Como aprender a hacer un muestreo

Conceptos básicos del muestreo

Junto con la entrevista estandarizada ningún otro procedimiento ha ejercido una influencia tan considerable.

En sociología se usan las muestras de población, pero es necesario que el diseño muestral y su desarrollo se ajusten a unos principios y a una metodología.

Muestreo probabilístico

• Sirve para cantidades, cuantifica.

• Todos los casos presentes en el marco muestral tienen la probabilidad de estar en el marco final

• Es ciego a la hora de seleccionar elementos de las muestras finales

• No requiere un conocimiento elevado de la población a estudiar

• Permite inferencias estadísticas

Su potencialidad está en la capacidad de estimar el posible error que afecte al estimado muestral, pero este diseño está sujeto a fuertes restricciones técnicas.

Una estrategia complicada de muestreo probabilístico acostumbra a ser la respuesta a que la realidad social es aún más complicada

El punto de partida para afrontar un diseño muestral es definir cuál es el universo o población de estudio (en sentido técnico indicando la totalidad de los elementos de estudio/unidades de análisis), de acuerdo con los objetivos de estudio; ya que de ello dependerán los resultados.

(Cuando se habla de población general se entiende que es la estudiada compuesta por hombres y mujeres de más de 18 que habitan en un área geográfica definida. Es frecuente en los estudios de opinión pública)

Decidir a que población se dirige el estudio sirve para tener presentes los elementos que forman parte de ella y los que no, se debe evaluar en que grado la presencia o no presencia de los elementos excluidos puede afectar al estudio

Ventajas de utilizar muestras

(Cuando la población ha sido definida, es el momento de tomar una muestra de ella. La totalidad de todos los elementos del universo se denomina censo, y al alternativa de seleccionar sólo una parte, muestreo.)

• La economía que supone usar una muestra en lugar de un censo, sobretodo si el ámbito de estudio es muy grande

• La mayor rapidez de recogida de datos y elaboración de los resultados, sobretodo cuando se trabaja con temas y poblaciones dinámicos y cambiantes.

• La realización de censos no se puede plantear como una cuestión de principio, ya que el hecho mismo de la encuesta destruiría el objeto de la misma

• Una muestra ofrece mejor calidad y precisión de los datos que un censo(porque se puede prestar una mayor atención a la recolección de éstos)

El objetivo de la teoría del muestreo es obtener estimados maestralmente fiables.

Selección de elementos

1º Selección de población

2º Selección de elementos de población que formarán parte de la muestra(marco muestral, que esté en relación con el diseño de muestra que se elija)

formas de construir un marco muestral

-Obtener un listado de todos los elementos

-Proveerse de una regla para identificarlos, ya que listar los elementos no siempre es posible.

-Listado con los elementos de la población (si se posee)

Hace falta conocer la distribución de las unidades de muestreo sobre el espacio y cuáles son sus características básicas.

problemas más frecuentes

-Elementos perdidos Marco muestral inadecuado

No cubrir toda la población

-Elementos extraños

-Agrupaciones

-Duplicaciones

Un aspecto importante es la homogeneidad de la población.

También conseguir una información fiable al menor coste.

Tipos de muestreo probabilístico

• Muestreo aleatorio simple (monoetápico)

• Muestreo aleatorio sistemático (monoetápico)

• Muestreo estratificado

• Muestreo por conglomerados (polietápico , las unidades muéstrales son conglomerados de elementos)

Muestreo no probabilístico

• Útil cuando se quiere cualificar

• Todos los casos no tiene la misma probabilidad de ser seleccionados para la muestra

• El investigador elige los casos que más le interesan para una información ma´s rica

• Requiere un conocimiento elevado de la población

• Permite hacer inferencias lógicas

Tipos:

• Muestreo de conveniencia : en los límites periféricos del muestreo metodológico

• Muestreo por cuotas: estructura de muestreo probabilístico

• Muestreo intencional: desarrolla la potencialidad de un muestreo no probabilístico

En cuanto a encuestas sociales se suelen usar los dos primeros.

Muestreo de conveniencia (fortuito o accidental)

El investigador selecciona aquellos casos que le están más disponibles. Los resultados que se obtengan no podrán generalizarse más allá de los individuos que componen la muestra, al igual que las conclusiones.

