Como aprender a hacer un muestreo

Conceptos
básicos del muestreo

Junto con la entrevista estandarizada
ningún otro procedimiento ha ejercido una influencia tan
considerable.

En sociología se usan las muestras
de población, pero es necesario que el diseño
muestral y su desarrollo se ajusten a unos principios y a una
metodología.

Muestreo
probabilístico

• Sirve para cantidades,
  cuantifica.

• Todos los casos presentes en el marco
  muestral tienen la probabilidad de estar en el marco
  final

• Es ciego a la hora de seleccionar
  elementos de las muestras finales

• No requiere un conocimiento elevado de
  la población a estudiar

• Permite inferencias
  estadísticas

Su potencialidad está en la
capacidad de estimar el posible error que afecte al estimado
muestral, pero este diseño está sujeto a fuertes
restricciones técnicas.

Una estrategia complicada de muestreo
probabilístico acostumbra a ser la respuesta a que la
realidad social es aún más complicada

El punto de partida para afrontar un
diseño muestral es definir cuál es el universo o
población de estudio (en sentido técnico
indicando la totalidad de los elementos de estudio/unidades de
análisis), de acuerdo con los objetivos de estudio;
ya que de ello dependerán los resultados.

(Cuando se habla de población
general se entiende que es la estudiada compuesta por hombres y
mujeres de más de 18 que habitan en un área
geográfica definida. Es frecuente en los estudios de
opinión pública)

Decidir a que población se dirige el
estudio sirve para tener presentes los elementos que forman parte
de ella y los que no, se debe evaluar en que grado la presencia o
no presencia de los elementos excluidos puede afectar al
estudio

Ventajas de utilizar
muestras

(Cuando la población ha sido
definida, es el momento de tomar una muestra de ella. La
totalidad de todos los elementos del universo se denomina censo,
y al alternativa de seleccionar sólo una parte,
muestreo.)

• La economía que supone usar una
  muestra en lugar de un censo, sobretodo si el ámbito
  de estudio es muy grande

• La mayor rapidez de recogida de datos y
  elaboración de los resultados, sobretodo cuando se
  trabaja con temas y poblaciones dinámicos y
  cambiantes.

• La realización de censos no se
  puede plantear como una cuestión de principio, ya que
  el hecho mismo de la encuesta destruiría el objeto de
  la misma

• Una muestra ofrece mejor calidad y
  precisión de los datos que un censo(porque se puede
  prestar una mayor atención a la recolección de
  éstos)

El objetivo de la teoría del
muestreo es obtener estimados maestralmente fiables.

Selección de
elementos

1º Selección de
población

2º Selección de elementos de
población que formarán parte de la muestra(marco
muestral, que esté en relación con el
diseño de muestra que se elija)

formas de construir un marco
muestral

-Obtener un listado de todos los
elementos

-Proveerse de una regla para
identificarlos, ya que listar los elementos no siempre es
posible.

-Listado con los elementos de la
población (si se posee)

Hace falta conocer la distribución
de las unidades de muestreo sobre el espacio y cuáles son
sus características básicas.

problemas más
frecuentes

-Elementos perdidos Marco muestral
inadecuado

No cubrir toda la
población

-Elementos extraños

-Agrupaciones

-Duplicaciones

Un aspecto importante es la homogeneidad de
la población.

También conseguir una
información fiable al menor coste.

Tipos de muestreo
probabilístico

• Muestreo aleatorio simple
  (monoetápico)

• Muestreo aleatorio sistemático
  (monoetápico)

• Muestreo estratificado

• Muestreo por conglomerados
  (polietápico , las unidades muéstrales son
  conglomerados de elementos)

Muestreo no
probabilístico

• Útil cuando se quiere
  cualificar

• Todos los casos no tiene la misma
  probabilidad de ser seleccionados para la muestra

• El investigador elige los casos que
  más le interesan para una información
  ma´s rica

• Requiere un conocimiento elevado de la
  población

• Permite hacer inferencias
  lógicas

Tipos:

• Muestreo de conveniencia : en
  los límites periféricos del muestreo
  metodológico

• Muestreo por cuotas: estructura
  de muestreo probabilístico

• Muestreo intencional: desarrolla
  la potencialidad de un muestreo no
  probabilístico

En cuanto a encuestas sociales se suelen
usar los dos primeros.

