SlideShare ist ein Scribd-Unternehmen logo
1 von 31
POBLACIÓN
MUESTRA
POBLACIÓN Y MUESTRA
Introducción a la teoría del muestreo
 Tanto en las ciencias exactas como en las sociales, la
mayoría del conocimiento existente se debe a
experiencias basadas en inferencias a partir de la
observación y del análisis de un número limitado de
eventos.
 De la calidad y representatividad que ese número
limitado de eventos (muestra) tenga, dependerá la
bondad o el defecto (la precisión o el error) del
conocimiento generado, y precisamente por esto, es
relevante identificar cómo se debe seleccionar una
buena muestra.
calcular el tamaño de una
muestra para una población
dada.
 El primer paso, es tener claridad de que un muestreo es
un proceso por medio del cual se seleccionan
probabilísticamente elementos de un universo con la
finalidad de estimar, con un determinado grado de
precisión, algunas características del universo en su
totalidad.
CONCEPTOS
 Población. Es un conjunto de elementos que poseen una
característica. En el proceso investigativo la población
corresponde al conjunto de referencia sobre el cual se
va a desarrollar la investigación o estudio.
 Muestra. Es un subconjunto de la población.
Una muestra
representativa es una
muestra que recoge
todas las características
relevantes de la
población.
Selección de las unidades de
muestras dentro de cada
estrato.
a) Muestras de igual tamaño. En este tipo de muestreo
debe seleccionarse un número igual de elementos en
cada grupo, mediante procedimiento al azar.
b) Muestreo proporcional. En este tipo de muestreo el
tamaño de muestra por estrato se escoge de tal forma
que sea proporcional al tamaño poblacional del mismo.
Muestreo por conglomerados.
 Una muestra por conglomerados es aquella en
la que la unidad de muestreo no es la unidad
o elemento de la población sino el
conglomerado. La unidad de muestra se
refiere a los elementos del universo que se
seleccionan en la muestra. (EJEMPLO
COLEGIOS)
 En el caso de muestreo por conglomerado, la
unidad de muestreo es el conglomerado. Por
ejemplo, si escogemos escuelas como
conglomerados, para identificar allí a los
estudiantes en lugar de ir de casa en casa
para encontrarlos, estamos muestreando por
conglomerados.
Muestreo no probabilístico
 Muestreo accidental. Es un muestreo no probabilístico
y corresponde a la posibilidad que tiene el investigador
de seleccionar como muestra un subconjunto de la
población en un momento no previsto con anterioridad.
Muestreo intencional
 – Caso extremo. También es denominado desviado,
corresponde a seleccionar el mejor o el peor de los
casos y analizar si funciona o no el estudio
correspondiente.
 – Variación máxima o casos extremos. Consiste en
seleccionar casos de los dos extremos y jugar con
esas dos posiciones en el análisis de la información;
es decir, comparar lógicas diferentes.
 – Homogénea. Es llamada también de grupos focales.
Se recomiendan grupos pequeños (de 6 a 8 personas).
 – Caso típico. Consiste en seleccionar un caso
representativo de la comunidad.
 – Bola de nieve o de cadena. Es utilizado generalmente
cuando no es posible detectar las personas por
cuestiones delicadas o comprometedoras; entonces un
primer representante puede sugerir otro y éste un
tercero y así sucesivamente.
 – Por criterio. El investigador se plantea unas
características especiales que deben cumplir los
elementos de la muestra.
 – Confirmatorio o desconfirmatorio. Se seleccionan
elementos muestrales que ratifican o no el caso
estudiado.
 – Políticamente importante. Se selecciona una muestra cuya
atención, en ese momento, es relevante por sus condiciones
y características.
 – Por conveniencia. El investigador puede seleccionar una
muestra con la que se facilite la recolección de información.
Conocido también como muestreo por seguimiento, ya que
la muestra corresponde a una parte, fracción o segmento de
la población, lo cual, a su vez, produce resultados muy
sesgados debido a la escasa representatividad que puede
presentar dicho segmento. Este método también es utilizado
en encuestas preliminares.
 – Por cuotas. Es una forma de diseño estratificado, en el
cual la selección final de los casos dentro del estrato no es
aleatoria.
 En las investigaciones de tipo cualitativo, el muestreo
