Unidad I

Métodos de muestreo en la investigación científica

1.1 Ámbito, conceptos y definiciones

Muestreo
El muestreo es una herramienta de la investigación científica. Su objetivo básico es
determinar que parte (muestra) de un universo en estudio debe examinarse o analizarse
con la finalidad de hacer inferencias sobre dicha población.
Con frecuencia resulta inconveniente analizar a todos los elementos de un universo,
razón por la cual se selecciona una muestra representativa del universo o población,
esta muestra debe lograr una representación adecuada de la población.
Los parámetros o rasgos esenciales del universo que son parte de la investigación,
deben reflejarse en la muestra, para que la muestra sea representativa, y por lo tanto
útil, la muestra debe de reflejar las similitudes y diferencias encontradas en la
población, es decir representar las características de ésta.

Errores comunes que se pueden cometer:

Error de muestreo.- Generar conclusiones generales a partir de solo la observación
de una muestra insuficiente para el universo.
Error de Inferencia.- Generar conclusiones para un universo más grande del que
originalmente se consideró en la muestra.
Nota.- La palabra universo o población se referiere no sólo a personas si no a todos los
elementos que han sido considerados para su estudio y la palabra muestra se aplica a
la parte o porción escogida de la población.

Tipos de muestreo

Por lo general se clasifican en:

• Métodos de muestreo probabilísticos y

• Métodos de muestreo no probabilísticos.
Muestreo probabilístico

Estos métodos de muestreo se basan en el principio de equiprobabilidad (todos

los individuos tienen la misma probabilidad de ser elegidos para formar parte de la
muestra), es decir todas las posibles muestras de tamaño “n” tienen la misma
probabilidad de ser seleccionadas.

Estos métodos de muestreo aseguran la representatividad de la muestra extraída

y son, por tanto, los más recomendables.

Dentro de los métodos de muestreo probabilísticos tenemos:

1.- Muestreo aleatorio simple.- Su proceso es:

1. Se asigna un número a cada individuo de la población

2. Usando algún medio mecánico (bolas dentro de una bolsa, tablas de números
aleatorios, números aleatorios generados por un ordenador, etc.) se eligen tantos
sujetos como sea necesario para completar el tamaño de muestra requerido.

Ejemplo: para tomar una muestra de 25 botellas, sobre un universo de 500 unidades de
un proceso productivo de una fábrica, a cada botella se asigna un número al azar.
Entonces, a modo de sorteo, se seleccionan 25 números que conformarán dicha
muestra.

Ejemplo: Para tomar una muestra de 15 trabajadores de una empresa, que posee un
total de 150 empleados, se selecciona de forma aleatoria, al azar 50 individuos. De
esta manera queda conformada la muestra para realizar la investigación.

Nota.- Este procedimiento, tiene poca o nula utilidad práctica cuando la población que
estamos manejando es muy grande.
2.- Muestreo aleatorio sistemático: Su proceso es:

1. Numerar todos los elementos de la población,

2. Pero en lugar de extraer “n” números aleatorios sólo se extrae uno.
3. Se parte de ese número aleatorio i, que fue 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, siendo k = N/n

Donde:
i = número i que empleamos como punto de partida
N = tamaño del universo
n = tamaño de muestra
k = separación entre elemento elegidos

El riesgo de este muestreo está en los casos en que se dan periodicidades constantes
“k” en el universo, ya que se puede introducir una homogeneidad que no se da en la
población.

Ejemplo no recomendado.- 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.

Ejemplo: Para una población de 60.000 personas se debe conformar una muestra de
400 individuos, por lo que se divide a la población en 400 grupos de 150. Se
selecciona un número al azar, por ejemplo el 70, y así la muestra de 400 elementos se
conformando por el individuo número 70 de cada grupo.
3.- Muestreo aleatorio estratificado:

Este método minimiza el error muestral que puede generar los métodos anteriores, para
un tamaño dado de muestra que garantice que todos los estratos de interés estarán
representados adecuadamente en la muestra.

Consiste en considerar categorías típicas diferentes entre sí (estratos) que poseen gran
homogeneidad respecto a alguna característica, por ejemplo, se puede estratificar,
según la profesión, su domicilio de residencia, el sexo, el estado civil, etc.).

