MAESTRA EN EDUCACIN MENCIN DOCENCIA, INVESTIGACIN Y CURRCULO
TALLER DE INVESTIGACIN II
OPERACIONALIZACION DE VARIABLES VALIDEZ Y CONFIABILIDAD DEL INSTRUMENTO DE MEDICIN MUESTRA Y TAMAO MUESTRAL
DOCENTE: DRA. LUCY SNCHEZ PINEDO
Diciembre 2008
Trujillo, 27 de diciembre del 2008
Queridos Maestristas:
Esperando que hayan pasado una linda Navidad en unin familiar, les hago entrega de la segunda clase virtual y la ltima de diciembre.
Sigo insistiendo en que lean detenidamente las separatas, las internalicen ya que todo ello se va a emplear en las cuatro clases presenciales de enero, y se pongan al da en sus pagos.
Despus de leer detenidamente la siguiente separata deben responderme lo siguiente:
1. Identifica las variables de tu proyecto. 2. Cmo vas a elegir la muestra?
As mismo no se olviden de entregar las tareas del anterior curso.
Esperando sus prontas respuestas me despido desendoles un Feliz Ao Nuevo y nos vemos el 03 de enero a las 3:00 PM.
Atentamente,
Dra. Lucy Snchez Pinedo Coordinadora Alterna Maestra en Educacin ULADECH Sede Trujillo
OPERACIONALIZACIN DE VARIABLES.
Variable: Cualquier caracterstica de la realidad que pueda ser determinada por observacin y que pueda mostrar diferentes valores de una unidad de observacin a otra.
Variable: Es un aspecto o dimensin de un fenmeno que tiene como caracterstica la capacidad de asumir distintos valores, ya sea cuantitativa o cualitativamente.
La validez de una variable depende sistemticamente del marco terico que fundamenta el problema y del cual se ha desprendido, y de su relacin directa con la hiptesis (o idea a defender) que la respalda.
En el proceso de operacionalizacin de unas variables es necesario determinar los parmetros de medicin a partir de los cuales se establecer la relacin de variables enunciadas por la hiptesis (o idea a defender), para lo cual es necesario tener en cuenta:
Hiptesis: El status acadmico (Variable Independiente) del profesor incide positivamente en el aprendizaje del alumno (Variable Dependiente) DEFINICIN CONCEPTUAL Definicin nominalVariable a medir o nombre de la variables. Ej. Status acadmico Dimensiones Factor rasgo de la variable que debe medirse y que nos permite establecer indicadores Indicadores Seala cmo medir cada uno de los factores o rasgos (Dimensiones) de la variable. ndices Ponderacin porcentual del valor para dimensiones y/o indicadores. Es el resultado de la combinacin de valores obtenido en cada uno de los indicadores propuestos para medir la variable. Es el indicador total de una variable compleja y su diferencia especfica con el indicador se da en grados.
En la operacionalizacin de variables es necesario tener en cuenta dos factores de importancia:
1. La lgica.
2. El conocimiento: Es necesario la reformacin pertinente, lo cual permite construir dimensiones e indicadores.
La informacin mnima necesaria para el anlisis en una investigacin proviene de la operacionalizacin de variables, ya que los instrumentos de relacin de recoleccin de los datos se construyen a partir de las dimensiones e indicadores de la variable.
Operacionalizacin:
Variable (Dimension es e Indicadores) Instrumentos de recoleccin de los datos o de Medicin tems o preguntas Observacin: Ficha de Observacin segn la Gua de Observacin. Cuestionario Entrevista a partir de la Gua de la entrevista. Experimento (pedaggico o de Laboratorio) Prueba o Test Escala de Likert Segn las variables (dimensiones o indicadores)
CLASIFICACIN DE VARIABLES.
Segn su capacidad o nivel en que nos permitan medir los objetos. Es decir, que la caracterstica ms comn y bsica de una variables es la de diferenciar entre la presencia y la ausencia de la propiedad que ella enuncia.