no sólo se refiere a los actores; en algunos casos es
necesario realizar muestreo sobre situaciones, eventos,
escenarios, lugares, momentos y temas que serán
abordados en el proceso investigativo. Esto se evidencia
en los estudios de casos, investigación -acción–
participación, etnográfica, etc.
Tamaño de la muestra
¿Cuál debe ser el tamaño de la muestra?
 – El investigador debe conocer lo que
se ha hecho en otros estudios
similares.
 – Debe tener en cuenta los recursos
económicos con que cuenta.
 – Desde el punto de vista teórico, lo
más importante, los objetivos finales
del estudio que realiza.
DISEÑO DE LA MUESTRA
¿Para qué necesitamos recolectar datos?
 Proporcionar información para un estudio de
investigación.
 Medir el desempeño en un servicio o proceso
de producción.
 Ayudar a una mejor toma de decisiones
 Satisfacer nuestra curiosidad.
DISEÑO DE LA MUESTRA
¿Qué son los datos?
 Es información numérica necesaria para ayudarnos a tomar una
decisión, comprobar o demostrar una hipótesis.
 Para que el análisis estadístico sea útil los datos deben ser
apropiados.
DISEÑO DE LA MUESTRA
¿Es importante la recolección de datos?
 Es sumamente importante.
 No deben existir sesgos, ambigüedades o
errores en ellos.
 La recolección de datos debe ser mediante
métodos objetivos.
DISEÑO DE LA MUESTRA
¿Cómo obtenemos los datos?
Se obtienen de 2 tipos de fuente:
Primaria :
 Diseño y aplicación del cuestionario
(encuesta).
 Diseño y aplicación de la guía estructurada a
informantes clave (entrevista).
 Bitácora de campo.
 Experimento.
DISEÑO DE LA MUESTRA
Secundaria :
 Datos publicados en:
Revistas especializadas.
Instituciones públicas o privadas.
Estudios de investigación existentes.
DISEÑO DE LA MUESTRA
¿Qué hacer cuándo el objeto de estudio es muy
grande?
En el campo de las ciencias sociales, el
investigador no puede estudiar a toda la
población.
Se debe utilizar la técnica del muestreo.
DISEÑO DE LA MUESTRA
 Población: La totalidad de los elementos que
poseen las principales características objeto
de análisis.
 Muestra: Parte de la población que contiene
teóricamente las mismas características que
se desean estudiar.
Muestra
población
DISEÑO DE LA MUESTRA
¿Cómo diseñar la muestra?
La fase del diseño de la muestra está
relacionada con :
 La estructuración de los instrumentos para
recoger datos.
 Con las técnicas estadísticas susceptibles de
emplearse para el análisis.
 Con los resultados.
DISEÑO DE LA MUESTRA
El diseñar la muestra implica:
 Calcular el numero de casos.
 Definir quienes serán los encuestados.
 Prever los problemas para su levantamiento.
 Lugar de entrevista.
 Estrategia para sustituir encuestados.
 Rutas que deben seguirse para su aplicación.
 Presentar 2 o mas opciones de muestra.
DISEÑO DE LA MUESTRA
Los puntos a discutirse son:
 Los objetivos del Análisis.
 La disponibilidad de recursos
financieros, humanos y materiales.
 El nivel de confianza y precisión para
estimar parámetros de la población.
 La forma de la población
(homogénea o heterogénea).
DISEÑO DE LA MUESTRA
 El tipo de preguntas (abiertas, cerradas).
 El número de preguntas que está en
relación con la cantidad de variables
sujetas a investigación.
 El plan de análisis estadístico
DISEÑO DE LA MUESTRA
¿Qué tipos de muestra existen?
Muestreo probabilística:
Las unidades de análisis o de observación son
seleccionadas en forma aleatoria
 Aleatoria simple
 Estratificado
 Por racimos
 Sistemático
DISEÑO DE LA MUESTRA
Muestreo no probabilistico:
Es muy cómodo y económico pero tiene el
inconveniente de que los resultados de la
muestra no pueden generalizarse para toda
la población.
 Cuotas
 Intencional o selectivo
DISEÑO DE LA MUESTRA
¿Cómo calcular el tamaño de la muestra?
Muestra para estudios sencillos (población
mayor a 10 mil):
 La población objeto de estudio es grande
 Cuestionario reducido
 Las alternativas de pregunta son
mutuamente excluyentes
CÁLCULO DE LA POBLACIÓN
FINITA
POBLACIÓN
n° Instituciones Educativas Docentes
1 I.E “María Reiche” 24
2 I.E “Perú-Italia” 30
3 I.E “Perú-Japón” 80
4 I.E “Rosaluz” 60
total 204
MUESTRA
n° Instituciones Educativas Docentes
1 I.E. “María Reiche” 15
2 I.E. “Perú-Italia” 15
3 I.E. “Perú-Japón” 35
4 I.E. “Rosaluz” 35
TOTAL 100

