PROYECTO DE

TRABAJO DE
INVESTIGACIÓN
Reglamento de trabajos de investigación y tesis UNALM
RESOLUCIÓN N° 0268-2019-CU-UNALM (25/06/2019)
ESTRUCTURA DEL PROYECTO DE TRABAJO DE INVESTIGACIÓN

Título
I. Problema de investigación
II. Objetivo
III. Justificación
IV. Revisión de literatura
V. Hipótesis
VI. Metodología
VII. Cronograma
VIII. Presupuesto
IX. Colaboradores
X. Bibliografía
XI. Anexo (Matriz de consistencia)
 TÍTULO
I PROBLEMA DE INVESTIGACIÓN
II OBJETIVOS
III JUSTIFICACIÓN
IV ANTECEDENTES
V HIPÓTESIS
VI METODOLOGÍA
6.1 tipos de investigación
6.2 Identificación y operacionalización de
variables
6.3 Diseño de la investigación
6.4 Población y muestra
 METODOLOGÍA

Aunque no todos los científicos emplean los mismos métodos

para realizar los descubrimientos científicos, todos tienen unas
características comunes.
 POBLACIÓN
Conjunto total de individuos, objetos o medidas que poseen algunas
características comunes observables en un lugar y un momento
determinado.

Para la investigación deben considerarse algunas características para

seleccionar la población en estudio. Entre ellos:

1. Homogeneidad: Todos los miembros de la población tengan las mismas

características según las variables de la investigación.

2. Tiempo: Período de tiempo donde se ubica la población de interés. Es en el

momento presente, retrospectivo o intergeneracional.

3. Espacio: Lugar donde se ubica la población de interés, por tiempo y

recursos se debe limitar a un área o comunidad específica.

4. Cantidad: El tamaño de la población afecta el tamaño de

la muestra a seleccionar, los recursos y tiempo.
 MUESTRA
Parte de la población que se selecciona y sobre la cual se efectúa
la observación o medición correspondiente.

El tipo de muestra dependerá de la calidad y la representación que

se quiera del estudio de la población:

Aleatoria:
Se selecciona al azar, cada miembro tiene igual
oportunidad de ser incluido.
Proceso Estadístico
Estratificada:
Subgrupos según variables o características a POBLACIÓN
investigar. Cada estrato corresponde proporcio-
nalmente a la población.
Inferencia
Estadística
Sistemática:
Establece un patrón o criterio al seleccionar la
muestra. MUESTRA

Ej. Se entrevista una familia por cada diez de ellas.

 MUESTREO
Técnicas estadísticas que estudian la forma de seleccionar una muestra
representativa de una población, cuya información permite inferir las
propiedades o características de toda la población, cometiendo un error
medible y acotable.

Al seleccionar una muestra se estudia una parte o un subconjunto

representativo de la población.

El tamaño de la muestra depende de la precisión con

que se desea llevar a cabo el estudio. La muestra debe
ser tan grande como posible.
POBLACIÓN
Investigación experimental, por su naturaleza y por la
necesidad de tener control sobre las variables, se
recomienda muestras pequeñas.

Investigación descriptiva, Usa muestra grande, se

MUESTRA
recomienda de 10 a 20% de la población accesible.
 TIPOS DE ERROR
Error de muestreo Error ajeno al muestreo
• Error inevitable, siempre habrá • Definición incorrecta en la
diferencia entre los valores medios población referencial.
de la muestra (x) y los valores
medios de la población (μ). • Respuestas imprecisas o falsas en
las encuestas.
• A mayor tamaño de muestra menor
error. • Falta de respuesta.

• A mayor dispersión o desviación • Sesgo en la selección de los

estándar del estimador (s1) mayor elementos de la muestra.
tamaño del error. • Error de manipulación, tabulación y
• Se controla por intervalos de calculo.
confianza, nivel de significancia (Z)
entre otros.
 TIPOS DE
MUESTREO Intencional
Procura la muestra sea
representativa (subjetiva).

No probabilístico
Sin norma
No usa selección aleatoria.
La muestra se selecciona a Se toma la muestra de cualquier
criterio del investigador. manera, es representativa si la
Muestreo población es homogénea.