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: Cada estrato tiene 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.
4.- Muestreo aleatorio por conglomerados:

Los métodos presentados hasta ahora están diseñados para seleccionar

directamente los elementos de la población, es decir, que las unidades muéstrales 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
áreas 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.

Ejemplo: Para una población de 60.000 personas se debe conformar una muestra de
400 individuos, por lo que se divide a la población en 400 grupos de 150. Se
selecciona un número al azar, por ejemplo el 70, y así la muestra de 400 elementos se
conformando por el individuo número 70 de cada grupo.
Muestreo de etapas múltiples
El método consiste por muestrear algo que no constituye el objetivo de la investigación
(unidades primarias), y luego obtener una muestra dentro de cada una de ellas
(unidades secundarias)

Ejemplo: De un proceso productivo, se desea conformar una muestra de 25 elementos

de un universo de 1500 elementos. (unidades ¿??)

Procedimiento:
Se parte del muestreo aleatorio simple
a.- Se enumeran los elementos del 1 al 1500
b.- Por sorteo se elige 25 elementos (ejemplo. 78, 234, 236, 567 …….)
c.- Si se requiere más datos en la investigación entonces se aplica el muestreo de etapas
múltiples, entonces sacaremos otra muestra de 25 elementos (ejemplo: 18, 85, 999, ….)

TIPO DE MUESTRA VENTAJAS DESVENTAJAS

Fácil comprensión, cálculo En muestras pequeñas, puede no
Aleatorio simple
rápido de medias y varianzas representar adecuadamente al universo
El error estándar puede ser superior al
Eficiente en muestras
del muestreo aleatorio simple o
grandes y dispersas, no es
Etapas múltiples estratificado.
necesario un listado de toda
El cálculo del error estándar puede
la población
resultar complejo

Homogeneidad y heterogeneidad de las poblaciones o sus subgrupos

Homogéneo significa que no hay mucha variabilidad y los estratos presentan mejores
resultados en una investigación, por ejemplo, la estatura promedio de mujeres y la de
hombres
Heterogeneidad significa que se tiene mucha variabilidad y se hace inútil la división
en estratos, razón por la cual es mejor trabajar en conglomerados

II. Métodos de muestreo no probabilísticos

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 (estimaciones inferenciales sobre la población),
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 ser elegidos. En general se
seleccionan a los sujetos siguiendo determinados criterios procurando, en la medida
de lo posible, que la muestra sea representativa.

En algunas circunstancias los métodos estadísticos y epidemiológicos permiten

resolver los problemas de representatividad aun en situaciones de muestreo no
probabilístico, por ejemplo los estudios de caso-control, donde los casos no son
seleccionados aleatoriamente de la población.

Entre los métodos de muestreo no probabilísticos más utilizados en investigación

encontramos:

1.- 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 Gquil.

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.

Ejemplo: Una autoridad de una IES desea conformar una muestra sobre los estudiantes
de una facultad, en la que el 65% son mujeres y el 35% son hombres.

2.- Muestreo intencional o de conveniencia:

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.

También puede ser que el investigador seleccione 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).
Ejemplo: una autoridad decide realizar un estudio sobre la opinión de un profesor en
un aula determinada. Al utilizar el muestreo por conveniencia, conforma su muestra
con 7 alumnos de la lista del aula.

3.- Bola de nieve o en cadena:

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.

4.- Muestreo Discrecional, por jucio o intencional · A criterio del investigador los
elementos son elegidos sobre lo que él cree que pueden aportar al estudio.

Ejemplo: Para realizar una investigación sobre el comportamiento madres solteras con
sus hijos. El investigador selecciona madres solteras que tengan hijos, ya que las
considera aptas de conocimiento para formar parte de la investigación.

1.2. Población y muestra, objeto de estudio

Todas las ciencias hacen uso del muestreo. Para unos el objeto de estudio será la
población, para otros, como los ingenieros civiles pueden ser los tipos de capas de
rodadura en carreteras, para los médicos puede ser los pacientes con determinados
síntomas patológicos, mientras que para los periodistas la población de estudio puede
ser las personas, videos, películas, artículos de prensa, programas de radio y televisión,
entre otros.

Uno de los que genera conflicto al investigador es el identificar el total de la población

y cuánto es su tamaño de muestra, además se debe definir los criterios a emplear para
seleccionar a los elementos de la muestra.

En esta parte del curso se definirá, comprenderá y diferenciará los conceptos de

población, muestra y muestreo.