Muestreo de
conveniencia (fortuito o accidental)

El investigador selecciona aquellos casos
que le están más disponibles. Los resultados que se
obtengan no podrán generalizarse más allá de
los individuos que componen la muestra, al igual que las
conclusiones.

Se usan para efectuar los pretexto en los
primeros diseños de cuestionarios, donde se comprueba si
las preguntas son comprensibles. Aquí es donde son
más útiles para la investigación social (si
es con individuos de características
semejantes)

Muestreo por cuotas

Es una serie bastante amplia de variantes
la mayoría de las cuales se asemeja bastante a una muestra
aleatoria estratificada con afijación proporcional. Todo
muestreo por cuotas rompe el proceso de aleatoriedad en la fase
de extracción del elemento muestral (la selección
del entrevistado)

Pasos:

• Selección de unas
  características de control tales como : edad ,
  sexo…etc. Las variables de control se escogen porque se
  cree que están relacionadas con la variable a
  investigar, Se emplean para estratificar la población
  determinar que proporción e ella tiene cada
  estrato.

• Se adopta una representación
  general de cada estrato en la muestra final

• Elección del entrevistado (con
  las características que deben reunir de acuerdo con
  las variables de control que se emplearon para estratificar
  al población y fijar la muestra)

Este método asume que una muestra
que se parece a la población con respecto a
características importantes, lo hará de igual forma
respecto a las demás que se quieren estudiar (una
aunción bastante arriesgada)

Ventajas del muestreo por cuotas

• Bajo coste.

• Asegura la heterogeneidad y
  proporcionalidad de la muestra

Inconvenientes del muestreo por
cuotas

• Dificultad de diseñar un sistema
  de estratificación(para construir las cuotas) que
  considere más de tres variables de control.(Esto
  se debe a que el nº de variables a considerar
  actúa como una función multiplicativa de cada
  una de las categorías dentro de la
  variable)

• A cada entrevistador se le adjudica una
  cuota de personas a entrevistar. El hecho de poder elegir los
  entrevistados siempre que reúnan los requisitos
  adecuados, puede llevar a error (entrevistas a amigos en
  proporción excesiva, a las salida de mercados,
  universidades…etc)

Son muchas las estrategias para reducir los
sesgos al seleccionar entrevistados (control sobre los barrios a
investigar xej).Una de las opciones es llevar a cabo un muestreo
probabilístico polietápico con clúster,
seleccionando a los entrevistadores mediante cuotas en la
última etapa.

Muestreo
intencional

El muestreo intencional constituye una
estrategia no probabilística válida para la
recolección de datos, en especial para muestras
pequeñas y muy específicas.

Tipos:

• Muestreo de casos extremos:
  seleccionar sólo aquellos casos cuyos valores se
  encuentren en el extremo del rango de una variable

• Muestreo de casos poco usuales:
  Seleccionar aquellos elementos cuyos valores en el rango de
  una variable son poco frecuentes

• Muestreo de casos con máxima
  variación :pretende construir una muestra los
  más heterogénea posible. Esto que en muestras
  pequeñas representa un problema, se convierte en este
  tipo de muestreo en una potencialidad

• Muestreo de subgrupos
  homogéneos: Escoger una muestra pequeña lo
  más homogénea posible, si surge la necesidad de
  recoger información sobre uno o varios grupos.
  Reúne una serie de individuos de condiciones sociales
  y experiencias semejantes

• Muestreos estructurales: Los
  individuos que componen la muestra son seleccionados en
  virtud de sus posiciones sociales, situación en una
  red social, en una jerarquía…etc

• Muestreos con informantes
  estratégicos: Este tipo de muestreo es un
  compuesto del homogéneo y del estructural, y parte de
  que el conocimiento y la información están
  desigualmente distribuidos.Tiene 2 subtipos:

-Bola de nieve o en cadena: Usado
en poblaciones especiales o de difícil acceso. Se pide a
una serie de informantes iniciales que suministren los nombres de
otros miembros potenciales de la muestra.