Con reemplazo
Probabilístico
Un elemento puede integrar más
de una vez la muestra.
Cada muestra tiene la
misma probabilidad de Sin reemplazo
ser elegida.
Un mismo elemento no puede
integrar más de una muestra.
 Muestreo
probabilístico

Aleatorio Aleatorio Por

Sistemático
simple estratificado conglomerados

Seleccionan n Divide la población Divide la población Divide la población

unidades de la en grupos. en estratos, de en grupos por
población (N), Se selecciona uno acuerdo al estudio. proximidad u otro
cualquier unidad al azar del primer Selecciona muestra criterio.
tiene la misma aleatoria por Cada grupo es
grupo, se elige el
probabilidad de estrato: heterogéneo y se
que ocupa el
El mismo número
ser elegida. mismo lugar en representa todas
en cada estrato,
todos los grupos. las características
proporcional,
óptima. de la población.
MUESTREO: Asegura la representatividad de la muestra y permite
el cálculo de la estimación de los errores que se cometen.

MUESTREO ALEATORIO SIMPLE:

• Se selecciona muestra de tamaño n de la población de N unidades, cada
elemento tiene probabilidad de inclusión igual y conocida de: n/N.

• Es un método sencillo y fácil de comprender.

• Requiere se conozca de antemano la población.

Cálculo tamaño de muestra:

Considerar el parámetro, el estimador, el error muestral (e),
el nivel de confianza (Z) y la varianza poblacional (σ2).
 MUESTREO ALEATORIO SIMPLE
PARÁMETRO: Es la característica de la población que es objeto
de estudio
ESTIMADOR: Es la función de la muestra que se usa para medirlo.
Se describe características de la población, como media aritmética (x), la
mediana, o desviación estándar (s) como parámetro poblacional (σ).

Ej: Inferencia es el proceso de estimar un parámetro a partir del estadístico,

como media muestral para estimar la media de la población (un parámetro).

Símbolo para el Símbolo para el

Medida estadístico parámetro
(muestra) (población)
Media x µ
Desviación estándar s σ
Variancia s2 σ2
Número de elementos n N
Proporción p P
 MUESTREO ALEATORIO SIMPLE
ERROR MUESTRAL: Se comete por existir pérdida de representatividad
al momento de escoger los elementos de la muestra (e).

NIVEL DE CONFIANZA (Nivel de significancia):

Probabilidad que la estimación se ajuste a la realidad; es decir, se

encuentre en un intervalo determinado y que capte el valor verdadero
del parámetro a medir (Z).
Es el error que se puede cometer, al rechazar la hipótesis nula (H0) , siendo
esta verdadera.

Por lo general se trabaja con un nivel de significancia de 0.05, que indica que
hay probabilidad de 95% que la hipótesis nula (H0) sea verdadera.

Nivel de confianza 99.73% 99% 98% 96% 95% 90% 80%

Valores de Z 3.00 2.58 2.33 2.05 1.96 1.645 1.28

 MUESTREO ALEATORIO SIMPLE
El tamaño de la muestra depende de los parámetros a estimar, es
decir, si nos interesa conocer la media aritmética (μ), la proporción
poblacional (P), diferencias de medias (μ1-μ2), la diferencia de
proporciones (P1-P2). Variables cuantitativas.

Fórmula para calcular el tamaño de muestra para estimar μ (media)

Cuando no se conoce la población Cuando se conoce la población

(Población infinita) (Población finita)

Z  2 2 Z 2 2 N
n n 2
e2 d ( N  1)  Z 2 2

Z: Corresponde al nivel de confianza elegido. Valor critico obtenido de acuerdo al

nivel de confianza según tabla de distribución normal
σ: Desviación estándar de variable cuantitativa. Varianza de la población (si no se
tiene se asume 0.5). Se obtiene por Censo, estudio anterior o encuesta piloto.
e: Error máximo muestral deseado.
d: Variable de precisión
N: Tamaño de la población
 MUESTREO ALEATORIO SIMPLE
Fórmula para calcular el tamaño de muestra para estimar P (proporción
poblacional). Variables cualitativas.