Población.- O universo, es conjunto de personas u objetos de los que se desea conocer

algo, generando conclusiones que serán validadas para el universo, para lo cual se debe
realizar una breve descripción de las características más comunes o sobresalientes de
la población. esto en función de la importancia de la investigación, es decir se definirá
quienes, y qué características deberán tener los sujetos o elementos, para que
estadísticamente sean muestras representativas del universo.
Cuando la población o universo es grande y no es posible analizarlo en su totalidad,
por que puede generar entre otros acontecimientos costos elevados. Por ejemplo para
un universo de 17 mil elementos, seria complejo realizar 7 encuestas o entrevistas.

Entonces la muestra y el muestreo permite estudiar una parte del universo, para
generalizar los resultados a toda la población.

Muestra.- Es un subconjunto o parte del universo en el cual se desarrollara la

investigación.
Existen procedimientos para determinar la cantidad de elementos que componen el
tamaño de muestra, entre ellos tenemos modelos matemáticos, lógicos y otros, cabe
recordar que la muestra es una parte representativa de la población.

Muestreo.- Es el método utilizado para seleccionar a los elementos que componen la

muestra del total de la población o universo.

Importancia del diseño muestral

• Permite que el estudio se realice en menor tiempo.

• Se incurre en menos gastos.
• Posibilita profundizar en el análisis de las variables.
• Permite tener mayor control de las variables a estudiar

1.3. Población y marco muestral

Población o universo.- Se refiere al conjunto de sujetos (individuos) que conforman

un determinado grupo con características comunes (procede del latín populatĭo, que
significa ‘multitud’).

Individuo
Es cada uno de los elementos que componen la población. También se le conoce como
unidad estadística.

Población estadística

La población estadística es un conjunto de elementos o sujetos que tienen

características similares, para estudiarlos y generar conclusiones específicas para
determinar resultados.
 Según el tamaño de la población estudiada, el resultado puede ser finito o infinito.

Si el resultado de los conjuntos investigados es infinito, estos se consideran

conceptuales o artificiales, ya que toda población debe tener un resultado específico al
ser estudiada.

TIPOS DE POBLACION
• TIPO DEFINICION EJEMPLO
• Compuesta por un número pequeño de Número de alumnos en
• Finita
elementos, artículos o sujetos Metodología de la Investigación II
Infinita Compuesta por un número grande de Cantidad de granos de arena que
elementos. contiene 1 m3
Compuesta de un grupo de cosas existentes Cantidad de usuarios de un sitio
• Real y meramente comprobables. web durante un mes o un evento

• Hipotética Compuesta por un grupo posible de Reacciones de la población frente a

determinadas cosas, difíciles de comprobar. una crisis económica o pandemia.
Población dependiente de las alteraciones de La variación del peso de un
• Aleatoria
sus características, sin una causa aparente. determinado articulo (basura)
Población que depende de una causa Incremento de ventas, debido a un
• Dependiente
determinada. buen período económico del país.
Población cuyas características deben ser Un censo poblacional, mide las
• Polinomial medidas y tomadas en cuenta. características y cualidades (edad,
ingresos) de los habitantes serán
diferentes.

Ejemplos de población

Al establecer la cantidad de niños que hay por cada trabajador de una empresa, los
empleados de la empresa representarían la población
Al estimar el nivel de colesterol promedio de un país, todos los habitantes serían la
población.
Al saber cuántas personas fuman cigarrillos en una ciudad, todos los habitantes de
la ciudad serían la población.
Al investigar cuántas escuelas del país ofrecen una educación completa y eficaz, las
escuelas serían la población.

Marco muestral
Es el listado de los elementos (unidades muestrales), que forman el universo a
estudiarse, los elementos tienen características comunes que permiten identificarse;
además debe ser preciso, libre de omisiones y duplicaciones.
 Los datos y las unidades deben cubrir a toda la población (Ej: empleados, instituciones,
ciudades..)

En el muestreo probabilístico, es necesario usar este método, ya que permite encontrar

la unidad que va a ser el objeto de estudio.

Tipos de marco muestral

• De lista: Son listados que ayudan a identificar a los objetos que participarán en el
muestreo aleatorio.

• De área: Son los elementos que permiten delimitar las unidades geográficas para
ubicarlas sobre el lugar de estudio (fotografías).