-Experto: Mandar a un experto
escoger individuos típicos, cuidades
representativas…etc.No se debe generalizar a partir de la
experiencia de los individuos que componen la muestra

• Muestreo de criterio: Selecciona
  para su estudio a aquellos casos que se ajustan a
  algún criterio predeterminado (xej un estudio
  sobre conducta desviada)

• Muestreo de casos
  críticos: Trata casos que en relación al
  tema de estudio, pueden servir de referencia lógica
  para el resto de la población o parte de ella, estos
  muestreos hacen posible las generalizaciones lógicas
  derivadas del peso de la evidencia que puede llegar a
  producir incluso un solo caso

• Muestreo de casos confirmatorios y
  contradictorios: Es interesante cuando la
  investigación está avanzada; ya que muestrea
  específicamente en busca de casos que sirvan para
  confirmar o contradecir el trabajo que se ha
  efectuado

Tipos de
muestreo

Los autores proponen diferentes criterios de
clasificación de los diferentes tipos de muestreo, aunque
en general pueden dividirse en dos grandes grupos: métodos
de muestreo probabilísticos y métodos de muestreo
no probabilísticos.

Métodos de muestreo
probabilísticos

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 elegidas. Sólo estos
métodos de muestreo probabilísticos nos aseguran la
representatividad de la muestra extraída y son, por tanto,
los más recomendables. Dentro de los métodos de
muestreo probabilísticos encontramos los siguientes
tipos:

Muestreo aleatorio simple: El procedimiento
empleado es el siguiente: 1) se asigna un número a cada
individuo de la población y 2) a través de
algún medio mecánico (bolas dentro de una bolsa,
tablas de números aleatorios, números aleatorios
generados con una calculadora u ordenador, etc) se eligen tantos
sujetos como sea necesario para completar el tamaño de
muestra requerido.

Este procedimiento, atractivo por su simpleza, tiene
poca o nula utilidad práctica cuando la población
que estamos manejando es muy grande.

Muestreo aleatorio sistemático: Este
procedimiento exige, como el anterior, numerar todos los
elementos de la población, pero en lugar de extraer n
números aleatorios sólo se extrae uno. Se parte de
ese número aleatorio i, que es un número elegido al
azar, y los elementos que integran la muestra son los que ocupan
los lugares i, i+k, i+2k, i+3k,…,i+(n-1)k, es decir se toman
los individuos de k en k, siendo k el resultado de dividir el
tamaño de la población entre el tamaño de la
muestra: k=N/n. El número i que empleamos como punto de
partida será un número al azar entre 1 y
k.

El riesgo de este tipo de muestreo está en los
casos en que se dan periodicidades en la población ya que
al elegir a los miembros de la muestra con una periodicidad
constante (k) podemos introducir una homogeneidad que no se da en
la población. Imaginemos que estamos seleccionando una
muestra sobre listas de 10 individuos en los que los 5 primeros
son varones y los 5 últimos mujeres, si empleamos un
muestreo aleatorio sistemático con k=10 siempre
seleccionaríamos o sólo hombres o sólo
mujeres, no podría haber una representación de los
dos sexos.