Weitere ähnliche Inhalte

Was ist angesagt?

Ensayo de estadística inferencial
Ensayo de estadística inferencialEnsayo de estadística inferencial
Ensayo de estadística inferencial
thomas669
 
Muestreo aleatorio simple
Muestreo aleatorio simpleMuestreo aleatorio simple
Muestreo aleatorio simple
milit
 
Diapositivas sobre las variables e hipótesis en la investigación
Diapositivas sobre las variables e hipótesis en la investigaciónDiapositivas sobre las variables e hipótesis en la investigación
Diapositivas sobre las variables e hipótesis en la investigación
César Calizaya
 
Proyecto de investigación roberto hernandez sampieri 77 ppt
Proyecto de investigación roberto hernandez sampieri 77 pptProyecto de investigación roberto hernandez sampieri 77 ppt
Proyecto de investigación roberto hernandez sampieri 77 ppt
Gustavo Celin Vargas
 
Estadistica descriptiva
Estadistica descriptivaEstadistica descriptiva
Estadistica descriptiva
reycol04
 

Was ist angesagt? (20)

Ensayo de estadística inferencial
Ensayo de estadística inferencialEnsayo de estadística inferencial
Ensayo de estadística inferencial
 
Muestreo cualitativo
Muestreo cualitativoMuestreo cualitativo
Muestreo cualitativo
 
Muestreo aleatorio simple
Muestreo aleatorio simpleMuestreo aleatorio simple
Muestreo aleatorio simple
 
Muestreo
MuestreoMuestreo
Muestreo
 
Muestreo probabilístico y no probabilístico
Muestreo probabilístico y  no probabilísticoMuestreo probabilístico y  no probabilístico
Muestreo probabilístico y no probabilístico
 
TÉCNICAS E INSTRUMENTOS DE RECOLECCIÓN DE INFORMACIÓN
TÉCNICAS E INSTRUMENTOS DE RECOLECCIÓN DE INFORMACIÓNTÉCNICAS E INSTRUMENTOS DE RECOLECCIÓN DE INFORMACIÓN
TÉCNICAS E INSTRUMENTOS DE RECOLECCIÓN DE INFORMACIÓN
 
Presentación triangulación
Presentación triangulaciónPresentación triangulación
Presentación triangulación
 
Muestreo sistemático
Muestreo sistemáticoMuestreo sistemático
Muestreo sistemático
 
Escala de medición
Escala de mediciónEscala de medición
Escala de medición
 
Técnicas e Instrumentos de Recolección de Datos
Técnicas e Instrumentos de Recolección de DatosTécnicas e Instrumentos de Recolección de Datos
Técnicas e Instrumentos de Recolección de Datos
 
Diapositivas sobre las variables e hipótesis en la investigación
Diapositivas sobre las variables e hipótesis en la investigaciónDiapositivas sobre las variables e hipótesis en la investigación
Diapositivas sobre las variables e hipótesis en la investigación
 
Analisis de los datos
Analisis de los datosAnalisis de los datos
Analisis de los datos
 