Marco muestral defectuoso.- Estos defectos pueden provocar la pérdida de

información relevante para el estudio, y provocará su falta de validez.

Un marco muestral defectuoso se considera cuando:

• Aparecen elementos que no pertenecen a la población objetivo.
• No aparecen todos los elementos de la población o no se ha actualizado.
• Se duplican los elementos.

Características de un marco muestral.- Entre las principales tenemos:

Todas las unidades de muestreo tienen un identificador lógico y numérico.

El marco muestral está organizado de manera lógica y sistemática
No debe existir elementos externos a la población
Para que funcione correctamente debe estar actualizado.
Se dispone de la información relevante sobre las unidades de muestreo.
Cada elemento de la población de estudio está presente en el marco muestral.
Contiene información adicional sobre las unidades de muestra, lo cual permite el uso
de marcos de muestreo más avanzados.
Conoce la importancia de una muestra representativa para una investigación eficaz.

Ventajas de un marco muestral.- Entre las más relevantes:

• El investigador puede realizar en menor tiempo el estudio y utilizar menos recursos

económicos.
• Es posible tener mayor control sobre las variables de estudio y realizar un análisis de
datos más profundo y preciso.
• Permite sacar inferencias estadísticas.
• Al seleccionar a los elementos de la muestra final lo hace de forma aleatoria.
• Todos los elementos que se encuentran en el marco muestral tienen la posibilidad de
estar en el marco final.
 Desventajas de realizar un marco muestral.- Entre otras:

• Construirlo puede ser tarea difícil cuando la población es muy grande.

• No siempre se encuentra actualizado o tiene unidades que no son reales.
• A veces, es necesario realizar más de un marco muestral cuando el muestreo es por
etapas múltiples.
• Son inexactos, cuando se encuentran descritos de forma incorrecta, están duplicados
o desactualizados.

Ejemplo: Determine la población, muestra y elementos o individuos.

Para estudiar cuál es el candidato presidencial por el cual votarán en las próximas
elecciones, se toma una muestra de 5500 personas de todo el país.

Solución:

• La población.- Es la población electoral con derecho a voto del país.

• La muestra.- Son las 5500 personas que forman parte de la población.
• El individuo.- Es cada uno de las personas con derecho a voto.

Ejemplo: Determine la población, muestra y elementos o individuos.

Un estudiante de la asignatura Metodología de Investigación II, realiza una encuesta a

25 profesores de su facultad, elegidos de forma aleatoria, para conocer si los profesores,
prefieren dictar clases presenciales o virtuales.
Solución
• Población: Los profesores de la facultad de la su universidad.
• Muestra: 25 profesores de la facultad.
• Individuo: cada uno de los profesores de la facultad.

Ejemplo: Defina si la información obtenida pertenece a la muestra o a la población

Un profesor desea realizar un análisis estadístico de las notas del primer examen
parcial, de la asignatura Metodología de la Investigación II de sus alumnos. Para ello,
utiliza en Excel las funciones y herramientas estadísticas. La información obtenida
pertenece a?
Solución
Pertenece a la población.- Son todos los alumnos que toman la asignatura y no se ha
realizado ningún muestreo.

Ejemplo: Determine la población y la muestra.

Una farmacéutica desea conocer la proporción de personas que padecen gastritis, que
puede ser controlada con un nuevo fármaco. Se realiza un estudio en 10000 personas
con esa dolencia, y se determinó que el 85% de ellas pudo controlar su dolencia usando
el nuevo fármaco. Asuma que estas 10000 personas son representativas del grupo de
pacientes con gastritis.

Solución:

Población: personas con gastritis.

Muestra: las 10000 personas con gastritis estudiadas

1.4.- ¿Tamaño de muestra?

Cuantos elementos de un universo debo considerar para no superar un margen de

máximo de error, es decir estar dentro del nivel de confianza.

Toda muestra generará cierto error en las estimaciones (a menor tamaño de muestra,
potencialmente mayor será el error).

Teorema central del límite

Para universos muy grandes (> 100000 elementos), se considera como una población
infinita. (se asume que cada individuo de la muestra, tiene la característica que quiero
medir (por ejemplo, escuchar radio)) y es constante, independientemente de los
individuos que ya fueron seleccionados anteriormente.

