SlideShare ist ein Scribd-Unternehmen logo
1 von 14
BASES TEÓRICAS DEL
MUESTREO
POBLACIÓN
• En estadística, población es el conjunto de cosas, personas, animales
o situaciones que tiene una o varias características o atributos
comunes
•"Una población es un conjunto de todos los elementos que estamos
estudiando, acerca de los cuales intentamos sacar conclusiones".
Levin & Rubin (1996).
•"Una población es un conjunto de elementos que presentan
una característica común". Cadenas (1974).
•El concepto de población en estadística va más allá de lo que
comúnmente se conoce como tal. Una población se precisa como un
conjunto finito o infinito de personas u objetos que presentan
características comunes.
EJEMPLO DE POBLACIÓN
•Jóvenes de 18 años de España
•Personas fallecidas en accidente de tráfico
TIPOS DE POBLACIÓN
•Población finita: cuando el número de elementos que la forman es
finito, por ejemplo el número de alumnos de un centro de enseñanza,
o grupo clase.
•Población infinita: cuando el número de elementos que la forman es
infinito, o tan grande que pudiesen considerarse infinitos. Como por
ejemplo si se realizase un estudio sobre los productos que hay en el
mercado. Hay tantos y de tantas calidades que esta población podría
considerarse infinita.
•Población Real: es todo el grupo de elementos concretos, como las
personas que en Europa se dedican a actividades artísticas.
POBLACIÓN OBJETIVO
•Conformada por los elementos que cumplan con determinadas
características en un tiempo y espacio
•Ejemplo:
•Estudiantes inscritos durante el presente ciclo escolar que le gusta la música
clásica
•Personas del país de México que tuvieron hepatitis en el 2014
MUESTRA
•Una muestra estadística es un subconjunto de casos o individuos de una población
estadística. Las muestras, se obtienen con la intención de inferir propiedades de la
totalidad de la población, para lo cual deben ser representativas de la misma
•Una muestra es una porción representativa de una determinada población
•Parte de una población que se considera representativa de la misma.
• Es tomar información de una parte, generalmente pequeña, pero representativa de
la población de estudio
•Requisitos de una muestra: aleatoria, de un tamaño mínimo y representativa de la
población.
EJEMPLO DE MUESTRA
Libros impresos en Madrid, en la población de libros de la Biblioteca
Nacional
Alumnos del primer semestre de la BUAP que les gusta las ciencias
sociales.
CENSO
•Es tomar información de todos y cada uno de los elementos de la población
de interés.
•Se entiende por censo aquella numeración que se efectúa a todos y cada
uno de los caracteres componentes de una población.
•Se denomina censo al recuento de individuos que conforman
una población estadística, definida como un conjunto de elementos de
referencia sobre el que se realizan las observaciones
EJEMPLO DE CENSO
•Población de México
•Especies de aves que existen en Brasil
•Alumnos universitarios que hay en el Estado de Chihuahua
MUESTREO
•Herramienta de la investigación científica, cuya función básica es determinar
que parte de una población debe examinarse, con la finalidad de hacer
inferencias sobre dicha población.
•Es la técnica para la selección de una muestra a partir de una población
•Procedimiento empleado para obtener una o más muestras de una
población; el muestreo es una técnica que sirve para obtener una o más
muestras de población.
MUESTREO PROBABÍLISTICO
•Los métodos de muestreo probabilísticos son aquellos que se basan en el
principio de equiprobabilidad. Es decir, aquellos en los que todos los
individuos tienen la misma probabilidad de ser elegidos para formar parte de
una muestra y, consiguientemente, todas las posibles muestras de tamaño n
tienen la misma probabilidad de ser seleccionadas.
•El muestreo probabilístico es una técnica de muestreo en virtud de la cual
las muestras son recogidas en un proceso que brinda a todos los individuos
de la población las mismas oportunidades de ser seleccionados.
TIPOS DE MUESTREO
EJEMPLO
Muestreo aleatorio simple
Para obtener una muestra, se numeran los elementos de la
población y se seleccionan al azar los n elementos que contiene la
muestra.
Muestreo aleatorio estratificado
Se divide la población en clases o estratos y se escoge,
aleatoriamente, un número de individuos de cada estrato
proporcional al número de componentes de cada estrato.
MUESTREO NO
PROBABILÍSTICO
•La representatividad de la muestra depende de criterios no
probabilísticos, es decir, la inclusión o no de un elemento en la
muestra se determina en gran medida por el criterio de los
investigadores.
• En general se seleccionan a los sujetos siguiendo determinados
criterios procurando, en la medida de lo posible, que la muestra sea
representativa.
•El muestreo no probabilístico es una técnica de muestreo donde las
muestras se recogen en un proceso que no brinda a todos los
individuos de la población iguales oportunidades de ser
EJEMPLO
El muestreo por conveniencia
Es probablemente la técnica de muestreo más común. En el muestreo por conveniencia,
las muestras son seleccionadas porque son accesibles para el investigador. Los sujetos
son elegidos simplemente porque son fáciles de recluta
Muestreo por cuotas
El muestreo por cuotas es una técnica de muestreo no probabilístico en donde el
investigador asegura una representación equitativa y proporcionada de los sujetos, en
función de qué rasgo es considerado base de la cuota.
Por ejemplo, si la base de la cuota es de nivel de año en la universidad y el investigador
necesita una representación igual, con un tamaño de muestra de 100, debe seleccionar 25
estudiantes de 1º año, 25 de 2° año, 25 de 3º año y 25 de 4º año.
Muestreo de bola de nieve
El muestreo de bola de nieve se lleva a cabo generalmente cuando hay una población muy
pequeña. En este tipo de muestreo, el investigador le pide al primer sujeto que identifique
a otro sujeto potencial que también cumpla con los criterios de la investigación.

