DIreoc:iOn de De8arolll Blbl1oteclno Comparaci6n de las Principales Tecnicas de Muestreo y su A plicaci6n a la Investigaci6n Educativa. TESIS PROFESIONAL qUE PARA OBIEnER El InUlO DE L1CENCIADO EN CIENCIAS DE LA EDUCACION PRESEnlA XALISCO. NAYARIT. 1998 DEDICATORIA Carinosamente a mi esposa e kijos por el apoyo y comprension brindado en todo momento Luz Marfa Beatriz, Elsa Adriana y Rito. AmiMaestroasesor: Ing. Marco HumbertoAguilar Orozco Por kaber contribuido a mi formacion projesional, Ie expreso elmejor reconocirniento. AmisMaestros: Par kaber despertado el interes a la verdadera sabidurfa. En especial como un recuerdo al Mtro. Sergio Antonio Flores Lopez '\f A mis Compaiieros de Generaci6n: Como un acto de afeeto a quienes me brindaron su Amistad Leal y Sincero. INDIe E DE CONTENIDO Hoja INTRODUCCION... PLANTEAMIENTO DEL PROBLEMA. ... 2. JUSTIFICACION. 3. MARCO TEORICO. 3. I Marco conceptual. 3.2 Marco referencial. 4. OBJETIVOS. 5. HlPOTESIS... 6. METODOLOGLA... ..... 1 ...3 .. 6 .. 8 .. 8 ........ 9 ... 12 .. ... 13 ..14 7. LAS TECNICAS DEL MUESTREO EN LA INVESTIGACION EDUCATIVA... .. 15 7.1 CONCEPTOS BASICOS. .. 15 7.1.1 Poblaci6n...... 15 7.1.2 Unidades muestales.... .. 15 7.1.3 Muestra.... . 16 7.1.4 lnferencia estadistica.............. .. 16 7.1.5 Fracci6nmuestral...... .. 16 7.1.6 Marco de muestreo.......... ....... .. 17 7. 1. 7 Par8Inetros............................................. .. 17 7.1.7.1 Moda....................................... . 18 7.1.7.2 MediWla. 19 7.1.7.3 Media..... .. 21 7.1.8 Selecci6n aleatoria. 23 1.1.9 Probabilidad . 7.1.1 0 Estadigrafo .. 1.1.11 Desviaci6n estandar. . 23 .. 24 .. 25 7.2 METODOS DE SELECCION DE MUESTRAS 27 7.2.1 Tipos de muestras... .. 27 7.2.1.1 Muestras probabilfsticas 27 7.2.1.1.1 Muestra aleatoria simple 28 7.2.1.1.2 Muestra estratificada... .. 29 7.2.1.1.2.1 Proporcional 30 7.2.1.1.2.2 Desproporcional... .. 31 7.2.1.1.3 Sistematica.... .. 31 7.2.1.1.3 CongIomerado 32 7.2.1.2 Muestras no probabilisticas... .. 33 7.2.1.2.1 Convencional... .. 33 7.2.1.2.2 IntencionaI 34 7.2.1.2.3 Por cuotas... .. 34 7.3 CONSIDERACIONES SOBRE EL TAMANO DE LA MUESTRA..... .. 35 7.1 Formulas para determinar eI tamafio de Ia muestra 35 1.2 Nivel de confianza... .. .. 31 1.3 NiveI de precision... . 38 1.4 Variabilidad del fenomeno a estudiar... . .40 1.5 Ensayos para determinar eI tamafio de Ia muestra .41 1.6 Determinacion de Ia muestra a traves de tabIas... .. 44 7.4 APLICACION PRACTICA DE LAS TECNICAS DE MUESTREO.. .. .46 7.4.1 Muestra aleatoria simple auxiliado por tablas .46 7.4.2 Muestra estratificada proporcional........ .. .47 7.4.3 Muestra estratificada desproporcional 51 7.4.4 Muestreo sistematico..... .. 53 7.4.5 Muestreo por conglomerado 54 7.4.6 Muestreo por cuotas... .. 56 8. CONCLUSIONES Y RECOMENDACIONES. .. 58 8.1 Conclusiones......... .. 58 8.2 Recomendaciones.. .. .. 60 9. BIBLIOGRAFIA ... 9.1 Blisica 9.2 Complementaria. . 9.3 Notas bibliograficas .. .. ... 62 ..... 62 . 63 . 64 INTRODUCCION EI presente trabajo intenta abordar un aspecto de la investigaci6n educativa, esto es, el muestreo, que hoy es parte importante del proceso de investigaci6n cientifica, por ende, hemos puesto especial interes en presentar en su contenido una terminoIogia basica de Ia estadistica como primer orden, en seguida se haee referencia a la cIasificaei6n general de los tipos de muestreo, que a continuaci6n se mencionan. E5>1os son, el muestreo probabiHsticos que se describe brevemente todos aquellos metodos que pertenecen a esta cIasificaei6n: el aleatorio simple, estratificado, sistematico y el conglomerado, en seguida seflala tres tipos de muestreo no probabilisticos: el convencional, intencional y por cuotas. En su capitulo denominado consideraciones sobre eI tamano de la muestra, en su inicio se tocan aspectos que el investigador debe de tomar en cuenta al disefiar su proyecto de investigaci6n. En seguida se abordan algunas f6rmulas y tablas utilizadas para determinar el tamano de la muestra y algunos conceptos fundamentales para su diseno, al final del capitulo se pone un ejemplo de calculo para que eI lector sepa empIear las formulas y seleccionar el tamafio de muestra que mas Ie convenga de aeuerdo a sus recursos materiales y financieros. EI motivo que impuls6 este estudio fue precisamente conocer la aplicaci6n practica de las tecnicas de muestreo en Ia investigaci6n educativa, el cual dedicamos un capitulo en particular ilustrando con ejemplos supuestos todo su proceso hasta llegar a tener el tamafio de la muestra 0 sea a cuantas personas se apicarara eI ins1rumento de recoIecci6n de datos. EI tomar muestras es sin duda un arte, en donde no solo es importante la teona estadistica, sino tambien Ia experiencia pni.ctica, eI criterio y la creatividad para que Ia muestra tomBda conduzca a reSultados 10 suficientemente precisos y con un gasto minimo de recursos materiales, financieros y humanos. , EI procedimiento para seleccionar la muestra de individuos sobre los que se van a recoger los datos debe ser tal, que asegure su representatividad. Esto ese primordial importancia para poder llegar a conclusiones que sean generalizable de la poblaci6n a estudiar. 1. PLANTEAMIENTO DEL PROBLEMA Sin duda existen muchas formas 0 maneras de abordar un mismo problema, en nuestro caso especifico es percibido al momento de elaborar el proyecto de investigacion de la siguiente manera: Es de reconocer que el dominio de la teona del muestreo representa un problema serio para los iniciadores e inclusive para investigadores educativos, que con frecuencia toman una actitud comoda, la de requerir los servicios de profesionales experimentados en la materia en caso de ser necesario un muestreo. Cierto, que esto puede resultar optimo siempre y cuando el experto 0 estadistico este inmerso en Ia problenuitica que al investigador Ie interese en particular. Si el muestreo implica serias dificultades que tienen que ver con la naturaleza especifica del estudio en cuestion, nadie mejor que un buen investigador identificado con su trabajo debe tener las nociones bli.sicas del muestreo para estar en condiciones de clarificar aspectos considerados en la determinacion de la muestra, como disponibilidad de recursos de toda indole, el tipo de poblacion con que se trabajara, la forma e instrumentos con que se captara la informacion deseada, etc. Tomar una mueStra puede resultar una funcion tan sencilla como el ejercicio mismo de cualquier otra actividad cotidiana, donde algunas veces es un procedirniento que se hace sin una clara conciencia y por consiguiente de una manera no rigurosa. Si necesitamos informacion de toda la poblaci6n, examinamos solo algwlOS de ellos y generalizamos los hallazgos, esto presupone utilizar sin metodos y acientificamente la teona estadistica de las probabilidades y e! muestreo. Cuestion que en estudios serios como los de investigacion educativa de antemano deben ser planeados con todo el rigor del metodo cientifico. Referida al ambito especifico de la lnstitucion formadora de profesionistas en el quehacer educativo, en particular la Facultad en Ciencias de la Educacion en su nive! de licenciatura, ha-sido preocupacion el impulsar la ensefianza de la 4 metodologia para preparar a los estudiantes en el campo de la indagaci6n cientifica educativa, sin embargo dicha ensefianza se contempla por 10 general en forma aislada e incompleta muy a pesar de que en la curricula estan presentes los vinculos de las asignaturas sobre metodologia de la investigaci6n con el resto de las materias, en especial con Investigaci6n educativa I,ll y Estadistica I,ll Esta problematica de deficiencias formativas obedece a que en la mayoria de los profesores que imparten clitedras no han realizado investigaciones edUClltiVas, quedando Iltrapados dentro de la