FACULTAD DE INGENIERIA CIVIL

CURSO SEMINARIO DE TESIS

INVESTIGACIÓN CIENTIFICA:
SELECCIÓN DE LA MUESTRA

Profesor Edidson Fuentes

www.profesoredidsonfuentes.com
capacitacion@profesoredidsonfuentes.com
 SELECCIÓN DE LA MUESTRA
INVESTIGACIÓN CIENTÍFICA
Y TESIS DE GRADO
Contenido
1.- Definición de la muestra.
2.- Delimitación de la población.
3.- Identificación del marco muestral.
4.- Cálculo de la muestra probabilística.
5.- Selección de la muestra probabilística.

Objetivo
Enunciar los conceptos de muestra y
población y describir los procedimientos para
calcular y seleccionar los diferentes tipos de
Apuntes de clases
muestra en la investigación científica.

2
1.- Definición de la muestra
Es el paso 7 del proceso de investigación (Sampieri, 2010)

Problemas El diseño del plan para obtener la información que se requiere,

Objetivos contempla definir y seleccionar una muestra de la población de la cual
Llevan al
se recolectan datos.

Marco ¿Qué es una muestra?

teórico
Que permite Es una parte de la
visualizar el población de interés sobre
la cual se recolectan datos.
Alcance de la
investigación
Contiene, teóricamente, las
De donde se mismas características
procede a
que se desean investigar
Formular en la población.
hipótesis
Para probarla
corresponde ¿Siempre se tiene una muestra?
Diseñar
un plan Por lo general sí. Se utilizan por economía de tiempo y recursos.
Excepto cuando se realiza un censo y se deben incluir todos los casos
Contempla
definir y
(personas, organizaciones, eventos, productos, objetos, etc.).

Seleccionar
la muestra

La muestra debe ser representativa de la población. 3

Tipos de muestras
¿Qué tipos de muestras existen? (Sampieri, 2010)

Básicamente, las muestras que se utilizan en la investigación científica, se categorizan en

dos grandes ramas.

1 Muestra no probabilística
O dirigida. La selección de los
elementos no depende de la
probabilidad, sino del criterio del
investigador o de las
características de la investigación.

Aleatoria simple.
2 Muestra probabilística
Todos los elementos de la
población tienen la misma
posibilidad de ser elegidos por
Estratificada.
medio de una selección aleatoria o
mecánica.
Por racimos.

Elegir qué tipo de muestra se requiere depende

del enfoque y alcance de la investigación. 4
Ejemplos de tipos de muestras
Muestra no probabilística o dirigida
Ejemplo 1 Nueva metodología de enseñanza
Se diseñó un experimento para determinar la eficacia de una
nueva metodología de enseñanza de matemáticas. Para lograr
tal objetivo, se seleccionó en un colegio a 40 estudiantes del
último curso de secundaria, con los cuales se conformaron 2
grupos de a 20 estudiantes.

Uno de los grupos recibió clases bajo la nueva metodología y

el otro con el método tradicional, durante un determinado
tiempo. Al final del experimento se analizaron los resultados.
Esta es una muestra no probabilística o dirigida.

Muestra probabilística
Ejemplo 2 Sorteo semanal (Sampieri, 2010)
Imagine el procedimiento para determinar la cuenta de ahorro premiada por un banco en su
sorteo semanal. Previamente se enumeran todas las cuentas que entran en el sorteo.

El numero premiado se forma a partir de los bolillos con un

dígito que se extraen (después de revolverlos mecánicamente)
hasta formar el número, de manera que todos los números, y
por consiguiente todas las cuentas, tiene la misma probabilidad
de ser elegidos. Esta es una muestra probabilística.

La selección de la muestra probabilística es un

proceso en el cual se pueden identificar 4 fases. 5
Fases en la selección de la muestra probabilística
Se pueden identificar 4 fases

Fase 1 Fase 2 Fase 3

Fase 4
Definir y Identificar Calcular el
Seleccionar
delimitar la el marco tamaño de
la muestra.
población. muestral. la muestra.

¿Sobre qué o ¿Cómo se ¿Cómo se

quienes se identifican a calcula el ¿Cómo se
recolectan los elementos tamaño de la selecciona la
datos? muestrales? muestra? muestra?

El interés es que la muestra sea estadísticamente

representativa de la población. 6
2.- Delimitación de la población
¿Sobre qué o quienes se recolectan datos? (Sampieri, 2010)

Fase 1 Lo primero que se define es sobre qué o quienes se recolectan datos,

Definir y esto corresponde a precisar la unidad de análisis.
delimitar la
población. Las unidades de análisis pueden ser personas, organizaciones, objetos,
comunidades, eventos, etc., dependiendo de la investigación.