Cuando no se conoce la población Cuando se conoce la población

(Población infinita) (Población finita)

Z 2 p (1  p ) Z 2 pqN
n n 2
e2 e ( N  1)  Z 2 pq

Z: Corresponde al nivel de confianza elegido. Valor critico obtenido de acuerdo al nivel de

confianza según tabla de distribución normal
p: Proporción de individuos que poseen en la población la característica de estudio, se asume 0.5
q: Proporción de individuos que NO poseen en la población la característica de estudio, se asume
0.5
e: Error máximo muestral deseado.
N: Tamaño de la población

http://www.academia.edu/8958300/TAMA%C3%91O_DE_LA_MUESTRA_Y_DISE%C3%91OS_MUESTRALES_MUESTREO_CONCEPTO_TIPO
S_DISE%C3%91OS_MUESTRALES_DE_USO_FRECUENTE_ALEATORIO_SIMPLE_CALCULO_DEL_TAMA%C3%91O_MUESTRAL_ESTIMA
R_LA_MEDIA_POBLACIONAL_ESTIMAR_LA_PROPORCION_POBLACIONAL_SISTEMATICO_ESTRATIFICADO_POR_CONGLOMERADO
 POBLACIÓN FINITA E INFINITA
Población finita: La que tiene unas dimensiones contables, son
poblaciones conocidas y definidas (existe un marco muestral).

Población infinita: La que tiene un elemento incontable de elementos

(no existe un marco muestral por no haber registros, se asume la
población es desconocida o infinita).

Según la estadística, si una población es finita pero muy grande,

desde un punto de vista estadístico da igual considerarla infinita.

No siempre se toma la muestra, si el número de la población es poco,

debe considerarse el censo, más que la muestra.

El estudio debe considerar la población más que la muestra.

No toda muestra es representativa (estudio de caso).

 MUESTRA CON POBLACIÓN INFINITA
(Población infinita o desconocida) Z: Nivel de confianza según tabla de distribución normal
σ: Varianza de la población (si no se tiene se asume 0.5)
Z  Z p (1  p )
2 2 2

n n e: Error máximo muestral deseado.

e2 e2 p: Proporción que poseen la característica de estudio
q: Proporción NO poseen la característica de estudio

Valor Valor^2 Tamaño muestra

Nivel de confianza Z, al 95% de confianza 1.96 3.8416
Desviación estándar σ, desconocido 0.50 0.25
Error muestral e al 1% 0.01 0.0001 9,604
e al 2% 0.02 0.0004 2,401
e al 3% 0.03 0.0009 1,067
e al 4% 0.04 0.0016 600
e al 5% 0.05 0.0025 384
e al 6% 0.06 0.0036 267
e al 7% 0.07 0.0049 196
e al 8% 0.08 0.0064 150

(1.96) 2 * (0.5)(0.5) (3.8416) * (0.25) 0.9604

n 2
   384
0.05 0.0025 0.0025
 MUESTRA CON POBLACIÓN FINITA
Se conoce el marco muestral Z: Nivel de confianza según tabla de distribución normal
e: Error máximo muestral deseado.
2
Z pqN
n p: Proporción que poseen la característica de estudio
e 2 ( N  1)  Z 2 pq q: Proporción NO poseen la característica de estudio

Valor Valor^2 Tamaño muestra

Marco muestral N (población) 800
Z de (1-α/2) Z, al 95% de confianza 1.96 3.8416
Prevalencia del atributo p, si no se conoce 0.5 0.25
Complemento de p q (1-p) 0.5
Precisión (error) e (error muestral) 0.05 0.0025
N-1 799
(Z^2)pqN 768.32
(e^2)(N-1)+(Z^2)pq 2.9579 260

N = 1,000 278
N = 3,000 341
N = 10,000 370
N = 20,000 377
p, q: Variable categórica dicotómica N = 50,000 381
(posee o no posee el atributo). N = 100,000 383
N = 1,000,000 384
 MUESTRA CON POBLACIÓN FINITA
Se conoce el marco muestral Z: Nivel de confianza según tabla de distribución normal
σ: Desviación estándar de población (no se tiene asume 0.5)
Z  N
2 2
n σ2: Variancia
d 2 ( N  1)  Z 2 2 d: Variable de precisión deseado.

