MBA.

Maria Antonia Cruz Flores

MBA.Maria Antonia Cruz Flores

Previo, Bases para llegar al

muestreo
Enfoque de mi investigacin
Tipo de estudio
Unidad de anlisis

Objetivos
Objeto de investigacin
Anticipar el procesamiento de la informacin

MBA.Maria Antonia Cruz Flores

Concepto bsico de la muestra

En sentido genrico, es una parte del universo que

rene todas las condiciones o caractersticas de la

poblacin, de manera que sea lo ms pequea
posible, pero sin perder exactitud.

MBA.Maria Antonia Cruz Flores

Concepto bsico de la muestra

Los CUATRO Elementos del Muestreo
1. Universo, Poblacin: totalidad de elementos a
estudiar, una fraccin es la muestra. Alternativo si
desconocemos el tamao del Universo: Unidad de
Anlisis y usamos formula de Universos no definidos o
infinitos.
2. Marco Muestral: conformado por el substrato
material que da soporte al universo o poblacin
(censo, registro, plano, mapa, catlogo, listado, etc.).

MBA.Maria Antonia Cruz Flores

Elementos del Muestreo

3. Unidad de Anlisis: cada uno de los elementos que
integran El UNIVERSO. Simple (individuos), colectiva
(grupos, familias, pueblos, empresas, entre otros).
4. Relaciones entre el universo y la muestra: Pueden ser
cuantitativas y cualitativas. Las cuantitativas son: la
Fraccin de muestreo que se obtiene dividiendo la
muestra por el universo y multiplicando por 100 y el
coeficiente de elevacin que se refiere a las veces que la
muestra est contenida en el Universo. Las relaciones
cualitativas se concretan al exigir que universo y muestras
renan las mismas caractersticas.

MBA.Maria Antonia Cruz Flores

PASOS PARA EJECUTAR EL MUESTREO:

1. Definir el tamao de la muestra
2. Escoger a los que pertenecen a la muestra: para
3. Determinar el tipo de muestreo
Interrogantes que debemos respondernos para
hacer muestreo:
De qu tamao tiene que ser el universo para
comenzar a pensar en calcular una muestra
estadstica?
Algunos autores recomiendan universos de ms
de 200 Unidades de Anlisis
Otros argumentan que con 30 casos ya se puede
aplicar la frmula.
Nosotros recomendamos que con Universos con
un mnimo de 100 unidades muestrales
MBA.Maria Antonia Cruz Flores

Representatividad de la muestra
La muestra debe reproducir las caractersticas del

universo, por lo tanto surgen preguntas sobre la

cantidad de elementos que debe incluir la muestra y
hasta qu punto pueden generalizarse a la
poblacin.

MBA.Maria Antonia Cruz Flores

Representatividad de la muestra
La

finalidad del muestreo respecto de la

representatividad es no incurrir en errores a la hora
de obtener los resultados, no obstante los errores
son inevitables, lo importante entonces es
minimizarlos.
Una consideracin muy importante: Haber
delimitado con precisin la Poblacin o Universo
(Sampieri: 2006; p. 239) y tener un buen Marco
Muestral.

MBA.Maria Antonia Cruz Flores

 En parte esto puede ser garantizado mediante

supervisin, pero tambin con procesos de

induccin (aptitudes, competencias, habilidades,
tica, honradez y dems valores) y de seleccin
acertada de quienes apliquen los instrumentos.

Lo que est en juego es la validez del estudio y ms

an la utilidad de la informacin recopilada. Un

solo caso anmalo puede poner en tela de juicio la
veracidad, objetividad y representatividad de los
resultados.

MBA.Maria Antonia Cruz Flores

Tamao de la muestra
Para Muestras aleatorias
Tericamente, podemos calcular el tamao requerido
de la muestra sobre la base de:
1. el nmero y tipo de variables y (ms variables
implica ms tiempo y por lo tanto menos muestra.
Variables cuanti o cuali implica opciones de
respuesta p y q que implicarn su incidencia en el
tamao)
2. El nivel deseado de representatividad estadstica.
3. Tambin depender de si queremos los resultados
en PROPORCIONES o en PROMEDIOS, as usaremos
para cada caso una frmula especfica.