Tecnica de Investigacion: La Observación
Tecnica de Investigacion: La ObservaciónTecnica de Investigacion: La Observación
Tecnica de Investigacion: La Observación
 
Proyecto de investigación roberto hernandez sampieri 77 ppt
Proyecto de investigación roberto hernandez sampieri 77 pptProyecto de investigación roberto hernandez sampieri 77 ppt
Proyecto de investigación roberto hernandez sampieri 77 ppt
 
7.Seleccion de la muestra. Paso 7 de la Investigacion Científica.
7.Seleccion de la muestra. Paso 7 de la Investigacion Científica.7.Seleccion de la muestra. Paso 7 de la Investigacion Científica.
7.Seleccion de la muestra. Paso 7 de la Investigacion Científica.
 
Estadistica descriptiva
Estadistica descriptivaEstadistica descriptiva
Estadistica descriptiva
 
8. Recolección de datos cuantitativos
8. Recolección de datos cuantitativos8. Recolección de datos cuantitativos
8. Recolección de datos cuantitativos
 
Muestreo clase2
Muestreo clase2Muestreo clase2
Muestreo clase2
 
Analisis de datos cuantitativos
Analisis de  datos cuantitativosAnalisis de  datos cuantitativos
Analisis de datos cuantitativos
 
analisis de datos cuantitativos segunda parte (spss).ppt1x
analisis de datos cuantitativos segunda parte (spss).ppt1xanalisis de datos cuantitativos segunda parte (spss).ppt1x
analisis de datos cuantitativos segunda parte (spss).ppt1x
 

Ähnlich wie La poblacion y muestra en una investigacion

Universo o población
Universo o población Universo o población
Universo o población
Jorge Gamarra
 
poblacion y muestra
poblacion y muestrapoblacion y muestra
poblacion y muestra
Karen Noelia
 
Sesion 5 MAE Ed Inclusiva (E).pptx
Sesion 5 MAE Ed Inclusiva (E).pptxSesion 5 MAE Ed Inclusiva (E).pptx
Sesion 5 MAE Ed Inclusiva (E).pptx
JennyAmparo3
 

Ähnlich wie La poblacion y muestra en una investigacion (20)

Muestra EN TESIS
Muestra EN TESISMuestra EN TESIS
Muestra EN TESIS
 
yary.pptx
yary.pptxyary.pptx
yary.pptx
 
Sesion 05b - Diseño y Procedimiento de Muestreo,ppt
Sesion 05b - Diseño y  Procedimiento de Muestreo,pptSesion 05b - Diseño y  Procedimiento de Muestreo,ppt
Sesion 05b - Diseño y Procedimiento de Muestreo,ppt
 
Sesion 05b - Diseño y Procedimiento de Muestreo,ppt
Sesion 05b - Diseño y  Procedimiento de Muestreo,pptSesion 05b - Diseño y  Procedimiento de Muestreo,ppt
Sesion 05b - Diseño y Procedimiento de Muestreo,ppt
 
El muestreo
El muestreoEl muestreo
El muestreo
 
Como aprender hacer un muestreo
Como aprender hacer un muestreoComo aprender hacer un muestreo
Como aprender hacer un muestreo
 
Geronimo
GeronimoGeronimo
Geronimo
 
Estadistica
EstadisticaEstadistica
Estadistica
 
Capitulo 9
Capitulo  9Capitulo  9
Capitulo 9
 
Selecciondelamuestra Universidad Americana del Noreste
Selecciondelamuestra Universidad Americana del NoresteSelecciondelamuestra Universidad Americana del Noreste
Selecciondelamuestra Universidad Americana del Noreste
 
El muestreo la encuesta
El muestreo  la encuestaEl muestreo  la encuesta
El muestreo la encuesta
 
Lectura unidad 1
Lectura unidad 1Lectura unidad 1
Lectura unidad 1
 
10° Población y Muestra.pptx
10° Población y Muestra.pptx10° Población y Muestra.pptx
10° Población y Muestra.pptx
 
