República Bolivariana de Venezuela
Ministerio del Poder Popular para la Educación Universitaria
Universidad Nacional Experimental Rafael María Baralt
Vicerrectorado académico
Programa: Administración
Cátedra: Estadística II
UNIDAD I: MUESTRA Y MUESTREO
Estudiantes:
Guerra Josmary, cédula: 30.010.172
Palm Yustin, cédula: 26.758.107
Quintero Laura, cédula:30.215.488
Sección: 321721
San Francisco, abril de 2022
DESARROLLO
* Tamaño de la muestra.
En estadística el tamaño de la muestra se le conoce como aquel número
determinado de sujetos o cosas que componen la muestra extraída de una
población, necesarios para que los datos obtenidos sean representativos de la
población. Una muestra es una selección de los encuestados elegidos y que
representan a la población total. El tamaño de la muestra es una porción significativa
de la población que cumple con las características de la investigación reduciendo
los costos y el tiempo.
Saber cómo determinar el tamaño de la muestra antes de comenzar una
investigación es un principio estadístico que nos ayuda a evitar el sesgo en la
interpretación de los resultados obtenidos. El tamaño de la muestra normalmente
es representado por "n" y siempre es un número entero positivo. No se puede hablar
de ningún tamaño exacto de la muestra, ya que puede variar dependiendo de los
diferentes marcos de investigación. Sin embargo, si todo lo demás es igual, una
muestra de tamaño grande brinda mayor precisión en las estimaciones de las
diversas propiedades de la población.
La elección del tamaño de la muestra depende de consideraciones no
estadísticas y estadísticas. Las consideraciones no estadísticas pueden incluir la
disponibilidad de los recursos, la mano de obra, el presupuesto, la ética y el marco
de muestreo. Las consideraciones estadísticas incluirán la precisión deseada de la
estimación de la prevalencia y la prevalencia esperada de los problemas oculares
en niños en edad escolar. Para determinar el tamaño adecuado de las muestras es
necesario seguir los tres criterios:
1. Nivel de precisión:
El nivel de precisión, también llamado error de muestreo, es el rango en
donde se estima que está el valor real de la población. Este rango se expresa en
puntos porcentuales. Por lo tanto, si un investigador descubre que el 70% de los
agricultores de la muestra han adoptado una tecnología recomendada con una tasa
de precisión de ± 5%, el investigador puede concluir que entre el 65% y el 75% de
los agricultores de la población han adoptado la nueva tecnología.
2. Nivel de confianza:
El intervalo de confianza es la medida estadística del número de veces de
cada 100 que se espera que los resultados se encuentren dentro de un rango
específico. Por ejemplo, un intervalo de confianza de 90% significa que los
resultados de una acción probablemente cubrirán las expectativas el 90% de las
veces.
La idea básica descripta en el Teorema del límite central es que cuando una
población se muestrea muchas veces, el valor promedio de un atributo obtenido es
igual al valor real de la población. En otras palabras, si un intervalo de confianza es
del 95%, significa que 95 de 100 muestras tendrán el valor real de la población
dentro del rango de precisión.
3. Grado de variabilidad:
Dependiendo de la población objetivo y los atributos a considerar, el grado
de variabilidad varía considerablemente. Cuanto más heterogénea sea una
población, mayor deberá ser el tamaño de la muestra para obtener un nivel óptimo
de precisión. Se toma en cuenta que una proporción de 55% indica un nivel más
alto de variabilidad que un 10% o un 80%. Esto se debe a que 10% y 80% significa
que una gran mayoría no posee o posee el atributo en cuestión.
Existen muchos enfoques para determinar el tamaño de la muestra,
incluyendo el uso de un censo en el caso de poblaciones más pequeñas, el uso de
tablas publicadas, imitar un tamaño de muestra de estudios similares y aplicar
fórmulas para calcular un tamaño de la muestra.