La población debe delimitarse

Definida la unidad de análisis, se procede a delimitar la población. La calidad de un
trabajo de investigación estriba en delimitar claramente la población.

Una población es el conjunto de todas las

unidades de análisis que concuerdan con
una serie de especificaciones.

Ejemplo 3 Cultura de investigación

Suponga que quiere determinar qué tan
arraigada se encuentra la cultura de la
investigación científica entre los
Profesionales en Salud de Tacna.

El trabajo tendrá mayor calidad si la

población se delimita a los Médicos de Tacna
que ejercen docencia universitaria.
Las unidades de análisis se denominan
también casos o elementos. 7
3.- Identificación del marco muestral
¿Qué es el marco muestral? (Sampieri, 2010)

Fase 2 Es el marco de referencia que permite identificar físicamente a los

Identificar elementos de la población, así como la posibilidad de enumerarlos y
el marco seleccionar los elementos muestrales.
muestral.

Se trata de un listado existente o una lista ad hoc que es

necesario confeccionar con los elementos de la población:
listas de miembros, directorios especializados, bases de
datos de alumnos o de clientes de una empresa, registros
médicos, catastros, nóminas de una organización, archivos,
hemerotecas, mapas, Internet, etc.

Ejemplo 4 Lista ad hoc

Suponga que quiere determinar qué tan arraigada se

encuentra la cultura de la investigación científica entre
los médicos de Tacna que ejercen docencia
universitaria,

Pedirá a cada una de las universidades de la ciudad un

listado de sus docentes que sean médicos de
profesión. Con esta información se procede a
confeccionar una lista ad hoc.

Todo procedimiento de selección

depende de listados o bases de datos. 8
4. Cálculo de la muestra probabilística
Criterios para el cálculo de la muestra (Sampieri, 2010)

Fase 3 Pocas veces es posible medir a toda la población, por lo que se selecciona
Calcular el una muestra que la represente y, desde luego, se pretende que este
tamaño de subconjunto sea un fiel reflejo del conjunto de la población.
la muestra.

El tamaño de la muestra se estima siguiendo los criterios que ofrece la estadística, tales
como nivel de confianza, de variabilidad y margen de error aceptable.

¿Cuál es la principal ventaja de la muestra probabilística? (Heeringa, 2010)

Que puede medirse el tamaño del error en las predicciones. Se dice incluso que el principal
objetivo en el diseño de una muestra probabilística es reducir al mínimo este error, al que
se llama error estándar.

Esquema de generalización de la muestra a la población

Las muestras tendrán valores muy
parecidos a los de la población, ya
que las mediciones del subconjunto
serán estimaciones precisas del
conjunto mayor.

Tal precisión depende del error de

muestreo, que es posible medir.

Se pretende que los resultado encontrados en la muestra

logren generalizarse a la población (tengan validez externa). 9
Muestra aleatoria simple
¿Cómo se calcula? (Sampieri, 2010)

Se recomienda utilizar un software estadístico,

aunque también se pueden usar las fórmulas clásicas
que se han desarrollado. El resultado es el mismo.

Ejemplo 5 Cultura de investigación - muestra

Suponga que quiere determinar qué tan arraigada se encuentra la cultura de la investigación
científica entre los médicos de Tacna que ejercen docencia universitaria. Para calcular la muestra
utiliza el software estadístico STATS.

Se introdujeron los siguientes datos pedidos por el programa:

¿Tamaño del universo?: N=1.500. Este dato se obtiene de las listas proporcionadas por las
universidades.
¿Error máximo aceptable?: 5%. Se refiere al % de error que se admite tolerar de que la muestra
no sea representativa (de equivocarse). Los más comunes son 5% y 1%, en ciencias sociales el
más usual es 5%.
¿Porcentaje estimado de la muestra?: 50%. Es la probabilidad de ocurrencia del fenómeno:
representatividad de la muestra versus no representatividad, la certeza total es igual a 1. Cuando
no se tienen marcos de muestreo previo, se usa 50%.
¿Nivel deseado de confianza?: 95%. Es el complemento del error máximo aceptable (% de
acertar en la representatividad de la muestra). Si el error elegido fue 5%, el nivel deseado de
confianza será 95%.

Resultado. Tamaño de la muestra: 305,9963. Redondeando, se necesita que la muestra esté

conformada por 306 galenos.

El error máximo aceptable es el error estándar o error muestral. 10

Muestra probabilística estratificada
¿Qué es el muestreo estratificado?
En ocasiones, el interés es comparar resultados entre segmentos, grupos o nichos de la
población, para lo cual se la divide en subpoblaciones o estratos, y se selecciona una
muestra por cada estrato.

Ejemplo 6 Políticas de empresas (Sampieri, 2010)

Suponga que realiza una investigación con gerentes de recursos humanos para determinar sus
políticas respecto a cómo tratan a los dependientes de sus empresas.