Muestra o analisis muestral
Muestra o analisis muestralMuestra o analisis muestral
Muestra o analisis muestral
 
Técnicas cuantitativas de gestión - Unidad 1
Técnicas cuantitativas de gestión - Unidad 1Técnicas cuantitativas de gestión - Unidad 1
Técnicas cuantitativas de gestión - Unidad 1
 
Universo o población
Universo o población Universo o población
Universo o población
 
poblacion y muestra
poblacion y muestrapoblacion y muestra
poblacion y muestra
 
Sesion 5 MAE Ed Inclusiva (E).pptx
Sesion 5 MAE Ed Inclusiva (E).pptxSesion 5 MAE Ed Inclusiva (E).pptx
Sesion 5 MAE Ed Inclusiva (E).pptx
 
Poblacion y Muestra 12-04-2021.pptx
Poblacion y Muestra 12-04-2021.pptxPoblacion y Muestra 12-04-2021.pptx
Poblacion y Muestra 12-04-2021.pptx
 
Muestreo Estadistico
Muestreo EstadisticoMuestreo Estadistico
Muestreo Estadistico
 

Mehr von Lima - Perú

Mehr von Lima - Perú (20)

Planificacion aprendo en casa primaria
Planificacion aprendo en casa primariaPlanificacion aprendo en casa primaria
Planificacion aprendo en casa primaria
 
Cuento de la ratona
Cuento de la ratonaCuento de la ratona
Cuento de la ratona
 
Evaluacion y retroalimentacion ppt
Evaluacion y retroalimentacion pptEvaluacion y retroalimentacion ppt
Evaluacion y retroalimentacion ppt
 
Conductas saludables
Conductas saludablesConductas saludables
Conductas saludables
 
Conociedo un virus
Conociedo un virusConociedo un virus
Conociedo un virus
 
Plan de tutoria
Plan de tutoriaPlan de tutoria
Plan de tutoria
 
Metacognicion un camino para aprender a aprender
Metacognicion un camino para aprender  a aprenderMetacognicion un camino para aprender  a aprender
Metacognicion un camino para aprender a aprender
 
Silabo del curso de Perueduca
Silabo del curso de PerueducaSilabo del curso de Perueduca
Silabo del curso de Perueduca
 
Primera unidad
Primera unidadPrimera unidad
Primera unidad
 
Guia metodologica-socioemocional-2015
Guia metodologica-socioemocional-2015Guia metodologica-socioemocional-2015
Guia metodologica-socioemocional-2015
 
Los riesgos para la salud de un adolescente
Los riesgos para la salud de un adolescenteLos riesgos para la salud de un adolescente
Los riesgos para la salud de un adolescente
 
Los alimentos nativos nutritivos
Los alimentos nativos nutritivosLos alimentos nativos nutritivos
Los alimentos nativos nutritivos
 
Teoria de probabilidades
Teoria de probabilidadesTeoria de probabilidades
Teoria de probabilidades
 
Modelos de acreditacion
Modelos de  acreditacionModelos de  acreditacion
Modelos de acreditacion
 
Modelo acreditación sineace
Modelo acreditación sineaceModelo acreditación sineace
Modelo acreditación sineace
 
Accreditation council for business schools and programs
Accreditation council for business schools and programsAccreditation council for business schools and programs
Accreditation council for business schools and programs
 
Iso 9001
Iso 9001Iso 9001
Iso 9001
 
Planeamiento estrategico.
Planeamiento estrategico.Planeamiento estrategico.
Planeamiento estrategico.
 
Cultura organizacional.
Cultura organizacional.Cultura organizacional.
Cultura organizacional.
 
Modelos de excelencia latinoamerica
Modelos de excelencia latinoamericaModelos de excelencia latinoamerica
Modelos de excelencia latinoamerica
 

Kürzlich hochgeladen

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
El Fortí
 
Proyecto de aprendizaje dia de la madre MINT.pdf
Proyecto de aprendizaje dia de la madre MINT.pdfProyecto de aprendizaje dia de la madre MINT.pdf
Proyecto de aprendizaje dia de la madre MINT.pdf
patriciaines1993
 
🦄💫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
EliaHernndez7
 
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
Francisco158360
 

Kürzlich hochgeladen (20)

PIAR v 015. 2024 Plan Individual de ajustes razonables
PIAR v 015. 2024 Plan Individual de ajustes razonablesPIAR v 015. 2024 Plan Individual de ajustes razonables
PIAR v 015. 2024 Plan Individual de ajustes razonables
 
OCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VS
OCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VSOCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VS
OCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VS
 
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.
 