Bajo las hipotesis antes citadas se aplica el teorema central del límite, que dice:
• Para múltiples muestras de n individuos de una población infinita, la media de
las muestras tiende a una distribución de probabilidad Normal centrada en la
media de la población.
 • Esta distribución Normal tiene una desviación típica igual a la desviación de la
población de origen dividida por √n.

Nota.- El teorema central del límite cumple para cualquier distribución, aunque la
población original no se distribuya de forma Normal. Las medias de las muestras sí se
distribuyen de forma Normal. Y esto es lo que nos permite medir y disminuir el error
en las estimaciones.

Ejemplo

Se desea saber, cuantos minutos al día mira TV la población ecuatoriana entre 18 y 70

años; como sería muy costoso consultar a toda la población (10 millones), se hace
necesario considerar una parte del universo (conocida como muestra).
En la realidad, de los 10 millones de ciudadanos, unos miraran poco, otros mucho.
Pero si fuese posible considerar a todos los elementos se determinaría de manera
exacta, entre otros parámetros, la media “μ” y desviación “σ”.

Para el ejemplo asumir que se tomaron 4 muestras aleatorias simples de n personas

cada una, obteniéndose los siguientes resultados:
 RESULTADOS
MUESTRA MEDIA (MINUTOS) OBSERVASIONES
1 425 ¿La media de las muestras debería ser
2 352 similar a la media de la población,
3 273 seguramente no lo serán?
4 169
Media “μm” 304,75

La media de esta distribución de medias se acerca a la media “μ” de la población.

Mientras que la desviación de la distribución de medias es igual a la desviación original

“σ”, dividida para √n. Es decir, σ/√n. (a mayor tamaño de muestra, mayor precisión
en la estimación)

Margen de error y nivel de confianza

Por lo general en la práctica, se trabaja con una sola muestra de tamaño “n”, y como
una distribución Normal está en torno a la media población, entonces se puede estimar
la media poblacional a partir de la expresión: μ = μm±ZNC*σ/√n.
Y para estimar la media de la población “μ”, podemos determinarlo así:

Probabilidad ( μ m -ZNC* σ/√n < μ < μ m +ZNC * σ/√n ) = NC

Continuando con el ejemplo:

Para la media de las muestras: μ m = 304,75 minutos, Asumir un tamaño de muestra:

n = 456 personas; además, considerar que la desviación típica en la población: σ <=
70 minutos.

Determinar para un nivel de confianza: NC del 95%, la media poblacional

Donde
Probabilidad ( μ m -ZNC* σ/√n < μ < μ m +ZNC * σ/√n ) = NC

P( 304,75-1,96* 70/√456 < μ < 304,75+1,96* 70/√456) = 95%

P( 304,75-6,43 < μ < 304,75+6,43) = 95%

P( 298,32 < μ < 311,17 ) = 95%

MEDIA POBLACIONAL “μ”

NIVEL DE TAMAÑO DE
CONFIANZA ZNC MUESTRA Margen
NC (%) “n” μm+ZNC*σ/√n μm-ZNC*σ/√n
de error
80 1,282 456
85
90 1,645 456
95 1,96 456 298,32 311,17 + - 6,43
97
99 2,576 456

Cálculo del tamaño de muestra.- Considerando error máximo y NC

Procedimiento
• Definir el error máximo que se aceptará (e)
• Definir el nivel de confianza (NC), que se aceptara para ese error

Sabiendo que el error máximo es igual a: e ≤ ZNC* σ/√n

De donde: n ≥ ZNC2 *σ2/e2

Ejemplo: Asumir e = 5 minutos, NC = 95 % y σ = 70 minutos.

Es decir, para un error de 5 minutos: n =1,962 * 702/52

n = 753 habitantes
Cálculo del tamaño de muestra considerando una proporción (%)

En este caso, la población se distribuye siguiendo una distribución de Bernoulli:

Consideraciones:
p = 1, personas que miran TV
1 – p, personas que no miran TV
Desviación típica σ = √p(1-p).

Siendo: n = ZNC2 *p(1-p)/e2 (Modelo que garantiza un error máximo “e”)

Casos críticos:
a.- p(1-p) = 0. Para p = 0 ó 1. (la muestra que necesitamos es nula)

b.- cuando la población es lo más diversa posible (p=0.5).