perspectiva propia del ambito academico. Lo anteriormente expuesto conforma el contexto escolar en el que generalmente se realiza la formaci6n de los futuros profesionistas educativos, el eual partiendo de esta realidad surge un interes personal por pretender fundamenter una propuesta que eubriera ciertas deficiencias formativas en los alumnos del nivel de lieenciatura Despues de haber cursado Estadistica I y II, Metodologia de la Investigaei6n, Investigaci6n I y II, surge una verdad de earaeter formativo en el grupo, el no tener eonocirnientos de las tecnicas del muestreo por motivos de que en la asignatura de Estadistica no 10 contempla el plan de estudios. Fue en e1 quinto semestre en la catedra de Investigaei6n Educativa II, euando al dejar un trabajo de indagaci6n sobre el aproveeharniento escolar en alumnos de secundaria del poblado de Xaliseo Nay., el grupo se dio ala tarea de visiter a las escuelas para saber las unidades y el marco muestral que componen la poblaci6n, acto siguiente seria aplicar los conocirnientos de la teeniea del muestreo, surgiendo aqui ciertas lagunas que a manera de interrogantes cuestiomibamos: j, cuales serian los prineipios basicos que debe saber e1 futuro profesionista Licenciado en Ciencia de la Educaci6n con relaci6n at muestreo 7, j, Cuales son los diferentes tipos de muestreo que utiliza un investigador educativ07, j,Que factores debe de considerar el investigador para que su muestrll sea representativa de la poblaci6n en estudio ?, j, A cuantos encuestados es preciso interrogar para que los resultados de la encuesta sean justo y puedan ser generalizables a toda su poblaci6n 7, etc. En base a las interrogantes se dio la tarea de recoger y seleccionar a traves de fuentes bibliogr3.ficas informacion relacionada con el mueStreo, con la advertencia de que este documento no se pretende preparar at lector alumno en 5 el manejo de los procedimientos matematicos estadisticos; el objetivo es presentar una recopilaci6n de los conceptos utilizados en el muestreo y su relaci6n con la metodologia de la investigaci6n. Para conduir nuestro planteamiento del problema, sefialaremos que el muestreo es una parte esencial del metodo cientifico para poder llevar a cabo una investigaci6n. 2. JUSTlFICACION EI trabajo que aqui se proyecta, se justifica por las siguientes razones: La estadistica recientemente ha tenido aplicaciones importantes en otras ciencias (sociales) y, como consecuencia de sus aplicaciones hace que sea mas necesario que los estudiantes conozcan esta discipIina. Sin embargo, como esta relacionada con los ntuneros es considerada por los educando una materia irida y tediosa con cierto grado de dificultad en su aprendizaje, que desde luego esta situacion tiene profundas repercusiones tales como una incompletll comprension sobre todo en una de sus partes de la estadistica que no contempla el programa de estudio de la carrera Iicenciado en ciencias de la educacion, como es la teoria del muestreo, poniendo en desventaja aquellos alumnos que inician investigaciones educativas, por motivos de carecer del conocirniento y habilidades que conlleven a determinar el tarnafio de la muestra y los elementos a investigar. Por 10 anterior, la naturaleza del problema es manifestada como una deficiencia formativa en el estudiante y que para remediarla se penso en crear esta obm que tienes en tus manos, producto de una serie de reflexiones e indagaciones que satisfacen ciertas necesidades de tipo academica.l) relacionadas con las tecnicas del muestreo aplicadas en investigaciones educativas. En el, se exponen conceptos en que se fundarnentan los metodos y las formulas utilizadas en la teoria del muestreo, mas que las formulas en sf mismas, procedimientos de calculo ilustrados mediante algunos ejemplos, para que en seguida trates de irnitar el proceso. A parte de la utilidad practica como factor justificante , es tarnbien un recurso didactico y de consulta , porque tradicionalmente, la ensefianza de la esta.distica ha consistido en una serie de explicaciones del maestro, donde el alumno aprende poco y mal, con la gravante de que ripidamente se olvida 10 que aprendio. La utilizaci6n de la teoria del Rluestreo por parte del investigador parece justificarse por mas de un aspecto, a saber: 7 a) La falta de recursos humanos, materiales y financieros para Ilevar a cabo investigaciones dentro de las Instituciones de Educaci6n Superior. b)Es mas facil realizar un estudio detallado en una poblaci6n pequefia sacada a traves de una muestra, que en un universo gigante. c) La teona del muestreo a traves de su metodologia permite manejar con certeza el grado de error en que se puede oscilar 0 se esta oscilando. d) La existencia de poblaciones infinitas. El primer aspecto hace referencia al asunto del cuantioso gasto que sena necesano erogar con motivo de estudiar a todas las unidades que existen sobre el fenomeno de interes; el segundo factor alude al hecho, del nivel de profundidad con que se debe manejar deterrninado tipo de estudio; el tercero refiere a que cuando se trabaja con poblaciones enteras no esta excento de errores dificiles de cualificar, en cambio utilizando la teona del muestreo podemos inferir bajo que margenes de error podemos trabajar; finalmente el cuarto indica que aun contando con recursos abundantes, en ocasiones las 1irnitantes son la gran magnitud del fenomeno a estudiar, en tal caso, resulta imposible abordarlo en cada una de sus manifestaciones. Los metodos de muestreo del investigador social deben ser cuidadosos y sistematicos y su preocupaci6n se centra en asegurar que los miembros de la mueStra sean suficientemente representativos de la poblaci6n, y asi poder hacer inferencias que Ie permitan hacer generalizaciones, de igual manera el investigador escoge un metodo apropiado para ver si todos y cada uno de los miembros de la muestra tienen igual oportunidad de ser escogido para la muestra en caso de estar utilizando el metodo aleatorio, de no ser asi, el metodo empleado para su investigaci6n sena el no aleatorio. Ambos metodos los describiremos mas adelante. 3. MARCO TEORICO 3.1 MARCO CONCEPTUAL. Una poblacion se describe por sus caracteristicas econornicas, demogr8ficas, educativas y sociales; por 10 que se han creados parametros 0 medidas poblacionales. Los matem8.t:icos han estudiado el comportarniento de los fenomenos en general, en busca de su determinacion y han encontrado algunas leyes y principios que los rigen; en esta bUsqueda han observado el comportarniento de los datos y en base a estos han enunciado principios y leyes, como por ejemplo la Ley de la regularidad estadistica, que dice: Si de un conjunto "N", se extrae un subconjunto "n" al azar, es casi seguro que tiene las rnismas caracteristicas del conjunto. Estas bases han permitido elaborar una teoria que han desarrollado las tecnicas de las matematicas aplicada y con las que se han diseiiado las formulas o estimadores a traves de los cuaIes se estiman las caracteristicas poblacionales o parametros. Desde varias decadas la estadistica matematica se ha desarrollado en forma espectacular, de tal manera que busco la posibilidad de economizar recursos humanos, materiales y financieros al realizar alg{m estudio de tipo censal. La solucion a este problema fue la creacion de un conjunto de t6cnicas conocidas como muestreo, cuyos principios 0 leyes tienen su soporte te6rico en la teoria de probabilidades. Cuando hablamos de muestras, tambien utilizamos otros conceptos como son : representatividad, confl8llZ3 y precision. Hemos Icidos reportes que dieen: "un estudio basado en una muestra representativa," cabe la duda si sera eI tipo de muestreo 0 si es porque la.muestra solo capto a los elementos mas 9 tipicos 0 representativos de la poblaci6n 0 universo. La representatividad de