Muestreo aleatorio estratificado: Trata de obviar
las dificultades que presentan los anteriores ya que simplifican
los procesos y suelen reducir el error muestral para un
tamaño dado de la muestra. Consiste en considerar
categorías típicas diferentes entre sí
(estratos) que poseen gran homogeneidad respecto a alguna
característica (se puede estratificar, por ejemplo,
según la profesión, el municipio de residencia, el
sexo, el estado civil, etc). Lo que se pretende con este tipo de
muestreo es asegurarse de que todos los estratos de
interés estarán representados adecuadamente en la
muestra. Cada estrato funciona independientemente, pudiendo
aplicarse dentro de ellos el muestreo aleatorio simple o el
estratificado para elegir los elementos concretos que
formarán parte de la muestra. En ocasiones las
dificultades que plantean son demasiado grandes, pues exige un
conocimiento detallado de la población. (tamaño
geográfico, sexos, edades,…).

La distribución de la muestra en función
de los diferentes estratos se denomina afijación, y puede
ser de diferentes tipos:

Afijación Simple: A cada estrato le corresponde
igual número de elementos muéstrales.

Afijación Proporcional: La distribución se
hace de acuerdo con el peso (tamaño) de la
población en cada estrato.

Afijación Optima: Se tiene en cuenta la
previsible dispersión de los resultados, de modo que se
considera la proporción y la desviación
típica. Tiene poca aplicación ya que no se suele
conocer la desviación.

Muestreo aleatorio por conglomerados: Los
métodos presentados hasta ahora están pensados para
seleccionar directamente los elementos de la población, es
decir, que las unidades muestrales son los elementos de la
población.

En el muestreo por conglomerados la unidad muestral es
un grupo de elementos de la población que forman una
unidad, a la que llamamos conglomerado. Las unidades
hospitalarias, los departamentos universitarios, una caja de
determinado producto, etc, son conglomerados naturales. En otras
ocasiones se pueden utilizar conglomerados no naturales como, por
ejemplo, las urnas electorales. Cuando los conglomerados son
área geográficas suele hablarse de "muestreo por
áreas".

El muestreo por conglomerados consiste en seleccionar
aleatoriamente un cierto número de conglomerados (el
necesario para alcanzar el tamaño muestral establecido) y
en investigar después todos los elementos pertenecientes a
los conglomerados elegidos.

Para finalizar con esta exposición de los
métodos de muestreo probabilísticos es necesario
comentar que ante lo compleja que puede llegar a ser la
situación real de muestreo con la que nos enfrentemos es
muy común emplear lo que se denomina muestreo
polietápico. Este tipo de muestreo se caracteriza por
operar en sucesivas etapas, empleando en cada una de ellas el
método de muestreo probabilístico más
adecuado.

Métodos de
muestreo no probabilísticos

A veces, para estudios exploratorios, el muestreo
probabilístico resulta excesivamente costoso y se acude a
métodos no probabilísticos, aun siendo conscientes
de que no sirven para realizar generalizaciones, pues no se tiene
certeza de que la muestra extraída sea representativa, ya
que no todos los sujetos de la población tienen la misma
probabilidad de se elegidos. En general se seleccionan a los
sujetos siguiendo determinados criterios procurando que la
muestra sea representativa.

Muestreo por cuotas: También denominado en
ocasiones "accidental". Se asienta generalmente sobre la base de
un buen conocimiento de los estratos de la población y/o
de los individuos más "representativos" o "adecuados" para
los fines de la investigación. Mantiene, por tanto,
semejanzas con el muestreo aleatorio estratificado, pero no tiene
el carácter de aleatoriedad de aquél.

En este tipo de muestreo se fijan unas "cuotas" que
consisten en un número de individuos que reúnen
unas determinadas condiciones, por ejemplo: 20 individuos de 25 a
40 años, de sexo femenino y residentes en Gijón.
Una vez determinada la cuota se eligen los primeros que se
encuentren que cumplan esas características. Este
método se utiliza mucho en las encuestas de
opinión.