Se usan para efectuar los pretexto en los primeros diseños de cuestionarios, donde se comprueba si las preguntas son comprensibles. Aquí es donde son más útiles para la investigación social (si es con individuos de características semejantes)

Muestreo por cuotas

Es una serie bastante amplia de variantes la mayoría de las cuales se asemeja bastante a una muestra aleatoria estratificada con afijación proporcional. Todo muestreo por cuotas rompe el proceso de aleatoriedad en la fase de extracción del elemento muestral (la selección del entrevistado)

Pasos:

• Selección de unas características de control tales como : edad , sexo…etc. Las variables de control se escogen porque se cree que están relacionadas con la variable a investigar, Se emplean para estratificar la población determinar que proporción e ella tiene cada estrato.

• Se adopta una representación general de cada estrato en la muestra final

• Elección del entrevistado (con las características que deben reunir de acuerdo con las variables de control que se emplearon para estratificar al población y fijar la muestra)

Este método asume que una muestra que se parece a la población con respecto a características importantes, lo hará de igual forma respecto a las demás que se quieren estudiar (una aunción bastante arriesgada)

Ventajas del muestreo por cuotas

• Bajo coste.

• Asegura la heterogeneidad y proporcionalidad de la muestra

Inconvenientes del muestreo por cuotas

• Dificultad de diseñar un sistema de estratificación(para construir las cuotas) que considere más de tres variables de control.(Esto se debe a que el nº de variables a considerar actúa como una función multiplicativa de cada una de las categorías dentro de la variable)

• A cada entrevistador se le adjudica una cuota de personas a entrevistar. El hecho de poder elegir los entrevistados siempre que reúnan los requisitos adecuados, puede llevar a error (entrevistas a amigos en proporción excesiva, a las salida de mercados, universidades…etc)

Son muchas las estrategias para reducir los sesgos al seleccionar entrevistados (control sobre los barrios a investigar xej).Una de las opciones es llevar a cabo un muestreo probabilístico polietápico con clúster, seleccionando a los entrevistadores mediante cuotas en la última etapa.

Muestreo intencional

El muestreo intencional constituye una estrategia no probabilística válida para la recolección de datos, en especial para muestras pequeñas y muy específicas.

Tipos:

• Muestreo de casos extremos: seleccionar sólo aquellos casos cuyos valores se encuentren en el extremo del rango de una variable

• Muestreo de casos poco usuales: Seleccionar aquellos elementos cuyos valores en el rango de una variable son poco frecuentes

• Muestreo de casos con máxima variación :pretende construir una muestra los más heterogénea posible. Esto que en muestras pequeñas representa un problema, se convierte en este tipo de muestreo en una potencialidad

• Muestreo de subgrupos homogéneos: Escoger una muestra pequeña lo más homogénea posible, si surge la necesidad de recoger información sobre uno o varios grupos. Reúne una serie de individuos de condiciones sociales y experiencias semejantes

• Muestreos estructurales: Los individuos que componen la muestra son seleccionados en virtud de sus posiciones sociales, situación en una red social, en una jerarquía…etc

• Muestreos con informantes estratégicos: Este tipo de muestreo es un compuesto del homogéneo y del estructural, y parte de que el conocimiento y la información están desigualmente distribuidos.Tiene 2 subtipos:

-Bola de nieve o en cadena: Usado en poblaciones especiales o de difícil acceso. Se pide a una serie de informantes iniciales que suministren los nombres de otros miembros potenciales de la muestra.

-Experto: Mandar a un experto escoger individuos típicos, cuidades representativas…etc.No se debe generalizar a partir de la experiencia de los individuos que componen la muestra

• Muestreo de criterio: Selecciona para su estudio a aquellos casos que se ajustan a algún criterio predeterminado (xej un estudio sobre conducta desviada)

• Muestreo de casos críticos: Trata casos que en relación al tema de estudio, pueden servir de referencia lógica para el resto de la población o parte de ella, estos muestreos hacen posible las generalizaciones lógicas derivadas del peso de la evidencia que puede llegar a producir incluso un solo caso

• Muestreo de casos confirmatorios y contradictorios: Es interesante cuando la investigación está avanzada; ya que muestrea específicamente en busca de casos que sirvan para confirmar o contradecir el trabajo que se ha efectuado

Tipos de muestreo

Los autores proponen diferentes criterios de clasificación de los diferentes tipos de muestreo, aunque en general pueden dividirse en dos grandes grupos: métodos de muestreo probabilísticos y métodos de muestreo no probabilísticos.

