1 Muestra y Acopio de La Información

DETERMINACIN DE LA
POBLACIN Y LA MUESTRA
OBJETO DE ESTUDIO
GALO R. CERVANTES CORONEL
No importa
la cosecha si la siembra est bien hecha
gcervantesc@latinmail.com /
gcervantes_coronel@yahoo.com
DIAPOSITIVAS PARA
EXAMEN PARCIAL
Deriva del griego

hypotthesis, que
significa
suposicin de una
cosa posible, de la
que se saca una
consecuencia.
Suposicin o solucin
anticipada al problema de
investigacin, que aparece
como consecuencia del
conocimiento superficial
(emprico) de la realidad
observada, que debe ser
confrontada por la
investigacin para probar o
disprobar esta suposicin.
Aceptar una hiptesis como cierta significa

concluir la veracidad de sus resultados a
travs de evidencias a su favor.
FUNCIONES:
FURMULACIN:
1. Precisan los problemas

objeto de estudio
Se formulan a partir de preguntas.
2. Identifican o explicitan las

variables
3. Definen y unifican los
criterios, mtodos, tcnicas
y procedimientos utilizados,
dndole uniformidad,
constancia y validacin a la
informacin
4. Deben referirse a
situaciones reales
1. Cul ser el nivel de ingreso el

prximo ao? El nivel de ingreso
ser de 10% ms, el prximo ao
(H. Estadsticas)
2. Tendr relacin el desempleo
con los nios trabajadores? El
elevado nivel de desempleo est
provocando altos ndices de nios
trabajadores (H. Causales y
correlativas)
IMPORTANCIA DE LA DISTRIBUCIN
DE FRECUENCIA
La distribucin de frecuencia es el mtodo utilizado para
organizar y resumir datos:
Los datos que componen una serie se clasifican y se
ordenan indicando el nmero de veces que se repiten.
Esto permite manejar grandes cantidades de informacin
en espacios pequeos a travs de cuadros, grficos (de
todos los datos o de una parte) y tablas.
1. Anlisis de Pareto: Tcnica para estudiar fuentes de

problemas y las prioridades relativas a sus causas.
Evala causas. ORIGEN O
PROBLEMA
CAUSA
EFECTO
2. Diagrama de causa / efecto (espina de pescado o cuadro) :

Tcnica que permite representar, categorizar y evaluar
posibles motivos de un resultado o reaccin, se
estructura como problema a resolver.
CAUSAS
ANLISIS DE
PROBLEMA
3. Grficos de control: Se utilizan para realizar control de

calidad de procesos.
SITUACIN TRATAMIENTO
IMPACTO
RESULTADO
4. Histogramas: Son barras o rectngulos que se

trazan en el plano cartesiano para representar los
intervalos y las frecuencias en la representacin de
los datos.
5.
Polgono de frecuencias: Grfico que se elabora

sealando el punto de la frecuencia en relacin al
dato en particular, uniendo los puntos con una recta.
6. Grfico circular: Se utiliza en la representacin de

datos, dividiendo el crculo en partes. Puede
construirse de distinta forma, se los denomina
tambin grficos de pastel.
7. Pictogramas: Se expresan los datos mediante figuras

esquemticas, que pueden sealar el valor, la tendencia
expresiva de la informacin: personas, vehculos, indicadores
%
Caractersticas
productivos, edificios, etc.
habitacionales de
una ciudad
1980
2005
8. Organigrama: Puede expresarse en este grfico, la actitud

dependiente y de relacin de los datos, de las personas
entrevistadas o en una empresa.
9. Diagrama: Indica las caractersticas de ubicacin de los datos,

operaciones o actividades que se manifiestan en el objeto de
estudio.
DIAGRAMA DE RUTA
10. Cuadro: Permite ordenar datos numricos de acuerdo a

columnas, filas y renglones, mostrando una presentacin
ordenada.
11. Medidas de tendencia central: Cantidades tpicas o

representativas de un conjunto de datos. Las ms importantes:
moda, mediana y media o promedio.
1. La moda es la categora o puntuacin que ocurre con mayor
frecuencia en un registro de datos. Ej.: nmero de veces que
una persona o un grupo visitan un lugar, nmero de veces que
se repiten los eventos, etc.
2. Mediana, es el valor que divide a una distribucin de
frecuencias por la mitad, luego de que se ha ordenado los
datos en forma descendente
o ascendente.
9
3. La media o promedio es la medida de tendencia

central que ms se utiliza y se la define como el
promedio de una distribucin. Se simboliza
como X. Es igual a la suma de todos los valores
dividido para el nmero de mediciones
X1 + X2 + X3+ .+ Xn
n Xi
X =
=
n
n
10
11
CARACTERSTICAS, USO, VENTAJAS Y

DESVENTAJAS DE LAS MEDIDAS DE
TENDENCIA CENTRAL
Un promedio es un valor en la escala de las X, correspondiente a una
distribucin de frecuencias y este valor se calcula para
representarlo en calidad de medida tpica del grupo.
Condiciones esenciales para que este valor o frecuencia

cumpla su funcin:
1.Debe estar representada por una sola cifra.
2.Debe ser objetiva y definida por una frmula algebraica para que
cualquiera que la trabaje, de el mismo valor.
3.Debe ser descriptiva de los datos, de tal manera que su significado sea
entendible fcilmente.
4.No debe ser abstraccin matemtica. La condicin de la estadstica social,
es simplificar los datos y no hacerlos complejos.
5.Debe ser fcil de calcular, no preferir prejuicios de otras ventajas.
6.Debe depender de cada uno de los elementos del grupo. Si se altera, su
valor cambia y la tipicidad de los otros miembros.
12
CARACTERSTICAS, USO, VENTAJAS Y DESVENTAJAS

DE LAS MEDIDAS DE TENDENCIA CENTRAL
(Continuacin)
7. Debe ser de elevada calidad que no se deje influenciar por
otros valores o alguno de ellos, aunque tengan influencia
en el valor de la medida.
8. Debe tener estabilidad en el muestreo.
9. Debe ser de fcil utilizacin para clculos posteriores.
__
X1
Media (X) = _______=
n
X1 + X2 + X3 + X4 ..
n
13
Elementos vlidos para la

determinacin de la
muestra
UNIDADES DE ANLISIS: Elementos que permiten focalizar el estudio,
ejemplo: las personas, el contenido de los
documentos referenciales, los espacios fsicos
(los componentes que observamos).
VARIABLES: Elementos que hablan de las unidades de anlisis,
explicando lo
que se desea conocer de ellas, ejemplo: sexo,
edad, estado civil,
rendimiento, opinin, eficacia, impacto,
etc.
VALORES:
Elementos que miden a las variables para hablar de
las
unidades de anlisis o unidades de
observacin, pueden ser
nominales u / y ordinales,
ejemplo: de estado civil: c / s/ v/ d /
(u l); de edad: niez, /
juventud / vejez o por intervalos; de
eficiencia:
aceptable / no aceptable, etc..
14
A PARTIR DE LAS HIPTESIS

APLICAR LOS INSTRUMENTOS
DE MEDICIN
Seleccionar los instrumentos:

Vlidos
Preparar la medicin obtenida:

Codificar los datos
Confiables
Limpieza / tratamiento
matemtico / organizar /
medir variables.
Obtener resultados
15
LA IMAGINACIN ESTADSTICA
Nos permite tener una apreciacin de qu tan usual o inusual es
un evento, circunstancia o conducta, en relacin a un conjunto
mayor de eventos similares y a una apreciacin de las causas y
consecuencias de los mismos.
Es la percepcin que podemos desarrollar cuando observamos un
evento o acontecimiento; es la deduccin lgica que se produce
como resultado de dicha percepcin.
Implica apreciar los eventos como predecibles y tener la habilidad
para pensar a travs de un problema, manteniendo el sentido de la
proporcin cuando se sopesa la evidencia con nociones
preconcebidas.
Tener la percepcin para reconocer eventos muy raros por lo que
son y no por la reaccin de ellos.
La falta de imaginacin nos lleva a la desproporcin.
16
Para el tratamiento de los

datos tener: PENSAMIENTO
PROPORCIONAL
La proporcin es un concepto matemtico relacionado con
fracciones y porcentajes.
En la Investigacin Social, el pensamiento proporcional
permite que el investigador considere la parte contra el
todo y calcule la probabilidad de la ocurrencia del
fenmeno
El pensamiento proporcional nos

permite tener expresiones
precisas de nuestra intuicin
sobre la importancia de ciertos
hechos.
Calcular una
proporcin, implica
tener una manera de
medir y evaluar un
sentido de
probabilidad y
significancia, acerca
de las observaciones
realizadas.
17
CLCULO DE UNA
PROPORCIN
El clculo de una proporcin, es una manera de expresar qu
parte del todo, constituye una categora de observaciones.
Ejemplos:
parte
Proporcin = todo
Proporcin,
significa parte de un
todo, parte de la
cantidad total o
nmero de
observaciones
expresada en forma
decimal.
18
CLCULO DE UNA
FRACCIN
# grupo total
Fraccin =
# categora
# alumnos de un nivel
# total de la Escuela
Fraccin,
es
el
conjunto de partes
centesimales, cuya
respuesta
a
un
problema
es
el
cociente.
19
CLCULO DE UN
PORCENTAJE
26 0.144 x 100 = 14.4 %
P = 180
Se obtiene de
multiplicar por
100 el cociente.
20
La tasa de ocurrencia es el clculo de la frecuencia con que

ocurre un hecho o fenmeno en relacin con un nmero
base especificado de sujetos de una poblacin.
Un nmero base til es aquel que especifica con claridad la
poblacin en riesgo para un fenmeno determinado.
Un nmero base til para una tasa, es aquel que considera la
dimensin del conteo de un fenmeno. Este nmero de base
multiplicado por 10, 100, 1000 u otro valor con factores de
diez.
Tasa de ocurrencia de eventos, hechos, fenmenos,
comportamientos, afectacin, nacimientos, mortalidad, etc.
21
To = p (nmero de base til)

To = p (volumen de poblacin)
t =
1
X
Recuerde:
La proporcin tiene comn denominador 1
Los porcentajes tienen comn denominados 100
Las tasas tienen comn denominador 10
PROCESO DE
RESPUESTAS
PARA ESTIMULAR
EL PENSAMIENTO
PROPORCIONAL
frmula
22
LA PROBABILIDAD
Disciplina abstracta que se utiliza como modelo para hacer deducciones relativas a eventos que
pudieren ocurrir
Utiliza los siguientes trminos:
Probabilidad, es un valor entre cero o

uno,
describe
las
posibilidades
de
ocurrencia de un evento.
Experimento, es un proceso que lleva a la
ocurrencia de una y solo una de varias
observaciones posibles.
Resultado, es la consecuencia particular
de un experimento.
Evento, es la coleccin de uno o ms
resultados de un experimento.
Mientras ms cerca de cero est la probabilidad, es menos

probable de que el evento ocurra.
23
La probabilidad, nos proporciona la

base para el estudio de la inferencia
estadstica
Ejemplos:
Si se intensifica campaa, es probable
mayor participacin.
Si no se aumentan los salarios, es
probable que surjan conflictos
sociales.
Si el alumno no estudia, es probable
que pierda el ao.
Si aumenta el desempleo, es probable
que se genere ndices de delincuencia,
etc.
Estas son inferencias

que presentan
incertidumbre
Su cuantificacin o
tratamiento adecuado,
nos lleva a definiciones,
establecer principios
cientficos.
24
Regla especial de la adicin: Los eventos deben ser

mutuamente excluyentes, lo que significa que cuando un
evento ocurre, ninguno de los otros eventos puede
ocurrir al mismo tiempo. Ejemplo: El lanzamiento de un
dado, donde ejecutamos dos eventos: obtener 4 o ms /
obtener 2 o menos.
Significa que la probabilidad de que uno u otro evento
ocurra, es igual a la suma de sus probabilidades:
P(A o B) = P(A) + P(B).
Para 3 eventos mutuamente excluyentes designados A,
B Y C.
25
Conocer el peso de varias fundas llenas con diversos productos,

tomando en cuenta que cada una est elaborada para llenar un
peso determinado. Se observan 4.000 fundas en los que se debe
determinar el peso ms bajo, el peso correcto y el peso ms alto.
A = 100 fundas
Peso
100
4.000
B = 3.600 fundas
C = 300 fundas
Eventos
Nmero
de
fundas
Probabilida
d
ocurrencia
Peso ms
bajo
100
0.025
Peso
correcto
3.600
0.900
300
0.075
1.000
Peso ms
alto
TOTAL
4.000
26
Cul es la probabilidad de que una funda determinada tenga un peso

ligeramente ms alto o ligeramente ms bajo?
Solucin: El resultado peso ms bajo es el evento A. El resultado
peso ms alto es el evento C. Si se aplica la regla de la adicin,
sostenida por Douglas Lind, tendremos:
P(A o C) = P(A) + P(C)
= 0.025 + 0.075
=0.10
Los eventos son mutuamente excluyentes, es decir, que las fundas de
los productos no pueden estar al mismo tiempo bajos de peso, en el
peso correcto y altos de peso.
Evento A
Evento B
Evento C
El diagrama representa el concepto

mutuamente excluyente.
La probabilidad de que se seleccione una
funda con peso ms bajo P(A), ms la
probabilidad de que no tenga un peso
ms
bajo
P(~A)
(no
A),
suma
normalmente 1. Es decir:
P(A) + P(~A) = 1
27
La teora de las probabilidades y sus

modificaciones
1. Definicin Clsica: (Laplace, Teora Analtica de las probabilidades, 1812.
Tomado de Rufino Moya, Probabilidad e Inferencia Estadstica, 2000 ): Se basa en el
supuesto de que todos los resultados posibles de un experimento
aleatorio son igualmente probables, es decir, cada elemento del
espacio muestral tiene la misma posibilidad de salir. Ej.: lanzamiento
de un dado = 1 / 6; de 2 dados para posibles valores; la lotera,
lanzamiento de la moneda; probabilidad de escoger bolas numeradas
de un nfora, etc. Si un experimento aleatorio tiene (n) resultados
posibles, los (n) elementos del espacio muestral tendrn la misma
probabilidad de salir.
La probabilidad de un evento es la razn entre el nmero de casos (sucesos)
favorables y el nmero total de casos posibles, siempre que nada obligue a
creer que algunos de estos sucesos deben tener preferencia a los dems, lo
que hace que todos sean igualmente posibles. (Moya, 2000)
N (A)= N (A)=
N ()
nmero de casos favorables al evento A

nmero de casos posibles
28
Ejercicio:
Consideremos el lanzamiento de 2 dados. Calcular la probabilidad de:
a. Obtener suma 7
b. obtener suma 6
c. Obtener suma >5
d. Que el resultado del primer dado sea > que el resultado del segundo
Buscar la solucin:
El espacio muestral asociado a este experimento
conjunto de pares ordenados donde:

primer componente
dado y 2 componente
resultado 1er.
resultado 2
N ()=36
Clculo de los eventos:

A = [(w1, w2)
/ w1 + w2 = 7] = obtener suma 7
B = [(w1, w2)
/ w1 + w2 = 6] = obtener suma 6
C = [(w1, w2)
/ w1 + w2 > 5] = obtener suma > 5
D = [(w1, w2)
/ w1 > w2 = e] = el resultado del primer dado es > el del 2

29
EJERCICIOS DE TRABAJO
1. En Una caja hay 20 bolas numeradas del 1 al 20. Se extrae al azar
una bola. Cul es la probabilidad que el nmero de la bola

extrada:
a. No exceda de 20?
b. Sea el 32
c. Sea por lo
menos 15?
2. Una lotera consta de 10.000 billetes. Un billete se premia con $
100, cuatro billetes con $ 50, diez billetes con $ 20, veinte billetes
con $ 10, 165 billetes con $ 5 y 400 billetes con $ 1. Los dems
billetes no se premian. Se compra un billete, Cul es la
probabilidad de ganar?
a. Por lo menos $ 10
b. mximo $ 5
30
2. Definicin por frecuencia relativa: Si un experimento bien definido se

repite (N) veces; sea n < n el nmero de veces que el evento A ocurre en
A
los N ensayos, entonces la frecuencia relativa de veces que ocurre el evento
A nA, es la estimacin de la probabilidad que ocurra el evento A, o sea:
N
n
P (A)= A
N
Observar lo siguiente:
1. La frecuencia relativa de un evento, est comprendida entre 0 y 1, es
decir, 0< P (A)< 1.

nA
2.
= 0 , si solo en las N repeticiones del experimento, el evento A no
N
ocurre; P (A)= 0 si solo A no ocurre en las N repeticiones del
experimento.
nA
3.
= 1 , si solo el evento A ocurre en la N repeticiones del
N
experimento; P (A)= 1 , si solo A ocurre en todas las repeticiones.
31
Ejercicio: La distribucin de los miembros de diversos partidos polticos

es:
Partido
Nmero total de
militantes
Militantes
mujeres
10.500 10.000
1.500
2.000
7.000
4.500
4.000
1.500
500
1.000
300
200
Cul es la probabilidad que un miembro seleccionado aleatoriamente,

a. Sean 1.000 mujeres?
b. Pertenezcan al partido B?
c. Sean 1.000 hombres miembros del partido C?
N = total de socios
n = nmero socias; n = total de miembros del partido B; n = total de
C
A
B
hombres que pertenecen al partido C. (37.500 militantes, 5.500 mujeres)
32
3. Probabilidad subjetiva:
La probabilidad relativa explica eventos nicos o que no han ocurrido antes,

pero que se establecen como formas que no se pueden interpretar como
una probabilidad clsica (basada en resultados) o como una frecuencia
relativa (estimacin de que ocurra), ya que carecen de significado, por
ejemplo:
Cul es la probabilidad de que una misin cientfica viva un ao bajo el
agua? Cul es la probabilidad de que saque 3 en el examen de
investigacin?
El enfoque subjetivo de la probabilidad es adecuado en casos en que haya
slo una oportunidad de ocurrencia del evento y pueda o no ocurrir esta
sola vez (Rufino Moya, 2000)
Por lo que, dado un experimento determinado, la probabilidad de un evento
A, es el grado de creencia o de veracidad que se le asigne a la ocurrencia
del evento por un individuo particular, basado en toda la evidencia a su
disposicin, con las exigencias que el caso amerita:
1.
P(A) = 0, representa la certeza que el evento A, no ocurrir.
2.
P(A) = 1, representa la certeza que el evento A, si ocurrir.
3.
0 < P(A) < 1, representa el grado de certeza que el evento A, ocurrir.

33
4. Probabilidad frente a apuestas:

Cuando un evento se somete a un nmero determinado de probabilidades
frente a otros, se determina como probabilidad de apuestas, por ejemplo:
Si las apuestas son 4 a 1 en un determinado juego, significa que existen 4
probabilidades en 5 de que el evento a favor de A ganar y se escribe de
la siguiente manera:
4
4
=
4+1
5
Por lo que: Sea A un evento cualquiera, si las apuestas son a : b, a favor
del evento A, entonces la probabilidad de que ocurra dicho evento es:
P(A)
=
a
a+b
Ejemplo: en un evento deportivo, el equipo A tiene 7 : 1 apuestas en su

contra y el equipo B, tiene 12 : 1 apuestas en su contra. Cul es la
probabilidad de que cualquiera de estos equipos gane?
34
5. Probabilidad en espacios muestrales finitos:
La suma de probabilidades asignadas a los puntos del espacio muestral

(resultados posibles de un experimento aleatorio) es la unidad. Si se tiene
en cuenta que los posibles resultados son mutuamente excluyentes y
colectivamente exhaustivos.
La probabilidad de un evento A es la suma de las probabilidades asignadas
de los puntos muestrales pertenecientes al evento A. Ejemplo:
Ocho amigos juegan bolo una vez a la semana. Estn formados por 2 parejas de
casados, 3 jvenes y una joven y apuestan un determinado valor que ganar el que
obtenga mayor puntuacin. Si las mujeres tienen la mitad de la habilidad que los
varones poseen Cul es la probabilidad de que un soltero gane? Cul es la
probabilidad que gane una mujer? Cul es la probabilidad que gane un hombre
casado?
Espacio muestral = 8 elementos
5p + 3 p = 1, de donde
2
Evento A: gane un hombre soltero
Evento B: gane una mujer
Evento C: gane un hombre casado
Probabilidad de ganar de una mujer?
p=2 y 1p=1
2
13
13
2
6
P(A) = 3(13 )= 13
3
1
P(B) = 3 (
) = 13
13
2
4
P(C) = 2 (
)=
13
13
35
1.
Se obtiene el punto medio de cada intervalo

Intervalo
Punto medio
Frecuencia
x
15 17
16
18 20
19
10
20 22
2.
21
Se multiplica cada punto por las frecuencias

x
fx
15 17
16
19
10
128
18 20
190
20 22
84
21
36
3. Con los datos agrupados, se aplica la siguiente

frmula:
fx
X= N
402
X=
22
= 18.27
MEDIDAS DE VARIABILIDAD
Indican dispersin de los datos en la escala de medicin
Dnde estn los valores obtenidos?