Variable continua Se presenta cuando el fenmeno a medir puede tomar valores cuantitativamente distintos. Ejemplos: la edad cronolgica. Variables discretas Son aquellas que establecen categoras en trminos no cuantitativos entre diversos individuos o elementos. Ejemplo: el temperamento de los nios en relacin con el aprendizaje los nios de temperamento calmado aprenden ms lentamente que los de temperamento emotivo. Variables individuales Presentan la caracterstica o propiedad que caracteriza a individuos determinados, y pueden ser: Absolutas. Relacionales. Comparativas. Contextuales. Variables colectivas Presentan las caractersticas o propiedades que distinguen a un grupo o colectivo determinado y pueden ser: Analticas. Estructurales. Globales. Variable Antecedente Es la que se supone como antecedente, es decir, que hay variables que son antecedentes de otras. Ejemplo: para realizar un aprendizaje se supone un grado mnimo de inteligencia. Por tanto, la variable inteligencia es un antecedente de la variable aprendizaje. Variable independiente Es la variable que antecede a una variable dependiente, la que se presenta como causa y condicin de la variable dependiente, es decir, son las condiciones manipuladas por el investigador a fin de producir ciertos efectos. Variable dependiente Es la variable que se presenta como consecuencia de una variable antecedente. Es decir, que es el efecto producido por la variable que se considera independiente, la cual es manejada por el investigador. Variable interviniente o alterna Es la variable que aparece interponindose entre la variable independiente y la variable dependiente y en el momento de relacionar las variables interviene en forma notoria. Conviene analizar si esta variable aparece a partir de la variable independiente, es decir, posterior a ella y con anterioridad a la variable dependiente, de tal forma que entre a reemplazar la variable independiente que ha sido formulada, o su acta como factor concerniente en la relacin de variables. La variable interviniente, o alterna o concurrente la forman factores que influyen en el efecto, o sea, la variable dependiente, pero que no van a ser sometidas a investigacin. Variables extraas Cuando existe una variable independiente no relacionada con el propsito del estudio, pero que puede presentar efectos sobre la variable dependiente, tenemos una variable extraa
POBLACIN Y MUESTRA
Qu debo saber o conocer de mi poblacin ( o muestra) objeto de estudio para poder solicitar ayuda estadstica y as establecer un dilogo con mi asesor y lograr un adecuado manejo poblacional (o muestral) para obtener datos a partir de instrumentos con validez y confiabilidad)?
El investigador debe ante todo conocer el nivel de homogeneidad o de heterogeneidad de la poblacin.
Bien podemos decir que el tipo de estadstica depende del tipo de informacin que se va a manejar.
Puede ser ESTADSTICA DESCRIPTIVA O ESTADSTICA INFERENCIAL.
La estadstica inferencial puede ser:
o Paramtrica Cuando las variables son de tipo cuantitativo o No paramtrica Cuando las variables son de tipo cualitativo
La Operacionalizacin de variables
Es el procedimiento por el cual se pasa de variables generales a indicadores, es el proceso de medicin en las ciencias sociales y est compuesto por una serie de fases:
Bsqueda de las dimensiones de la variable general.
Construir o elaborar los indicadores los indicadores tienen que estar relacionados con la dimensin de la que pretenden ser indicador, y tiene que ser expresin numrica cuantitativa (que podamos obtener datos).
Las Escalas
Son instrumentos de medida y se refieren a la forma en que se materializa el indicador. Hay 3 tipos de escalas:
Escalas nominales son aquellas que se utilizan para clasificar a la poblacin entre una serie de categoras sin que exista algn orden de categoras ni se pueda cuantificar la distancia que hay entre una categora y otra. Ej. Estado civil: soltero, casado, viudo,...
Escalas ordinales son aquellas que permiten clasificar a la poblacin entre una serie de categoras y establecer un orden. Ej. Grado de satisfaccin: mucho, poco, nada,...
Escalas de intervalo o razn son aquellas que permiten clasificar a la poblacin entre categoras, ordenarla y cuantificar la distancia entre una categora y otra. Ej. N de hijos 0, 1,2.
Todas las variables cuantitativas tienen escalas de intervalo o razn. Las variables cualitativas pueden ser nominales u ordinales.
Muestreo y tamao de muestra
Partiendo de la importancia que tiene para cualquier profesional e investigador conocer varios conceptos importantes de la estadstica para poder desarrollar exitosamente una investigacin de cualquier ndole, en el presente trabajo nos proponemos dar tratamiento a algunos elementos de la estadstica matemtica de la forma ms elemental posible para que pueda ser asimilada por cualquier profesional sin tener en cuenta su especialidad ya sea de las ciencias sociales como de las ciencias exactas.