* Tipos de Muestreo:
Existen dos tipos principales de muestreo: el aleatorio o probabilístico y el no
aleatorio, también conocido como “no probabilístico”. A su vez cada una de estas
dos grandes categorías incluye diversas clases de muestreo que se distinguen en
función de factores como las características de la población de referencia o las
técnicas de selección empleadas
• Tipos de muestreo aleatorio o probabilístico
Hablamos de muestreo aleatorio en los casos en que todos los sujetos que
forman parte de una población tienen la misma probabilidad de ser escogidos como
parte de la muestra. Los muestreos de esta clase son más populares y útiles que
los no aleatorios, principalmente porque tienen una elevada representatividad y
permiten calcular el error de la muestra. Estos son:
1. Muestreo aleatorio simple:
En este tipo de muestreo las variables relevantes de la muestra tienen la
misma función de probabilidad y son independientes entre ellas. La población tiene
que ser infinita o bien finita con reposición de elementos. El muestreo aleatorio
simple es el que más se utiliza en la estadística inferencial, pero es menos eficaz
en muestras muy grandes.
2. Estratificado:
El muestreo aleatorio estratificado consiste en dividir la población en estratos;
un ejemplo de esto sería estudiar la relación entre el grado de satisfacción vital y el
nivel socioeconómico. Se extrae un número determinado de sujetos de cada uno de
los estratos por tal de mantener la proporción de la población de referencia.
3. De conglomerados:
En estadística, los conglomerados son conjuntos de elementos
poblacionales, como pueden ser las escuelas o los centros hospitalarios públicos
de un municipio. Al llevar a cabo este tipo de muestreo se divide la población (en
los ejemplos, una localidad concreta) en varios conglomerados y se elige de forma
aleatoria algunos de ellos para estudiarlos.
4. Sistemático:
En este caso se empieza dividiendo el número total de sujetos u
observaciones que conforman la población entre el que se quiere utilizar para la
muestra. Posteriormente se escoge un número al azar de entre los primeros y se va
sumando de forma constante este mismo valor; los elementos seleccionados
pasarán a formar parte de la muestra.
• Muestreos no aleatorios o no probabilísticos
Los muestreos no probabilísticos utilizan criterios con un bajo nivel de
sistematización que procuran asegurar que la muestra tenga un cierto grado de
representatividad. Este tipo de muestreos se emplean principalmente cuando no es
posible llevar a cabo otros de tipo aleatorio, lo cual es muy habitual a causa del
elevado coste de los procedimientos de control. Estos son:
1. Intencional, opinático o de conveniencia:
En el muestreo intencional el investigador escoge de forma voluntaria los
elementos que conformarán la muestra, dando por supuesto que esta será
representativa de la población de referencia. Un ejemplo que resultará familiar a los
estudiantes de psicología es la utilización de alumnos como muestra opinática por
parte de profesores universitarios.
2. Muestreo de bola de nieve o en cadena:
En este tipo de muestreo los investigadores establecen contacto con sujetos
determinados; a continuación estos consiguen a nuevos participantes para la
muestra hasta completarla. El muestreo de bola de nieve se usa generalmente
cuando se trabaja con poblaciones de difícil acceso, como en el caso de adictos a
sustancias o de miembros de culturas minoritarias.
3. Muestreo por cuotas o accidental:
Hablamos de muestreo por cuotas cuando los investigadores escogen un
número concreto de sujetos que cumplan unas características determinadas (por
ejemplo mujeres venezolanas de más de 65 años con deterioro cognitivo severo) a
partir de su conocimiento sobre los estratos de la población. El muestreo accidental
se usa con frecuencia en las encuestas.
* Metodos en el muestreo:
Métodos de muestreo no probabilísticos
El muestreo no probabilístico es una técnica de muestreo donde las muestras
se recogen por medio de un proceso que no les brinda a todos los individuos de la
población las mismas oportunidades de ser seleccionados.
Aunque seleccionar algunos de estos métodos podría resultar en datos
sesgados o en una capacidad limitada para hacer conclusiones generales basadas
en los hallazgos, también existen algunas situaciones en las que seleccionar este
tipo de técnica de muestreo es la mejor opción para cierta pregunta de investigación
o para una etapa de la investigación.
Existen 4 tipos de muestreo que puedes crear de esta manera.
Muestreo por conveniencia
El muestreo por conveniencia es el que se basa en los sujetos disponibles,
como detener a las personas en la esquina de la calle mientras pasan por ahí, es
un método de muestreo, aunque es extremadamente riesgoso y debe realizarse con
cautela.
Este método, también conocido como un método basado en los sujetos
disponibles, no le permite al investigador tener control sobre la representatividad de
la muestra.