Weitere ähnliche Inhalte

Was ist angesagt?

Estimacion puntual
Estimacion puntualEstimacion puntual
Estimacion puntualJhonny_Mayk
 
Formulario básico de estadística descriptiva
Formulario básico de estadística descriptivaFormulario básico de estadística descriptiva
Formulario básico de estadística descriptivaDalia Quiroz Martínez
 
Distribuciones muestrales.ppt
Distribuciones muestrales.pptDistribuciones muestrales.ppt
Distribuciones muestrales.pptLucaGutirrez15
 
Mapa conceptual, distribuciones muestrales y estimacion
Mapa conceptual, distribuciones muestrales y estimacionMapa conceptual, distribuciones muestrales y estimacion
Mapa conceptual, distribuciones muestrales y estimacionCristian Miguel Moya
 
Tipos de Muestreo
Tipos de MuestreoTipos de Muestreo
Tipos de MuestreoUNAM
 
Muestreo Probabilistico
Muestreo Probabilistico Muestreo Probabilistico
Muestreo Probabilistico anthonymaule
 
Ejemplos practicos de muestreo
Ejemplos practicos de muestreoEjemplos practicos de muestreo
Ejemplos practicos de muestreoDaniel Flores
 
Espacio muestral
Espacio muestralEspacio muestral
Espacio muestralnicoyep97
 
Muestreo aleatorio simple
Muestreo aleatorio simpleMuestreo aleatorio simple
Muestreo aleatorio simpleDyan Andres
 
Muestreo aleatorio Sistemático y Estratificado
Muestreo aleatorio Sistemático y EstratificadoMuestreo aleatorio Sistemático y Estratificado
Muestreo aleatorio Sistemático y EstratificadonekoCSam
 
Distribucion normal
Distribucion normalDistribucion normal
Distribucion normalabemen
 
Muestreo Aleatorio Simple,.pptx
Muestreo Aleatorio Simple,.pptxMuestreo Aleatorio Simple,.pptx
Muestreo Aleatorio Simple,.pptxMercedesGalarza6
 

Was ist angesagt? (20)

7.5 tipos y tecnicas de muestreo
7.5 tipos y tecnicas de muestreo7.5 tipos y tecnicas de muestreo
7.5 tipos y tecnicas de muestreo
 