Imagine una población de 895 empresas

(gerentes). Usando STATS, se calcula
que el tamaño de la muestra es 269,
con un error máximo aceptable de 5%.

Sin embargo, considerando el rubro de

las empresas, se diseña una muestra
probabilística estratificada. Lo que se
hace es dividir a la población en
estratos, y se selecciona una muestra
para cada estrato.

El tamaño de la muestra para cada

estrato se calcula multiplicando la
población de cada estrato por el factor
269/895= 0.3.

La estratificación aumenta la precisión de la muestra. 11

Muestra probabilística por racimos
¿Qué es el muestreo por racimos? (Sampieri, 2010)

En este tipo de muestreo hay una selección en varias etapas, todas con procedimientos
probabilísticos. En la primera se seleccionan los racimos y dentro de los racimos, a los
participantes que van a ser medidos.

Ejemplo 7 Ciudadanos de un país

En una muestra nacional de ciudadanos

de un país, se diseña el siguiente
muestreo por racimo.

Primera etapa: se elige al azar una

muestra de departamentos.
Segunda etapa: cada departamento
se convierte en un universo y se
seleccionan al azar provincias.
Tercera etapa: cada provincia se
convierte en un universo y se eligen
al azar ciudades.
Cuarta etapa: cada ciudad se
considera un universo y de nuevo, se
eligen al azar manzanas
Quinta etapa: finalmente, se eligen
al azar viviendas e individuos.

Todos los elementos del racimo tienen

la misma probabilidad de ser elegidos. 12
5.- Selección de la muestra probabilística
Criterio de selección de la muestra (Sampieri, 2010)

Los elementos muestrales de una muestra probabilística siempre se eligen

Fase 4
Seleccionar
aleatoriamente para asegurar de que cada elemento tenga la misma
la muestra. probabilidad de ser elegido.

Se pueden identificar 3 1 Tómbola.

procedimientos de selección
2 Números aleatorios.

3 Selección sistemática.

Tómbola
Se enumeran todos los elementos muestrales de la
población, de 1 a N. Se hacen fichas, una por cada
elemento, se revuelven en una caja y se sacan n número de
fichas, según el tamaño de la muestra.

Cuando el muestreo es estratificado, se sigue el mismo

procedimiento de la tómbola, pero por cada estrato. 13
Procedimientos de selección
Números aleatorios
Una excelente opción para generarlos se encuentra en el software STATS.

Ejemplo 8 Políticas de empresas – números aleatorios

Suponga que realiza una investigación con gerentes de recursos humanos para determinar sus
políticas respecto a cómo tratan a los dependientes de sus empresas. Se diseñó una muestra
estratificada. Para un estrato de 82 empresas se calculó una muestra de 25.

Se introdujeron los siguientes datos pedidos por el programa

STATS:
¿Cuántos números aleatorios?: 25. El tamaño de la muestra.
Límite inferior: 1. Los elementos de la población se enumeran
a partir de 1.
Límite superior: 82. Es el tamaño de la población.

Selección sistemática
Se extrae al azar un número i, comprendido entre 1 y N. Los elementos que integran la
muestra son los que ocupan los lugares i, i+k, i+2k, i+3k, etc. k es el resultado del tamaño
de la población entre el tamaño de la muestra , k=N/n.

Ejemplo 9 Políticas de empresas – selección sistemática

Para un estrato de 82 empresas se calculó una muestra de 25. Se extrajo al azar el número 30,
por lo que la muestra la integran el 30, 33, 36, 39, etc. Hasta completar los 25 elementos.

Todo procedimiento de selección depende de listados o bases de datos. 14

Correspondencia entre alcance, diseño y muestreo
Tabla que resume esta correspondencia (Sampieri, 2010)

Alcance Diseño Tipo de muestra

Exploratorio Investigación preexperimental Generalmente emplean muestras dirigidas,
Investigación no experimental aunque podrían utilizarse probabilísticas
también.
Descriptivo Investigación experimental La mayoría de las veces muestras dirigidas. La
Correlacional validez de la investigación experimental se
Explicativo consolida con la repetición.
Investigación no experimental Deben emplear muestras probabilísticas si
quieren que sus resultados sean generalizados a
una población.

El teorema del límite central señala que

una muestra de más de 100 casos tendrá
una distribución en forma de campana en
sus características, lo cual sirve para hacer
estadística inferencial.
15
Bibliografía
¿Cuáles son las referencias bibliográficas?
Bibliografía
Heeringa, S. & otros (2010). Applied survey data analysis. Boca Raton, USA: PSC.
Hernández Sampieri, Roberto. Fernandez, Collado y Baptista (2010). Metodología de la
Investigación - Quinta Edición. Mexico: McGraw Hill.

16