una muestra consiste en que en ella se encuentran como su nombre 10 indica, representados los distintos elementos que influyen en las caracteristicas a medir. No se trata de una apreciaci6n subjetiva del especialista en muestreo, sino de la conformaci6n muestral en la que se encuentran todos los elementos que conforman la poblaci6n. Los distintos tipos de muestreo se diferencian no en su representatividad como se piensa. La selecci6n del tipo de muestreo esta restringida al conocimiento e informacion estadlstica de que se disponga, de 10 que produce la variaci6n del fen6meno en estudio y de las condiciones en que se encuentran los elementos a muestrear. El nivel de confianza hace menci6n al tipo de estimaci6n por intervalo y esta relacionado con las areas de la curva normal estandar. Asi por ejemplo, cuando se habla de intervalo de 95% de confianza, quiere decir, que de cada 100 intervalos que se construyan de igual manera, 95 de ellos contendran en su interior el parametro que estamos estimando y los 5 restantes intervalos no 10 contendr8n. EI nivel de precisi6n esta relacionado con la amplitud que deseamos que este intervalo tenga y es el error que estimamos que de ocurrir no afectara nuestrQ estimaci6n. El error esta deterrninado por las condiciones del fen6meno en particular y nada tiene que ver con la decisi6n subjetiva del tecnico en muestreo. 3.2 MARCO REFERE CIAL En principio es un hecho que en la investigaci6n no hay mode1os 0 recetas de cocina aceptadas, existen criterios generales que com;tituyen la consecuencia critica de todos los cientificos, cuaiquiera que sea su especializaci6n. La investigaci6n educativa surgi6 como fuente necesaria a explicaciones sobre las demandas concretas de la pn'lctica educativa, en un principio fue en gran medida psicologia aplicada al estudio del desarrollo y aprendizaje del ser humane y a las diferencias entre 10 Parole10 a esta psico10giza.cion de origen, se dio un rapido proceso de esco1arizacion en la sociedad, cuyo efecto se tuvo sobre la investigaci6n educativa fue e1 incremento del niunero de proyectos que justificaban la toma de decisiones, y 1a investigacion educativa tomb un caracter inmediatista y utilitaria, privando una raz6n tecnica con caracteristicas aplicativas, pragmatica y eficientista. Actuolmente, y debido al crecimiento de las actividades educativas se ha generolizado e1 uso de 1a estadistica como una necesidad imprescindible, no solo para los que se forman como profesionistas en ciencias sociales, sino tambien para los que se preparan en otras areas del conocimiento. Fue en la decada de los 70's cuando los investigadores dan gran impulso a la investigacion educativa bajo una marcada tendencia de estudios de tipo cuantitativos, que para ello, fue necesario incrementarse considerablemente el uso de las tecnicas estadisticas, a tal grado de considerarlas dentro de los programas y planes de estudios en varias carreras universitarias del pais. En nuestro caso particular la Facultad en Ciencias de la Educacion que inicio su labor educativa a principios de la decada actual de los noventa, tambien penso que era necesario Ill. ensefianza de Ill. estadistica el cual sena cursada en los dos primeros semestres de la carrera Licenciado en Ciencias de 1a Educacion. Los contenidos tematicos del primer semestre fueron; Conceptos basicos de Ill. Estadistica y Estadistica Descriptiva ; para el segundo semestre la enseiianza fue referida solo a Probabilidad. AI respecto es necesario destacar la siguiente observacion personal dirigida al grupo: En 10 general eI aprendizaje de esta asignatura fue lento presentando cierto grado de dificultad para su dominic, por motivos de estar relacionada con las ciencias de los nUmeros y por consecuencia a la falta de razonamientos matematicos que forman parte de los esquemas de su estructura mental. Como se puede apreciar en los contenidos prograrnaticos de 1a materia Estadistica I y II no tenian contemplado nociones relacionadas con las tecnicas del muestreo, que son basicas para elaborar proyectos de investigaci6n educativas. II Esta deficiencia de conocimientos se agudiro en el quinto semestre al Uevar a cabo una investigaci6n educativa sobre: "Aprovechamiento escolar en educando a nivel secundaria en el poblado de Xalisco Nayarit". De ahi surge la inquietud basado en un interes personal de hacer un documento que recogiera 10 basico del muestreo y cubriera en parte esta deficiencia formativa, ademas sirviera como apoyo didactico para los futuros profesionistas de la carrera de la licenciatura en educaci6n al realizar sus proyectos de investigaci6n. 4. OBJETIVOS 4.1 ObJetlvo general AI confrontar las personas dedieadas ala investigaci6n eierta difieultad en el dominio de la estadistica, surge un interes personal por realizer un trabajo que eubriera el siguiente objetivo general: Recopilar informacion para contribuir por medio de este documento ciertos saberes relacionados con las t6cnieas del muestreo, no contemplados en los eontenidos de la materia Estadistica I y II del plan de estudios de la carrera en eiencias de la edueaci6n, y a la vez servir como un recurso did1lctico de consulta y apoyo al futuro profesionista investigador. 4.2. Objetivos especificos 4.2.1. Cubrir a trav6s de este doeumento defieieneias formativas en los alumnos de la carrera en ciencias de la educaci6n, relacionadas con el uso de las t6cnicas del muestreo. 4.2.2. Describir las t6cnieas del muestreo eon el fin de que el estudiante futuro profesionista en edueaci6n, sea capaz de elegir la teeniea mas apropiada a sus necesidades de investigaci6n. 4.2.3. Formular un baneo de ejemplos que respondan a las necesidades de aprendizaje del estudiante y faciliten el ealeuIo de la detennmaei6n del tamafio de la muestra y la manera de seleceionar los elementos de la misma. 4.2.4 Conducir en el educando incrementar sus habilidades en todo aquello que se relacione con el estudio de una detenninada poblacion a partir de una muestra representative, de la eual se debe obtener eonc1usiones para de alIi generalizarlas a toda la poplacion. 5. HIPOTESIS 5.1 EI desempef\o intelectual de los estudiantes de la carrera Licenciado en Ciencias de la Educaci6n, ante las tareas de aplicar la tecmca de muestreo en un proyecto de investigacion, resulta relativamente bajo, dado al pobre conocirniento que estos poseen sobre el procedimiento y determinacion de la muestra y e1 insuficiente desarrollo de las habilidades correspondientes. 5.2 Cuando se hace una investigacion de tipo educativo que tan importante es conocer a cuantas personas se aplicara el instrurnento de recolecci6n de datos para asegurar la representatividad de la poblaci6n en estudio y conduzca a resultados 10 suficientemente precisos. 6. METODOLOGiA Para la elaboracion de este documento se lIevo a cabo empleando las t6cnicas de investigacion documental, principalmente la revision de bibliografia especializada en el muestreo estadistico. Cuando decimos documento nos referimos a todo el material que fue recopilado, ordenado para responder a las necesidades detectadas en e1 planteamiento del problema. En la investigacion bibliogrQfica los sistemas de informaci6n mas comunes fueron las visitas a bibliotecas, cuyo objetivo fue consultar y recopilar informacion de los libros que se relacionaran con la estadistica, especialmente aquellos que manejaran la tematica del muestreo enfocada a las ciencias sociales. Tambien fue de gran ayuda emplear la tecnica de la entrevista y la observacion personal. En la primera se visito a personas que de alguna manera tenian conoeimientos y eiecta experieneia en e1 manejo de los metodos estadisticos, descansando la mayor parte de la fiabilidad en la informacion verbal proporcionada par el sujeto entrevistado. En consecuencia a una situaci6n de la que hemos sido testigo naci6 la idea de formular el presente estudio empleandose la tecnica de la observaci6n que incluye anotaciones personates las cuales fueron expresadas en d presente documento 7. LAS TteNICAS DEL MUESTREO EN LA INVESTIGACION EDUCATIVA 7.1 CONCEPTOS BASICOS 7.1.1 Poblacion " Se llama pobla.ci6n a lUl conjlUlto de nfuneros de seres vivos 0 de objetos que posean algunas caracteristicas en comlin que defina al grupo". 