Nuestro propsito es encaminar al profesional en:
Conocer el aparato conceptual necesario desde el punto de vista estadstico para emprender de forma slida y cientfica una investigacin.
Mostrar algunas de las formas cientficas de obtener una muestra.
Tipo de muestreo a utilizar segn el inters del profesional.
Como determinar el tamao de muestra necesario para el desarrollo de la investigacin.
Dentro de esa gama de conceptos primarios tenemos los siguientes:
Poblacin. Muestra Parmetro Estadstico Error muestral Nivel de confianza
Desarrollo
Poblacin: No es ms que aquel conjunto de individuos o elementos que le podemos observar, medir una caracterstica o atributo.
Ejemplos de poblacin:
El conjunto formado por todos los estudiantes universitarios en Cuba. El conjunto de todos los estudiantes de una Universidad. El conjunto de personas fumadoras de una regin.
Son caractersticas medibles u observables de cada elemento por ejemplo, su estatura, su peso, edad, sexo, etc.
Supongamos que nos interesa conocer el peso promedio de la poblacin formada por los estudiantes de una universidad. Si la universidad tiene 5376 alumnos, bastara pesar cada estudiante, sumar los 5376 pesajes y dividirlo por 5376. Pero este proceso puede presenta dificultades dentro de las que podemos mencionar:
localizar y pesar con precisin cada estudiante: escribir todos los datos sin equivocaciones en una lista: efectuar los clculos.
Las dificultades son mayores si en nmero de elementos de la poblacin es infinito, si los elementos se destruyen, si sufren daos al ser medidos o estn muy dispersos, si el costo para realizar el trabajo es muy costoso.
Una solucin a este problema consiste en medir solo una parte de la poblacin que llamaremos muestra y tomar el peso medio en la muestra como una aproximacin del verdadero valor del peso medio de la poblacin.
El tamao de la poblacin es la cantidad de elementos de esta y el tamao de la muestra es la cantidad de elementos de la muestra. Las poblaciones pueden ser finitas e infinitas.
Los datos obtenidos de una poblacin pueden contener toda la informacin que se desee de ella. De lo que se trata es de extraerle esa informacin a la muestra, es decir a los datos muestrales sacarle toda la informacin de la poblacin.
La muestra debe obtener toda la informacin deseada para tener la posibilidad de extraerla, esto slo se puede lograr con una buena seleccin de la muestra y un trabajo muy cuidadosos y de alta calidad en la recogida de los datos.
Es bueno sealar que en un momento una poblacin puede ser muestra en una investigacin y una muestra puede ser poblacin, esto est dado por el objetivo del investigacin, por ejemplo en el caso de determinar la estatura media de los estudiantes universitarios en Cuba una muestra poda ser escoger algunas universidades del pas y realizar el trabajo, si por el contrario se quiere saber la estatura promedio de los estudiantes de una universidad en especifico en Cuba, entonces el conjunto formado por todos los estudiantes de esta universidad sera la poblacin y la muestra estara dada por los grupos, carreras o aos seleccionado para realzar el experimento.
Parmetro: Son las medidas o datos que se obtienen sobre la distribucin de probabilidades de la poblacin, tales como la media, la varianza, la proporcin, etc. Estadstico. Los datos o medidas que se obtienen sobre una muestra y por lo tanto una estimacin de los parmetros.
Error Muestral, de estimacin o standard: Es la diferencia entre un estadstico y su parmetro correspondiente. Es una medida de la variabilidad de las estimaciones de muestras repetidas en torno al valor de la poblacin, nos da una nocin clara de hasta dnde y con qu probabilidad una estimacin basada en una muestra se aleja del valor que se hubiera obtenido por medio de un censo completo. Siempre se comete un error, pero la naturaleza de la investigacin nos indicar hasta qu medida podemos cometerlo (los resultados se someten a error muestral e intervalos de confianza que varan muestra a muestra). Vara segn se calcule al principio o al final. Un estadstico ser ms preciso en cuanto y tanto su error es ms pequeo. Podramos decir que es la desviacin de la distribucin muestral de un estadstico y su fiabilidad.
Nivel de Confianza: Probabilidad de que la estimacin efectuada se ajuste a la realidad. Cualquier informacin que queremos recoger est distribuida segn una ley de probabilidad (Gauss o Student), as llamamos nivel de confianza a la probabilidad de que el intervalo construido en torno a un estadstico capte el verdadero valor del parmetro.