Bola De Nieve
Bola De NieveBola De Nieve
Bola De Nieve
 
METODOS DE MUESTREO
METODOS DE MUESTREOMETODOS DE MUESTREO
METODOS DE MUESTREO
 
Estimacion puntual
Estimacion puntualEstimacion puntual
Estimacion puntual
 
Distribucion binomial
Distribucion binomialDistribucion binomial
Distribucion binomial
 
Formulario básico de estadística descriptiva
Formulario básico de estadística descriptivaFormulario básico de estadística descriptiva
Formulario básico de estadística descriptiva
 
Tipos de Muestreo
Tipos de MuestreoTipos de Muestreo
Tipos de Muestreo
 
Distribuciones muestrales.ppt
Distribuciones muestrales.pptDistribuciones muestrales.ppt
Distribuciones muestrales.ppt
 
Mapa conceptual, distribuciones muestrales y estimacion
Mapa conceptual, distribuciones muestrales y estimacionMapa conceptual, distribuciones muestrales y estimacion
Mapa conceptual, distribuciones muestrales y estimacion
 
Tipos de-muestreo
Tipos de-muestreoTipos de-muestreo
Tipos de-muestreo
 
Tipos de Muestreo
Tipos de MuestreoTipos de Muestreo
Tipos de Muestreo
 
Muestreo Probabilistico
Muestreo Probabilistico Muestreo Probabilistico
Muestreo Probabilistico
 
Ejemplos practicos de muestreo
Ejemplos practicos de muestreoEjemplos practicos de muestreo
Ejemplos practicos de muestreo
 
Espacio muestral
Espacio muestralEspacio muestral
Espacio muestral
 
Tipos de muestreos
Tipos de muestreosTipos de muestreos
Tipos de muestreos
 
Muestreo aleatorio simple
Muestreo aleatorio simpleMuestreo aleatorio simple
Muestreo aleatorio simple
 
Muestreo aleatorio Sistemático y Estratificado
Muestreo aleatorio Sistemático y EstratificadoMuestreo aleatorio Sistemático y Estratificado
Muestreo aleatorio Sistemático y Estratificado
 
Distribucion normal
Distribucion normalDistribucion normal
Distribucion normal
 
Muestreo Aleatorio Simple,.pptx
Muestreo Aleatorio Simple,.pptxMuestreo Aleatorio Simple,.pptx
Muestreo Aleatorio Simple,.pptx
 
Introduccion a estadistica inferencial
Introduccion a estadistica inferencialIntroduccion a estadistica inferencial
Introduccion a estadistica inferencial
 

Ähnlich wie 6. bases teoricas del muestreo

Ähnlich wie 6. bases teoricas del muestreo (20)

Bases teóricas-del-muestreo
Bases teóricas-del-muestreoBases teóricas-del-muestreo
Bases teóricas-del-muestreo
 
tipos de muestra
tipos de muestratipos de muestra
tipos de muestra
 
Teoría del Muestreo.pptx
Teoría del Muestreo.pptxTeoría del Muestreo.pptx
Teoría del Muestreo.pptx
 
Población y muestra seminario de tesis
Población y muestra  seminario de tesisPoblación y muestra  seminario de tesis
Población y muestra seminario de tesis
 
Clase 1 16 01-2021
Clase 1 16 01-2021Clase 1 16 01-2021
Clase 1 16 01-2021
 
Uce Muestra psicología educativa octubre 2017
Uce Muestra psicología educativa octubre 2017Uce Muestra psicología educativa octubre 2017
Uce Muestra psicología educativa octubre 2017
 
muestreo
muestreomuestreo
muestreo
 
elmuestreo.pdf
elmuestreo.pdfelmuestreo.pdf
elmuestreo.pdf
 
El muestreo (1)
El muestreo (1)El muestreo (1)
El muestreo (1)
 
