CAPITULO 7 La Muestra de investigacin 7.1 Conceptos Bsicos.

Poblacin o Universo: conjunto total de individuos o elementos bajo estudio, que comparten una o varias caractersticas en comn. Si se estudia a toda la poblacin, se trata de un censo. Muestra: subconjunto representativo de la poblacin, a partir del cual se realizarn inferencias. El muestreo es el proceso de extraer una muestra de una poblacin. Poblacin objetivo: es la coleccin completa de observaciones que deseamos estudiar. Unidad de anlisis: es un elemento o persona que ser observado, medido. Unidad muestral: es la unidad que realmente ha sido muestreada. A travs de ella se accede a la unidad de anlisis. Marco muestral: es la lista de todas las unidades muestrales. Ejemplo 1: Poblacin objetivo: Estudiantes de la facultad Psicologa de la UNMSM. Unidad de anlisis: Personas (estudiantes universitarios). Unidad muestral: Personas (estudiantes universitarios). Marco muestral: lista de todos los estudiantes de la facultad de Psicologa de la UNMSM, tomada de la oficina de matrcula. Ejemplo 2 Poblacin objetivo: Estudiantes de quinto ao de secundaria de I.E. privadas en Lima metropolitana. Unidad de anlisis: Personas (escolares). Unidad muestral: Instituciones educativas Marco muestral: lista de todas las instituciones educativas secundarias en Lima metropolitana de gestin privada; tomada de la pgina web del Ministerio de Educacin del Per.

7.2 INTRODUCCION AL MUESTREO El muestreo es el procedimiento a travs del cual se obtiene la muestra con la que se va a realizar una investigacin. El uso del muestreo es indispensable para todo investigador, ya que usualmente no es posible trabajar con toda la poblacin por el tiempo, esfuerzo y recursos que esto implicara. Cuando la muestra con la que se trabaja no es representativa de la poblacin, es decir se diferencia en algunos aspectos de ella, lo que se obtiene es una muestra sesgada y por consiguiente los resultados que se encuentren no pueden ser generalizados a la poblacin de la cual se extrajo la muestra. Ventajas del uso del muestreo Costo reducido. Mayor rapidez para la recoleccin de datos. Ms posibilidades de obtener informacin precisa. Mayor exactitud de la informacin obtenida. 7.3 TIPOS DE MUESTREO A) PROBABILSTICO. Es aquel en el cual puede calcularse con anticipacin cul es la probabilidad de cada uno de los elementos de una poblacin, de ser seleccionado en una muestra de investigacin. Los tipos de muestreos probabilsticos son: Aleatorio o al azar, sistemtico, estratificado y en racimos o por conglomerados. a.1) Muestreo Probabilistico: Aleatorio Simple Implica que cada uno de los elementos de la poblacin tiene la misma probabilidad de ser elegido en la muestra. Se tiene un marco muestral completo y se eligen al azar las unidades, utilizando una tabla de nmero aleatorios o una funcin de algn programa estadstico. Por ejemplo, se podra tener papeles con los nombres de todos los alumnos, ponerlos en una bolsa y sacar un nmero determinado. a.2) Muestreo Probabilstico; Aleatorio Sistemtico Permite que cada uno de los elementos de la poblacin tiene la misma probabilidad de ser elegido en la muestra. Se diferencia en la forma de extraccin de las unidades, implica: Usar un intervalo de muestreo k: Tamao de la poblacin / tamao de la muestra Sacar un nmero aleatorio j entre 1 y k Seleccionar los elementos : j, j+k, j+2k, j+3k, Ejemplo de muestreo aleatorio sistemtico: Se quieren muestrear 10 elementos de un conjunto de 60 elementos, ordenados segn el momento en el cual fueron producidas.

Intervalo de muestreo k: 60 / 10 = 6 Nmero aleatorio j (entre 1 y k) = 4 Seleccionar los elementos: 4, 10, 16, a.3) Muestreo Probabilstico Estratificado Los estratos son subdivisiones de la poblacin, que permiten mejores estimaciones. Se emplea cuando se sabe o sospecha que los valores promedio de la variable medida, difieren dentro de los estratos de nuestra poblacin. La muestra debe ser proporcional a la poblacin en los tamaos de sus estratos Dentro de cada estrato se aplica el muestreo al azar simple o sistemtico. Ejemplo de muestreo estratificado