Son intervalos que designan distancia o un nmero de
unidades en la escala, estos son: el rango, la varianza y la

desviacin estndar.
Rango: es la diferencia entre la puntuacin mayor y la
menor. Ejemplo: 42 15 = 27.
2
Varianza: Es la desviacin estndar elevada al cuadrado (S

)
37
DESVIACIN ESTNDAR DE LA
POBLACIN y de la Muestra
Es el promedio de desviacin de las puntuaciones respecto a la
media:
2
N = Nmero de
(X X)
S=
puntuaciones
CLCULO: 1. Se ordenan las puntuaciones

S
X
(Puntuaciones)
8
6
(X X)
2. Se calcula la media
X=
8+6+5+5+4
n-1
= 5.6
5
5
4
38
3. Se determina la desviacin de cada

puntuacin
XX
X
X
8
5.6
2.4
5.6
0.4
5.6
5.6
5.6
- 1.6
- 0.6
0.6
5. Se aplica la frmula
X = 28
4. Se eleva al cuadrado cada

2
desviacin
X
(X X)
2
(2.4)
(0.4)
(- 0.6)
(- 0.6)2
(- 1.6)
X= 28
S=
(X X)
N
(X X)=
39
CUL ES EL CAMPO
DE LA ESTADSTICA?
Un conjunto de procedimientos que se utilizan para
medir, reunir, clasificar, codificar, computar, analizar,
resumir e interpretar informacin numrica adquirida
sistemticamente.
Implica una nueva manera de ver las

El anlisis estadstico, es uno de
cosas, la realidad, los hechos, etc.,
los procedimientos vitales del
para adquirir una visin de la
mtodo
cientfico,
para
realidad, basada en el anlisis
entender el comportamiento de
cuidadoso de hechos, en lugar de
los hechos, eventos, que
reacciones emocionales a experiencias
necesitamos estudiar y emitir
aisladas RICHEY, Ferris J..juicios con precisin exacta,
Estadtica para las Ciencias Sociales.perspectiva
equilibrada
y
2001.- Pag. 2.- Mc Graw Hill.
mucha imaginacin.
40
Estadstica
inductiva
o inferencia
estadstica
Se basa en la teora del clculo de

las probabilidades
la
incertidumbre
Poblacin Finita
Poblacin: Conjunto finito
Poblacin infinita
o infinito de personas, casos

o elementos que presentan
caractersticas comunes.
Universo real
Universo hipottico
Universo homogneo
Universo heterogneo
41
TEORA DE LA MUESTRA EN EL
ACOPIO DE INFORMACIN
Qu es la teora de las muestras?
Estudio de la relacin existente entre una

poblacin estadstica y una o ms
muestras extradas de dicha poblacin.
Su objetivo:
Inducir o inferir las caractersticas de la poblacin total, tomando, en cuenta
obtenidas de las muestras procedente de ella mismo.
las
42
OBJETIVOS DE LA
MUESTRA ESTADSTICA
Efectuar estimaciones del universo.

Calcular medidas de confiabilidad de
las estimaciones.
Interpretar las estimaciones con
precisin
utilizando
pruebas
estadsticas de las hiptesis.
Reducir costos y tiempo en las
investigaciones
y
proposiciones
sociales.
Mximo rendimiento con eficacia.
43
MUESTRA ESTADSTICA: requisitos para

que sea aceptable
poblacin, un nmero determinado de individuos u objetos que Es una parte de la se
seleccionan cientficamente y donde cada uno es un elemento del universo.
Es obtenida con fines de investigacin, tomando

en
cuenta
caractersticas
particulares,
propiedades de la poblacin y definidas con
claridad.
Debe ser representativa o contener elementos
en la misma proporcin e independientes entre
s.
Debe ser aleatoria o posible para poder calcular
el error de la inferencia, medir grado de
confianza de estimaciones obtenidas (totales,
promedios, porcentajes, etc).
Deber proporcionar medidas de precisin.
Debe producir mayor informacin til a menor
costo.
Debe
reunir
exigencias
de
eficiencia,
representatividad, seguridad, flexibilidad.
Debe ser lo ms reducida posible y bastante
amplia para que error sea admisible.
EJEMPLOS: Qu
podemos medir?
1.
Encuesta
electoral.
pre
2.
Una rifa.
3.
La constante de
entrega de premios
de una mquina
traga monedas.
4.
Opinin en venta
de productos.
5.
Comportamiento
humano.
6.
Impacto
marketing.
7.
Conformidad. 44
del
45
Ventajas y desventajas de la
muestra
1. Ventajas
2. Desventajas
Ahorro de costos y tiempo.

Aplicable a poblaciones grandes y
homogneas.
No admite clculos o proyecciones en

grupos pequeos.
Resultados estn sujetos a errores.
Mejor enfrentamiento de los

investigadores con la realidad.
Dificultad para tabulacin de otros

datos.
Control fcil de la calidad de los

datos.
Exige especializacin tcnica en el

tratamiento de los datos.
Utiliza poco personal.

Confiabilidad y precisin.
Sujeta a verificaciones.
Amplia con claridad el alcance de
estudio de la realidad.
46
DEFINICIONES
COMPLEMENTARIAS
Experimento Aleatorio (EA)
Espacio Muestral (EM)
Es un proceso de observacin, en el que el resultado

exacto no se conoce, se mantiene margen de duda
(incertidumbre). Ej.: Lanzamiento de las cartas en el
juego de naipes, los juegos de azar, lanzamiento de la
moneda, el rendimiento de un examen, una
investigacin social, la lotera, concurso, etc.
Poblacin (P)
Conjunto de
todos los posibles
individuos,
objetos o
mediciones de
inters.
Conjunto de todos los resultados posibles de un

experimento aleatorio. Ej.: valor de las cartas menores y
mayores; respuestas si, no, nr; aprueba, no aprueba, etc.
Suceso o evento (S)
Es un subconjunto del espacio muestral o una

combinacin de resultados. Ej.: seleccin de un grupo de
personal por ocupacin los eventos sern: ocupados,
desocupados, subempleados.
Suceso Universal, suceso que de todas maneras va a
ocurrir Ej.: seleccionar a un individuo de ingresos altos de
una de las ciudadelas de Entrerros.
Evento complementario, uno de los sucesos es
complementario del otro Ej.: los eventos actan en relacin
al otro. Personas ocupadas, personas desocupadas.
47
Al azar o probabilstico
Aleatorio con reemplazamiento
Aleatorio sin reemplazamiento
Estratificado
Por conglomerados o reas
Bietpico o polietpico
Sistemtico (de 5 en 5, de 10 en 10, de b en
b, etc.)
Doble o bifsico (una dentro de otra,

tomando por ejemplo, datos que falten)
Mltiple o polifsico (domicilio y alquiler,
presupuesto y distribucin, ingresos y consumo,

etc.)
Sesgado o no probabilstico,
errtico, sin norma o

circunstancial
Marco de
intervencin del
muestreo
Listado de poblacin
Catlogos
Archivos
Censo
Guas telefnicas
Lista de contribuyentes
Registros de automviles y
similares
Registro Civil
Consumidores de servicios,
48
etc.
Mtodos para el muestreo