MBA.Maria Antonia Cruz Flores

10

Tamao de la muestra
Hay que hacer notar que la frmula demuestra
que
el tamao de la muestra no es
proporcional al del Universo.
PARA UNIVERSOS PEQUEOS (< DE CIEN MIL)
Estimar medias
Estimar Proporciones

Z * * N
2)
2
2
( N * e ( Z * )
2

Z 2 * p*q* N
( N * e 2) ( Z 2 * p * q)

PARA UNIVERSOS GRANDES

(> DE CIEN MIL)
MBA.Maria Antonia Cruz Flores

Z * p*q
2
e
11

Ejemplo sencillo para calcular el tamao de muestra:

Si la poblacin total a estudiar es de N beneficiarios directos, la
definicin de la muestra se calcular segn Munch Galindo 1996,
usando la frmula de poblaciones finitas y muestreo
completamente aleatorio.

Z = 1.96, valor en la tabla de distribucin Normal para el 95 %

de confianza;
N = es la poblacin total = 54,337 habitantes del municipio El
Rama; Z * p * q * N
2

( N * e 2) ( Z 2 * p * q)

p y q = probabilidades complementarias de 0.5,

e = error de estimacin = 0.05
n=
n = tamao de la muestra = ?
n = 381.30531240 381 encuestas es el tamao de muestra
para el municipio El Rama
MBA.Maria Antonia Cruz Flores

12

DETALLANDO LOS COMPONENTES DE LA FORMULA PARA

CALCULAR EL TAMAO DE LA MUESTRA EN ESTUDIOS
CUANTITATIVOS Y DE FORMA ALEATORIA
2

n=

Z * p*q* N
2
2
N *e Z * p *q

N = es la poblacin objeto de estudio; pero en algunos estudios

puede ser desconocido o en otros puede tender al infinito. En la
frmula para el tamao de la muestra no se incluye si el
Universo es mayor a CIEN MIL UNIDADES DE ESTUDIO
Z = Es una CONSTANTE que depende del Nivel de Confianza
Estipulado (VER TABLA SIGUIENTE)
MBA.Maria Antonia Cruz Flores

13

DISTRIBUCIN NORMAL

Valores de la constante Z segn Nivel de Confianza

MBA.Maria Antonia Cruz Flores

14

p y q = Representan probabilidades complementarias

de OCURRENCIA.
Pregunta de la Investigacin = Cantidad de posibles
respuestas (1, 2, 3, et.)

p = Respuesta ms probable Total de respuestas

Ejemplo: Cules son las razones por las que los
Pobladores de El Rama utilizan Microcrditos?
Podemos responder: 1. Porque es su nica alternativa y
2. Porque se los ofrecen.
En este caso p y q adquieren el valor de 50%
MBA.Maria Antonia Cruz Flores

15

Tambin Podemos responder: 1. Razones personales,

2. Condiciones crediticias y 3. Crear Rcord Crediticio
En este caso p toma el valor de 33% y q el valor de 67%

e = error de estimacin
Implica el sesgo entre la informacin esperada si se tratara
de un CENSO y la informacin emprica que se obtendr de
una Muestra.
El investigador lo determina
Implica sumar y restar este valor al dato que resulte del
estudio.
Esto representa un margen de imprecisin
Por eso se sugiereMBA.Maria
trabajar
con un error de 3 a 5 %
Antonia Cruz Flores

16

La definicin de la muestra se calcul segn Munch Galindo

1996, usando la formula de poblaciones finitas y muestreo
completamente aleatorio.
Cuadro 1. Calculo del Tamao de Muestra variando
poblacin estimada de 12000 beneficiarios.