Métodos de muestreo probabilísticos

Los métodos de muestreo probabilísticos son aquellos que se basan en el principio de equiprobabilidad. Es decir, aquellos en los que todos los individuos tienen la misma probabilidad de ser elegidos para formar parte de una muestra y, consiguientemente, todas las posibles muestras de tamaño n tienen la misma probabilidad de ser elegidas. Sólo estos métodos de muestreo probabilísticos nos aseguran la representatividad de la muestra extraída y son, por tanto, los más recomendables. Dentro de los métodos de muestreo probabilísticos encontramos los siguientes tipos:

Muestreo aleatorio simple: El procedimiento empleado es el siguiente: 1) se asigna un número a cada individuo de la población y 2) a través de algún medio mecánico (bolas dentro de una bolsa, tablas de números aleatorios, números aleatorios generados con una calculadora u ordenador, etc) se eligen tantos sujetos como sea necesario para completar el tamaño de muestra requerido.

Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad práctica cuando la población que estamos manejando es muy grande.

Muestreo aleatorio sistemático: Este procedimiento exige, como el anterior, numerar todos los elementos de la población, pero en lugar de extraer n números aleatorios sólo se extrae uno. Se parte de ese número aleatorio i, que es un número 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, es decir se toman los individuos de k en k, siendo k el resultado de dividir el tamaño de la población entre el tamaño de la muestra: k=N/n. El número i que empleamos como punto de partida será un número al azar entre 1 y k.

El riesgo de este tipo de muestreo está en los casos en que se dan periodicidades en la población ya que al elegir a los miembros de la muestra con una periodicidad constante (k) podemos introducir una homogeneidad que no se da en la población. 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.

Muestreo aleatorio estratificado: Trata de obviar las dificultades que presentan los anteriores ya que simplifican los procesos y suelen reducir el error muestral para un tamaño dado de la muestra. Consiste en considerar categorías típicas diferentes entre sí (estratos) que poseen gran homogeneidad respecto a alguna característica (se puede estratificar, por ejemplo, según la profesión, el municipio de residencia, el sexo, el estado civil, etc). Lo que se pretende con este tipo de muestreo es asegurarse de que todos los estratos de interés estarán representados adecuadamente en la muestra. 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: A cada estrato le corresponde 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.

Muestreo aleatorio por conglomerados: Los métodos presentados hasta ahora están pensados para seleccionar directamente los elementos de la población, es decir, que las unidades muestrales 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 área 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.

Para finalizar con esta exposición de los métodos de muestreo probabilísticos es necesario comentar que ante lo compleja que puede llegar a ser la situación real de muestreo con la que nos enfrentemos es muy común emplear lo que se denomina muestreo polietápico. Este tipo de muestreo se caracteriza por operar en sucesivas etapas, empleando en cada una de ellas el método de muestreo probabilístico más adecuado.

Métodos de muestreo no probabilísticos

A veces, 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, 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 se elegidos. En general se seleccionan a los sujetos siguiendo determinados criterios procurando que la muestra sea representativa.

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 Gijón. 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.

Muestreo opinático o intencional: 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.

Muestreo casual o incidental: Se trata de un proceso en el que el investigador selecciona 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). Un caso particular es el de los voluntarios.

Bola de nieve: 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.

A continuación encontrará algunos ejercicios que le pueden servir de guía para practicar el cálculo de tamaños de muestra según los diferentes métodos de muestreo más usados en los procesos de investigación científica.

Ejercicio 1

Estimación de un tamaño de muestra por el MAS

El director del programa de una determinada Facultad desea hacer una investigación cuyo objetivo es evaluar la actitud de los estudiantes de la respectiva Facultad o programa respecto de las lecturas complementarias que recomiendan los docentes de las asignaturas o núcleos temáticos correspondientes a los distintos semestres que conforman dicho Programa.

El instrumento (cuestionario) a utilizar para la recolección de la información es una encuesta conformada por 50 enunciados en escala Lickert*, validada tanto por un comité de jueces como por una prueba piloto.