1 Las poblaciones son definidas por el investigador, el cual para efectuar un estudio en un determinado gropo de personas, comunidades u objetos, etc., existe la necesidad de recolectar una serle de datos sabre IllS caracteristicllS a atributo que se desea investigar en esa esfera Hamada poblaci6n. Una pobla.ci6n puede clasificarse como finitas e infillita, se dice ser finitas cuando la pobla.ci6n posee un numero lirnitado de unidades de observa.ci6n, por ejemplo, todos los alumnos que conforrnan la comunidad universitaria de Mexico, es finito, rnientras que la poblaci6n de estudiantes universitarios pasada, presente y futura corresponde a una poblaci6n infinita para cualquier prop6sito pnictico. 7.1.2 Unidades muestrales " Son los elementos seleccionados, del gropo de datos mayor, para su inclusi6n en la muestra". 2 Las unidades muestrales realmente disponibles se llaman la base de muestreo, y la unidad muestral, es cada uno de los elementos que conforrnan la muestra. Para ilustrar a detalle este concepto, suponga, lUla poblaci6n compuesta de 200 elementos, y la muestr&. sacada de esa pobla.ci6n sea 20, las unidades muestrales serian los elementos que conforman la siguientc muestra hipotetica: 6,19,21,28,32,36,40,77,79,94,103,126,135,144,167,173,181,189,191,198. Y la wridad muestral sena cualquier nfunero confirmante de la muestra 7.1.3 Muestra " Es un pequeno gropo 0 subconjunto de individuos sacados de una poblaci6n". 3 Obviamente eI gropo extraido ha sido seleccionado por algim metodo estadistico, que en teona debe posoor las mismas caracteristicas para que sea representativo de la poblaci6n y permita realizar generalizaciones sobre la masa de datos, de tal manera, que los parametros estimados para la misma puedan inferir a toda la poblaci6n. 7.1.4 Inferencia estadistica U Es eI procedimiento por el cual se obtienen conclusiones acerca de la poblaci6n a partir de ia informacion que se tiene de una muestra de una poblaci6n". 4 Otros autores coinciden con eI concepto anterior, diciendo: " Es el conjunto de inferencia que se puede realizar, a partir de la muestra, a la poblaci6n de la cual procede". 5 7.1.5 Fraccion muestral Uamese ala raz6n del nfunero de Wlidades muestrales sobre el nfunero de unidades que conforman la poblaci6n 0 Wliverso. supongamos que tenemos una poblaci6n de 1000 elementos, de los cuales se extrae una muestra hipotetica de 300 elementos que tambien son llamados unidades muestrales, entonces la fracci6n muestral de Ia poblaci6n estaria representada por eI 0.3 Yexpresado en porcentajes Ie corresponderfa un valor de 30%. 17 Para cwcular la afijacion del porcentaje 0 proporcion muestral se utiliza la siguiente formula y simbologia. Notacion Nh = Fracci6n muestral n = Muestra N = Poblaci6n Formula Nh=--------- N 300 Ej. ---------- =0.3 1000 7.1.6 Marco de muestreo EI objetivo de tomar una muestra requiere de un marco muestral apropiado, es decir, una list&, un conjunto de taljetas, mapas etc., en el cua! aparezcan identificadas las personas 0 unidades que componen la poblaci6n de estudio".6 AI realizer una inve5.'tigaci6n sobre aprovechamiento escolar en un plantel educativo, es necesario fonnar el marco de muestreo. para ello, se toman las listas 0 registros de los alumnos que serlin utilizados como auxiliar para la extracci6n y selecci6n de la mue5.'tra a estudiar 7.1.7 Parametros Se llama parlunetros a la medida que proporciona informacion acerca del tamafio de la poblaci6n, tales como la media poblacional, la desviacion estlindar que indican la manera en que las lecturas de la poblacion se dispersan alrededor del valor medio".7 SIMBOLOGlA ::::::::::::::MEDill,As::::::::::' :::PARAMBlROSEN: . ESTADISTICOS. EN. .. :::::::POBLACIOR::" .'::.MUESTRAS Media fl Desvia.cion estandar Varianza NUmero de elementos N S2 Los parametros de posicion utilizados en muestras y pobla.ciones son tres : La moda , Mediana y Media aritmetica Llamados tambien medidas de tendencia central las cuales en seguida se analizarlln para su mejor uso y aplicaci6n. 7.1.7.1 Mods U Es una constante 0 parametro de posicion que indica el valor de c1ase mas frecuente". 8 Esto es, el valor que tiene la mayor frecuencia en un grupo de datos, y se representa con el simbolo Mo. Ejemplo; Modas en las siguientes series: 3,5,6,8,9,10,14 = No tiene moda 3,4,5,5,6,7,8,9 = La Mo es 5 3,5,5,6,8,8,12 = Tiene dos modas 5 y 8 Si se requiere calcular la moda para datos agrupados, se aplica la formula siguiente: d Z Mo=BL+ [._-_ ] I dZ+d J Simbologia: Mo=Moda BL = Limite inferior de la la clase que contiene la moda d J = Diferencia de la frecuencia de la c1ase modal y la frecuencia de la clase contigua inferior d J = Diferencia de la frecuencia de la c1ase modal y la frecuencia de la c1ase contigua superior I = Tamano del intervalo Es importante destacar que la moda en datos agrupaclos no es posible su determinacion exacta. Ejemplo: INTER DE CLASH FRECUENCIA LlMITES 140-159 7 139.5 - 159.5 160 -179 20 159.5 - 179.5 180 -199 33 179.5 - 199.5 200 - 219 25 199.5 - 219.5 220 - 239 II 219.5 - 239.5 240 - 259 4 239.5 - 259.5 13 Mo = 179.5 +[-----------] 20 191.88 13 + 8 7.1.7.2 Mediana U Es eI valor del e1emento que queda en medio, cuando todos los elementos se disparan segful su tamano". 9 En caso de haber datos localizados en eI centro 0 rnitad de la serie ya ordenada, la mediana seria la media aritrnetica de los dos valores y es representado por el simbolo Md. Ejemplo: Mediana en las siguientes series. 2,5,7,14,18,20,27 La Md es el14 2,5,7,14,18,20,27,30 La Md es v (l4 + 18)/ 2 = 16 20 Cuando el grupo 0 la serie es grande en nfuneros, es usual utilizar la siguiente fonnula, indicando Unicamente la posicion 0 el lugar en donde se encuentra la mediana. Md = X ( ---- ) +( ) 2 Ejemplo: 4,5,8,10,11,15,17,19,21,25,26,28,30,33,35,37,39 17 18 Md = X (------- ) +( ) = X (----- ) = X( 9 ) 2 2 De la sene de nfuneros que consta de 17, el resultado indica que la mediana se encuentra en ellugar 0 posicion No.9, correspondiente al nUm. 21. Para determinar la mewana en datos agrupados se utiliza la siguiente fonnula: n/2- cf Md = BL + ( ------------ ) I fc Simbologia: Md=Mediana BL = Limite inferior del intervalo que contiene a la mediana. n = Numero total de observaciones cf = Surna de las frecuencias de los intervalos por debajo de la mediana. fc = Frecuencia de la mediana que contiene a la mediana. I = Tamafio del intervalo Ejemplo: 140 -159