1. Muestreo probabilstico: Cuando todos los elementos tienen
la misma probabilidad de ser incluidos. En cambio, cuando es
muestreo no probabilstico, ste puede estar sesgado, lo que
significa que los resultados de la muestra no sean
representativos,
por
ejemplo:
Cuando
pretendemos
establecer la conveniencia de resultados electorales / sobre
utilizacin de paales desechables / sobre alimentos de
animales / sobre la poblacin dispersa, por ingreso o por
residencia diversa, etc.
2. Muestreo aleatorio simple: Se expresa cuando una muestra
seleccionada determine que cada elemento o persona tenga
las mismas probabilidades de ser incluido. Un mtodo
conveniente de
seleccionar una muestra aleatoria, es
utilizando la tabla de nmeros aleatorios que se estructura
con la identificacin de cada uno de los elementos a ser
seleccionados, debido a que cada dgito de un nmero, la
gcervantesc@latinmail.com
probabilidad es la misma
entre 0, 1, / 2 y 9; esto hace que 49
el
sesgo se elimine en el proceso de seleccin.
3. MUESTREO aleatorio sistemtico: Se realiza acomodando los

elementos de la poblacin en un orden establecido por el
investigador y luego se selecciona un punto de partida
aleatorio para posteriormente un forma de escogitamiento
de los elementos cada determinada frecuencia para que cada
elemento escogido constituya parte de la muestra. El primer
elemento se lo elige al azar. En determinadas circunstancias,
la muestra sistemtica puede provocar resultados sesgados.
4. Muestreo aleatorio estratificado: En este caso, se divide la
poblacin por subgrupos o estratos y se selecciona una
muestra de cada uno de los estratos, de tal manera que
garantice la representacin de los diferentes subgrupos.
Cuando ya se ha establecido la divisin por estratos, se
puede tomar la muestra de manera proporcional o no
proporcional.
5. muestreo por conglomerados: Se lo sabe utilizar para reducir
el costo del muestreo en poblaciones dispersas en reas
grandes. Por ejemplo: cuando se desea conocer la opinin de
los agricultores de la costa ecuatoriana, puede tomarse
regiones, cantones y / o parroquias y en muchos casos se
incluyen hasta los recintos,
segn como se considere el50
acceso a la informacin y los informantes.
COMPONENTES DE
REPRESENTATIVIDAD DE LA
Para que la muestraMUESTRA
sea representativa debe ser seleccionada
en cada uno de sus elementos, al azar, de tal manera que
todos tengan la misma posibilidad de seleccin.
Para la poblacin total,

maysculas o del alfabeto
minsculas.
normalmente se utilizan
griego y para las muestras,
Pueden ser: cualitativas (variables cualitativas), cuando

expresan los atributos de los elementos del universo y que
stos puedan ser descritos. Por ejemplo: Por lugar de origen /
por ocupacin / por cargo / por sexo / por tipo de raza / por
profesin, etc.
letras
letras
51
REPRESENTATIVIDAD DE LA MUESTRA
(Continuacin)
Cuantitativas (variables cuantitativas), cuando sus elementos son
susceptibles de cuantificar numricamente. Por ejemplo: Peso / talla /
estatura / edad / nmero de hijos / nmero de personas/ salarios o
ingresos, etc.
Tipos de variables cuantitativas: Discretas y continuas y tienen valor
terico y prctico.
Discretas, son las que admiten valores enteros, es decir, no tienen
valores intermedios. Ejemplo: nmero de hijos / nmero de
personas / nmero de enfermos / nmero de viviendas / nmero de
vehculos / nmero de calles, etc.
Continuas, son las que admiten fraccionarios, pudindose establecer
intervalos de ellos. Ejemplo: Estatura / peso / ingreso / velocidad /
talla / tiempo, etc.
52
SMBOLOS PARA LAS VARIABLES DISCRETAS Y

CONTNUAS
Para
muestra
Para
poblacin
total
Nominacin
= Tamao de la muestra
= Tamao de la poblacin o universo de donde se

extrae la muestra
x1
X1
= Identificacin para c / valor observado (mayscula /

poblacin minscula en muestra)
f1
n1
= Frecuencias absolutas / nmero de veces que se

repite c / valor de la variable
X1
Y1
= Valores que toma la variable discreta
fi /n
h1
= Frecuencia relativa / valor conceptual obtenido al

dividir la frecuencia absoluta por n
Fi
N1
= Frecuencia absoluta acumulada
F1 / n
H1
= Frecuencia relativa acumulada
Xi
Y1
= Marca de clase en variables continuas
Fuente: Roberto Hernndez Sampieri / Metodologa

de la Investigacin
53
SMBOLOS PARA LAS VARIABLES DISCRETAS Y

CONTNUAS (continuacin)
Para
muestra
Para
poblacin
total
Nominacin
= Nmero de valores que toma la variable o

nmero de intervalos o marca de clase de la
variable continua
= Amplitud del intervalo
Xi -1 - X
Yi-1 Y1
= Forma de simbolizar la columna

correspondiente a los valores que toma la
variable continua, organizada en intervalos
Fuente: Roberto Hernndez Sampieri / Metodologa de la Investigacin
54
EJERCICIO DE APLICACIN DE LOS

ELEMENTOS APRENDIDOS
Ej.: Una empresa ha producido 2000 cajas de un producto y no
se conoce el nmero de piezas defectuosas que
aproximadamente pueden tener cada una de ellas, para lo cual
se determina tomar una muestra de 20 cajas para dicho
propsito.
X1 = 3
X5= 2
X9= 4
X13= 0
X17= 0
X2 = 1
X6= 2
X10= 1
X14= 5
X18= 1
X3= 0
X7= 3
X11= 1
X15= 3
X19= 1
X4= 4
X8= 0
X12= 2
X16= 4
X20= 1
Hi =
n1
=
n
f1
n
55
Distribucin porcentual de datos
(f relativas con V
discretas)
1.-
2.-
Nmero de
piezas
defectuosas
Nmero de
cajas de la
muestra
Frecuencia absoluta
acumulada
Distribucin porcentual
No. cajas
N1 = n1 = 4
H1 = h1 = 0.20
N2 = n1 + n2 = 10
H2 = h1 + h2 = 0.50
N3 = n2 + n3 = 9
H3 = h2 + h3 = 0.45
N4 = n3 + n4 = 6
H4 = h3 + h4 = 0.30
N5 = n4 + n5 = 6
H5 = h4 + h5 = 0.30
N6 = n5 + n6 = 4
H6 = h5 + h6 = 0.20
56
Distribucin de frecuencias absolutas y

relativas con variables discretas
3.-
Y1
n1
h1
N1
H1
0.2
0.20
0.3
10
0.50
0.15
0.45
0.15
0.30
0.15
0.30
0.05
0.20
20
1.00
f1
F1 / n
F1
F1 / n
X1
57
DIAPOSITIVAS DE
FORTALECIMIENTO
SOBRE MUESTREO
EN INVESTIGACIN
SOCIAL
58
MEDIDAS DE DISPERSIN
Son aquellas que sirven para evaluar la confiabilidad de dos o
ms promedios.
Cuando la dispersin de datos es pequea, la
representatividad es confiable y cuando es inversa, es decir,
ms grande, la representatividad vara e igualmente su
confiabilidad.
Estas son: Rango / desviacin media / varianza y desviacin estndar /
desviacin estndar poblacional y muestral.
Rango: Es la diferencia entre el valor mayor y el menor. R = V1 - Vi
Desviacin media: Mide la cantidad media en la que los valores de la
poblacin o de la muestra, varan de la media. En consecuencia, es la media
aritmtica de los valores absolutos de las desviaciones de la media
aritmtica. Tambin se__la denomina desviacin media absoluta.
FRMULA: Dm = X X
n
X = Valor de cada observacin o datos ( ) = Indica el valor absoluto
__
X = Media aritmtica de los valores
n = Nmero de observaciones o elementos de la muestra
59
MEDIDAS DE DISPERSIN: Desviacin media