a.4) Muestreo Probabilstico por conglomerados Los conglomerados se refieren a las agrupaciones naturales de unidades de muestreo. Por ejemplo, colegios, universidades, hospitales, etc. Se muestrean primero los clusters (unidad muestral primaria) y luego a todos o algunos elementos dentro del cluster (unidad muestral secundaria). Se aplica el azar simple o sistemtico para elegir los conglomerados y si es necesario, las unidades dentro de los conglomerados. Por ejemplo: en un estudio sobre los profesores con formacin magisterial, el investigador en lugar de fijar una poblacin accesible, puede ms bien escoger aleatoriamente un nmero de centros escolares a partir de un listado de la totalidad de ellas y luego considerar a todos los profesores con formacin magisterial de los colegios seleccionados en la muestra. B. MUESTREO NO PROBABILSTICO Es aquel en el cual no se conoce la probabilidad de cada uno de los elementos de una poblacin de poder ser seleccionado en una muestra. Es un tipo de muestreo muy frecuentemente utilizado por la facilidad con que puede obtenerse una muestra, an cuando se desconozcan las bases para su ejecucin. Los tipos de muestreo no probabilsticos ms importantes son los siguientes: muestreo intencionado, circunstancial y por cuotas. b.1) Muestreo Intencionado En este tipo de muestreo se elige una muestra tratando de que sea representativa de la poblacin de donde es extrada. Lo importante es que dicha representatividad se da en base a una opinin o intencin particular de quien selecciona la muestra y por lo tanto la evaluacin de la representatividad es subjetiva. Por ejemplo: si deseamos hacer un estudio acerca de las caractersticas de los nios de zonas urbanas marginales y su influencia en el rendimiento escolar en la ciudad de Lima, la muestra podemos seleccionarla en base a la eleccin de una zona urbana marginal a la que consideramos es representativa de las zonas urbanas marginales de la ciudad de Lima. La eleccin de dicha muestra como representante de los pueblos jvenes puede haberse hecho solamente en base a la satisfaccin de ciertas condiciones para ser considerado como zona urbana marginal Una muestra intencional puede estar influenciada por las preferencias o tendencias, conscientes e inconscientes, de la persona que la obtiene. b.2) Muestreo circunstancial Se da cuando los elementos de la muestra se toman de cualquier manera, generalmente atendiendo a razones de comodidad, circunstancias o capricho. Por ejemplo: cuando un investigador tiene que llenar algunas encuestas y para cumplir con su tarea recurre a los amigos o familiares, o de lo contrario aprovecha un grupo que est reunido por razones particulares pero que se muestra dispuesto a colaborar con l. b.3) Muestreo por cuotas El muestreo por cuotas busca seleccionar una muestra que sea una rplica de la poblacin. En este sentido, persigue el mismo objetivo que la seleccin al azar. Sin embargo, en lugar de partir de un universo de elementos se toman cuotas de unidades basadas en las proporciones estadsticas en que la poblacin se distribuye. Por ejemplo: Si en un colegio mixto de 1000 estudiantes hay 600 varones y 400 mujeres, la muestra seleccionada debe incluir proporciones similares de varones y mujeres, tal como se dan en el universo La seleccin de la muestra obedece a un plan establecido e incluye variables relevantes a la investigacin. Si de los 1000 alumnos del ejemplo, se desea trabajar con una muestra de 100, entre varones y mujeres, de acuerdo a la composicin del universo se seleccionaran 60 varones y 40 mujeres. Si el inters fuese, adems considerar la variable edad, debera disponerse de informacin acerca de la distribucin de las edades en el universo a fin de aplicar las proporciones a las cuotas de varones y mujeres. El problema mayor que confronta el muestreo por cuotas es conocer hasta que punto las sub-muestras por cuotas son representativas del universo y no se podr determinar el error de muestreo ni otras estimaciones debido a que no es un mtodo probabilstico.

7.4 EL TAMAO DE LA MUESTRA Los investigadores han utilizado en el desarrollo de la investigaciones una de las siguiente opciones. a) Trabajar con una fraccin pre-determinada de la poblacin, usualmente se elige el 10% o 15% de los casos que conforman la poblacin de estudio. b) Elegir una cantidad de casos igual al nmero de preguntas del instrumento utilizado multiplicado por 10. c) Elegir una cantidad de casos que sea la mnima para establecer diferencias significativas de acuerdo a un estadstico especfico, por ejemplo 30 casos para la prueba t de student de diferencia de medias para grupos independiente; 15 casos para la prueba t de student para grupos correlacionados. d) Utilizar criterios estadsticos, se toma en cuenta los resultados obtenidos en investigaciones anteriores y de acuerdo a ciertos valores estadsticos pre-determinados se procede a calcular el tamao de la muestra que satisface estos aspectos. Es el procedimiento ms recomendado. Procedimientos estadsticos a) Para muestras grandes (n > 100,000 casos) b) Para muestras pequeas (n < = 100,000 casos) a) Poblaciones grandes (n > 100,000 casos) Se usa la siguiente frmula: z2 * p *q

e Siendo: (p) Probabilidad de ocurrencia del evento. (q) probabilidad de no ocurrencia = (1-p) (e) margen de error permitido (z) nivel de confianza
Por Ejemplo: Para los siguientes datos: (p) Probabilidad de ocurrencia del evento = 0.53 (q) probabilidad de no ocurrencia = (1- p) = 0.47 (e) margen de error permitido = 0.10 (z) nivel de confianza = 1.65 (95 %) n = __(1.65)2 (0.53) (0,47) = 271.27 = 271 2 (0.10) b) Poblaciones pequeas (n < = 100,000 casos) Se usa la siguiente frmula: z2 * p *q * N

e ( N 1) z * p * q Siendo: (p) Probabilidad de ocurrencia del evento. (q) probabilidad de no ocurrencia = (1-p) (e) margen de error permitido (z) nivel de confianza (N) tamao de la poblacin Por ejemplo: Para los siguientes datos: (p) Probabilidad de ocurrencia del evento.= 0.53 (q) probabilidad de no ocurrencia = (1-p) =0.47 (e) margen de error permitido =0.05 (z) nivel de confianza= 1.65 (95 %) (N) tamao de la poblacin = 1415
2 2

n = _____(1.65)2 (0.53) (0,47) (1415) _______ = 65.945 = 66 (0.10)2(1415-1) + (1.65)2(0.53)2(0.47)