Sin embargo, es útil si el investigador quiere estudiar las características de
las personas que pasan por la esquina de una calle en un momento determinado,
por ejemplo, o si el tiempo y los recursos son limitados de tal forma que la
investigación no sería posible de otra manera.
Por esta razón, un muestreo de conveniencia está entre los tipos de muestreo
que comúnmente se utilizan en las fases iniciales o fase piloto de la investigación,
antes de que se lance un proyecto de investigación más grande.
Aunque este método puede resultar útil, el investigador no podrá utilizar los
resultados de una muestra de conveniencia para generalizar una población más
amplia.
Muestreo deliberado, crítico o por juicio
El muestreo deliberado, crítico o por juicio es aquel que se selecciona con
base en el conocimiento de una población o propósito del estudio.
Por ejemplo, cuando sociólogos quieren estudiar los efectos emocionales y
psicológicos a largo plazo de la terminación de un embarazo, se puede crear una
muestra que incluya solamente a mujeres que se habían sometido a un aborto.
En este caso, los investigadores pueden utilizar una muestra intencional
porque los entrevistados cumplen con una descripción o propósito específico que
es necesario para realizar la investigación.
Muestreo Bola de Nieve
Es adecuado utilizar un muestreo bola de nieve cuando los miembros de una
población son difíciles de localizar, como las personas sin hogar, trabajadores
migrantes o inmigrantes indocumentados.
Una muestra de bola de nieve es aquella en la que el investigador recopila
datos sobre los pocos miembros de la población objetivo que puede localizar, y
luego les pide que le proporcionen la información necesaria para localizar a otros
miembros que conozcan de esa población.
Por ejemplo, si un investigador quiere entrevistar a inmigrantes
indocumentados de México, podría entrevistar a algunos indocumentados que
conozca o pueda localizar, y luego dependerá de esos sujetos para que lo ayuden
a localizar a más individuos indocumentados.
Este proceso continúa hasta que el investigador tenga todas las entrevistas
que necesita o hasta que se hayan agotado todos los contactos.
Esta técnica es útil cuando se estudia un tema sensible en el que la gente
podría no hablar abiertamente, o si hablar sobre los temas investigados podría
poner en peligro su seguridad. Una recomendación de un amigo o conocido de que
el investigador es confiable funciona para aumentar el tamaño de la muestra.
Muestreo por Cuotas
El muestreo por cuotas es aquel en la que las unidades son seleccionadas
en una muestra partiendo de las características predeterminadas, de modo que la
muestra total tenga la misma distribución de características que se supone que
existen en la población que está siendo estudiada.
Por ejemplo, si eres un investigador que está realizando una muestra por
cuota nacional, podrías necesitar saber qué proporción de la población es masculina
y qué proporción es femenina.
Así como también qué proporciones de los miembros de cada género
pertenecen a las diferentes categorías de edad, raza o étnicas, educativas, entre
otras. Después, el investigador recogería una muestra con las mismas proporciones
que la población nacional.
Métodos de muestro probabilísticos
El muestreo probabilístico es una técnica en la cual las muestras son
recogidas mediante un proceso que le brinda a todos los individuos de la población
la misma oportunidad de ser seleccionados.
Muchos consideran que este es metodológicamente el enfoque más riguroso
para el muestreo, ya que elimina los sesgos sociales que podrían moldear la
muestra de investigación. Sin embargo, en última instancia la técnica de muestreo
que elijas debe ser la que te permita responder mejor a tu pregunta de investigación.
Vamos a analizar los 4 tipos de muestreo probabilístico.
Muestreo aleatorio simple
El muestreo aleatorio simple es el método de muestreo básico utilizado en
métodos estadísticos y cálculos.
Para recopilar una muestra aleatoria simple, a cada unidad de la población
objetivo se le asigna un número. Luego se genera un conjunto de números
aleatorios y las unidades que tienen esos números son incluidas en la muestra.
Por ejemplo, supongamos que tienes una población de 1,000 personas y
quieres seleccionar una muestra aleatoria simple de 50 personas. Primero, cada
persona está numerada del 1 al 1,000.
Luego, generas una lista de 50 números aleatorios, generalmente con un
programa informático, y los individuos que tienen asignados estos números son los
que vas a incluir en la muestra.
Cuando se estudia a las personas, está técnica funciona mejor con una
población homogénea, que no sean muy diferentes en edad, raza, escolaridad o
clase, ya que con una población heterogénea se corre el riesgo de crear una
muestra sesgada si no se toman en cuenta las diferencias demográficas.