Las categorías de respuesta para la encuesta son las siguientes:

Escala de Lickert

Totalmente de acuerdo 5

Parcialmente de acuerdo 4

Indiferente 3

Parcialmente en desacuerdo 2

Totalmente en desacuerdo 1

Taller No. 1-1. Procesamiento de la información apoyado en el programa Process

Para desarrollar estos ejercicios, Usted puede apoyarse en la herramienta para el procesamiento de información (Process) incluida en este CD. A continuación las instrucciones para definir las encuestas en escalas de Lickert.

• 1. Abra la aplicación Process incluida en este CD

• 2. Haga clic en el menú Estadística descriptiva y escoja la opción Procesamiento de encuestas (Escalas Lickert) (Ver gráfica adjunta).

• 3. En la siguiente pantalla aparecen las opciones generales para procesar este tipo de encuestas. Ingrese la información correspondiente de acuerdo con cada una de las opciones y haga clic en el botón OK, cuando haya terminado de ingresar esta información:

Proyecto: nuevo

No. de encuestas: 35

No. de preguntas por encuesta: 50

No. de respuestas para cada pregunta 5

Dependiendo del número de respuestas a cada pregunta que Usted seleccione, el cuadro Rangos de respuestas para escalas se actualiza proponiendo una serie de rangos de respuesta y la codificación numérica que utilizará el programa para realizar los cálculos (columna Códigos). Cuando en esta opción se seleccionan las opciones 2, 3 o 5, el programa ajusta automáticamente el cuadro Rangos de respuestas para escalas; en los demás casos es necesario ingresar el texto correspondiente a cada una de las opciones de respuesta. Si las opciones de respuesta que Usted requiere en su análisis no concuerdan con las opciones propuestas, Usted podrá modificar el texto de las opciones de respuesta propuestas. Haga clic sobre el texto que desea modificar e ingrese el nuevo texto.

Procedimientos para el cálculo del tamaño de la muestra:

• 1. Definir el método de muestreo: para este caso sabemos que el método más apropiado es el Muestreo Aleatorio Simple (MAS), pues cada uno de los estudiantes de la Facultad puede ser elegido en la encuesta.

• 2. Plantear la fórmula estadística apropiada para estimar el tamaño de muestra

Donde:

n = tamaño de la muestra a estimar.

S = Desviación estándar de la población.

Z = Margen de confianza.

E = Error de estimación o diferencia máxima entre la media muestral y la media poblacional que el investigador está dispuesto a aceptar con el nivel de confianza que se defina.

Ni = Número total de la población objeto del estudio.

• 3. Estimar el valor de S (desviación estándar): el valor de S se puede obtener de dos formas:

• a. Conocida o estimada a partir de estudios anteriores.

• b. Estimación mediante una muestra piloto.

En este caso no existen estudios previos, por lo que es necesario realizar una muestra piloto para estimar el valor de S; este valor se estima de dos formas: a) estimando la desviación estándar para cada una de la preguntas del cuestionario para todos los encuestados y tomar el mayor valor de las diferentes desviaciones por pregunta para estimar el tamaño de la muestra, o b) estimando la desviación estándar del promedio de total de las encuestas de todos los encuestados, como se ilustra a continuación, mediante la siguiente fórmula:

Donde:

S = Desviación estándar de la población a partir de la muestra piloto.

Xi = Puntuación o medición de la variable objeto de estudio (para este ejemplo, medición de la actitud respecto a la lectura complementaria) para cada uno de los estudiantes de la muestra piloto.

Promedio de la población o de la medición de la variable objeto de estudio de cada uno de los estudiantes de la muestra piloto.

no = Número de estudiantes de la muestra piloto (los criterios estadísticos indican que la muestra piloto de un estudio la constituyen un número igual o superior a 30 sujetos tomados aleatoriamente de la población y sobre los cuales se recoge la información para estimar el valor de S).

Nota: como en las investigaciones a realizar normalmente no se conoce el valor de S (desviación estándar) entonces, este valor se estima a partir de una muestra piloto.

Veamos entonces, cómo se estima el valor de S para este caso mediante muestra piloto.

• a. Aplicamos la encuesta de las 50 preguntas a un número igual o superior a 30 estudiantes (para este caso lo aplicaremos a 35 estudiantes) seleccionados aleatoriamente, de acuerdo con el taller No.1-2 descrito en el paso anterior.