1.- Mtodo de seleccin:
Un procedimiento de extraer una muestra aleatoria de una poblacin finita es el de enumerar todos los elementos que conforman la poblacin, escribir esos nmeros en bolas o papelitos echarlos en un bombo o bolsa mezclarlos bien removindolos y sacar uno a uno tantos como lo indique el tamao de la muestra. En este caso los elementos de la muestra lo constituirn los elementos de la poblacin cuyos nmeros coincidan con los extrados de la bolsa o bombo.
Otro procedimiento para obtener una muestra de una poblacin ya sea el muestreo con remplazo o sin reemplazo es mediante la utilizacin de la tabla de nmeros aleatorios pero solamente para poblaciones finitas, la utilizacin de estas tablas puede realizarse de diferentes modos pero en el presente trabajo solo expondremos el que consideramos ms eficiente ya que no se necesita de la bsqueda de una gran cantidad innecesaria de nmeros aleatorios en la tabla, el cual ser ejemplificado.
Existen diferentes tablas de nmeros aleatorios nosotros en nuestro trabajo utilizaremos como referencia la tabla de M. G. Kendall y B. Babington Smith que se encuentra en el texto de tablas estadsticas, la misma est constituida por 4 bloques de 1000 nmeros aleatorios dispuestos en 25 filas y 40 columnas.
Veamos cmo se procede para la utilizacin de la tabla. Consideremos que se desea extraer de una poblacin de tamao N una muestra de tamao n se selecciona el bloque, la fila y la columna de la tabla que se va a comenzar, a partir de esta seleccin (que la hace el muestrista) se toman tantas columnas como dgitos tiene N. Comenzando por el primer nmero de las columnas seleccionadas se irn incluyendo en la muestra aquellos individuos que en la lista de la poblacin ( ya sea de forma horizontal o vertical) ocupa la posicin de los n nmeros de las columnas seleccionadas que resultan menores que N, en los caso que al seleccionar un nmero en la tabla de nmeros aleatorios sea mayor que N se divide este por N y el resto de la divisin que ser un nmero entre 0 y N-1 ser la posicin del individuo a seleccionar tomando el convenio de que el resto 0 corresponde a la posicin N. Para la aplicacin de este procedimiento requiere que se fije previamente el mayor mltiplo de N que se considerar, para as garantizar que todos los restos desde 0 a N -1 tengan la misma probabilidad de ser seleccionados, por ejemplo si N = 150 y tomando 3 columnas se consideraran slo aquellos nmeros menores o iguales que 900, los nmeros mayores que 900 no sern analizados en la seleccin de la muestra.
Ejemplo 1.1: Dada la siguiente poblacin formada por la edad del hijo mayor de 200 ncleos familiares de una cierta regin.
Seleccione una muestra aleatoria de tamao 10 (use la tabla de nmeros aleatorios, escoja la tercera fila, tercera columna del segundo bloque de a 1000) numere la poblacin horizontalmente.
Para extraer la muestra lo primero que hacemos es disponer tres columnas en las cuales la primera se ubicaran los nmeros aleatorios, es decir los nmeros extrados de la tabla de nmeros aleatorios; en la segunda columna pondremos los nmeros aleatorios rectificados que sern aquellos nmeros aleatorios menores que N =200 y los restos de las divisiones de los nmeros aleatorios mayores que N =200 y menores que el mayor mltiplo de N es decir 800 y en la tercera columna de encontrar los valores de la muestra.
En la tabla de nmeros aleatorios la tercera fila, tercera columna del segundo bloque de a 1000 le corresponde al nmero 3 pero como tenemos que coger el nmero aleatorio de tres dgitos el primer nmero aleatorio sera el 017, los dems serian, 984, 955, 130, 850, 374, 665, 910, 288, 753, 765, 691, 496, 001, hemos escogido 14 nmeros de la tabla de nmeros aleatorios debido a que hay 4 que son mayores que 800. Veamos a continuacin como extraemos la muestra de la poblacin:
Para el primer nmero aleatorio 017 se busca en la poblacin el valor que ocupa la posicin 017 leda la poblacin horizontalmente que sera la edad de 48 aos, el nmero aleatorio 984 no se contempla dentro del anlisis ya que es mayor que 800, al igual que el nmero 955, el nmero 130, le corresponde la edad de 52 aos, al nmero 850 no se contempla dentro del anlisis, el 374 como es mayor que 200 se divide por 200 y se obtiene reto 174 y este es el nmero aleatorio rectificado correspondindole la edad de 53 aos, al nmero 665 se divide por 200 y se obtiene resto 65 que es el nmero aleatorio rectificado correspondindole la edad de 44 aos en la poblacin, a continuacin presentaremos la tabla de las tres columnas a la cual nos referimos anteriormente como una va fcil y prctica para obtener la muestra deseada.