Medición del Movimiento Online 2024.pptx
Medición del Movimiento Online 2024.pptxMedición del Movimiento Online 2024.pptx
Medición del Movimiento Online 2024.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
 
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
 
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptx
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptxSEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptx
SEXTO SEGUNDO PERIODO EMPRENDIMIENTO.pptx
 
Registro Auxiliar - Primaria 2024 (1).pptx
Registro Auxiliar - Primaria  2024 (1).pptxRegistro Auxiliar - Primaria  2024 (1).pptx
Registro Auxiliar - Primaria 2024 (1).pptx
 
GUIA DE CIRCUNFERENCIA Y ELIPSE UNDÉCIMO 2024.pdf
GUIA DE CIRCUNFERENCIA Y ELIPSE UNDÉCIMO 2024.pdfGUIA DE CIRCUNFERENCIA Y ELIPSE UNDÉCIMO 2024.pdf
GUIA DE CIRCUNFERENCIA Y ELIPSE UNDÉCIMO 2024.pdf
 
Supuestos_prácticos_funciones.docx
Supuestos_prácticos_funciones.docxSupuestos_prácticos_funciones.docx
Supuestos_prácticos_funciones.docx
 
Proyecto de aprendizaje dia de la madre MINT.pdf
Proyecto de aprendizaje dia de la madre MINT.pdfProyecto de aprendizaje dia de la madre MINT.pdf
Proyecto de aprendizaje dia de la madre MINT.pdf
 
INSTRUCCION PREPARATORIA DE TIRO .pptx
INSTRUCCION PREPARATORIA DE TIRO   .pptxINSTRUCCION PREPARATORIA DE TIRO   .pptx
INSTRUCCION PREPARATORIA DE TIRO .pptx
 
🦄💫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
 
BIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICA
BIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICABIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICA
BIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICA
 
Presentacion Metodología de Enseñanza Multigrado
Presentacion Metodología de Enseñanza MultigradoPresentacion Metodología de Enseñanza Multigrado
Presentacion Metodología de Enseñanza Multigrado
 
Feliz Día de la Madre - 5 de Mayo, 2024.pdf
Feliz Día de la Madre - 5 de Mayo, 2024.pdfFeliz Día de la Madre - 5 de Mayo, 2024.pdf
Feliz Día de la Madre - 5 de Mayo, 2024.pdf
 
2024 KIT DE HABILIDADES SOCIOEMOCIONALES.pdf
2024 KIT DE HABILIDADES SOCIOEMOCIONALES.pdf2024 KIT DE HABILIDADES SOCIOEMOCIONALES.pdf
2024 KIT DE HABILIDADES SOCIOEMOCIONALES.pdf
 
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
 
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
 
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...
 