• b. Calculamos la puntuación promedio de cada uno de las encuestas aplicadas a los 35 estudiantes y ese valor es el valor de los Xi que se muestra en el siguiente taller. [Para realizar estos cálculos nos apoyamos de nuevo en la herramienta de procesamiento de información (Process), incluida en este CD].

Taller No. 1-2. Procesamiento de encuestas

• c. En la cuadrícula correspondiente a Matriz de respuestas y valores acumulados, ingrese los resultados correspondientes a las preguntas de cada una de las encuestas de la siguiente manera: la encuesta No. 1 se diligencia de izquierda a derecha, en el primer renglón, colocando los códigos de las respuestas definidos en la pantalla anterior. Por ejemplo si Usted seleccionó la opción 2 tipos de respuesta (SI-NO), los códigos que se deben ingresar en este cuado son valores entre 0 y 2, pues de esa manera quedó codificado. Los títulos que aparecen en la parte superior (en el encabezado de cada columna) representan el número de la pregunta; por ejemplo R1, representa la respuesta (codificada) a la pregunta 1 (un valor de 0 a 2); R2, representa el código de respuesta a la pregunta 2, y así sucesivamente, hasta finalizar la totalidad de la encuesta). (Vea la siguiente figura).

• d. Desplace el cursor de una casilla a otra utilizando las teclas de flechas (arriba, abajo, izquierda y derecha).

• e. Una vez ingresadas las respuestas de todas las encuestas, procedemos a realizar los cálculos. Para esto, haga clic sobre el botón Calcular.

Muy bien, ya hemos procesado parte de la información. La pantalla que vemos a continuación, contiene el valor correspondiente a la desviación estándar, misma que necesitaremos posteriormente para calcular el tamaño definitivo de la muestra.

Las operaciones necesarias para determinar el promedio de calificación de cada estudiante ya han sido realizadas por el programa, así como la aplicación de las fórmulas para definir el valor de la media y de la moda.

Desde este punto, Usted también puede examinar el comportamiento de una única pregunta. Seleccione la pregunta que desea analizar y haga clic sobre el botón Analizar.

La desviación estándar indica el grado de dispersión de la muestra con relación a la media; es decir, el grado de homogeneidad o heterogeneidad de la muestra.

S = grande, entonces la población tiende a ser heterogénea.

S = pequeña, entonces la población tiende a ser homogénea.

• 4. Definir el nivel de confianza en valores Z

El nivel de confianza o valor de Z, es cualquier valor de la tabla para las puntuaciones Z, que son valores normalizados. Sin embargo, estadísticamente se suele tomar uno de los siguientes tres valores.

Confianza del 90% (error máximo permitido) = 0.10 —- Z = 1.64

Confianza del 95% (error máximo permitido) = 0.05 —- Z = 1.96

Confianza del 99% (error máximo permitido) = 0.01 —- Z = 2.58

Para este estudio el investigador ha seleccionado un nivel de confianza del 95%, por lo que Z=1.96.

• 5. Definir el valor del error de estimación E

El valor de E se define a partir de la desviación estándar (S) estimada a partir de la muestra piloto, y usualmente se recomienda dar al error de estimación un valor inferior a 10% del valor de la media (promedio) de la muestra. Si la desviación estándar es grande en proporción con la media, el error de estimación (E) debe ser pequeño, tendiendo a cero (0); si el valor de la desviación estándar (S) es pequeño con relación a la media, entonces el valor de error de estimación (E) puede ser cercano pero no superior a 10% del valor de la media o promedio.

Para esta investigación, como el valor de la desviación estándar es pequeño, lo que indica que la población de estudiantes tiende a ser homogénea, entonces el valor del error de estimación puede ser E = 0.06 o E = 6%.

• 6. Estimar el tamaño de la muestra

Utilizando el programa Process 2.0, incluido en el CD, reemplazamos los valores correspondientes de la fórmula.

Nota: para este caso, el valor de N (total de los sujetos de la población) se obtuvo de los archivos que reposan en la Secretaría Académica de la Facultad para el total de alumnos matriculados en el Programa objeto de estudio del año en curso. (N=1200).

Taller No. 1-3. Determinar el tamaño de la muestra (MAS)

En la cuadrícula correspondiente a Matriz de respuestas y valores acumulados, ingrese los resultados correspondientes a las preguntas de cada una de las encuestas así: la encuesta No. 1 se diligencia de izquierda a derecha, en el primer renglón, colocando los códigos.