Nota: obsrvese que en la muestra existen edades que se repiten esto puede pasar si el muestreo es con reemplazo si el muestreo es sin reemplazo debemos seguir buscando de la misma manera en la tabla de nmeros aleatorios seguido del nmero 001, hasta lograr tener la muestra con 10 valores de la poblacin no repetidos.
Este muestreo se puede realizar utilizando Microsoft Excel siguiendo los pasos siguiente:
a. Se instala la opcin de anlisis de datos para ello se va a herramienta luego a complemento y se activa en la ventana complemento la opcin herramienta para anlisis. b. Se abre una hoja Excel y se introducen los datos de la poblacin en columna. c. Se va a herramienta y se elige anlisis de datos y en esta ventana se selecciona la opcin muestra. d. En la ventana muestra se introduce el rango de entrada que sera seleccionar todos los valores de la poblacin, si al suministrar en la hoja Excel los datos de la poblacin al inicio se le designan a estos alguna variable o comentario debe activarse la opcin rtulo de lo contrario no debe ser activada, se activa la casilla de muestreo aleatorio y se introduce el tamao de muestra deseado. e. Se selecciona el rango de salida que consiste en seleccionar una celda en la hoja Excel que no est afectada por ninguna informacin ni hacia abajo ni a la derecha de la misma. f. Se selecciona aceptar en esta ventana y saldr el resultado deseado que sera las muestras elegidas por el programa en la poblacin.
2.- El tamao de la muestra:
Al realizar un muestreo probabilstica nos debemos preguntar Cul es el nmero mnimo de unidades de anlisis ( personas, organizaciones, capitulo de telenovelas, etc.), que se necesitan para conformar una muestra ( que me asegure un error estndar menor que 0.01 ( fijado por el muestrista o investigador), dado que la poblacin es aproximadamente de tantos elementos.
En el tamao de una muestra de una poblacin tenemos que tener presente adems si es conocida o no la varianza poblacional.
Para determinar el tamao de muestra necesario para estimar con un error mximo permisible prefijado y conocida la varianza poblacional ( ) podemos utilizar la formula:
( 1)
Que se obtiene de reconocer que es el error estndar o error mximo prefijado y est dado por la expresin para el nivel de confianza y constituye una medida de la precisin de la estimacin, por lo que podemos inferir adems que .
Ejemplo 1.2: Se desea estimar el peso promedio de los sacos que son llenados por un nuevo instrumento en una industria. Se conoce que el peso de un saco que se llena con este instrumento es una variable aleatoria con distribucin normal. Si se supone que la desviacin tpica del peso es de 0,5 kg. Determine el tamao de muestra aleatoria necesaria para determinar una probabilidad igual a 0,95 de que el estimado y el parmetro se diferencien modularmente en menos de 0,1 kg.
Solucin:
Evidentemente un tamao de muestra no puede ser fraccionario por lo que se debe aproximar por exceso. El tamao de muestra sera de 97.
Si la varianza de la poblacin es desconocida, que es lo que ms frecuente se ve en la prctica el tratamiento ser diferente, no es posible encontrar una frmula cuando la varianza poblacional es desconocida por lo que para ello aconsejamos utilizar el siguiente procedimiento- Primeramente, se toma una pequea muestra, que se le llama muestra piloto, con ella se estima la varianza poblacional ( ) y con este valor se evala en la formula (1), sustituyendo ( ) por su estimacin ( ). El valor de obtenido ser aproximadamente el valor necesario, nuevamente con ese valor de se extrae una muestra de este tamao de la poblacin se le determina la varianza a esa muestra, como una segunda estimacin de ( ) y se aplica de nuevo la formula (1), tomando la muestra con el obtenido como muestra piloto para la siguiente iteracin, se llegar a cumplir con las restricciones prefijadas. Se puede plantear esta afirmacin ya que la de tiende a estabilizarse a medida que aumenta alrededor de la por lo que llegar el momento en que se encuentre el tamao de muestra conveniente, sin embargo, en la prctica es mucho ms sencillo pues, a lo sumo con tres iteraciones se obtiene el tamao de muestra deseado, este procedimiento para obtener el tamao de muestra deseado se puede realizar utilizando en Microsoft Excel en la opcin anlisis de datos las opciones estadstica descriptiva para ir hallando la varianza de cada una de las muestras y la opcin muestra para ir determinado las muestras pilotos. Para obtener el tamao de la muestra utilizando este mtodo recomendamos la utilizacin de un paquete de cmputo como por ejemplo el Microsoft Excel, aplicando las opciones muestra y estadstica descriptiva.