....a ACUMULADA 139.5 - 159.5 160-179 180-199 200 - 219 220 - 239 240 - 259 20 33 25 11 159.5 -179.5 179.5 - 199.5 199.5 - 219.5 219.5 - 239.5 239.5 - 259.5 27 60 85 96 100 100/2 - 27 Md = 179.5 + (--------------) 20 = 193.44 33 7.1.7.3 Media aritmetic8. "La media es una medida de valor central que da ittformaci6n mas precisa, y alrededor de los cuales se dit>lribuyen las obset-vaciones individuates". 1a La media aritmetica 0 simplemente media es el parametro 0 estadigrafo mas conocido y utilizado, indicando el centro de equilibrio de nuestros datos y su valor numerico se obtiene sumando los datos 0 pWltuacioncs divididas cstas por el niunero de casos. Para sacar la media aritmetica de Wla serie simple la formula empleada es la siguiente: Simbologfa: _ X=Media L X= Suma de las observaciones N = Niunero de LX X=-- N Ejemplo: 7,9,8,7,5,8,9,8 _ 61 X=--=8.7 7 Bl saber interpretar la media aritm6tica de dos muestras que tienen las mismas observaciones pera diferentes puntuaciones, es importante para el investigador, tomar una buena decision y no incurrir a ereoces en su selecci6n. Ia. serie; 10, 20, 60 90 X= ------ = 30 3 2a. serie; 28,29,33 90 X= ------- = 30 3 Una propiedad de la media nos dice que la suma algebraica de las diferencias de un conjunto de nUmeros con respecto a la media aritrnetica es igual a cero. Comprobaremos dicha propiedad y observaremos una diferencia esencial de valores entre los nUmeros de las puntuaciones de la serie para detenninar cual de las dos senes es mas homogenea y cual es mas heterogenea. la. serie 30-10= 20 30 - 20 = 10 30 - 60 = - 30 2a. sene 30 - 28 = 2 30 - 29 = 1 30 - 33 = - 3 La prirnera sene es mas heterogenea por tener un valor mayor en sus desviaciones de las puntusciones con respecto a ill. media, y ta segunda serie es mas homogenea. En casos que se presente la necesidad de agrupar los datos por su magnitud de los mismos, se emplea la formula siguiente: Simbologia: _ x = Media Aritm6tica P.M = PWlto medio del intervalo de clase f = frecuencia N = Ntimero de observaciones Ejemplo: :INTERDE CLASE (t) P.M (p.M)(t) 11 -15 1 13 13 16 - 20 7 18 126 21- 25 22 23 506 26 - 30 1 28 28 31 673 673 X=--------=21.7 31 7.1.8 Seleccion a1eatoria _ (P.M) (f) X=-------------- N .. EI proceso mediante el cual se extrae de una poblaci6n una muestra representarivll, en donde cada miembro de la poblaci6n tiene la misma posibilidad de ser incluido en una muestra". 11 7.1.9 Probabilidad (Pb) Es el estudio de los fenomenos puramente aleatorio 0 de azar, es usado para indicar la evaluacion numerica de que se produzca un resultado. La definicion c1asica de probabilidad, que en cierto modo es la mas simple, se usa cuando un experimento puede tener sola;nente ciertos resultados definidos, cada 24 uno de los cuales es igualmente probable: si hay N elementos en el conjunto de resultados posibles, la probabilidad para cualquiera de ellos es lIN. "Este concepto de probabilidad es usado para aquellas situaciones en donde se tiene varias altemativas de ocurrencia de un suceso 0 evento, todos posibles pero ninguno seguro. La Probabilidad de que ocurra un suceso determinado es, definido numericamente como la relaci6n entre el n6mero de casos favorables y el n6mero de casos posibles, siempre que todos sean igualmente posibles".12 NUmero de cas08 favorables pb = .. x 100 Nfunero de caS08 posibles Ejemplo: Si en una caja hay 10 canicas, 2 de elias blancas y 8 negras, la probabilidad de tomar al azar una canica blanca sena Casos posibles =10 canicas 2 Casos favombles = 2 canicas pb. = = 0.2 10 "Adviertase que la probabilidad de un suceso es un n6mero comprendido entre cero y uIlO. Si el suceso es imposible (no puede ocurrir) su probabilidad es cera. Si el suceso es eierta (tiene que oeurrir) su probabilidad es uno". 13 " EI eoneepto de probabilidad mas aceptado en la actualidad es: si un experimento repite muchas veces en condiciones identicas, entonces la probabilidad de un evento es a fin de euentas el eociente que resulta de dividir el Diunero de veces que acontece el evento, entre el n6mero de intentos".14 7.1.10 Estadigrafo 0 estadistico Es una medida de la muestra, es decir una caracteristiea inferida del grupo seleccionado de la poblaci6n sea la media aritmetica 0 la desviaci6n esUindar. 7.1.11 Desviacion estandar "La desviacion estandar 0 tipica es una forma especial de desviacion promedio respecto a la media. Se calcula tomando la media cuadratica de las desviaciones de estos valores respecto a la media aritmetica. Es pues, la raiz del cuadrado medio de las desviaciones respecto a la media aritm6tica".15 Una desviacion estandar de poco valor absoluto indica que la dispersion de la poblacion alrededor de la media es pequefia, 0 sea que en general la intensidad del caracter considerado en los individuos que forman la poblacion difiere poco del promedio; en cambio, si la desviacion estandar tiene un valor absoluto, la poblacion sera. mas variable ala intensidad del caracter en estudio se alejara mas de la media. Cuando la desviacion estandar se refiere ala poblacion, se utiliza la letra griega: cr ; sigma minilscula y cuando se refiere a la muestra el simbolo es "s". Ejemplo: De las siguientes puntuaciones, deseamos saber cual es su desviacion estandar con respecto a su poblacion. 51,55,64,66,66,67,68,69,69,70,71,71,72,73,74,74,74,75,75,75,76,77,78,79, 79,79,80,80,80,80,80,80,80,81,81,81,81,82,82,82,82,83,83,84,84,84,85,85, 85,85,85,86,86,88,89,89,89,90,90,91,92,99 =total 4891 DESVIACI0N ESTANDAR ::J.N':mR.y; PECL..ASE f P,M (P.M)(t) ..... 51 - 55 2 53 106 56 - 60 0 58 0 61- 65 1 63 63 66 -70 7 68 476 71 -75 10 73 730 76 - 80 13 78 1014 81 - 85 18 83 1494 86 - 90 8 88 704 91 - 95 2 93 186 96 - 100 1 98 98 62 4891 26 1. Con los valores de las puntua.ciones. se determina la media poblacional o tarnbien con los valores de 1a tabla de frecuencia A) Con valores de las puntuaciones x= Valor de las puntuaciones Simbologia { N= Poblaci6n L=Suma f1= Media poblacional LX 4891 Fonnula: f1 = ------- = -------- = 78.89 N 62 B) Con valores de la tabla de frecuencias (p.M)(f) 4871 Formula: f1= . = =78.56 N 62 La diferencia 78.89 - 78.56 = 0.33 sugiere que pnicticamente se obtienen valores iguales. 2. CAlculo de la Desviaci6n e!.1fuldar ( cr ). con los vll10fes de IllS puntllilciones de la pob1aci6n y su formula es : L (x-J.l) cr=-I-------------- N-l La expresi6n ( X- f.l. ) indica. el valor de la desviacion de una. observaci6n con respecto a la media. Se recuerda que la suma de las desviaciones es cero. Con sfmbolos, si: X- f.l. = x (desviaci6n): L ( X- ) = L x = O. dedonde: I; Xl 0=" ---------- N-I 7.7 (L:x.)' (4891)1 I;x'=I; '1. 1 - ---------- = 51'+ 55 1 +64 1 + ------+ 99 1 = 387193 - --------- =4599.21 N-l 62 4599.21 cr=.J--=8.68 61 Como la media aritrnetica poblacional ( j..L) es = 78.89, e1 valor de la desviaci6n estllndar (0) indica que en promedio las observaciones individuales se desvian de la media poblacional 8.68 puntos. 7.2 l\fETODOS DE SELECCION DE MUESTRA Despues de haber presentado algunos conceptos fundamentales utilizados en la teona de muestreo, enseguida nos ocuparemos de estudiar algunas formas mas usuales de seleccionar una muestra " Las condiciones indispensables para que opere satisfactoriamente la selecci6n de la muestra es tener algful tipo de lista completa, confiable actualizada que algunos Haman marco de la poblaci6n".16 7.2.1 Tipos de muestras "Las t6cnicas de tomar un muestreo se pude dividir en dos tipos generales: Muestreo probabillstico y muestreo deterministico".17 7.2.1.1 Muestras probabillsttcas EI muestreo probabilistico tiene Ia caracteristica de que cada una de las unidades muestrales que componen la muestra tienen igual oportunidades de ser seleccionada en fonna aleatoria Esto indica que primero debemos identificar a 28 cada elemento de la poblaci6n y despues mediante algUn metodo aleatorio extraer la muestra. A continuaci6n se describen brevemente los tipos de muestreo mas usuales: Muestreo aleatorio simple, sistematico, estratificado y muestreo por conglomerado. 7.2.1.1.1 Muestras aleatorias simple Frecuentemente personas iniciadas en el estudio del muestreo. manejan incorrectamente el termino aleatorio, pues resulta erroneo suponer que el tomar cualquier elemento disponible en una poblacion signifique hacerlo en forma aleatoria. La muestra aleatoria simple es una t6cnica en donde alrededor de este giran los demas metodos y tambien donde preferencias y deseos del investigador educativo no influyen en el proceso de selecci6n de alguna muestra en particular. EI muestreo aleatorio simple, es aquel en que cada individuo dentro de una poblacion tiene la misma probabilidad de ser seleccionado como integrante de la muestra. Asi, en una poblacion de tamaiio N, cada individuo tiene una probabilidad de ser elegido de lIN. Por ejemplo: Se desea tomar 100 alumnos como muestra representativa de un grupo de 500. Tres son los aspectos importantes que debe considerar el investigador social al seleccionar este metodo: 1. Hacer una !ismcompleta de toda la poblaci6n 2. Asignar un nlimero a cada unidad de la poblacion 3. Seleccionar cada elemento 0 unidad de la poblaci6n. Para ella, existen diversas maneras para elegir aleatoriamente los elementos que van a formar la muestra, estas son: a) Auxiliado por una tabla de mimeros aleatorios b) Auxiliado por una computadora capaZ de generar nlimeros aleatorios. 