiva: En la estadstica descriptiva tenemos dos clases de medidas: De tendencia central y de variabilidad. Presentacin de manera resumida de la totalidad de observaciones hechas, como resultado de una experiencia realizada. (SNCHEZ, Hugo, REYES Carlos 1984 p. 105)

4.1.1 Medidas de tendencia central: Las medidas de tendencia central son las que nos proporcionan un nmero o cifra que refleja un puntaje promedio para todo un conjunto de observaciones. (SNCHEZ Hugo, REYES Carlos 1984 p. 110) Los principales estadsticos de tendencia central se clasifican de la siguiente manera: la moda, mediana y la media aritmtica
a) La moda. Es un dato es una distribucin que tiene o

presenta la mayor frecuencia que los otros datos. Por ejemplo, si tenemos los siguientes datos: 15, 20, 12, 9, 11, 12 ,16, 12, 9, 10, 12, 4, 12. En estos puntajes podemos ver que el puntaje que se presenta con mayor frecuencia es el puntaje 12 (se repite ms veces).
30

La moda estadstica es el valor que ms se repite en un grupo de nmeros. (http://www.aaamatematicas.com)

b) Mediana. Se define a la mediana como el punto en una

distribucin que contiene el 50% de casos por debajo y al 50% por encima o puntaje. (SNCHEZ Hugo, REYES Carlos 1984 p.106) La mediana es calculada mediante la siguiente frmula:

Md=

Li N/2-(fb) fw

Li: Lmite inferior del intervalo donde cae la mediana o contiene la mediana. N: El nmero de casos en la distribucin. fb: La frecuencia total acumulada de todos los intervalos por debajo del intervalo que contiene a la mediana. fw: La frecuencia de casos dentro del intervalo que contiene la mediana. i: Tamao del intervalo.

c) Media Aritmtica. Es el puntaje en una distribucin que

corresponde a la suma de todos los puntajes y dividido entre el nmero total de sujetos. (SNCHEZ Hugo, REYES Carlos 1984 p. 107) Es el valor resultante que se obtiene al dividir la sumatoria de un conjunto de datos sobre el nmero total de datos. Solo es aplicable para el tratamiento de datos cuantitativos. (http://www.eumed.net/libros/2007)

4.2 Medidas de Variabilidad Nos indica cuan disperso estn los datos uno de otro.

31

4.2.1 Rango Es la distancia entre el primer puntaje a la izquierda de una distribucin de frecuencias y el ltimo a la derecha de dicha distribucin. (SNCHEZ Hugo, REYES Carlos 1984 p. 108)

32

CONCLUSIONES

El Universo o Poblacin; viene a ser un conjunto de individuos u objetos que se estudia algo que se quiere conocer.

El muestreo es una actividad de nuestra vida, una tcnica para realizar los trabajos de investigacin. Los conceptos bsicos son la poblacin de estudio, la muestra, escala de medicin y parmetros estadsticos.

La muestra es un subgrupo de la poblacin y puede ser probabilstica y no probabilstica.

La caracterstica de las muestras probabilsticas es que todos los elementos de la poblacin tienen la misma probabilidad de ser elegidos. Para una muestra probabilstica necesitamos determinar el tamao de la muestra y seleccionar los elementos muestrales en forma aleatoria. Las muestras probabilsticas pueden ser aleatorias, sistemticas, estratificadas y por racimos.

Las muestras no probabilsticas, la eleccin de la muestra no es aleatoria, depende del juicio del entrevistador o responsable de la investigacin. En el muestreo no probabilstico los costos son reducidos .Este muestreo puede dar buenos resultados, pero tambin se corre el riesgo de proporcionar una informacin errnea.

En conclusin la escala nominal clasifica los datos, la escala Ordinal: ordena los datos por jerarqua, la escala de Intervalo; seala la diferencia entre dos valores y la Razn; el cero y el cociente entre valores tienen significado

33

34

TERMINOLOGA El Universo o Poblacin: Conjunto de individuos u objetos que se estudia algo que se quiere conocer Censo: Relacin completa de los elementos de una poblacin. Elemento: Cada una de las unidades sobre las que interesa obtener informacin. La escala (cartografa): Trmino que se utiliza en Cartografa para designar la relacin matemtica que existe entre las dimensiones reales y las del dibujo que representa la realidad El Universo o Poblacin: Conjunto de individuos u objetos que se estudia algo que se quiere conocer Inferencia estadstica: Proceso de estimacin de resultados vlidos para una poblacin a partir de los resultados obtenidos de una muestra de esa poblacin. Marco maestral: Listado que identifica a los elementos de la poblacin objetivo. Muestra: Subconjunto de elementos de la poblacin elegidos para estudiar y as tratar de inferir caractersticas de la poblacin Muestreo: Conjunto de operaciones encaminadas a determinar una muestra, su tamao y dems caractersticas necesarios para identificar a los elementos que la forman. Nivel de confianza: Probabilidad de obtener un intervalo de confianza concreto. Nominal adjetivo: Del nombre o relativo a l Parmetro: Medida de una caracterstica determinada de una poblacin. Si esta medida est referida a una muestra entonces se denomina estadstico. La diferencia entre ambos valores es el error muestral. Poblacin: Conjunto formado por la totalidad de elementos con arreglo a unas caractersticas concretas. Poblacin de estudio: Conjunto de elementos sobre los que se toma la muestra. Sesgo: Error especfico de la muestra por falta de representatividad.
35

BIBLIOGRAFA

ARISTA, Gildomero. (1984). Metodologa de la Investigacin. Segunda Edicin. Lima-Per: Universidad San Martin de Porres. ENCINAS, Irma. (1991). Teora y Tcnica en la Investigacin Educacional. Lima- Per: Editorial AVE S.A. GOMEZ, Marcelo (2006). Introduccin a la metodologa de la investigacin cientfica. Crdoba: Editorial Brujas. HEINEMANN, Klaus (2003). HERNNDEZ, Roberto et. al. (1998). Metodologa de la Investigacin. Segunda Edicin. Mxico: Editorial Esfuerzo S.A. LANDEAU, Rebeca. (2007). Elaboracin de trabajos de Investigacin. Venezuela: Editorial Alfa. Mc Daniel, Carl et al. (2005). Investigacin de Mercados. Mxico: Editorial Thompson Editores. RODRIGUEZ, Francisco. (1984). Introduccin a la metodologa de las Investigaciones Sociales. La Habana-Cuba: Editorial Poltica. SANCHEZ, Hugo y REYES, Carlos. (1984). Metodologa y Diseo en la Investigacin Cientfica: Lima-Per: Editorial ndice. TORRES, C. Bardales. (1992). Metodologa de la Investigacin Cientfica. Lima-Per. VELZQUEZ, ngel y REY, Nrida. (2007). Metodologa de la investigacin Cientfica. Lima-Per: Imprenta Anbal Paredes G. Pginas web: www.Slidesre.net/milit www.mitecnologico.com http://clubensayos.com/impri p.6 www.bioingenieria.edu.ar/ac. http://www.angelfire.com/sc/matasc/EyD/bioesta/muest-noprob
36

webs.uvigo.es/aimtnez/transpasinvestigacion/TEMA%207.ppt http://es.wikipedia.org/wiki/Muestreo_en_estad%C3%ADstica http://www.aaamatematicas.com http://www.eumed.net/libros/2007

37