PRESENTACIÓN EL MUESTRO
PRESENTACIÓN EL MUESTRO PRESENTACIÓN EL MUESTRO
PRESENTACIÓN EL MUESTRO
 
Elmuestreo
ElmuestreoElmuestreo
Elmuestreo
 
Elmuestreo
ElmuestreoElmuestreo
Elmuestreo
 
Elmuestreo
ElmuestreoElmuestreo
Elmuestreo
 
Elmuestreo
ElmuestreoElmuestreo
Elmuestreo
 
El muestreo
El muestreoEl muestreo
El muestreo
 
Elmuestreo
ElmuestreoElmuestreo
Elmuestreo
 
Elmuestreo
ElmuestreoElmuestreo
Elmuestreo
 
El muestreo
El muestreoEl muestreo
El muestreo
 
Tipos de muestreo
Tipos de muestreoTipos de muestreo
Tipos de muestreo
 
(268083723) el muestreo
(268083723) el muestreo(268083723) el muestreo
(268083723) el muestreo
 

Mehr von KarlaDanielaOrtega

17. Planeación de la enseñanza multigrado
17. Planeación de la enseñanza multigrado17. Planeación de la enseñanza multigrado
17. Planeación de la enseñanza multigradoKarlaDanielaOrtega
 
Etapas de expresión gráfica en el niño
Etapas de expresión gráfica en el niñoEtapas de expresión gráfica en el niño
Etapas de expresión gráfica en el niñoKarlaDanielaOrtega
 
12. Enseñando en escuela rural (sombreros)
12. Enseñando en escuela rural (sombreros)12. Enseñando en escuela rural (sombreros)
12. Enseñando en escuela rural (sombreros)KarlaDanielaOrtega
 
9.Los fenómenos naturales(enfoque globalizador)
9.Los fenómenos naturales(enfoque globalizador)9.Los fenómenos naturales(enfoque globalizador)
9.Los fenómenos naturales(enfoque globalizador)KarlaDanielaOrtega
 
8.actividad en equipo con base en zabala
8.actividad en equipo con base en zabala8.actividad en equipo con base en zabala
8.actividad en equipo con base en zabalaKarlaDanielaOrtega
 
2. Escuela nueva escuela activa una escuela innovadora
2. Escuela nueva escuela activa una escuela innovadora2. Escuela nueva escuela activa una escuela innovadora
2. Escuela nueva escuela activa una escuela innovadoraKarlaDanielaOrtega
 
10.las batallas en el desierto
10.las batallas en el desierto10.las batallas en el desierto
10.las batallas en el desiertoKarlaDanielaOrtega
 
Presentación final de unidad trabajo final
Presentación final de unidad trabajo finalPresentación final de unidad trabajo final
Presentación final de unidad trabajo finalKarlaDanielaOrtega
 
Propuestas para una escuela inclusiva
Propuestas para una escuela inclusivaPropuestas para una escuela inclusiva
Propuestas para una escuela inclusivaKarlaDanielaOrtega
 
Propuestas para aulas inclusivas
Propuestas para aulas inclusivasPropuestas para aulas inclusivas
Propuestas para aulas inclusivasKarlaDanielaOrtega
 
Aula inclusiva y barreras para el aprendizaje
Aula inclusiva y barreras para el aprendizajeAula inclusiva y barreras para el aprendizaje
Aula inclusiva y barreras para el aprendizajeKarlaDanielaOrtega
 
5.analisis el caso de juan, el niño triqui
5.analisis el caso de juan, el niño triqui5.analisis el caso de juan, el niño triqui
5.analisis el caso de juan, el niño triquiKarlaDanielaOrtega
 

Mehr von KarlaDanielaOrtega (20)

1. Línea del tiempo
1. Línea del tiempo1. Línea del tiempo
1. Línea del tiempo
 
17. Planeación de la enseñanza multigrado
17. Planeación de la enseñanza multigrado17. Planeación de la enseñanza multigrado
17. Planeación de la enseñanza multigrado
 
Etapas de expresión gráfica en el niño
Etapas de expresión gráfica en el niñoEtapas de expresión gráfica en el niño
Etapas de expresión gráfica en el niño
 
12. Enseñando en escuela rural (sombreros)
12. Enseñando en escuela rural (sombreros)12. Enseñando en escuela rural (sombreros)
12. Enseñando en escuela rural (sombreros)
 