Para determinar el tamao de la muestra cuando los datos son cualitativos es decir para el anlisis de fenmenos sociales o cuando se utilizan escalas nominales para verificar la ausencia o presencia del fenmeno a estudiar, se recomienda la utilizacin de la siguiente frmula:
( 2) Siendo sabiendo que: Es la varianza de la poblacin respecto a determinadas variables. Es la varianza de la muestra, la cual podr determinarse en trminos de probabilidad como
Es error estndar que est dado por la diferencia entre ( ) la media poblacional y la media muestral. Es el error estndar al cuadrado, que nos servir para determinar , por lo que = es la varianza poblacional.
Ejemplo 1.3: De una poblacin de 1 176 adolescentes de una ciudad X se desea conocer la aceptacin por los programas humorsticos televisivos y para ello se desea tomar una muestra por lo que se necesita saber la cantidad de adolescentes que deben entrevistar para tener una informacin adecuada con error estndar menor de 0.015 al 90 % de confiabilidad.
Solucin: = 1 176 = 0,015
por lo que
Es decir para realizar la investigacin se necesita una muestra de al menos 298 adolescentes.
Muestreo Estratificado:
El pasado ejemplo corresponde a una muestra probabilstica simple. Determinamos en este caso que el tamao de muestra sera n =298 adolescentes muestreados. Pero supongamos que la situacin se complica y que esta n la tendremos que estratificar a fin de que los elementos muestrales o unidad de anlisis posean un determinado atributo. En nuestro ejemplo este tributo es los diferentes canales de televisin. Es decir, cuando no basta que cada uno de los elementos muestrales tengan la misma probabilidad de ser escogidos, sino que adems es necesario estratificar la muestra en relacin a estratos o categoras que se presentan en la poblacin y que aparte son relevantes para los objetivos del estudio, se disea una muestra probabilstica estratificada. Lo que aqu se hace es dividir a la poblacin en sub poblaciones o estratos y se selecciona la muestra para cada estrato. La estratificacin aumenta la precisin de la muestra e implica el uso deliberado de diferentes tamaos de muestra para cada estrato, " a fin de lograr reducir la varianza de cada unidad muestral " (Kish, 1965 ), en su libro de muestreo que en un nmero determinado de elementos muestrales n = la varianza de la media muestral puede reducirse al mnimo si el tamao de la muestra para cada estrato es proporcional a la desviacin estndar dentro del estrato.
Esto es,
( 3 )
En donde es la fraccin del estrato, el tamao de la muestra, el tamao de la poblacin, es la desviacin estndar de cada elemento del estrato , y es una proporcin constante que nos dar como resultado una ptima para cada estrato. Siguiendo nuestro ejemplo de los adolescentes tenemos que la poblacin es de 1176 adolescentes y que el tamao de la muestra es = 298. la fraccin para cada estrato fh ser :
( 4)
De manera que el total de la sub poblacin se multiplicar por esta fraccin constante a fin de obtener el tamao de muestra para el estrato. Sustituyendo tenemos que:
( 5)
MUESTRA PROBABILSTICA ESRTRATIFICADA DE LA ACEPTACIN DE ADOLESCENTES POR LOS PROGRAMAS HUMORSTICOS TELEVISIVOS DE LA CIUDAD X.
E stratos Repartos de la ciudad X Total poblacin* (fh) = 0.2534 Muestra Nh (fh) = nh
1
53 13 2
109 3
215 55 4
87 22 5
98 25 6
110 28 7
81 20 8
221 56 9
151 38 1 0
51 13
= 1176
Por ejemplo:
= 53 directores de empresas extractivas corresponde a la poblacin total de este giro. = 0.2534 es la fraccin constante. = 13 es el nmero redondeado de directores de empresa del giro Estractivo que tendrn que entrevistarse.