Valor Valor^2 Tamaño de muestra

Marco muestral N 800
Z de (1-α/2) Z, al 95% de confianza 1.96 3.8416
Desviación estándar σ 2 4
Precisión (d) d (10% valor de σ) 0.2 0.04
N-1 799
(Z^2)(σ^2)N 12293.12
(d^2)(N-1)+(Z^2)(σ^2) 47.3274 260
N = 1,000 278
N = 3,000 341
N = 10,000 370
N = 20,000 377
N = 50,000 381
N = 100,000 383
N = 1,000,000 384
N = 2,000,000 384

σ: Variabilidad de la variable cuantitativa (se conoce el valor), sino se conoce se extrae una muestra piloto,
se toman los datos y se calcula la desviación estándar muestral (s)
 MUESTRA ESTRATIFICADA
Se divide la población en estratos disjuntos. La muestra se crea
seleccionando por separado individuos de cada estrato.

Muestreo aleatorio estratificado: Los estratos son grupos homogéneos

de individuos, pero heterogéneos entre sí.
Ej. Comportamiento entre hombres y mujeres, dos estratos.

Este muestreo reduce el error muestral respecto al muestreo aleatorio

convencional, mejora la precisión de resultados.

Estratos se definen con variables

sociodemográficas de la población
(edad, sexo, clase social, región, etc.).

Dividir la muestra en grupos

excluyentes para discriminar sus
comportamientos.
 MUESTRA ESTRATIFICADA
Para conocer la proporción a encuestar en productores de arroz.


L
h 1
N h Ph Qh d2 0.05
2
n E E  0.00065077
1
 (1.96) 2
L 2
NE  h 1
N h Ph Qh ( Z1 / 2 )
N

Estrato Población Ph Qh PhQh NhPhQh Wh

1. (Pequeño) 11,000 0.5 0.5 0.25 2,750 55 %

2. (Mediano) 6,000 0.5 0.5 0.25 1,500 30 %

3. (Grande) 3,000 0.5 0.5 0.25 750 15 %

Total 20,000 5,000 100%


L
h 1
N h PhQh

1 L
NE  13.0154102 NE   N h PhQh  13.2654102
N h1
1

L
h 1
N h PhQh  0.25 n  376 .92 n  377
N
 TIPOS DE MUESTREO ESTRATIFICADO
1. MUESTREO ESTRATIFICADO PROPORCIONAL
Divide la población en estratos con tamaños diferentes.
Ej. Productores de arroz en Lambayeque (con diferencias entre ellos).
Estratos: Con menos de 10 ha; de 10 a 30 ha; más de 30 ha.

Es de esperar que no todos los estratos tengan igual tamaño.

La muestra tiene estratos que guardan la proporción de la población.

Si queremos una muestra de 377 individuos, los estratos tienen:

Estrato Población Proporción Muestra

1. (Pequeño) 11,000 55 % 207
2. (Mediano) 6,000 30 % 113
3. (Grande) 3,000 15 % 57
Total 20,000 100% 377
2. MUESTREO ESTRATIFICADO UNIFORME (igual)
Se asigna el mismo tamaño de muestra a todos los estratos definidos, sin
importar su peso en la población. Ej. Se define la muestra por estrato:

Estrato Población Proporción Muestra

1. (Pequeño) 11,000 55 % 126
2. (Mediano) 6,000 30 % 126
3. (Grande) 3,000 15 % 125
Total 20,000 100% 377

El tamaño de la muestra es igual en todos los estratos. La técnica

favorece los estratos con menor peso en la población.
Se reduce la eficiencia de la muestra (menor precisión en el resultado total),
pero se estudia las características de todos los estratos con mayor precisión.

Ej. Se emite afirmación sobre el estrato 3 (más de 30 ha) con menor

error muestral, pues empleamos una muestra mayor.
 MUESTRAS NO PROBABILÍSTICAS
MUESTREO POR CONVENIENCIA
Seleccionan individuos que convienen a la muestra, sea por proximidad
geográfica o ser la población de interés. No permite la validez externa.
Ejemplos
Un hospital estudia la eficacia de la nueva vacuna contra la gripe y lo hace
sobre sus pacientes por que le genera menos costos económicos.

Opinión de universitarios sobre política. En 3 universidades cercanas, se

encuesta al turno mañana que aceptan participar.
Limitación, si universidades correlacionan con estratos sociales y opiniones
políticas. Los del turno tarde podrían tener opinión distinta (trabajan y estudian).