9.Los fenómenos naturales(enfoque globalizador)
9.Los fenómenos naturales(enfoque globalizador)9.Los fenómenos naturales(enfoque globalizador)
9.Los fenómenos naturales(enfoque globalizador)
 
8.actividad en equipo con base en zabala
8.actividad en equipo con base en zabala8.actividad en equipo con base en zabala
8.actividad en equipo con base en zabala
 
5.Competencias para la vida
5.Competencias para la vida5.Competencias para la vida
5.Competencias para la vida
 
2. Escuela nueva escuela activa una escuela innovadora
2. Escuela nueva escuela activa una escuela innovadora2. Escuela nueva escuela activa una escuela innovadora
2. Escuela nueva escuela activa una escuela innovadora
 
10.las batallas en el desierto
10.las batallas en el desierto10.las batallas en el desierto
10.las batallas en el desierto
 
5.mi historia de vida
5.mi historia de vida5.mi historia de vida
5.mi historia de vida
 
Presentación final de unidad trabajo final
Presentación final de unidad trabajo finalPresentación final de unidad trabajo final
Presentación final de unidad trabajo final
 
Propuestas para una escuela inclusiva
Propuestas para una escuela inclusivaPropuestas para una escuela inclusiva
Propuestas para una escuela inclusiva
 
Aula inclusiva
Aula inclusivaAula inclusiva
Aula inclusiva
 
Propuestas para aulas inclusivas
Propuestas para aulas inclusivasPropuestas para aulas inclusivas
Propuestas para aulas inclusivas
 
Aula inclusiva y barreras para el aprendizaje
Aula inclusiva y barreras para el aprendizajeAula inclusiva y barreras para el aprendizaje
Aula inclusiva y barreras para el aprendizaje
 
5.analisis el caso de juan, el niño triqui
5.analisis el caso de juan, el niño triqui5.analisis el caso de juan, el niño triqui
5.analisis el caso de juan, el niño triqui
 
10.fotografía y frase
10.fotografía y frase10.fotografía y frase
10.fotografía y frase
 
7.Tabasco
7.Tabasco7.Tabasco
7.Tabasco
 
4.Fresnillo
4.Fresnillo4.Fresnillo
4.Fresnillo
 
9. tiching
9. tiching9. tiching
9. tiching
 

Kürzlich hochgeladen

ACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLA
ACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLAACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLA
ACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLAJAVIER SOLIS NOYOLA
 
Concepto y definición de tipos de Datos Abstractos en c++.pptx
Concepto y definición de tipos de Datos Abstractos en c++.pptxConcepto y definición de tipos de Datos Abstractos en c++.pptx
Concepto y definición de tipos de Datos Abstractos en c++.pptxFernando Solis
 
PLAN DE REFUERZO ESCOLAR MERC 2024-2.docx
PLAN DE REFUERZO ESCOLAR MERC 2024-2.docxPLAN DE REFUERZO ESCOLAR MERC 2024-2.docx
PLAN DE REFUERZO ESCOLAR MERC 2024-2.docxiemerc2024
 
PINTURA DEL RENACIMIENTO EN ESPAÑA (SIGLO XVI).ppt
PINTURA DEL RENACIMIENTO EN ESPAÑA (SIGLO XVI).pptPINTURA DEL RENACIMIENTO EN ESPAÑA (SIGLO XVI).ppt
PINTURA DEL RENACIMIENTO EN ESPAÑA (SIGLO XVI).pptAlberto Rubio
 
Infografía EE con pie del 2023 (3)-1.pdf
Infografía EE con pie del 2023 (3)-1.pdfInfografía EE con pie del 2023 (3)-1.pdf
Infografía EE con pie del 2023 (3)-1.pdfAlfaresbilingual
 
SESION DE PERSONAL SOCIAL. La convivencia en familia 22-04-24 -.doc
SESION DE PERSONAL SOCIAL.  La convivencia en familia 22-04-24  -.docSESION DE PERSONAL SOCIAL.  La convivencia en familia 22-04-24  -.doc
SESION DE PERSONAL SOCIAL. La convivencia en familia 22-04-24 -.docRodneyFrankCUADROSMI
 
🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx
🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx
🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docxEliaHernndez7
 
LA LITERATURA DEL BARROCO 2023-2024pptx.pptx
LA LITERATURA DEL BARROCO 2023-2024pptx.pptxLA LITERATURA DEL BARROCO 2023-2024pptx.pptx
LA LITERATURA DEL BARROCO 2023-2024pptx.pptxlclcarmen
 
Qué es la Inteligencia artificial generativa
Qué es la Inteligencia artificial generativaQué es la Inteligencia artificial generativa
Qué es la Inteligencia artificial generativaDecaunlz
 
ACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLA
ACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLAACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLA
ACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLAJAVIER SOLIS NOYOLA
 
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdf
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdfCurso = Metodos Tecnicas y Modelos de Enseñanza.pdf
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdfFrancisco158360
 
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.Alejandrino Halire Ccahuana
 
ACTIVIDAD DIA DE LA MADRE FICHA DE TRABAJO
ACTIVIDAD DIA DE LA MADRE FICHA DE TRABAJOACTIVIDAD DIA DE LA MADRE FICHA DE TRABAJO
ACTIVIDAD DIA DE LA MADRE FICHA DE TRABAJOBRIGIDATELLOLEONARDO
 
2 REGLAMENTO RM 0912-2024 DE MODALIDADES DE GRADUACIÓN_.pptx
2 REGLAMENTO RM 0912-2024 DE MODALIDADES DE GRADUACIÓN_.pptx2 REGLAMENTO RM 0912-2024 DE MODALIDADES DE GRADUACIÓN_.pptx
2 REGLAMENTO RM 0912-2024 DE MODALIDADES DE GRADUACIÓN_.pptxRigoTito
 
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURAFORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURAEl Fortí
 
Procedimientos para la planificación en los Centros Educativos tipo V ( multi...
Procedimientos para la planificación en los Centros Educativos tipo V ( multi...Procedimientos para la planificación en los Centros Educativos tipo V ( multi...
Procedimientos para la planificación en los Centros Educativos tipo V ( multi...Katherine Concepcion Gonzalez
 
Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...Lourdes Feria
 

Kürzlich hochgeladen (20)

ACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLA
ACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLAACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLA
ACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLA
 
Power Point: Fe contra todo pronóstico.pptx
Power Point: Fe contra todo pronóstico.pptxPower Point: Fe contra todo pronóstico.pptx
Power Point: Fe contra todo pronóstico.pptx
 
Concepto y definición de tipos de Datos Abstractos en c++.pptx
Concepto y definición de tipos de Datos Abstractos en c++.pptxConcepto y definición de tipos de Datos Abstractos en c++.pptx
Concepto y definición de tipos de Datos Abstractos en c++.pptx
 
PLAN DE REFUERZO ESCOLAR MERC 2024-2.docx
PLAN DE REFUERZO ESCOLAR MERC 2024-2.docxPLAN DE REFUERZO ESCOLAR MERC 2024-2.docx
PLAN DE REFUERZO ESCOLAR MERC 2024-2.docx
 
PINTURA DEL RENACIMIENTO EN ESPAÑA (SIGLO XVI).ppt
PINTURA DEL RENACIMIENTO EN ESPAÑA (SIGLO XVI).pptPINTURA DEL RENACIMIENTO EN ESPAÑA (SIGLO XVI).ppt
PINTURA DEL RENACIMIENTO EN ESPAÑA (SIGLO XVI).ppt
 
Infografía EE con pie del 2023 (3)-1.pdf
Infografía EE con pie del 2023 (3)-1.pdfInfografía EE con pie del 2023 (3)-1.pdf
Infografía EE con pie del 2023 (3)-1.pdf
 
SESION DE PERSONAL SOCIAL. La convivencia en familia 22-04-24 -.doc
SESION DE PERSONAL SOCIAL.  La convivencia en familia 22-04-24  -.docSESION DE PERSONAL SOCIAL.  La convivencia en familia 22-04-24  -.doc
SESION DE PERSONAL SOCIAL. La convivencia en familia 22-04-24 -.doc
 
🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx
🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx
🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx
 
Tema 11. Dinámica de la hidrosfera 2024
Tema 11.  Dinámica de la hidrosfera 2024Tema 11.  Dinámica de la hidrosfera 2024
Tema 11. Dinámica de la hidrosfera 2024
 
Supuestos_prácticos_funciones.docx
Supuestos_prácticos_funciones.docxSupuestos_prácticos_funciones.docx
Supuestos_prácticos_funciones.docx
 
LA LITERATURA DEL BARROCO 2023-2024pptx.pptx
LA LITERATURA DEL BARROCO 2023-2024pptx.pptxLA LITERATURA DEL BARROCO 2023-2024pptx.pptx
LA LITERATURA DEL BARROCO 2023-2024pptx.pptx
 
Qué es la Inteligencia artificial generativa
Qué es la Inteligencia artificial generativaQué es la Inteligencia artificial generativa
Qué es la Inteligencia artificial generativa
 
ACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLA
ACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLAACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLA
ACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLA
 
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdf
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdfCurso = Metodos Tecnicas y Modelos de Enseñanza.pdf
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdf
 
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
Lecciones 05 Esc. Sabática. Fe contra todo pronóstico.
 
ACTIVIDAD DIA DE LA MADRE FICHA DE TRABAJO
ACTIVIDAD DIA DE LA MADRE FICHA DE TRABAJOACTIVIDAD DIA DE LA MADRE FICHA DE TRABAJO
ACTIVIDAD DIA DE LA MADRE FICHA DE TRABAJO
 
2 REGLAMENTO RM 0912-2024 DE MODALIDADES DE GRADUACIÓN_.pptx
2 REGLAMENTO RM 0912-2024 DE MODALIDADES DE GRADUACIÓN_.pptx2 REGLAMENTO RM 0912-2024 DE MODALIDADES DE GRADUACIÓN_.pptx
2 REGLAMENTO RM 0912-2024 DE MODALIDADES DE GRADUACIÓN_.pptx
 
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURAFORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
FORTI-MAYO 2024.pdf.CIENCIA,EDUCACION,CULTURA
 
Procedimientos para la planificación en los Centros Educativos tipo V ( multi...
Procedimientos para la planificación en los Centros Educativos tipo V ( multi...Procedimientos para la planificación en los Centros Educativos tipo V ( multi...
Procedimientos para la planificación en los Centros Educativos tipo V ( multi...
 
Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...
 