1'1 C) Auxiliado por troeitos de papel. Por medio de un sorteD en donde se escriban papelitos con los nombres de los estudiantes U objetos de estudios, se y de entre estos se eligen 100. 7.2.1.1.2 Muestra estratificada Esta t6cnica conviene cuando es posible identificar al interior de la poblacion diferencias 0 variables, en caso de no existir informacion de estas diferencias, se recomienda aplicar un estudio piloto 0 exploratorio y as! estar en condiciones de conoeer dichas variables de estratificaci6n. En este tipo de muestreo se debe de tomar en cuenta las siguientes consideraciones: 1. Una vez identificadas las variables a estudiar se agrupan formando subgrupos o estratos que sean 10 mas homogeneo posible, pero tambien que sean los diferentes estTatos 10 mas heterogeneo posibles. 2. En seguida se requiere dividir la poblacion de estudio en estratos mutuamente excluyente, es decir la ocurrencia de cualquiera de elios excluye la ocurrencia de los otros. 3. Dentro de cada estrato se realiza un muestreo, por algim procedimiento de los que aqui se mencionan. 4. EI nUmero de individuos de cada estrato se divide por: a) Afijaci6n simple: la muestra total se divide en partes iguales. b) Afijacion proporcional se tiene en consideracion la proporcion de individuos de cada estraio. c) Afijaci6n optima: ademas de la proporcion de cada se tiene en cuenta la dispersion de los daios. 'TIentro de las muestTas estratificadas se diferencian dos tipos de muestras; la proporcional y la no proporcional".18 7.2.1.1.2.1 Estatificada proporcional Es valida dedir que la muestra estratificada proporcional es aquella donde la fracci6n de muestreo es igual para cada estrato. EI procesamiento basico para realizar un muestreo estratificado proporcional es el siguiente: 1. Elaboraci6n de una lista donde aparezcan identificadas las unidades muestrales. 2. Enumeraci6n de cada una de las unidades muestrales que componen la poblaci6n 0 universo. 3. Identificaci6n de las variable 0 caracteristicas que se tomaran para formar eI estrato. 4. Dividir eI universo en estratos intemamente homogeneos 5. Determinar el peso 0 fracciones de muestras proporcionales de cada estrato. 6. Seleccionar dentro de cada estrato las unidades muestrales 0 individuos de estudio de forma aleatoria. Para clarificar los puntos anteriores, supongamos, por ejemplo, que deseamos estudiar las preferencias profesionales de los alumnos en el Occidente de Mexico, y como las actitudes y aptitudes son variadas en la poblaci6n estudiantil, podemos estratificar estas variables [ormando subgrupos homogeneos de acuerdo a las preferencias profesionales: Econ6micas Administrativas, Ciencias Sociales, Ingenieria y Tecnologlas, Ciencias de la Salud, Ciencias Agropecuarias, Humanidades y Educaci6n, Ciencias Naturales y Exactas, etc. Una vez identificado la poblaci6n en cada uno de los estratos, procedemos a tomar una muestra aleatoria simple de cada subgrupo como si se tratara de una poblaci6n completa, dandole a cada miembro de un subgrupo un niunero de identificaci6n. Paso final, los miembros seleccionados de cada subgrupo se combinan para lograr tener una muestra de toda la poblaci6n, dande se determinara el peso proporcional en cada uno de los subgrupos. 7.2.1.1.2.2 Estatificada no proporcional Este tipo de muestras algunos autores las llaman desproporcionale indistintas, que a diferencia de la proporcional, radica en la asignacion de una cantidad igual de unidades muestrales a cada estrato 0 subgrupo. Las razones para utilizar el muestreo desproporcional son variadas, quizas se deba a que el investigador quiera comparar dos diferentes estratos, pero el tamafio del muestreo que resulta de uno de estos dos estratos, sea tan pequefi.o que la comparacion resultara sin significacion, 0 puede ser cierto que algUn estrato sea muy importante para la toma de decisiones y por esto el investigador quiere que un ntunero considerable del muestreo sea de algUn estrato especifico. Otra raz6n mas puede ser su costa, porque puede ser, que el costa del muestreo de clistintos estratos sea cliferente y el presupuesto fijo asignado para e!>1e fin permita ajustar, seleccionando una muestra mas grande de aquellos estratos que resulten mas baratos. 7.2.1.1.3 Muestra sistematica En una muestra sistematica se incluye cada K-enesimo elemento de una poblacion ordenada. EI punta inicial se elige de una poblacion ordenada. El punto inicial se elige al azar entre los primeros elementos, y el muestreo continua hasta haberse seleccionado n elementos. Ejemplo: Suponga que el Rector de la V.AN. desea saber el nivel de conocirniento del personal academico y administrativo con relacion a leyes y reglamentos que rigen la universidad. Se considera la existencia de 3000 empleados en sus cliferentes niveles, decide que Ie. muestra a estudiar sea de 300 elementos. EI procedimiento para efectuar el metodo sistematico es: 1. Se ordenan los individuos de la poblacion asigIllindole un ntunero del 1 hasta el3000. 2. Para aplicar la selecci6n sistematica, se inicia calculando el tamatl0 del intervalo: 3000/300 = 10 c=N/n 3:2 3. Se elige aleatoriamente un nUmero "a" comprendido entre el I y 10 = c. Suponga que fue el 7 = a. 4. Los sucesivos empleados seleccionados que eonformaran la muestra seran: 17,23,37,47,57..... 2993 .....hastallegaran. Esta teenica es relativamente facil y, determinados casos, puede resultar mas eficiente que eI muestreo aleatorio simple. La principal dificultad reside en que las muestras sistematicas no son siempre a1eatorias. Si la poblaci6n esta ordenada en forma sistematica con respecto a la caracteristica en que se interesa el investigador, es posible que solo se incluya a aquellos ciertos tipos de elementos 0 por 10 menos, mas de a1gunas c1ases que de otras por ejemplo, aI tomarse una muestra de los empleados de la U.AN., recurriendo para ello una !ista donde aparecen primero los que desempeiian tareas administrativas y luego los acadernicos, trabajadores, la proporci6n de aquellos en la muestra quienes presentan mayor nUmero de empleados en relacion ala poblacion. 7.2.1.1.4 Muestreo por conglomerado EI muestreo por conglomerados se utiliza cuando los individuos de la poblaci6n construyen agrupaciones naturales, como por ejemplo los a1umnos de una c1ase. En este caso la unidad de muestreo no es eI individuo sino eI conglomerado. Una vez definidos los conglomerados, estos se seleccionan por algim metodo de muestreo de los que aqui se describen, de tal forma que el nlimero total de individuos resultante configure el tamaiio de la muestra que desea. Para ser mas claro y seguir a detalle se expone eI siguiente ejemplo: Sup6ngase que nos interesa determinar ciertas caracterlsticas sociopsicol6gicas en todos los municipios del Estado de Nayarit, en este caso la unidad de analisis es el Estado de Nayarit. Como datos se tiene una extension de 26,979 kilometros cuadrados y aproximadamente 800 mil habitantes. A consoouencia do rm gffill dispersion de las unidades a 10 largo y ancho del Estado, la muestra por conglomerados se realiza en dos escalones: 1. EI primer escal6n, es tomar la divisi6rl potitica de los municipios. 