MUESTREO PROBABILSTICO POR RACIMOS:
En algunos casos en donde el investigador se ve limitado por recursos financieros, por tiempo, por distancias geogrficas o por una combinacin de estos y otros obstculos, se recurre a otra modalidad de muestreo llamado por racimos. En este tipo de muestreo se reducen costos, tiempo y energa al considerar que muchas veces nuestras unidades de anlisis se encuentran encapsuladas o encerradas en determinados lugares fsicos o geogrficos que denominamos racimos. Para dar algunos ejemplos tenemos la tabla 8.3., en donde en la primera columna se encuentran unidades de anlisis que frecuentemente vamos a estudiar en ciencias sociales. En la segunda columna, sugerimos posibles racimos en donde se encuentran dichos elementos.
EJEMPLOS DE RACIMOS
Unidad de Anlisis Posibles Racimos Adolescentes Preparatorias Obreros Industrias Amas de casa Mercados Nios Colegios Personajes de televisin Programas de televisin
El muestrear por racimos implica diferencias entre la unidad de anlisis y la unidad muestral. La unidad de anlisis - como lo indicamos al principio de este captulo se refiere a quines van a ser medidos, o sea, el sujeto o sujetos a quienes en ltima instancia vamos a aplicar el instrumento de medicin . la unidad muestral en este tipo de muestra se refiere al racimo a travs del cual se logra el acceso a la unidad de anlisis. El muestreo por racimos supone una seleccin en dos etapas, ambas con procedimientos probabilsticos. En la primera, se seleccionan los racimos, siguiendo los ya reseados pasos de una muestra probabilstica simple o estratificada. En la segunda, y dentro de estos racimos se seleccionan a los sujetos u objetos que van a ser medidos. Para ello se hace una seleccin que asegure que todos los elementos del racimo tienen la misma probabilidad de ser elegidos. A continuacin daremos un ejemplo que comprenda varios de los procedimientos descritos hasta ahora y que ilustra la manera como frecuentemente se hace una muestra probabilstica en varias etapas.
EJEMPLO
Cmo hacer una muestra probabilstica estratificada y por racimos?
Problema de investigacin: Una estacin de radio local necesita saber con precisin a fin de planear sus estrategias cmo usan la radio los adultos de una ciudad de 2 500 000 habitantes. Es decir, qu tanto radio escuchan, a qu horas, qu contenidos prefieren y sus opiniones con respecto a los programas noticiosos.
Procedimientos: Se disear un cuestionario que indague estas reas sobre uso del radio. Los cuestionarios se aplicarn por entrevistadores a una muestra de sujetos adultos.
Poblacin: Todos aquellos sujetos hombres o mujeres de ms de 21 aos de edad, y que vivan en una casa o departamento propio o rentado de la ciudad X.
Diseo por conglomerado: los directivos de la estacin de radio desconocen el nmero total de sujetos con las caractersticas arriba sealadas. Sin embargo, nos piden que diseemos una muestra que abarque a todos los sujetos adultos de la ciudad, adultos por edad cronolgica y por ser jefes de familia , es decir, excluye a los adultos dependientes. Se recurre entonces a la estrategia de seleccionar conglomerados y se considera el uso de un mapa actualizado de la ciudad y que demuestra que en dicha ciudad hay 5 000 cuadras. Las cuadras se utilizan como conglomerados, es decir, como unidades muestrales a partir de las cuales obtendremos en ltima instancia a nuestros sujetos adultos. Lo primero entonces es determinar Cuntas cuadras necesitaremos muestrear, de una poblacin de una poblacin total de 5 000 cuadras, si queremos que nuestro error estndar sea no mayor de 0.15 y con una probabilidad de ocurrencia del 50 %?
Tenemos entonces que para una muestra probabilstica simple. ( 6)
Necesitaremos una muestra de 909 cuadras de ciudad X para estimar los valores de la poblacin con una probabilidad de error menor a 0.1.