Muestreo sistemático
El muestreo sistemático es aquel en el que los elementos de la población se
ponen en una lista y luego cada enésimo elemento de la lista se selecciona
sistemáticamente para su inclusión en la muestra.
Por ejemplo, si la población de estudio contenía 2,000 estudiantes de una
secundaria y el investigador quería una muestra de 100 estudiantes, los estudiantes
se colocarían en forma de lista y luego cada veinteavo estudiante sería seleccionado
para ser incluido en la muestra.
Para garantizar que no haya ningún sesgo humano en este método, el
investigador debe seleccionar aleatoriamente al primer individuo. Esto es
técnicamente llamado una muestra sistemática con un inicio aleatorio.
Muestreo estratificado
El muestreo estratificado es una técnica de muestreo en la que el
investigador divide a toda la población objetivo en diferentes subgrupos o estratos,
y luego selecciona aleatoriamente a los sujetos finales de los diferentes estratos de
forma proporcional.
Este tipo de muestreo se utiliza cuando el investigador quiere resaltar
subgrupos específicos dentro de una población.
Por ejemplo, para obtener una muestra estratificada de estudiantes
universitarios, el investigador primero tendría que organizar a la población por grado
universitario y luego seleccionar el número adecuado de estudiantes de primer,
segundo, tercer y último año.
Esto aseguraría que el investigador tenga cantidades adecuadas de sujetos
de cada grado en la muestra final.
Muestreo por conglomerados
El muestreo por conglomerados puede ser utilizado cuando es imposible o
impráctico elaborar una lista exhaustiva de los elementos que constituyen a la
población objetivo. Sin embargo, generalmente los elementos de la población ya
están agrupados en subpoblaciones y las listas de esas subpoblaciones ya existen
o pueden ser creadas.
Por ejemplo, supongamos que la población objetivo de un estudio eran los
miembros de iglesias en Venezuela. No existe una lista de los miembros de las
iglesias en el país.
Sin embargo, el investigador podría elaborar una lista de iglesias ubicadas
en Venezuela, seleccionar una muestra de iglesias y luego conseguir listas de los
miembros de esas iglesias.
* Aplicaciones en el campo de la administración.
Los campos de aplicación del muestreo probabilístico, no probabilístico y sus
combinaciones, los más comunes son:
Estudios de mercado:
En estudios de mercado y el marketing es crucial saber escoger bien el
público objetivo o target para no malgastar los recursos y conseguir muestras
representativas más económicas. Entre los estudios de mercado en los que más se
suele recurrir a técnicas de muestreo, destacan los siguientes:
Comportamiento del consumidor de un bien o servicio
Estudio de segmentación del mercado
Posicionamiento de un bien o servicio
Grado de importancia de la mezcla de mercado, por parte del consumidor
Estudio de opinión de los consumidores, sobre un bien o servicio
Grado de importancia de atributos comerciales de bienes y servicios
Medición de la calidad del servicio percibido
Cambios de tendencia de las ventas
Métodos para rechazar o aceptar un cliente potencial
Segmentación de zonas geográficas
Predicciones de ventas por zonas, bienes, servicios, sucursales, canales de
comercialización
Relacionar características del mercado con características demográficas,
geográficas, psicográficas y sociales
Estudios de calidad y satisfacción con el servicio:
Dentro de los estudios de evaluación y calidad del servicio, es necesario
elegir muestras representativas de clientes o usuarios para conocer la percepción
que tienen sobre un producto o servicio y de qué manera se puede mejorar, sin
necesidad de preguntar a todos nuestros clientes.
Análisis de la satisfacción del cliente
Control estadístico de un sistema de calidad
Aplicación de herramientas estadísticas de calidad
Análisis del diseño empresarial y organizacional
De la misma manera, se utilizan sistemas de muestreo para mejorar las
estructuras organizacionales de cualquier empresa u organización, desde los
estudios de procesos hasta los de recursos humanos.