Muestreo opinático o intencional: Este
tipo de muestreo se caracteriza por un esfuerzo deliberado de
obtener muestras "representativas" mediante la inclusión
en la muestra de grupos supuestamente típicos. Es muy
frecuente su utilización en sondeos preelectorales de
zonas que en anteriores votaciones han marcado tendencias de
voto.

Muestreo casual o incidental: Se trata de un
proceso en el que el investigador selecciona directa e
intencionadamente los individuos de la población. El caso
más frecuente de este procedimiento el utilizar como
muestra los individuos a los que se tiene fácil acceso
(los profesores de universidad emplean con mucha frecuencia a sus
propios alumnos). Un caso particular es el de los
voluntarios.

Bola de nieve: Se localiza a algunos individuos,
los cuales conducen a otros, y estos a otros, y así hasta
conseguir una muestra suficiente. Este tipo se emplea muy
frecuentemente cuando se hacen estudios con poblaciones
"marginales", delincuentes, sectas, determinados tipos de
enfermos, etc.

A continuación encontrará algunos
ejercicios que le pueden servir de guía para practicar el
cálculo de tamaños de muestra según los
diferentes métodos de muestreo más usados en los
procesos de investigación científica.

Ejercicio 1

Estimación
de un tamaño de muestra por el MAS

El director del programa de una determinada Facultad
desea hacer una investigación cuyo objetivo es evaluar la
actitud de los estudiantes de la respectiva Facultad o programa
respecto de las lecturas complementarias que recomiendan los
docentes de las asignaturas o núcleos temáticos
correspondientes a los distintos semestres que conforman dicho
Programa.

El instrumento (cuestionario) a utilizar para la
recolección de la información es una encuesta
conformada por 50 enunciados en escala Lickert*, validada tanto
por un comité de jueces como por una prueba
piloto.

Las categorías de respuesta para la encuesta son
las siguientes:

Escala de
Lickert

Totalmente de acuerdo 5

Parcialmente de acuerdo 4

Indiferente 3

Parcialmente en desacuerdo 2

Totalmente en desacuerdo 1

Taller No. 1-1. Procesamiento de la
información apoyado en el programa Process

Para desarrollar estos ejercicios, Usted
puede apoyarse en la herramienta para el procesamiento de
información (Process) incluida en este CD. A
continuación las instrucciones para definir las encuestas
en escalas de Lickert.

• 1. Abra la aplicación
  Process incluida en este CD

• 2. Haga clic en el menú
  Estadística descriptiva y escoja la opción
  Procesamiento de encuestas (Escalas Lickert) (Ver
  gráfica adjunta).

• 3. En la siguiente pantalla
  aparecen las opciones generales para procesar este tipo de
  encuestas. Ingrese la información correspondiente de
  acuerdo con cada una de las opciones y haga clic en el
  botón OK, cuando haya terminado de ingresar esta
  información:

Proyecto: nuevo

No. de encuestas: 35

No. de preguntas por encuesta:
50

No. de respuestas para cada pregunta
5

Dependiendo del número de respuestas
a cada pregunta que Usted seleccione, el cuadro Rangos de
respuestas para escalas se actualiza proponiendo una serie de
rangos de respuesta y la codificación numérica que
utilizará el programa para realizar los cálculos
(columna Códigos). Cuando en esta opción se
seleccionan las opciones 2, 3 o 5, el programa ajusta
automáticamente el cuadro Rangos de respuestas para
escalas; en los demás casos es necesario ingresar el
texto correspondiente a cada una de las opciones de respuesta. Si
las opciones de respuesta que Usted requiere en su
análisis no concuerdan con las opciones propuestas, Usted
podrá modificar el texto de las opciones de respuesta
propuestas. Haga clic sobre el texto que desea modificar e
ingrese el nuevo texto.

Procedimientos para el cálculo
del tamaño de la muestra:

• 1. Definir el método de
  muestreo: para este caso sabemos que el método
  más apropiado es el Muestreo Aleatorio Simple (MAS),
  pues cada uno de los estudiantes de la Facultad puede ser
  elegido en la encuesta.