(Continuacin)
La desviacin media, es la media de las cantidades en que las observaciones individuales
difieren de la media aritmtica. Para encontrar la desviacin media de un conjunto de datos,
buscamos previamente la media aritmtica.
Ejemplo: Nmero medio de pacientes de un hospital (110, 25, 116, 84 y 120).
El resultado es la cantidad media en que las observaciones difieren de la media. Si el valor
es pequeo, es representativo y si tiene un valor grande, indica que existe dispersin de los
datos.
Nmero de
casos X
(X X)
Desviacin
absoluta (Da)
110
91
(110 91) = 19
19
25
91
(25 91) = -66
66
116
91
(116 91) = 25
25
84
91
(84 91) = -7
120
91
(120 91) = 29
29
455
Total 128
Dma =
(X X) = 128 / 5 = 25.6
n
60
VENTAJAS Y DESVENTAJAS DE LA
DESVIACIN MEDIA
VENTAJAS: 1.- Para calcularla se utilizan todos los
valores.
2.- Es de fcil comprensin ya que es la cantidad
promedio en que los valores se desvan de la media.
DESVENTAJA: Es el uso de valores absolutos por su
dificultad para trabajar; esta razn hace que no se la
utilice tanto como la desviacin estndar.
61
Es la media aritmtica de las desviaciones de

la media elevadas al cuadrado.
Varianza poblacional: Es igual a la sumatoria
del valor de las observaciones de la poblacin
menos su media aritmtica elevada al
cuadrado y dividida para el nmero de
2
observaciones
de la poblacin.
2
Q = (x u)
Simbologa:
N
Q = Varianza poblacional (sigma cuadrada)
x= Valor de las observaciones de la poblacin
u = Media aritmtica de la poblacin
N = Nmero de observaciones de la poblacin
62
EJERCICIO:
Determinar la varianza poblacional de las edades de todos los pacientes
de una sala de un hospital. Las edades son:
38, 26, 13, 41 y 22 aos.
_
X
(x)
(x u)
38
38 28 = 10
10 = 100
26
26 28 = - 2
(-2) = 4
28
13
13 28 = - 15
(-15) = 225
28
41
41 28 = 13
(13) 2= 169
28
22
22 28 = - 6
(-6)
X = 140
x
U=
N
140
=
= 28
5
(x u)
2
(x u) = 534
28
28
-
Q=
(x u)534
=
=106.8
5
(determinada
en aos al
cuadrado)
63
DESVIACIN ESTNDAR POBLACIONAL

Desviacin estndar poblacional, es la raz cuadrada de la
varianza.
2
Q=
(X u)
N
Se denomina desviacin estndar, debido a que

proporciona una unidad de medida comn (un
estndar) para comparar variables con unidades de
medidas observadas que son muy diferentes.
Se expresa a travs de diversas manifestaciones de
los datos que sirven al investigador para la
determinacin del grado de confiabilidad de los
promedios obtenidos.
64
Una muestra de salarios mensuales de una empresa a sus

trabajadores, por grupos y tipos de salarios.
Salario semanal o
cantidad en $
Nmero de
empleados
30 a 35
35 a 40
40 a 45
11
45 a 50
22
50 a 55
40
55 a 60
24
60 a 65
65 a 70
4
65
Salario
semanal o
cantidad en
$
Nmero de
empleados
(f)
Punto medio
(x)
30 a 35
32.5
97.5
3.168.75
35 a 40
37.5
262.5
9.843.75
40 a 45
11
42.5
467.5
19.868.75
45 a 50
22
47.5
1.045.0
49637.50
50 a 55
40
52.5
2.100.0
110.250.00
55 a 60
24
57.5
1.380.0
79.350.00
60 a 65
62.5
562.5
35.156.25
65 a 70
67.5
270.0
Total
f = 120
=6.185.0
fx
fx
(fx)x o
(fx )
18.225.00
=325.500.00
66
fx
DESVIACIN ESTNDAR MUESTRAL PARA

CLCULOS
_2
X)
2 _(
X
n
n1
Esta desviacin estndar muestral, es la

S=
raz cuadrada de la varianza muestral, es
decir, es un estimador de la desviacin
estndar poblacional, por lo que ha sido
Con datos no agrupados
considerada como una de las medidas de
dispersin
ms
reportada
en
una
investigacin social.
Como medida de este tipo, se puede utilizar para evaluar la confiabilidad
de dos o ms promedios.
_ 2
Smbolos:
2 _( fX )
fX
S = Desviacin estndar
n
S
=
X = Punto medio de clase
n1
f = Frecuencia de clase
Con datos agrupados
n = Nmero de observaciones de la
muestra
67
DESARROLLO DEL EJERCICIO APLICANDO LA FRMULA
S=
_2
2 _( fX )
fX
n
n1
2
S=
(6.185)
325.500 -----------120
120 1
S=
325.500 318.785.2
119
2
= $ 7.51
Varianza muestral (S ) = (7.51) = $ 56.40

68
Es igual a la sumatoria del valor de c / u de las observaciones de

la_ muestra (X), menos la media muestral (X), todo al cuadrado y
dividido para el nmero de la muestra menos 1.
S2 = varianza muestral
X = Valor de c / u de las observaciones de la muestra
X_ Media muestral
n Nmero de observaciones de la muestra
Frmula conceptual = S =2
Para clculos
S=
_2
(X X)
n1
_2
X)
2 _(
X
n
n1
69
1. Ejercicio sobre varianza muestral utilizando la

desviacin media al cuadrado
Salarios por
hora $ (X)
_
XX
_2
(X X)
-5
25
10
-1
35
40
S=
_2
(X X)
= 40 = 10
5-1
n1
70
2. Ejercicio sobre varianza muestral utilizando la

frmula directa
S=
10
100
36
64
81
35
285
_2
X)
2 _(
X
n
n1
_ 35
285
2
5
S=
51
40 = 10
=
4
71
FACTORES QUE DEBE TOMARSE EN

CUENTA PARA LA SELECCIN DE LA
MUESTRA
Para seleccionar una muestra y establecer su
tamao, es importante considerar tres factores:
1.El nivel de confianza que se desea obtener.
2.El margen de error que se puede tolerar para
darle mayor consistencia a los resultados.
3.La variabilidad en la poblacin que se estudia,
es decir, las caractersticas que muestra en sus
diferentes componentes sociales.
72
SELECCIN DEL NIVEL DE CONFIANZA:

Los niveles de
confianza que con frecuencia se seleccionan son entre
95 y 99 por ciento. Cuando est en el 95%, sta+
corresponde a un valor z de _ 1.96 y uno de 99% o+
aproximado, corresponde un valor de z _ 2.58. Mientras
ms alto sea el nivel de confianza, mayor ser el tamao
de la muestra (Douglas Lind, Estadstica, 2001, Mxico).
Cuando se habla del ERROR MXIMO PERMISIBLE que se
designa como E , se hace referencia a la cantidad que se
suma o se resta de la media de la muestra, para
determinar los puntos extremos del intervalo de
confianza y se hace quiere explicar con esto a la
cantidad de error que el investigador espera tolerar y no
afecta relativamente al resultado que se aspira. Tambin
se la puede determinar como la mitad de la amplitud del
intervalo de confianza correspondiente, tal como lo
explica D. Lind ( pg. 255). Un error permisible pequeo,
requerir de una muestra grande y un error permisible
grande permitir una muestra menor.
73
La variabilidad o desviacin estndar DE LA POBLACIN, es

el otro factor que se toma en cuenta para determinar el
tamao de la muestra. Cuando la poblacin tiene una
dispersin muy amplia, la muestra debe ser grande, en
cambio si la poblacin es homognea, es decir, se
encuentra concentrada, entonces el tamao de la muestra
debe ser pequeo.
Para estos casos tambin se puede recoger las siguientes
sugerencias (D. Lind, pg. 255):
Trabajar desde el enfoque de un estudio comparativo,
cuando se dispone de un estimado de la dispersin en otro
estudio, que ya haya aplicado una muestra y sta haya
experimentado confiabilidad, se puede utilizar dicho
estudio estimado y permitir la obtencin de un tamao
aproximado de la muestra.
Si no se dispone de experiencias previas, se puede
estructurar una aproximacin
+ basada en rango, que no es
otra cosa que una estimacin de los valores mximo y
mnimo de la poblacin y tomar una valoracin de _ 3
desviaciones estndar gcervantes_coronel@yahoo.com
de la media, que puede significar 74
una sexta (6) parte del rango. El tercer enfoque puede ser
Considerar previamente tres aspectos bsicos (HERRERA, Luis. Tutora

de la Investigacin. AFEFCE, 2002):
El objeto y el objetivo de la investigacin.

El nivel de confiabilidad con el que se desea trabajar (entre el 95%
y el 99%).
Las probabilidades reales de que ciertas caractersticas a
investigarse estn presentes en la poblacin (P), frente a las
probabilidades (Q) de que no lo estn.
P = 0.5
Q = 1 0.5 = 0.5
P+Q=1
El error de muestreo puede fluctuar, a criterio de algunos
investigadores, entre el 1% y el 8%. Es aconsejable entre el 1% y el
5%.
Aplicar la frmula para poblaciones finitas e infinitas, tomando en
cuenta los datos.
De ser necesario consulte a un especialista.
75
1.-
n =
ZPQN
Z 2PQ+Ne2
n = Tamao de la muestra.
Z = Nivel de confiabilidad: 95% = 1.96.
P = Probabilidad de ocurrencia = 0.5
Q = Probabilidad de no ocurrencia = 1 0.5 = 0.5
N = Poblacin
e = Error de muestreo = 0.05 (5%)
76
2.- Cuando se desconoce la poblacin y se acta con

desviacin estndar.
n= Tamao de la muestra
z= Nivel de confiabilidad = 2.
s= Desviacin estndar de la
poblacin
E= Error de muestreo
n=
ZS
3.- Cuando se desconoce la poblacin pero se percibe una

proporcin estimada que acta o puede definir o incidir en un
hecho o fenmeno que se investiga.
2
n =
ZPQ
2
Z = Nivel de confiabilidad. Ejemplo: 99% = 2.58.
P = Porcentaje de aceptacin. Ejemplo: 0.65 (65%)
Q = Porcentaje de no aceptacin. Ejemplo: 1 0.65 = 0.35
E = Error de muestreo Ejemplo: 0.03 (3%)
77
4.- Cuando se determina el error mximo que se puede aceptar,

se puede aplicar las siguientes frmulas:
n= Tamao de la muestra
N= Poblacin
E= Error de muestreo
a).-
n =
N
2
E (N-1)+1
b).-
PQN
n =
(N-1)
2
2
+ PQ
K
PQ = Constante de probabilidad de ocurrencia y no ocurrencia
(0.5)(0.5) = 0.25.
E = Error de muestreo
K = Coeficiente de correccin del error. Ejemplo: 2
78
Considerar lo siguientes componentes:

se = Desviacin
_ estndar de la distribucin muestral. Representa la
fluctuacin
de y.
2
(se) = Error estndar al cuadrado que sirve para calcular la varianza (V) de
la poblacin (N) y de la varianza muestral (n).
2
2
s
s = Varianza de la muestra, expresada en trminos de probabilidad: = p(1- p)
p = Porcentaje estimado de la muestra como probabilidad de ocurrencia del
hecho.
q = Probabilidad de no ocurrencia (p + q = 1)
Para conocer que tan grande es nuestra muestra, trabajar en los
siguientes pasos previos:
s2
Tamao provisional de la muestra1 = Varianza de la muestra /
1. n =
2
Varianza de la poblacin.
=
V
n'
2. n =
1+ n / N
79
2
_
s
0.09
s = p(1- p)
2
n=
0.000225
n'
1+ n / N
400
n =
V
400
1+ 400/2500
80
23.
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
Anlisis de Contenido.
Anlisis de documentos.
Anlisis de metforas.
Anlisis de Texto
Archivos.
rbol de Problema
Conversatorios
Cuadernos.
Cuestionarios.
Descripcin Ecolgica del
Comportamiento.
De Autoinforme
Diarios.
Documentos Institucionales.
Entrevista.
Encuesta
Escalas de Actitudes
Escala de Estimacin
Estudios de Caso
Estudio de Cohortes.
Escalas de Actitudes
Fotografas y Diapositivas.
Foros
FODA
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.
41.
42.
Grabaciones en audio o video.

Grupos de Discusin
Juicios de Expertos
Inventarios.
Listas de Control
Mapas Conceptuales
Observacin
Otras
Registros anecdticos.
Rueda de Impacto
Seminarios
Talleres con Grupo Focal
Test de creatividad
Tcnicas Documentales
Tcnica de Grupo Nominal (TGN)
Tcnica del por qu, por qu.
Tcnicas de Afinidades
Triangulacin
Visitas in situ
ZOPP
81
INSTRUMENTOS DE RECOLECCIN DE
INFORMACIN
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
Cuestionario - Encuesta
Gua - Entrevista
Gua o Ficha de Observacin
Listas de Cotejo
Ficha de Registro Anecdtico
Gua de Taller
Fichas de Anlisis Documental.
Grabaciones
Filmados o videos
Libreta de campo.
Gua de reconocimiento del entorno
Gua de dilogo o discusin
Asambleas
Sociodrama
82
CALIDAD DE LA
INFORMACIN
Informacin suficiente, confiable y
transparente, que facilite el acopio y la
medicin.
Utilizar mtodos estadsticos e informticos
actualizados.
Mantener la informacin de todo el proceso
en archivos electrnicos.
83
IDENTIFICAR CON CLARIDAD LAS FUENTES