Para determinar el tamaño de la muestra mediante el método de Muestreo Aleatorio Simple, abra la aplicación y seleccione la opción Muestreo Aleatorio Simple ubicada bajo el menú Muestreo.

Ahora que ya tiene definidos los valores necesarios para realizar estos cálculos, ingréselos en cada una de las casillas correspondientes. Una vez tenga completados los datos, haga clic sobre el botón Calcular.

• 7. Conclusión

Para realizar el estudio de evaluación de la actitud de los estudiantes del programa de psicología respecto a las lecturas complementarias recomendadas por los profesores de las diferentes áreas del conocimiento de la carrera se requiere una muestra representativa de 214 estudiantes, con un nivel de confianza del 95 % y error de estimación del 0.06

Ejercicio No. 2

Muestreo proporcional

Suponga que la Entidad encargada de la educación básica en su zona de residencia está interesada en crear un Jardín Infantil público al servicio de la comunidad. Para ello, la funcionaria encargada por la Entidad está interesada en estimar el tamaño de la muestra de la población de hogares interesados en utilizar los servicios del jardín.

El cálculo del tamaño de la muestra es el siguiente:

Paso 1. Tipo de muestreo: proporcional.

Paso 2. Plantear la fórmula para estimar el tamaño de la muestra

n = Tamaño de muestra a estimar (número de padres de familia).

Z = Nivel de confianza de la muestra de padres.

P = Proporción de padres de familia con niños entre 3 y 5 años de edad interesados en los servicios del jardín infantil.

Q = Proporción de padres de familia con niños entre 3 y 5 años de edad no interesados en los servicios del jardín infantil.

N = Total de padres de familia residentes en la zona donde se propone la creación del jardín infantil.

N= 520 según archivos de secretaría de Educación local.

Paso 3. Estimar la proporción de padres de familia interesados en los servicios del jardín

La proporción de padres de familia interesados en los servicios del Jardín se estima mediante una muestra piloto. Primero, entrevistamos o encuestamos una muestra igual o mayor a 30 padres de familia, para conocer su interés por los servicios del Jardín a crear.

Para este caso se entrevistaron 35 padres de familia, con hijos entre 3 y 5 años de edad, presentando los servicios que prestaría un jardín infantil creado por la entidad mencionada; el 60% (21) de los entrevistados manifestó interés por el jardín y disposición a utilizar sus servicios.

P = 60% Q = 1 – P Q = 1- 0.60 = 0.40

Paso 4. Definir el nivel de confianza

Se define como nivel de confianza 95% o valor de Z = 1.96 para el cálculo del tamaño de muestra.

Paso 5. Definir el error de estimación

El error de estimación será de E = 0.05 o 5%.

Paso 6. Estimar el tamaño de muestra

Se reemplazan los valores antes definidos en la fórmula:

En este punto puede apoyarse también en el uso de Process 2.0.

Taller No. 2-1. Determinar el tamaño de la muestra (Muestreo proporcional)

1. Abra la aplicación Process (Carpeta Aplicación, incluida en este CD).

2. Haga clic en el menú Muestreo y elija la opción Proporcional (ver gráfica adjunta).

3. Ingrese los valores previamente definidos en las casillas correspondientes. Una vez que tenga todos los datos necesarios, haga clic en el botón Calcular.

Paso 7. Conclusión

La entidad interesada en la creación del Jardín Infantil necesita entrevistar a 216 familias con hijos entre 3 y 5 años de edad para conocer el interés de éstos por los servicios que ofrece el jardín infantil.

Ejercicio No. 3

Muestreo estratificado

El muestreo estratificado se utiliza cuando las variables a identificar o evaluar se pueden encontrar en grado significativamente diferente en la población objeto de estudio.

Ejemplo: usualmente se estratifican los ingresos de las personas, el nivel académico, la experiencia, la actitud según los años de permanencia o antigüedad, etcétera.

Suponga que Usted quiere conocer el grado de satisfacción frente al desarrollo de los contenidos del Plan de Estudios de su Programa Académico. Desea estimar un tamaño de muestra de estudiantes de la carrera para poder identificar el grado de satisfacción de los mismos.

Procedimiento para determinar el tamaño de la muestra:

Paso 1. Tipo de muestreo