33 2. EI segundo es enumerar los 20 mumcipios; conglomerados ohora. Se procede a seleccionar al azar digarnos siete de estos conglomerados. Para ello, el sistema de seleccion puede ser utilizando una tabla aleatoria 0 simplemente colocando veinte papelitos que representa..; a los municipios, se ponen en una Bnforay vamos extrayendo de uno en uno hasta completar los siete. 7.2.1.2 Muestras no probabilisticas En este tipo de muestras, eI criterio desempefia un importante papei en ia selecci6n de los elementos que se incluiran en ella Suele ser de gran utilidad en particular si el investigador esta bien familiarizado con la poblaci6n y puede elegir en fonna coherente elementos representativos para la integraci6n de la muestra Su utilizaci6n se justifica por la comodidad y la economia, pero hene el inconveniente de que los resultados de la muestra no puede generalizarse a toda la poblacion. La mayorla de las veces ~ tipo de muestreo no presenta el objetivo de estimar parametros poblacionales, sino completar infonnaci6n 0 bien cruzar, para su verificaci6n algunas caracteristicas ya localizadas. Supongamos que se selecciona una muestra aleatoria de los empleados administrativos de la UA.N., calculandose la edad promedio de sus componentes. Si eI investigador decide utilizar esta estimaci6n muestral como la edad promedio tanto para los empleados de oficina como para los docentes, la muestra original se convierte en una dirigida En otras palabras, en opinion del investigador, los oficinistas incluidos en la muestra no probabillstica pueden considerarse como representativos tanto de su propio grupo como el de los docentes. De manera general podemos seiialar tres tipos de muestreo probabillstico: EI convencional 0 accidental, intencional y por cuotas. 7.2.1.2.1 Muestra convencional Se basa en 10 que es conveniente para el investigador, es decir, que al incluir los elementos muest8.les de la poolacion, estos serlin seleccionados bajo 14 estricto juicio personal, incluyendo los casos mas convenientes en su muestra"; excluyenda de ella los casas inconvenientes. 7.2.1.2.2 Muestra intencional La 16gica, el buen sentido comUn y el sano juicio del investigador son usadas para seleccionar los elementos que vayan a confirmar una muestra que sea representativa de una poblaei6n. Por ejemplo, si queremos iniciar una investigaei6n formal, relaeionada con Ill. deserci6n estudiantil universitarill. en Ill. V.AN., es necesario primeramente hacer una investigaci6n exploratorill. para enteramos del pensar de ciertos informantes claves de Ill. situaci6n especifica mencionada La selecci6n se haee por expertos, seg{m criterios establecidos, de tal forma que se asegure Ill. representatividad de Ill. muestra 7.2.1.2.3 Muestra por cuotas Esta tecmca en alguna medida es una especie de mue-stra estratificad.a y se aplica a poblaeiones que han sido agrupadas de acuerdo a una caracteristica en comtm, tales como edad, sexo, clase social, religion, etc. EI proced.irniento para seleccionar los rniembros de Ill. poblacion que sean representativos y adecuados para fines de investigaci6n, se les fija una cuota de individuos a entrevistar. y el entrevistador selecciona por su cuenta a cada unidad de estudio hasta completar su cuota Par ejempIa, supanga que se pudiera sacar una muestra par cllatas de los estudiantes que asisten a Ill. universidad, donde eI 46% son hombres y el 54% son mujeres, se les da a los entrevistadores una cuata de estudiantes para localizar que sea igual a los porcentajes de Ill. poblaci6n, si el tamafio total en una de las escuelas superiores fuera 340 alumnos, entonces se seleccionarfan 156 estudiantes que representarfan el 46% de los hombres, y 184 alumnos que representan el 54% del sexo femenino. 7.3 CO SIDERACIONES SOBRE ELTAMANO DE LA MUESTRA tronRr en cuenta cierto5 llSpecto5 que 10 conduzcan a diseiiar el tamafio de muestra mas apropiado para sus fines, para ello, es necesario tomar en consideraci6n 10 siguiente: l. Desechar la idea de que a medida que aumenta la poblaci6n debe incrementarse tambien el tamano de la muestra. Rojas Soriano c1aramente expone esta situaci6n, en ejemplos, donde en un caso se calcul6 una muestra de 382 para estudiar a 65826 familias yen otro se obtuvo una muestra de 216 para I 365 ejidatarios. 2. El tamano de la muestra es una fase del proceso global del muestreo y por ella depende de una serie de factores, donde las decisiones en la determinacion del tamafio se plantea de la siguiente se puede estimar tomando en cuenta: Las caracteristicas de la poblacion, la compatibilizaci6n de recursos, precision deseada, es decir seleccionar una muestra de tamaiio tal, que se logre un m8ximo de precision, con un tamano minimo de muestra. 3. EI tamafio de la muestra no se decide a libre voluntad del investigador 0 tomando un porcentaje determinado de la poblaci6n, sino que cae dentro de los principios en que se basa la teoria de muestreo. 4. Una consideracion mas, es indicar que en poblaciones poco normales 0 sea complet8ffiente at aumentar el tamafio de lr. muestra se reduce el error de muestreo. Para ella, recomiendan los expertos en la materia, adicionar un 10- 20 por ciento mas para fines de control de calidad. 7.3.1 Formulas para determinar el iamafio de la muestra Como se seflal6 con anteriorida.d, se debe de contemplar diferentes situaciones para el disefio de la muestra, sin embargo, es necesario emplear ciertas f6rmulas para el caJ.culo del tamaiio muestral tanto, para estudios sencillos como para estudios complejos. Para muestras de estudios sencillos es conveniente trabajar con las f6rmulas deScritas acontinuaci6n ,siempre y cuando se presenten las siguientes condiciones: 19 a) La pobla.ci6n objeto de estudio es grande ( mayor a 10 mil casos ) b) EI cuestionario que se aplica es reducido entre 30 y 40 preguntas y preferentemente cerradas. c) Las altemativas de respuestas son mutuamente excluyentes, por ejemplo: si, no; bueno, malo; adecuado, inadecuado. Notacion: Formula para estudios sencillos: n = Tamafio de la muestra Z = Nivel de confianza E = Error aceptable p = Probabilidad a favor q = Probabilidad en contra Zlpq n=-------------- E 1 (1) Como que se aplica a pobla.ciones grandes, se utiliza despues de haber obtenido la muestra inicial, otra formula denominada muestra corregida que contempla el factor de correccion para pobla.ciones finitas, siendo 6sta: Notacion: n = Tamaiio de la muestrn corregida n = Tamafio de la muestra inicial N = Tamafio de la poblacion n=--------------- nO -1 1 +---------- N (2) En la formula anterior (1), es fa.ctible de modilicarla utilizando vaIores absolutos en los terrninos de ( p, q ) y del nivel de precision ( E ), donde se sustituini ( p,q ) por el simbolo de la varianza ( Sl) quedando finalmente: Zl Sl n = -------------- E Z (3) 37 Para el caso de muestras para estudios complejos es conveniente emplear 10. fonnula que a continuacion se indica, siempre y cuando se presenten las siguientes circunstancias: 20 a) Una poblacion pequefia (Menor de 10 mil elementos) b) Varios grupos entre los que se afijaralo. muestro. c) Un cuestionario con demasiadas preguntas (Mas de cincuenta) d) Numerosas preguntas abiertas. ZJ q E J P n=----------------------------- 1 ZJ q 1 + ---(-------- - 1) N E J P (4 ) En esta f6nnula se inc1uye el factor de correcci6n finito y los simbolos tienen el rnismo significado que los de 10. primera fonnula anterior. 