Por ejemplo en estudios sobre la
universidad:
Autoridades,
funcionarios,
directivos de unidades acadmicas y de
institutos
de
investigacin,
docentes,
estudiantes,
empleados
administrativos,
comunidad
de
impacto
(empresas,
organizaciones sociales, instituciones, etc.).
En investigacin sobre rendimiento de
los aprendizajes: Estudiantes, directivos de
programas,
coordinadores
acadmicos,
docentes, comunidad de impacto.
84
TIPO DE INFORMACIN:
De los estudiantes: Grado de desarrollo
alcanzado, rendimiento acadmico, interaccin de
los contenidos y materiales de aprendizaje, nivel de
competencia o logro de objetivos curriculares, sus
fortalezas
y
debilidades,
conocimiento
y
experiencias previas, ritmo y estilo de aprendizaje
(cmo aprende, cmo enfrenta las tareas, sus
preferencias,
sus
intereses,
etc.),manejo
y
combinacin
de
los
procesos
cognitivos,
motivacionales
y
afectivos
(intelectuales,
de
equilibrio personal o afectivo, de vinculacin
interpersonal, de actuacin e insercin social).
Las actividades en el aula (interaccin
docente y contenidos del aprendizaje segn
propuesta curricular):
Programacin general,
contenidos, secuencia y periodizacin, metodologa
y
actividades
de
aprendizaje,
criterios
de
evaluacin.
85
Interaccin colectiva (global: alumno,

docente,
contenidos
del
aprendizaje,
instrumentos,
directivos):
Desempeo
docente: preparacin, dominio, metodologa,
experiencia
y
testimonios,
ayudas
del
profesor a los alumnos, trato personal
afectivo entre los actores, conflictividades y
origen, etc.
En el caso de la Universidad en su
vinculacin con la colectividad: Compromisos
de
participacin,
acercamientos,
procedimientos de vinculacin, periodicidad,
trato, aportes, criterios, implementacin de
proyectos, respuesta, etc.
86
ESCALAS DE VALORACIN CUALITATIVA

Mayoritariamente de acuerdo
Parcialmente de acuerdo
En desacuerdo
Totalmente
En su mayor parte
Parcialmente
Ninguno
Se cumple plenamente
Se cumple aceptablemente
Se cumple
insatisfactoriamente
No se cumple
Muy Satisfactorio
Satisfactorio
Poco satisfactorio
No satisfactorio
Muy bueno
Bueno
Regular
Malo
Muy adecuado
Adecuado
Ms o menos
Inadecuado
Muy satisfecho
Satisfecho
Regularmente satisfecho
Insatisfecho
Excelente
Suficiente
Parcial
Insuficiente
Muy eficiente
Eficiente
Poco eficiente
Deficiente
Objetivo Logrado
Avance significativo
Cierto avance
Ningn Avance
Siempre
Muchas veces
Pocas veces
Nunca
Todo
Mucho
Poco
Ninguno
Totalmente de acuerdo
87
RESULTADOS DE LA VALORACIN
CUALICUANTITATIVA
EVALUACIN CUANTITATIVA (%)
EVALUACIN CUALITATIVA
PRIMARIA
PONDERADA
RESULTADOS
A. Muy buena: Objetivo Logrado

(solucin o resultado excelente que
puede servir como modelo).
76-100
FORTALEZAS
B. Buena: Avance Significativo (existe

preocupacin y mejoras sustanciales
faltando aprovechar todo el potencial).
51-75
FORTALEZAS
C. Regular: Cierto Avance (logros

parciales que dan lugar a ciertas
mejoras con resultados aislados).
26-50
DEBILIDADES
D. Insuficiente: Ningn Avance (ninguna

accin, quiz ciertas ideas buenas pero
no concretadas).
0-25
DEBILIDADES
Valor derivado de la aplicacin y procesamiento de los instrumentos.
88
ENCUESTA - CUESTIONARIO
CONSTITUYE LA HERRAMIENTA BSICA PARA EL ACOPIO DE
INFORMACIN.
ESTA
CONFORMADO
POR
UN
CONJUNTO
ESTRUCTURADO DE PREGUNTAS, DESTINADAS A DEMOSTRAR LAS
HIPTESIS FORMULADAS EN EL DISEO DE INVESTIGACIN.
ES FUNDAMENTAL TOMAR EN CONSIDERACIN LOS OBJETIVOS, LOS
PROBLEMAS QUE SE VAN A INVESTIGAR Y LAS HIPTESIS QUE SE VAN
A DEMOSTRAR.
PARTES DEL CUESTIONARIO:
- Institucin responsable;
- Ttulo de la encuesta;
-
Objetivos;
Instructivo;
Preguntas generales de carcter informativo;
Preguntas especficas del problema;
Observaciones.
89

1 Muestra y Acopio de La Información

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

1 Muestra y Acopio de La Información

Uploaded by

Copyright:

Available Formats

DETERMINACIN DE LA

GALO R. CERVANTES CORONEL

Deriva del griego

Aceptar una hiptesis como cierta significa

1. Precisan los problemas

Se formulan a partir de preguntas.

2. Identifican o explicitan las

1. Cul ser el nivel de ingreso el

1. Anlisis de Pareto: Tcnica para estudiar fuentes de

2. Diagrama de causa / efecto (espina de pescado o cuadro) :

3. Grficos de control: Se utilizan para realizar control de

4. Histogramas: Son barras o rectngulos que se

Polgono de frecuencias: Grfico que se elabora

6. Grfico circular: Se utiliza en la representacin de

7. Pictogramas: Se expresan los datos mediante figuras

8. Organigrama: Puede expresarse en este grfico, la actitud

9. Diagrama: Indica las caractersticas de ubicacin de los datos,

10. Cuadro: Permite ordenar datos numricos de acuerdo a

11. Medidas de tendencia central: Cantidades tpicas o

3. La media o promedio es la medida de tendencia

CARACTERSTICAS, USO, VENTAJAS Y

Condiciones esenciales para que este valor o frecuencia

CARACTERSTICAS, USO, VENTAJAS Y DESVENTAJAS

Elementos vlidos para la

A PARTIR DE LAS HIPTESIS

Seleccionar los instrumentos:

Preparar la medicin obtenida:

Para el tratamiento de los

El pensamiento proporcional nos

La tasa de ocurrencia es el clculo de la frecuencia con que

To = p (nmero de base til)

Utiliza los siguientes trminos:

Probabilidad, es un valor entre cero o

Mientras ms cerca de cero est la probabilidad, es menos

La probabilidad, nos proporciona la

Si se intensifica campaa, es probable

Estas son inferencias

Regla especial de la adicin: Los eventos deben ser

Conocer el peso de varias fundas llenas con diversos productos,

Cul es la probabilidad de que una funda determinada tenga un peso

El diagrama representa el concepto

La teora de las probabilidades y sus

nmero de casos favorables al evento A

c. Obtener suma >5

conjunto de pares ordenados donde:

Clculo de los eventos:

/ w1 + w2 > 5] = obtener suma > 5

/ w1 > w2 = e] = el resultado del primer dado es > el del 2

una bola. Cul es la probabilidad que el nmero de la bola

2. Una lotera consta de 10.000 billetes. Un billete se premia con $

2. Definicin por frecuencia relativa: Si un experimento bien definido se

decir, 0< P (A)< 1.

Ejercicio: La distribucin de los miembros de diversos partidos polticos

Cul es la probabilidad que un miembro seleccionado aleatoriamente,

La probabilidad relativa explica eventos nicos o que no han ocurrido antes,

P(A) = 0, representa la certeza que el evento A, no ocurrir.

P(A) = 1, representa la certeza que el evento A, si ocurrir.

0 < P(A) < 1, representa el grado de certeza que el evento A, ocurrir.

4. Probabilidad frente a apuestas:

Ejemplo: en un evento deportivo, el equipo A tiene 7 : 1 apuestas en su

5. Probabilidad en espacios muestrales finitos:

La suma de probabilidades asignadas a los puntos del espacio muestral

Probabilidad de ganar de una mujer?