Si no existen sesgos de la población, puede

ser buena imagen, pero no se sabe porque
no se puede usar herramientas estadísticas
para medir la precisión de resultados.
Se usa para pilotos.
MUESTREO POR CUOTAS, tres fases:
1. Segmentación: Se divide la población en grupos excluyentes. La
segmentación es con alguna variable (sexo, edad, región, etc.).

2. Tamaño de cuotas: En forma proporcional al tamaño del grupo.

Ej. 60% mujeres y 40% hombres (igual representación).
Caso No proporcional: se profundiza a un grupo específico.

3. Selección: La selección es por conveniencia, hasta cubrir la cuota.

Es popular en investigación online (salvo cuente panel probabilístico).

Ventaja: resultado a costo efectivo.

Desventaja: Imposibilidad de acotar
el error cometido, el costo crece si
añadimos variables y cuotas.
MUESTREO BOLA DE NIEVE

Técnica no probabilística en la que los individuos seleccionados

reclutan a nuevos participantes entre sus conocidos. La técnica
permite que el tamaño de la muestra vaya creciendo.

Para acceder a poblaciones de baja incidencia, de difícil acceso,

colectivo específico, nicho (coleccionistas, pacientes enfermedad
rara). Con selección aleatoria gran cantidad de candidatos serían
descartados.

Lineal

Exponencial no discriminatorio

Exponencial discriminatorio
 PORQUÉ UTILIZAR MUESTRAS
a. Estudiar a menos individuos lleva menos tiempo y costos.

b. Estudiar todas las personas con una característica determinada

puede ser una tarea inaccesible o imposible de realizar.

c. Aumenta la calidad del estudio. Se dispone más tiempo y

recursos. Las observaciones y mediciones a un reducido número
de individuos pueden ser más exactas y plurales que si se realizan
a una población.

d. La selección de muestras específicas permite

reducir la heterogeneidad de una población al
indicar los criterios de inclusión y/o exclusión.

e. Al tomar una muestra se inserta un error aleatorio.

“IMPACTO ECONÓMICO EN LA CADENA PRODUCTIVA DIRECTA DE LA NARANJA POR
EL INGRESO DEL HUANGLONGBING, PROSPECTIVA 2030, DEPARTAMENTO DE JUNÍN”

La población es conformada por productores de naranja de las provincias de Satipo y

Chanchamayo en el Departamento de Junín.

Tabla 1 Número de Unidades Agropecuarias a nivel provincial

Departamento Provincia Número de U. A.
Junín Chanchamayo 1,834
Satipo 1,532
Total 3,366

Datos CENAGRO (2012)

El tamaño de la muestra fue calculado con el método aleatorio simple para poblaciones
finitas cuya fórmula se muestra a continuación:

Dónde:
N: Tamaño de la población
n: Tamaño de muestra
Z: Valor critico del nivel de confianza (95 %), tabla de distribución normal
e: Error muestral deseado (5 %)
𝜎: Varianza de la población (p.q)
“IMPACTO ECONÓMICO EN LA CADENA PRODUCTIVA DIRECTA DE LA NARANJA POR
EL INGRESO DEL HUANGLONGBING, PROSPECTIVA 2030, DEPARTAMENTO DE JUNÍN”

Por tanto, después del desarrollo de la metodología se obtuvo una muestra de 345
Unidades Agropecuarias, a un nivel de confianza del 95 % y un error muestral del 5 %.
El número de encuestas que se obtuvo a nivel distrital se muestra en la Tabla 2

Tabla 2 Número de encuestas a nivel distrital

Participación Número de
Provincia Distrito Producción TM
por producción productores
Perené 62,179 28.6 % 99
Pichanaqui 25,718 11.8 % 41
Chanchamayo Chanchamayo 16,007 7.4 % 25
San Ramón 9,951 4.6 % 16
San Luis de Shauro 8,518 3.9 % 14
Satipo 38,726 17.8 % 61
Pangoa 31,031 14.3 % 49
Satipo
Mazamari 12,815 5.9 % 20
Río Negro 12,303 5.7 % 20
TOTAL 217,248 100.0 % 345