• 2. Plantear la fórmula
  estadística apropiada para estimar el tamaño de
  muestra

Donde:

n = tamaño de la muestra a
estimar.

S = Desviación estándar de la
población.

Z = Margen de confianza.

E = Error de estimación o diferencia
máxima entre la media muestral y la media poblacional que
el investigador está dispuesto a aceptar con el nivel de
confianza que se defina.

Ni = Número total de la
población objeto del estudio.

• 3. Estimar el valor de S
  (desviación estándar): el valor de S se
  puede obtener de dos formas:

• a. Conocida o estimada a partir de
  estudios anteriores.

• b. Estimación mediante una
  muestra piloto.

En este caso no existen estudios previos, por lo que es
necesario realizar una muestra piloto para estimar el
valor de S; este valor se estima de dos formas: a) estimando la
desviación estándar para cada una de la preguntas
del cuestionario para todos los encuestados y tomar el mayor
valor de las diferentes desviaciones por pregunta para estimar el
tamaño de la muestra, o b) estimando la desviación
estándar del promedio de total de las encuestas de todos
los encuestados, como se ilustra a continuación, mediante
la siguiente fórmula:

Donde:

S = Desviación estándar de la
población a partir de la muestra piloto.

Xi = Puntuación o medición de
la variable objeto de estudio (para este ejemplo, medición
de la actitud respecto a la lectura complementaria) para cada uno
de los estudiantes de la muestra piloto.

Promedio de la población o de la medición de
la variable objeto de estudio de cada uno de los estudiantes de
la muestra piloto.

no = Número de estudiantes de la
muestra piloto (los criterios estadísticos indican que la
muestra piloto de un estudio la constituyen un número
igual o superior a 30 sujetos tomados aleatoriamente de la
población y sobre los cuales se recoge la
información para estimar el valor de S).

Nota: como en las investigaciones
a realizar normalmente no se conoce el valor de S
(desviación estándar) entonces, este valor se
estima a partir de una muestra piloto.

Veamos entonces, cómo se estima el
valor de S para este caso mediante muestra piloto.

• a. Aplicamos la encuesta de las 50
  preguntas a un número igual o superior a 30
  estudiantes (para este caso lo aplicaremos a 35 estudiantes)
  seleccionados aleatoriamente, de acuerdo con el taller No.1-2
  descrito en el paso anterior.

• b. Calculamos la puntuación
  promedio de cada uno de las encuestas aplicadas a los 35
  estudiantes y ese valor es el valor de los Xi que se muestra
  en el siguiente taller. [Para realizar estos cálculos
  nos apoyamos de nuevo en la herramienta de procesamiento de
  información (Process), incluida en este
  CD].

Taller No. 1-2. Procesamiento de
encuestas

• c. En la cuadrícula
  correspondiente a Matriz de respuestas y valores
  acumulados, ingrese los resultados correspondientes a las
  preguntas de cada una de las encuestas de la siguiente
  manera: la encuesta No. 1 se diligencia de izquierda a
  derecha, en el primer renglón, colocando los
  códigos de las respuestas definidos en la pantalla
  anterior. Por ejemplo si Usted seleccionó la
  opción 2 tipos de respuesta (SI-NO), los
  códigos que se deben ingresar en este cuado son
  valores entre 0 y 2, pues de esa manera quedó
  codificado. Los títulos que aparecen en la parte
  superior (en el encabezado de cada columna) representan el
  número de la pregunta; por ejemplo R1, representa la
  respuesta (codificada) a la pregunta 1 (un valor de 0 a 2);
  R2, representa el código de respuesta a la pregunta 2,
  y así sucesivamente, hasta finalizar la totalidad de
  la encuesta). (Vea la siguiente figura).