Poblacin

Para un
"e" = 5%

Para un
"e" = 6%

Tamao
de
Muestra
("n")

Tamao
de
Muestra
("n")

Para un
Para un
"e" = 7% "e" = 8%
Tamao
de
Muestra
("n")

Tamao
de
Muestra
("n")

para una

Para un
"e" = 9%

Para un
"e" = 10%

Tamao
de
Muestra
("n")

Tamao
de
Muestra
("n")

12,000 372.093 240.898 165.045 118.735 87.9311

MBA.Maria Antonia Cruz Flores

68.111
17

 Esto demuestra que podemos calcular varios

tamaos de muestras y luego elegir entre los que

ms nos convengan sin perder la objetividad y
representatividad de resultados
Tambin podemos manipular el nivel de confianza.
Que nivel de confianza debo aceptar?
De qu depende?

Del Marco muestral, presupuesto, tiempo, la

decisin que se va a tomar.
Se sugiere ir calculando diferentes tamaos
manipulando cada vez solo uno de los parmetros
(nivel de confianza o error de estimacin)

MBA.Maria Antonia Cruz Flores

18

TIPOS DE MUESTREO
Al trabajar con una muestra hay que plantearse:
por qu? Cul es el objetivo de nuestra
seleccin? Es uno de los siguientes?
1. Solo estamos interesados realmente en algunos
elementos, en ejemplares o casos de la poblacin.
Este tipo habitual de investigacin no es de hecho
un estudio de muestreo, sino un estudio de caso
ampliado.

MBA.Maria Antonia Cruz Flores

19

2.

Estamos interesados por igual en TODOS los

elementos de la poblacin y querramos estudiarlos
todos, pero por razones prcticas, tendremos que
escoger solo una muestra. Tal vez tenemos una
poblacin de millones de objetos y es imposible
abarcar incluso una mayora de entre ellos.

MBA.Maria Antonia Cruz Flores

20

3. Tambin en aquellos casos en que podramos escoger

estudiar cada objeto, puede ser una eleccin prudente,
porque ahorra tiempo, el que nos permite estudiar los
elementos ms cuidadosamente.

MBA.Maria Antonia Cruz Flores

21

4. Cuando estamos estudiando los elementos del

ejemplo querramos escoger elementos que tengan
los mismos atributos que la media de la poblacin.
Si ese es el caso, nuestra muestra es representativa.
Este es el caso ideal, pero en la prctica no tenemos
medio de saber si los elementos son representativos
en realidad. El clculo de probabilidades nos dice
que en la mayor parte de los casos habr algunas
diferencias entre la muestra y la poblacin, a esta
diferencia se llama sesgo, y en alguna medida casi
siempre est presente en la muestra, simplemente
por el carcter accidental del muestreo.

MBA.Maria Antonia Cruz Flores

22

Muestras aleatorias
El principio de la seleccin: repartir la baraja.
Todos los objetos de la poblacin tienen iguales
probabilidades de ser seleccionados en la muestra:
razn de muestreo, y es igual al nmero de
elementos de la muestra dividido por el nmero de
la poblacin.

MBA.Maria Antonia Cruz Flores

23

Muestras aleatorias
Hay mtodos alternativos para crear una muestra
aleatoria (en otras palabras, una "muestra de
probabilidad"):
1. Muestra aleatoria simple.
La muestra se extrae a suertes. Trabajar con papeletas
es laborioso si la poblacin es amplia. Pero si tenemos
la poblacin en un fichero de ordenador, el trabajo
ser fcil.

MBA.Maria Antonia Cruz Flores

24

2. Muestra sistemtica. Empezamos dividiendo el

total de la muestra entre el Universo y obtenemos

el INTERVALO, (N = 500, n = 100
-- I = 500/100
= 5)
Escogemos el primer elemento al azar entre los
primeros objetos del Intervalo (5), y tras ello
extraemos cada objeto por intervalos (En el
ejemplo cada CINCO). Esto es conveniente si
tenemos una lista de objetos de la poblacin.