6. bases teoricas del muestreo

  • 2. POBLACIÓN • En estadística, población es el conjunto de cosas, personas, animales o situaciones que tiene una o varias características o atributos comunes •"Una población es un conjunto de todos los elementos que estamos estudiando, acerca de los cuales intentamos sacar conclusiones". Levin & Rubin (1996). •"Una población es un conjunto de elementos que presentan una característica común". Cadenas (1974). •El concepto de población en estadística va más allá de lo que comúnmente se conoce como tal. Una población se precisa como un conjunto finito o infinito de personas u objetos que presentan características comunes.
  • 3. EJEMPLO DE POBLACIÓN •Jóvenes de 18 años de España •Personas fallecidas en accidente de tráfico
  • 4. TIPOS DE POBLACIÓN •Población finita: cuando el número de elementos que la forman es finito, por ejemplo el número de alumnos de un centro de enseñanza, o grupo clase. •Población infinita: cuando el número de elementos que la forman es infinito, o tan grande que pudiesen considerarse infinitos. Como por ejemplo si se realizase un estudio sobre los productos que hay en el mercado. Hay tantos y de tantas calidades que esta población podría considerarse infinita. •Población Real: es todo el grupo de elementos concretos, como las personas que en Europa se dedican a actividades artísticas.
  • 5. POBLACIÓN OBJETIVO •Conformada por los elementos que cumplan con determinadas características en un tiempo y espacio •Ejemplo: •Estudiantes inscritos durante el presente ciclo escolar que le gusta la música clásica •Personas del país de México que tuvieron hepatitis en el 2014
  • 6. MUESTRA •Una muestra estadística es un subconjunto de casos o individuos de una población estadística. Las muestras, se obtienen con la intención de inferir propiedades de la totalidad de la población, para lo cual deben ser representativas de la misma •Una muestra es una porción representativa de una determinada población •Parte de una población que se considera representativa de la misma. • Es tomar información de una parte, generalmente pequeña, pero representativa de la población de estudio •Requisitos de una muestra: aleatoria, de un tamaño mínimo y representativa de la población.
  • 7. EJEMPLO DE MUESTRA Libros impresos en Madrid, en la población de libros de la Biblioteca Nacional Alumnos del primer semestre de la BUAP que les gusta las ciencias sociales.
  • 8. CENSO •Es tomar información de todos y cada uno de los elementos de la población de interés. •Se entiende por censo aquella numeración que se efectúa a todos y cada uno de los caracteres componentes de una población. •Se denomina censo al recuento de individuos que conforman una población estadística, definida como un conjunto de elementos de referencia sobre el que se realizan las observaciones
  • 9. EJEMPLO DE CENSO •Población de México •Especies de aves que existen en Brasil •Alumnos universitarios que hay en el Estado de Chihuahua
  • 10. MUESTREO •Herramienta de la investigación científica, cuya función básica es determinar que parte de una población debe examinarse, con la finalidad de hacer inferencias sobre dicha población. •Es la técnica para la selección de una muestra a partir de una población •Procedimiento empleado para obtener una o más muestras de una población; el muestreo es una técnica que sirve para obtener una o más muestras de población.
  • 11. MUESTREO PROBABÍLISTICO •Los métodos de muestreo probabilísticos son aquellos que se basan en el principio de equiprobabilidad. Es decir, aquellos en los que todos los individuos tienen la misma probabilidad de ser elegidos para formar parte de una muestra y, consiguientemente, todas las posibles muestras de tamaño n tienen la misma probabilidad de ser seleccionadas. •El muestreo probabilístico es una técnica de muestreo en virtud de la cual las muestras son recogidas en un proceso que brinda a todos los individuos de la población las mismas oportunidades de ser seleccionados. TIPOS DE MUESTREO
  • 12. EJEMPLO Muestreo aleatorio simple Para obtener una muestra, se numeran los elementos de la población y se seleccionan al azar los n elementos que contiene la muestra. Muestreo aleatorio estratificado Se divide la población en clases o estratos y se escoge, aleatoriamente, un número de individuos de cada estrato proporcional al número de componentes de cada estrato.
  • 13. MUESTREO NO PROBABILÍSTICO •La representatividad de la muestra depende de criterios no probabilísticos, es decir, la inclusión o no de un elemento en la muestra se determina en gran medida por el criterio de los investigadores. • En general se seleccionan a los sujetos siguiendo determinados criterios procurando, en la medida de lo posible, que la muestra sea representativa. •El muestreo no probabilístico es una técnica de muestreo donde las muestras se recogen en un proceso que no brinda a todos los individuos de la población iguales oportunidades de ser
  • 14. EJEMPLO El muestreo por conveniencia Es probablemente la técnica de muestreo más común. En el muestreo por conveniencia, las muestras son seleccionadas porque son accesibles para el investigador. Los sujetos son elegidos simplemente porque son fáciles de recluta Muestreo por cuotas El muestreo por cuotas es una técnica de muestreo no probabilístico en donde el investigador asegura una representación equitativa y proporcionada de los sujetos, en función de qué rasgo es considerado base de la cuota. Por ejemplo, si la base de la cuota es de nivel de año en la universidad y el investigador necesita una representación igual, con un tamaño de muestra de 100, debe seleccionar 25 estudiantes de 1º año, 25 de 2° año, 25 de 3º año y 25 de 4º año. Muestreo de bola de nieve El muestreo de bola de nieve se lleva a cabo generalmente cuando hay una población muy pequeña. En este tipo de muestreo, el investigador le pide al primer sujeto que identifique a otro sujeto potencial que también cumpla con los criterios de la investigación.