• d. Desplace el cursor de una
  casilla a otra utilizando las teclas de flechas (arriba,
  abajo, izquierda y derecha).

• e. Una vez ingresadas las
  respuestas de todas las encuestas, procedemos a realizar los
  cálculos. Para esto, haga clic sobre el botón
  Calcular.

Muy bien, ya hemos procesado parte de la
información. La pantalla que vemos a continuación,
contiene el valor correspondiente a la desviación
estándar, misma que necesitaremos posteriormente para
calcular el tamaño definitivo de la muestra.

Las operaciones necesarias para determinar
el promedio de calificación de cada estudiante ya han sido
realizadas por el programa, así como la aplicación
de las fórmulas para definir el valor de la media y de la
moda.

Desde este punto, Usted también
puede examinar el comportamiento de una única pregunta.
Seleccione la pregunta que desea analizar y haga clic sobre el
botón Analizar.

La desviación estándar indica
el grado de dispersión de la muestra con relación a
la media; es decir, el grado de homogeneidad o heterogeneidad de
la muestra.

S = grande, entonces la población
tiende a ser heterogénea.

S = pequeña, entonces la
población tiende a ser homogénea.

• 4. Definir el nivel de
  confianza en valores Z

El nivel de confianza o valor de Z, es
cualquier valor de la tabla para las puntuaciones Z, que son
valores normalizados. Sin embargo, estadísticamente se
suele tomar uno de los siguientes tres valores.

Confianza del 90% (error máximo
permitido) = 0.10 —- Z = 1.64

Confianza del 95% (error máximo
permitido) = 0.05 —- Z = 1.96

Confianza del 99% (error máximo
permitido) = 0.01 —- Z = 2.58

Para este estudio el investigador ha
seleccionado un nivel de confianza del 95%, por lo que
Z=1.96.

• 5. Definir el valor del error
  de estimación E

El valor de E se define a partir de la desviación
estándar (S) estimada a partir de la muestra piloto, y
usualmente se recomienda dar al error de estimación un
valor inferior a 10% del valor de la media (promedio) de la
muestra. Si la desviación estándar es grande en
proporción con la media, el error de estimación (E)
debe ser pequeño, tendiendo a cero (0); si el valor de la
desviación estándar (S) es pequeño con
relación a la media, entonces el valor de error de
estimación (E) puede ser cercano pero no superior a 10%
del valor de la media o promedio.

Para esta investigación, como el valor de la
desviación estándar es pequeño, lo que
indica que la población de estudiantes tiende a ser
homogénea, entonces el valor del error de
estimación puede ser E = 0.06 o E = 6%.

• 6. Estimar el tamaño de
  la muestra

Utilizando el programa Process 2.0, incluido en el CD,
reemplazamos los valores correspondientes de la
fórmula.

Nota: para este caso, el valor de
N (total de los sujetos de la población) se obtuvo de los
archivos que reposan en la Secretaría Académica de
la Facultad para el total de alumnos matriculados en el Programa
objeto de estudio del año en curso. (N=1200).

Taller No. 1-3. Determinar el
tamaño de la muestra (MAS)

En la cuadrícula correspondiente a
Matriz de respuestas y valores acumulados, ingrese los
resultados correspondientes a las preguntas de cada una de las
encuestas así: la encuesta No. 1 se diligencia de
izquierda a derecha, en el primer renglón, colocando los
códigos.

Para determinar el tamaño de la
muestra mediante el método de Muestreo Aleatorio Simple,
abra la aplicación y seleccione la opción Muestreo
Aleatorio Simple ubicada bajo el menú Muestreo.

Ahora que ya tiene definidos los valores
necesarios para realizar estos cálculos, ingréselos
en cada una de las casillas correspondientes. Una vez tenga
completados los datos, haga clic sobre el botón
Calcular.