Sabemos que la poblacin N = 5 000 cuadras de la ciudad, est dividida por previos estudios de acuerdo a 4 estratos socioeconmicos, que categorizar las 5 000 cuadras segn el ingreso mensual promedio de sus habitantes de manera que se distribuyen como sigue:
Estrato Nmero de cuadras 1 270 2 1940 3 2000 4 790 T = 5 000 Estratificacin de la muestra:
Cmo distribuiremos los 909 elementos muestrales de , para optimizar nuestra muestra , de acuerdo a la distribucin de la poblacin en los 4 estratos socioeconmicos?
Tenemos que en principio, de 5000 cuadras de la ciudad se seleccionarn 50 del estrato 1, 553 del estrato 2, 363 del estrato 3 y 143 del estrato 4. Esta comprende la seleccin de los conglomerados, los cuales se pueden numerar y elegir aleatoriamente hasta completar el nmero de cada estrato. En una ltima etapa se seleccionan a los sujetos dentro de cada conglomerado. Este procedimiento tambin se hace de manera aleatoria, hasta lograr un nmero de sujetos determinados en cada conglomerado.
Estrato Nh cuadras Nh nmero de hogares sujeto en cada cuadra Total de hogares por estrato 1 270 50 20 1000 2 1940 353 20 7060 3 2000 363 20 7220 4 790 143 20 2860 N = 5000 n = 909 11840
Nota: El procedimiento para realizar el muestreo en cada conglomerado se hace de forma aleatoria utilizando la tabla de nmeros aleatorios o mediante el programa Microsoft Excel tal como se explico en el ejemplo (1.1).
Validez y confiabilidad del instrumento.
El criterio de validez del instrumento tiene que ver con la validez del contenido y la validez de construccin. La validez establece relacin del instrumento con las variables que pretende medir y, la validez de construccin relaciona los tems del cuestionario aplicado; con los basamentos tericos y los Objetivos de la investigacin para que exista consistencia y coherencia tcnica. Ese proceso de validacin se vincula a las variables entre si y la hiptesis de la investigacin.
Determinar la validez del instrumento implic someterlo a la evaluacin de un panel de expertos, antes de la aplicacin para que hicieran los aportes necesarios a la investigacin y se verificar si la construccin y el contenido del instrumento, se ajusta al estudio planteado y, para tal efecto, se hizo revisar el cuestionario por el siguiente panel de expertos: Ms. Sc. Ana Mara Rivas, Farmacutica y especialista en el rea de Gerencia Empresarial; Aura Carbonell, Economista y especialista en el rea de Gerencia Empresarial; Luisa Parra, Economista y especialista en el rea de Gerencia Empresarial.
La validez de construccin del instrumento queda reforzada por la inclusin del mapa de variables que establece la conexin de cada tem del cuestionario con el soporte terico que le corresponde.
Como elegir la prueba estadstica adecuada.
La eleccin de la prueba estadstica es uno de los primeros pasos que hay que realizar cuando se quiere hacer un anlisis estadstico, mucho antes incluso que la recogida experimental de los datos. Se presenta en este artculo ciertas consideraciones que nos pueden servir de ayuda para llevar a cabo dicha eleccin.
Variable Explicativa y Variable Respuesta.
A menudo nos encontramos con un papel en blanco y con unos deseos de realizar un estudio. Lo primero que tenemos que hacer es identificar en esos deseos cules son nuestras variables y de qu tipo son. Bsicamente cualquier informacin que se recoge en un formulario es una variable. Las variables que con mayor frecuencia aparecen en esos formularios son el peso, edad, sexo, tratamiento, resultado, etc. Cuando estemos diseando un formulario tenemos que pensar que la informacin que recojamos en ellos se tiene que poder disponer en una cuadrcula donde en las columnas aparezcan las variables y en las filas ellos individuos. En la interseccin de las filas y columnas (celdas) aparecer por tanto el resultado que toma una variable para un individuo en concreto. La prctica clnica tiene una ptica horizontal: se fija en los individuos, la estadstica tiene una ptica vertical: se fija en las variables.
En la mayora de los estudios se suele considerar una variable explicativa y una variable respuesta. La variable explicativa por excelencia en los estudios experimentales es el tratamiento y en los estudios observacionales el factor de exposicin. La variable explicativa, tambin llamada variable independiente, intenta explicar, servir de posible explicacin a la variable respuesta, tambin llamada resultado o variable dependiente. En los estudios donde es posible establecer una variable explicativa y una variable respuesta se est configurando un modelo.