La poblacion y muestra en una investigacion

  • 2. POBLACIÓN Y MUESTRA Introducción a la teoría del muestreo  Tanto en las ciencias exactas como en las sociales, la mayoría del conocimiento existente se debe a experiencias basadas en inferencias a partir de la observación y del análisis de un número limitado de eventos.  De la calidad y representatividad que ese número limitado de eventos (muestra) tenga, dependerá la bondad o el defecto (la precisión o el error) del conocimiento generado, y precisamente por esto, es relevante identificar cómo se debe seleccionar una buena muestra.
  • 3. calcular el tamaño de una muestra para una población dada.  El primer paso, es tener claridad de que un muestreo es un proceso por medio del cual se seleccionan probabilísticamente elementos de un universo con la finalidad de estimar, con un determinado grado de precisión, algunas características del universo en su totalidad.
  • 4. CONCEPTOS  Población. Es un conjunto de elementos que poseen una característica. En el proceso investigativo la población corresponde al conjunto de referencia sobre el cual se va a desarrollar la investigación o estudio.  Muestra. Es un subconjunto de la población.
  • 5. Una muestra representativa es una muestra que recoge todas las características relevantes de la población.
  • 6. Selección de las unidades de muestras dentro de cada estrato. a) Muestras de igual tamaño. En este tipo de muestreo debe seleccionarse un número igual de elementos en cada grupo, mediante procedimiento al azar. b) Muestreo proporcional. En este tipo de muestreo el tamaño de muestra por estrato se escoge de tal forma que sea proporcional al tamaño poblacional del mismo.
  • 7. Muestreo por conglomerados.  Una muestra por conglomerados es aquella en la que la unidad de muestreo no es la unidad o elemento de la población sino el conglomerado. La unidad de muestra se refiere a los elementos del universo que se seleccionan en la muestra. (EJEMPLO COLEGIOS)  En el caso de muestreo por conglomerado, la unidad de muestreo es el conglomerado. Por ejemplo, si escogemos escuelas como conglomerados, para identificar allí a los estudiantes en lugar de ir de casa en casa para encontrarlos, estamos muestreando por conglomerados.
  • 8. Muestreo no probabilístico  Muestreo accidental. Es un muestreo no probabilístico y corresponde a la posibilidad que tiene el investigador de seleccionar como muestra un subconjunto de la población en un momento no previsto con anterioridad.
  • 9. Muestreo intencional  – Caso extremo. También es denominado desviado, corresponde a seleccionar el mejor o el peor de los casos y analizar si funciona o no el estudio correspondiente.  – Variación máxima o casos extremos. Consiste en seleccionar casos de los dos extremos y jugar con esas dos posiciones en el análisis de la información; es decir, comparar lógicas diferentes.  – Homogénea. Es llamada también de grupos focales. Se recomiendan grupos pequeños (de 6 a 8 personas).
  • 10.  – Caso típico. Consiste en seleccionar un caso representativo de la comunidad.  – Bola de nieve o de cadena. Es utilizado generalmente cuando no es posible detectar las personas por cuestiones delicadas o comprometedoras; entonces un primer representante puede sugerir otro y éste un tercero y así sucesivamente.
  • 11.  – Por criterio. El investigador se plantea unas características especiales que deben cumplir los elementos de la muestra.  – Confirmatorio o desconfirmatorio. Se seleccionan elementos muestrales que ratifican o no el caso estudiado.
  • 12.  – Políticamente importante. Se selecciona una muestra cuya atención, en ese momento, es relevante por sus condiciones y características.  – Por conveniencia. El investigador puede seleccionar una muestra con la que se facilite la recolección de información. Conocido también como muestreo por seguimiento, ya que la muestra corresponde a una parte, fracción o segmento de la población, lo cual, a su vez, produce resultados muy sesgados debido a la escasa representatividad que puede presentar dicho segmento. Este método también es utilizado en encuestas preliminares.  – Por cuotas. Es una forma de diseño estratificado, en el cual la selección final de los casos dentro del estrato no es aleatoria.