• 7. Conclusión

Para realizar el estudio de
evaluación de la actitud de los estudiantes del programa
de psicología respecto a las lecturas complementarias
recomendadas por los profesores de las diferentes áreas
del conocimiento de la carrera se requiere una muestra
representativa de 214 estudiantes, con un nivel de confianza del
95 % y error de estimación del 0.06

Ejercicio No. 2

Muestreo
proporcional

Suponga que la Entidad encargada de la
educación básica en su zona de residencia
está interesada en crear un Jardín Infantil
público al servicio de la comunidad. Para ello, la
funcionaria encargada por la Entidad está interesada en
estimar el tamaño de la muestra de la población de
hogares interesados en utilizar los servicios del
jardín.

El cálculo del tamaño de la
muestra es el siguiente:

Paso 1. Tipo de muestreo:
proporcional.

Paso 2. Plantear la fórmula para
estimar el tamaño de la muestra

n = Tamaño de muestra a estimar
(número de padres de familia).

Z = Nivel de confianza de la muestra de
padres.

P = Proporción de padres de familia
con niños entre 3 y 5 años de edad interesados en
los servicios del jardín infantil.

Q = Proporción de padres de familia
con niños entre 3 y 5 años de edad no interesados
en los servicios del jardín infantil.

N = Total de padres de familia residentes
en la zona donde se propone la creación del jardín
infantil.

N= 520 según archivos de
secretaría de Educación local.

Paso 3. Estimar la proporción de
padres de familia interesados en los servicios del
jardín

La proporción de padres de familia
interesados en los servicios del Jardín se estima mediante
una muestra piloto. Primero, entrevistamos o encuestamos una
muestra igual o mayor a 30 padres de familia, para conocer su
interés por los servicios del Jardín a
crear.

Para este caso se entrevistaron 35 padres
de familia, con hijos entre 3 y 5 años de edad,
presentando los servicios que prestaría un jardín
infantil creado por la entidad mencionada; el 60% (21) de los
entrevistados manifestó interés por el
jardín y disposición a utilizar sus
servicios.

P = 60% Q = 1 – P Q = 1- 0.60 =
0.40

Paso 4. Definir el nivel de
confianza

Se define como nivel de confianza 95% o
valor de Z = 1.96 para el cálculo del tamaño de
muestra.

Paso 5. Definir el error de
estimación

El error de estimación será
de E = 0.05 o 5%.

Paso 6. Estimar el tamaño de
muestra

Se reemplazan los valores antes definidos
en la fórmula:

En este punto puede apoyarse también
en el uso de Process 2.0.

Taller No. 2-1. Determinar el
tamaño de la muestra (Muestreo
proporcional)

1. Abra la aplicación Process
(Carpeta Aplicación, incluida en este CD).

2. Haga clic en el menú Muestreo y
elija la opción Proporcional (ver gráfica
adjunta).

3. Ingrese los valores previamente
definidos en las casillas correspondientes. Una vez que tenga
todos los datos necesarios, haga clic en el botón
Calcular.

Paso 7. Conclusión

La entidad interesada en la creación
del Jardín Infantil necesita entrevistar a 216 familias
con hijos entre 3 y 5 años de edad para conocer el
interés de éstos por los servicios que ofrece el
jardín infantil.

Ejercicio No. 3

Muestreo
estratificado

El muestreo estratificado se utiliza cuando
las variables a identificar o evaluar se pueden encontrar en
grado significativamente diferente en la población objeto
de estudio.

Ejemplo: usualmente se estratifican los
ingresos de las personas, el nivel académico, la
experiencia, la actitud según los años de
permanencia o antigüedad, etcétera.

Suponga que Usted quiere conocer el grado
de satisfacción frente al desarrollo de los contenidos del
Plan de Estudios de su Programa Académico. Desea estimar
un tamaño de muestra de estudiantes de la carrera para
poder identificar el grado de satisfacción de los
mismos.

Procedimiento para determinar el
tamaño de la muestra:

Paso 1. Tipo de muestreo