MBA.Maria Antonia Cruz Flores

25

3. Muestra aleatoria ponderada. Poblacin incluye un

grupo muy pequeo pero esencial, riesgo de que

ningn miembro de ese grupo quede dentro de una
muestra aleatoria.
Para
evitar
esto,
podemos
incrementar
deliberadamente la razn de la muestra sobre este
grupo de especial importancia. (COEFICIENTE DE
ELEVACION usando %)

MBA.Maria Antonia Cruz Flores

26

4.

MUESTREO
ESTRATIFICADO
CONGLOMERADOS

POR

Implica considerar sectores o segmentos

diferenciables en el Universo (ESTRATOS) o
agrupacin geogrfica (CONGLOMERADOS).
Se estima la proporcin que representa cada
segmento con respecto al Universo y esa misma
proporcin se atribuye a su cuota de muestra.

MBA.Maria Antonia Cruz Flores

27

Algunos investigadores simplemente dividen la

muestra entre el total de grupos, esto generar un
desequilibrio en las mediciones que se obtengan a
partir de la muestra.
Otros por el contrario exigen parmetros
estadsticos como Desviacin Estndar o Varianza.

MBA.Maria Antonia Cruz Flores

28

Pasos para calcular el Tamao de Muestra por Estratos:

Cuando el nmero de elementos que integra cada estrato es

diferente, la seleccin de la muestra deber realizarse de
manera que el nmero de elementos de cada estrato sea
proporcional al tamao de este.

Primero: Calcular el tamao de muestra

Segundo: Definir los estratos o grupos que sern

considerados.

Tercero: Aplicar el mtodo de nmeros ndices para cada

estrato, es decir, calcular el tamao de muestra para cada
estrato.
MBA.Maria Antonia Cruz Flores

29

Un ejemplo para calcular el Tamao de Muestra por

Estratos:
Estratos

Numero de
Elementos

(N1) Directores:

534

(N2) Subdirectores:

173

(N3) Gerentes:

345

(N4) Subgerentes:

15

(N5) Jefes de Departamento:

144

MBA.Maria Antonia Cruz Flores

30

Clculo del Tamao de Muestra Estratificada para una poblacin

de N=382 Empresas, y "n" =192

Tamao de
Muestra en el
Estrato "i",
(ni)

Para un
Para un
Para un
Para un
"N1=534" "N2=173" "N3=345" "N4=15"

(534)

(173)

(345)

268.3979 86.9529 173.4031

Directores

Sub
directores

MBA.Maria Antonia Cruz Flores

Gerentes

Para un
"N5=144"

(15)

(144)

7.5393

72.3770

Sub
gerentes

Jefes
de Dpto
31

Muestras no aleatorias
Si consideramos que no precisamos cifras exactas sobre la
representatividad estadstica de nuestros resultados,
podramos plantearnos el usar una muestra no aleatoria
(o "no probabilstica"), lo que significa que elegiremos a
voluntad nuestra.

Esto puede ayudarnos a obtener los elementos que

necesitamos estudiar directamente y, adems, actuar sin
recurrir a los procesos de seleccin aleatoria y verificacin
estadstica.

MBA.Maria Antonia Cruz Flores

32

Muestras no aleatorias
Sin embargo, hay una desventaja: corremos un gran
riesgo de obtener demasiado sesgo en la muestra. No
seremos capaces siquiera de advertir la presencia, y
menos an, la cantidad de sesgo si hacemos
personalmente la seleccin de la muestra.

Y la presencia de sesgo puede hacer imposible

generalizar nuestros resultados.

MBA.Maria Antonia Cruz Flores

33

Reducir el sesgo = dejar a otra persona o grupo la

seleccin de los elementos.
Tipos comunes de muestras no aleatorias:

Muestra de "casos tpicos" o los "mejores" casos;

bastante tradicional: estudiamos solamente los
"grandes maestros". Estos representan lo ms
autntico de su poca. Seleccin deliberada por parte
del investigador tiene riesgos serios en la Delimitacin
del objeto de estudio.