Entonces el tamaño de muestra será: n =ZNC2 *(0,25/e2)

Ejemplo: Sea el nivel de confianza NC = 95% para un error máximo del 5%.
Determinar el tamaño de muestra
n =1,962 *(0,25/0,052) = 385
Interpretación: Se requiere consultar 385 personas y si se observa que un 75% de
personas miran TV, tendremos un 95% de confianza de que la proporción real en la
población esté entre 75% +- 5% (no entre 75%×0.95 y 75%×1.05).

Para poblaciones finitas.- Se podría considerar el siguiente modelo matemático:

𝑛𝑖𝑛𝑓
nfin = 𝑛𝑖𝑛𝑓−1
(1+ )
𝑁

Donde:
ninf .- población infinita
N.- tamaño finito de la población.
Conclusión

1. a menor error, mayor tamaño de muestra.

2. A mayor nivel de confianza, mayor tamaño de muestra.
3. A mayor tamaño de muestra, se reduce el error y aumenta el nivel de confianza.

Considerando otros modelos

TIPO DE POBLACION
INFINITA FINITA

2
𝑍𝛼∗𝑝∗𝑞
n= 𝑁∗𝑍𝛼2 ∗𝑝∗𝑞
𝑒2 n= 𝑒 2 ∗(𝑁−1)+𝑍𝛼2 ∗𝑝∗𝑞

𝜎 𝑁−𝑛
𝑒=𝑍 √
√𝑛 𝑁 − 1

n = tamaño de muestra
Z = Valor que depende del nivel de confianza. Es un valor constante, si no se tiene
su valor, se lo toma en relación al 95% de confianza y equivale a 1,96 (como más
usual), valor que queda a criterio del investigador.
p = probabilidad de éxito, o proporción esperada Escriba aquí la ecuación.
q = probabilidad de fracaso
e = precisión (error máximo admisible en términos de proporción), generalmente
varía entre el 1% y 9% , valor que queda a criterio del encuestador.

N = tamaño de la población
σ = Desviación estándar de la población, generalmente cuando no se tiene su valor,
suele utilizarse un valor constante de 0,5.

Ejemplo.- Calcular el tamaño de la muestra de una población de 500 elementos con

un nivel de confianza del 95%

Solución:
N=500
NC = 95% para Z = 1,96
σ = 0,5 por no conocer su valor
e = 0,05.
Reemplazando valores en la ecuación

500∗0,52 ∗1,962
n = 0,052 ∗(500−1)+0,52 ∗1,962 = 217

Ejemplo.- Calcule el tamaño de la muestra para una población de 500 con un error de
muestreo del 5% y nivel de confianza del 99%. Realice los cálculos de manera
manual y empleando Excel.
Solución:
N=500
NC = 99% para Z = 2,576
σ = 0,5 por no conocer su valor
e = 0,05.
Reemplazando valores en la ecuación

500∗0,52 ∗2,5762
n = 0,052 ∗(500−1)+0,52 ∗2,5762 = 286

Ejemplo.- Se desea estimar la calificación promedio de los estudiantes que toman la

asignatura metodología de la investigación II en la FCMF, considere el NC del 95%,
una desviación estándar de 1,644 para un error máximo de 0,75 puntos.

Solución
NC = 95% donde Z = 1,96
σ = 1,644
e = 0,75
2 ∗σ2
𝑍𝛼 1,962. ∗1,6442
Por lo tanto: n = = = 19
𝑒2 0,752
Ejemplo.- considere el ejercicio anterior, asuma una población de 600 estudiantes
Solución
NC = 95% donde Z = 1,96
σ = 1,644
e = 0,75
N = 600

𝑁∗σ2 ∗𝑍 2 600∗1,6442 ∗1,962

Por lo tanto: n = 𝑒 2 ∗(𝑁−1)+ 𝑍 2 ∗σ2 . = 0,752 ∗(600−1)+ 1.962 ∗1,6442 . = 18

Trabajo practico – previo taller: Resuelva al menos 1 ejercicio para cada modelo
matemático
1.- Calcule el tamaño de la muestra para una población de 500 con un error de muestreo
del 9% y nivel de confianza del 95%. Realice los cálculos de manera manual y
empleando Excel. Respuesta: 96

2.- Calcule el tamaño de la muestra para una población de 500 con un error de
muestreo del 9% y nivel de confianza del 99%. Realice los cálculos de manera
manual y empleando Excel. Respuesta: 146

Descargar:
http://www.ub.edu/ceea/sites/all/themes/ub/documents/Tamano_muestral.pdf