Mejoramiento de los procesos de una empresa
Estudios sobre el clima laboral
Estudios de recursos humanos en empresas
Investigación social aplicada:
Por último, y de manera más global, el muestreo es un pilar básico de
cualquier tipo de investigación social, tanto a nivel de Ciencias Sociales,
Administrativas, de la Salud, Humanidades o de cualquier rama del conocimiento
en la que se empleen métodos y técnicas de investigación social, en estudios como:
Encuesta en investigaciones cuantitativas y cualitativas
Validez, Confiabilidad y Dimensionalidad de instrumentos de investigación
Elaboración de escalas
Diseño y Análisis de experimentos (específicos para la Ciencias Sociales)
Análisis estadístico de proyectos
Evaluación de programas
* Aplicación del software estadístico para la resolución de problemas
aplicados a la Administracion
Los programas informáticos estadísticos son herramientas que se utilizan
para el análisis estadístico de la recopilación, organización, análisis, interpretación
y presentación de datos. Las estadísticas empresariales les ayudan a descubrir los
patrones y tendencias de los clientes y otra información útil que les ayuda a tomar
decisiones.
Es una realidad que el mercado de empleos se va a ver afectado por los
avances tecnológicos. En el campo de la estadística es necesario contar con
programas informáticos que reducen costos y esfuerzos para hacer análisis.
La información cualitativa es importante como la cuantitativa para ofrecer una
perspectiva amplia del objeto de estudio. Los reportes estadísticos deben contar
con ambos tipos de información, una simple cifra no siempre alcanza a explicar si
un impacto es positivo o negativo.
Utilizar software estadístico en las compañías mejorará su enfoque
estratégico para la planificación de los avances tecnológicos. No solo es atractivo
por la eficiencia de reducir costes, también por las nuevas capacidades
empresariales que resultan de un cambio evolutivo.
Toda gestión de calidad de los procesos debe enfocarse en obtener
resultados para la satisfacción de los clientes. El perfeccionamiento de la capacidad
de competir se consigue desarrollando nuevas capacidades y cualidades. Los
softwares analíticos aceleran el potencial de innovación teniendo en cuenta los
aspectos que deben cambiar. Conocer la información a tiempo les permite a las
empresas adaptarse a las condiciones medioambientales. El software tiene el
alcance de monitorear actividades que causan impactos en diferentes ámbitos.
Ejemplos de softwares estadísticos:
1. SPSS: el software de estadística más valorado
La herramienta existe desde hace más de 50 años. Es una herramienta
sofisticada diseñada originalmente para respaldar el análisis y la gestión de datos
de ciencias sociales. Hoy en día, el software tiene un uso generalizado en el mundo
académico, pero los académicos no son los únicos profesionales que lo utilizan.
2. Excel
Excel es bastante fácil de usar. No necesitará inscribirse en costosos cursos
de análisis de datos. Pero descubrir las tablas dinámicas puede ser algo desafiante.
Es una herramienta de análisis de datos con muchas funciones que permite a los
analistas aprovechar al máximo sus datos. Con este software, puede ordenar o
filtrar sus datos de la forma que desee. Por ejemplo, puede ordenar los datos del
valor más alto al más bajo. También puede filtrar sus datos sobre la base de varios
criterios, entre otros.
3. Python
Python es mucho más que un lenguaje de programación popular. Se sitúa como
una excelente herramienta de análisis de datos. Le ayuda a realizar muchos
procedimientos avanzados y es compatible con el desarrollo de modelos
sofisticados.
También puede utilizar Python para importar y exportar conjuntos de
datos. Además, puede usarlo para manejar regresión lineal simple, regresión lineal
múltiple y regresión polinomial.
4. SAS
SAS se encuentra entre las mejores herramientas de análisis de datos
disponibles en la actualidad. Esta herramienta admite sin problemas el análisis
multivariante, el análisis avanzado, la inteligencia empresarial, el análisis predictivo
y la gestión de datos.
5. STATA
La herramienta es un paquete de software para todo uso que siempre arroja
resultados confiables. STATA es fácil de usar, crecer, automatizar y ampliar. Ofrece
una creación dinámica de documentos que respalda la producción de
investigaciones verdaderamente reproducibles. Adicionalmente es compatible en
todas las plataformas.
6. NVIVO
Así que ha recopilado una gran cantidad de datos cualitativos o de métodos
mixtos de alta calidad y ahora se está preparando para analizarlos. Necesita un
software estadístico de calidad y darle un buen uso. NVIVO se enorgullece de estar
entre los mejores programas de análisis de datos cualitativos y de métodos mixtos
jamás diseñado.