MBA.Maria Antonia Cruz Flores

34

Muestra de conveniencia. Dependiendo de cercana

y acceso del investigador. Mtodo fcil y barato, pero
el sesgo suele ser imposible de estimar. Mtodo
popular, pero raramente usado en la investigacin
profesional.

MBA.Maria Antonia Cruz Flores

35

Muestra de voluntarios es creada cuando todos los

miembros de la poblacin tienen la oportunidad
de participar en la muestra. Ejemplo respuesta
voluntaria de los clientes que llega a una empresa;
opiniones.
Suele ser una alternativa bastante sensata; no
obstante, el investigador debe considerar
cuidadosamente los riesgos de sesgo. Hay dos
cuestiones que plantearse:

MBA.Maria Antonia Cruz Flores

36

1.
2.

Es cierto que todos los miembros de la poblacin

concernida tenan las mismas oportunidades de
ser incluidos en la muestra?
Por definicin, los voluntarios difieren de la media
de la poblacin en su mayor actividad. La cuestin
crucial entonces es difieren del resto de la
poblacin tambin en otros aspectos?

MBA.Maria Antonia Cruz Flores

37

 Muestra-bola de nieve: miembros de un

grupo, que nos indiquen otros individuos en ese

grupo que estn en la mejor posicin para dar
informacin sobre el tema.
Podramos tambin pedirles que nos indiquen
personas que compartan sus puntos de vista y
tambin otras que sean de opinin opuesta.

MBA.Maria Antonia Cruz Flores

38

Entonces entrevistaremos a nuevos individuos y

continuaremos del mismo modo hasta que no
obtengamos nuevos puntos de vista de nuevos
entrevistados.

Es un buen mtodo para recoger los distintos

puntos de vista existentes en un grupo, pero su
inconveniente es que no obtenemos una idea
exacta de la distribucin de las opiniones.

MBA.Maria Antonia Cruz Flores

39

En un proyecto de investigacin con recursos

limitados, la regla general es: usar una muestra
tan amplia como nos podamos permitir.

Recurdese tambin que es intil incrementar el

tamao de la muestra si el principio de muestreo
est sesgado. La muestra aadida simplemente
estar igual de sesgada.

MBA.Maria Antonia Cruz Flores

40

Si la seleccin de elementos de la muestra no

implica representatividad, aleatoriedad y no
permite la generalizacin de los resultados.
Sugerimos NO llamarla Muestra sino Seleccin de
CASOS, y estar mayormente relacionada con una
actividad de carcter cualitativa en lugar de
cuantitativa, donde el inters no es la
REPRESENTATIVIDAD sino lo SIGNIFICATIVO.

MBA.Maria Antonia Cruz Flores

41

 Aun habiendo calculado el TAMAO y el TIPO de

muestreo, probablemente no lograremos acceder a

TODOS los casos elegidos, (RECHAZOS, MIGRACIN,
CIERRE, DEFUNCIN, ETC.) por lo que podemos recurrir
a:
1. REEMPLAZOS
2. SOBREMUESTRAS
Para los primeros es preferible recurrir a
procedimientos estadsticos (seleccin previa al estudio
o por proximidad)
Para los segundos se sugiere presionar los parmetros
de la frmula
MBA.Maria Antonia Cruz Flores

42

CONSIDERACIONES FINALES
NO DEBEMOS PERDER DE VISTA EL SENTIDO SISTEMICO
Y CICLICO DE LA INVESTIGACION
SI UNA DE LAS FASES PREVIAS O POSTERIORES ES
DEFICIENTE DE NADA SERVIRIA TODO EL ESFUERZO DEL
CALCULO DE LA MUESTRA.

MBA.Maria Antonia Cruz Flores

43