  • 13.  En las investigaciones de tipo cualitativo, el muestreo no sólo se refiere a los actores; en algunos casos es necesario realizar muestreo sobre situaciones, eventos, escenarios, lugares, momentos y temas que serán abordados en el proceso investigativo. Esto se evidencia en los estudios de casos, investigación -acción– participación, etnográfica, etc.
  • 14. Tamaño de la muestra ¿Cuál debe ser el tamaño de la muestra?  – El investigador debe conocer lo que se ha hecho en otros estudios similares.  – Debe tener en cuenta los recursos económicos con que cuenta.  – Desde el punto de vista teórico, lo más importante, los objetivos finales del estudio que realiza.
  • 15. DISEÑO DE LA MUESTRA ¿Para qué necesitamos recolectar datos?  Proporcionar información para un estudio de investigación.  Medir el desempeño en un servicio o proceso de producción.  Ayudar a una mejor toma de decisiones  Satisfacer nuestra curiosidad.
  • 16. DISEÑO DE LA MUESTRA ¿Qué son los datos?  Es información numérica necesaria para ayudarnos a tomar una decisión, comprobar o demostrar una hipótesis.  Para que el análisis estadístico sea útil los datos deben ser apropiados.
  • 17. DISEÑO DE LA MUESTRA ¿Es importante la recolección de datos?  Es sumamente importante.  No deben existir sesgos, ambigüedades o errores en ellos.  La recolección de datos debe ser mediante métodos objetivos.
  • 18. DISEÑO DE LA MUESTRA ¿Cómo obtenemos los datos? Se obtienen de 2 tipos de fuente: Primaria :  Diseño y aplicación del cuestionario (encuesta).  Diseño y aplicación de la guía estructurada a informantes clave (entrevista).  Bitácora de campo.  Experimento.
  • 19. DISEÑO DE LA MUESTRA Secundaria :  Datos publicados en: Revistas especializadas. Instituciones públicas o privadas. Estudios de investigación existentes.
  • 20. DISEÑO DE LA MUESTRA ¿Qué hacer cuándo el objeto de estudio es muy grande? En el campo de las ciencias sociales, el investigador no puede estudiar a toda la población. Se debe utilizar la técnica del muestreo.
  • 21. DISEÑO DE LA MUESTRA  Población: La totalidad de los elementos que poseen las principales características objeto de análisis.  Muestra: Parte de la población que contiene teóricamente las mismas características que se desean estudiar. Muestra población
  • 22. DISEÑO DE LA MUESTRA ¿Cómo diseñar la muestra? La fase del diseño de la muestra está relacionada con :  La estructuración de los instrumentos para recoger datos.  Con las técnicas estadísticas susceptibles de emplearse para el análisis.  Con los resultados.
  • 23. DISEÑO DE LA MUESTRA El diseñar la muestra implica:  Calcular el numero de casos.  Definir quienes serán los encuestados.  Prever los problemas para su levantamiento.  Lugar de entrevista.  Estrategia para sustituir encuestados.  Rutas que deben seguirse para su aplicación.  Presentar 2 o mas opciones de muestra.
  • 24. DISEÑO DE LA MUESTRA Los puntos a discutirse son:  Los objetivos del Análisis.  La disponibilidad de recursos financieros, humanos y materiales.  El nivel de confianza y precisión para estimar parámetros de la población.  La forma de la población (homogénea o heterogénea).
  • 25. DISEÑO DE LA MUESTRA  El tipo de preguntas (abiertas, cerradas).  El número de preguntas que está en relación con la cantidad de variables sujetas a investigación.  El plan de análisis estadístico
  • 26. DISEÑO DE LA MUESTRA ¿Qué tipos de muestra existen? Muestreo probabilística: Las unidades de análisis o de observación son seleccionadas en forma aleatoria  Aleatoria simple  Estratificado  Por racimos  Sistemático
  • 27. DISEÑO DE LA MUESTRA Muestreo no probabilistico: Es muy cómodo y económico pero tiene el inconveniente de que los resultados de la muestra no pueden generalizarse para toda la población.  Cuotas  Intencional o selectivo
  • 28. DISEÑO DE LA MUESTRA ¿Cómo calcular el tamaño de la muestra? Muestra para estudios sencillos (población mayor a 10 mil):  La población objeto de estudio es grande  Cuestionario reducido  Las alternativas de pregunta son mutuamente excluyentes
  • 29. CÁLCULO DE LA POBLACIÓN FINITA
  • 30. POBLACIÓN n° Instituciones Educativas Docentes 1 I.E “María Reiche” 24 2 I.E “Perú-Italia” 30 3 I.E “Perú-Japón” 80 4 I.E “Rosaluz” 60 total 204
  • 31. MUESTRA n° Instituciones Educativas Docentes 1 I.E. “María Reiche” 15 2 I.E. “Perú-Italia” 15 3 I.E. “Perú-Japón” 35 4 I.E. “Rosaluz” 35 TOTAL 100