7.3.2 Nivel de confiaoza (Z) La utilizaci6n de un determinado mvel de confianza obedece basicamente a los objetivos de estudio, esto es, si interesa tener solo un conocirniento general sobre la problem8tica, es suficiente trabajar con un valor entre 92.5 hasta un 95 por ciento; pero si se pretende probar hipotesis y obtener elementos de juicio debidamente sustentados para fonnular sugerencias, se recornienda elevar el nivel de confianza entre un 95.5 por ciento 0 un valor superior a este. Es conveniente aclarar que al utilizar 10. fannula para deterrninar el tarnafio de 10. muestra, no se sustituye, por ejemplo el valor 92.5 % 0 el 95 % considerado como Nivel de confianza, sino que se transfonna este valor en una medida tipificada. que se obtiene de Ia. tabla denorninado. area. bajo 10. curva nonnal. Ejemplo: Sacar el valor tipificado del nivel de confianza 95 %. Como la curva normal esta dividida en dos partes iguales, se divide el 95/2 = 45, Yeste a su vez se divide entre cien (45/100 = 0.4750), por motivos de que los valores de la tabla denominada "Area bajo la curva normal tipificada", estBn dados en proporciones. Este nUmero 0.4750 es buscado en la tabla y una vez encontrado se interpola con la columna de la izquierda hasta dar con e! valor Z, siendo en este ejemplo el 1.9 para sacar el tercer digito se suma el nUmero que coincide con la linea de cabecera. para este caso es el 6. entonces el valor final tipificado sera e!1.96. (ver anexo 1) Una nota aclaratoria para el investigador es que mientras mas grande sea el Dive! de confianza y tambien el Divel de precision mayor sera el resultado del tamaiio de la muestra Nive! de confianza y sus valores de Z ... N.de 90% 93% 95% 97% 99% :. Confiimza :::>Valor' i p ~ l ~ o 1.65 1.81 1.96 2.17 2.57 Z 7.3.3 Nivel de precision (E) "Este termino significa la precision con la que se generalizanm los resultados, y su valor permitira ca1cular el intervalo en donde se encuentran los verdaderos valores de la poblaci6n".21 Supongase, por ejemplo, que se analiza el probiema de ia participaci6n para desarrollar un programs. de mejorarniento del meWo ambiente en la cabecera municipal de Xalisco Nay. 39 Para el c81culo de la muestra se utilizo Wla precision del 6 % y Wl rovel de confianza del 95 %. Dell 00 por ciento de los casos estudiados en la muestrs, el 51 % responde que si estaria dispuesto a colaborar. Para deterrninar el porcentaje de personas en toda la poblaci6n que contestaria de igual maners, debe sumarse y restarse el 6 % considerado como nivel de precision , al porcentaje de respuestas afirmativas, que para nuestro ejemplo fue 51 %. quedando como sigue: 51+6=57 51 6= { 51 - 6=45 La interpretacion de los anteriores datos es: se espera con Wl 95 por ciento de confianza que la respuesta a rovel de toda la poblacion oscile entre 45 y 57 porciento. Existe otra forma de calcular el intervalo donde se encuentran los verdaderos valores de niveles de precision en Wla poblacion, es a traves de la aplicacion de la siguiente formula estadistica: Notacion: E = Nivel de precision p = Respuestas afirmativas Z = Nivel de confianza n = Nfunero de observaciones Fomlula; p(l-p) E = p Z" -------------- ( 5 ) n En cualquier enWlciado estadistico se inicia con cierto grado de incertidumbre, y veces, mientras mayores sean nues1ros deseos de acertar, mas imprecisos tendremos que ser. Para reafirmar estadisticamente 10 anterior y a la vez., aplicar la f6rmula (5) descrita, se expone el siguiente ejemplo: En Wla pobla.cion de 1 000 votantes, se hacen dos sondeo para saber los intervalos donde se encuentran los verdaderos valores de niveles de precision de los votantes que eligieron al candidato del PRI, presentando los datos siguientes: Partidos Politicos PRI = 610 Votaron a favor PAN, PRD, = 390 Votantes Z =99 % Valortipificado 2.58 P=61 % n= 1000 61 +4=65 E= { }=8% 61- 4=57 Sondeo (1) .61 (1- .61) E = .61 2.58..j ------------------ 1000 Partidos Politicos PRI = 500 Votaron a favor Z = 96 % Valortipificado 2.05 p=50% n= 1000 50 + 3 = 53 E= { }=6% 50 - 3 =47 Sondeo (2) .50 (1 - .50) E= .50 2.05..j ------------------ 1000 61+4=65 50+3=53 E = .61 0.04 = 61 4 E = .50 0.03 = 50 3 61- 4=57 50-3=47 7.3.4 Variabilidad del fenomeno a estudiar (p, q) Simbolizado por la letra p, significa. respuestas favorables, afirrnativas, posibles, y por la q, indica respuestas desfavorables, negativas, no posibles. Para. determinar la cuantificaci6n de las variables p, q en una investigaci6n es importante tomar en cuentalo siguiente: a) Cuando se tiene conocimiento de 1a determinacion de las variables p, q en otros estudios similares -a la investigaci6n por rea1izar, es converuente 41 utilizarlos en nuestro estudio con la finalidad de Morrar esfuerzos y aSI poder calcular el tarnaiio de la muestra. b) En caso de no haber estudios similares y desconocimiento de los valores p,q , es necesario para su obtenci6n, realizar un estudio exploratorio a traves de una muestra reducida y no probabiHstica con el objeto de deterrninar cuales seran los valores de dichas variables. c) Otra altemativa es, otorgarle un 50 por ciento tanto a p como a q. Esto sucede cuando no hay antecedentes de sus valores y supuestarnente existe una total de heterogeneidad entre la poblaci6n a estudiar. 7.3.5 Eosayo8 para detenninar el tamaiio de la muestra Para se1eccionar el tarnafio de una muestra que convenga y satisfaga los intereses del investigador, es conveniente hacer varios ensayos de ca1culo y una vez teniendo los resultados, se coteja con los recursos financieros que siempre son escasos, los humanos disponibles y entrenados para la aplicaci6n de las encuestas, sin olvidar tambien ciertas variables como el grado de precisi6n, nivel de confianza, de tal manera que la confiabilidad de los resultados no disminuya demasiado. Ejemplo: Si la poblaci6n nacional de profesores estatales que trabajan en la Licenciatura Universitaria y Tecnol6gica es de 10398 y se desea saber el grade acad6rnico del personal con Licenciatura, posgrados, doctorados u otros estudios. Para ello se diseiia un cuestionario de 30 preguntas, con respuestas cerradas, considerando diferentes niveles de confianza y distintos niveles de precision. Eosoyos de clllculo poro seleccioo de muestrll (1) (2) (3) (4) (5) 90% 93% 95% 97% 99% 1.65 1.81 1.96 2.17 2.57 10% 7% 5% 4% 3% 2.72 3.38 3.84 4.70 6.60 0.01 0.0049 0.0025 0.0016 0.0009 67 169 371 686 1559 N = 10 398 p= 50% q = 50% La anterior tabla fue resultado de los diversos ensayos de calculos que determinaron los tamafios de muestras, siendo utilizadas las formulas 1 y 2 bajo el siguiente desarrollo: Zl pq Formulas: 0::::: --- El (2.72) (.25) (1) 0:::::---- :::::68 ; 0.01 n -1 1+-- N 68 0:::::----:::::67 68-1 1+-- 10398 41 (3.38) (.25) 172 (2) n=---- =172; n=----=169 0.0049 172-1 1+--- 10398 (3.84) (.25) 384 (3) n=----= 384; 0=----=371 0.0025 384-1 1+-- 10398 (4.70) ( .25) 734 (4) 0=--- =734; 0=----=686 0.0016 734-1 1+-- 10398 (6.6) (.25) (5) 0=---= 1833; 0.0009 1833 0=-----= 1559 1833 -1 1+--- 10398 Una vez obtenidos los resultados de los ensayos de las muestras, se selecciona la que mas convenga a nuestros intereses, tomando en consideraci6n Wl recuento de los recursos disponibles y circunstancias actuales. Supongamos, que el tiempo del que se dispone para la aplicaci6n de la encuesta es de tres meses aproximadamente, de igual manera se cuenta para ese mismo tiempo con los materiales necesarios y con el factor hwnano y financiero. Por otra parte, interesa tener s610 un conocimiento general sobre el objetivo de estudio, de tal forma que el nivel de confianza debe ser aceptable, de manera que la confiabilidad de los resultados no disminuya demasiado. 44 Bajo las CITcunstancias descritas, viene la formacion del criterio del investigador y la decision final a tomar, para nuestro caso, se determina que el tamaiio de la muestra mas adecuada a las circunstancias y a los objetivos que persigue la investigacion, es el ensayo nlimero dos ( 169 Muestras), las razones son: el tiempo de que se dispone para la encuesta a nivel nacional (tres meses), presenta un nivel de confianza del 93 % , Yun error de estimaci6n de 0.07 % considerados como aceptables por encontrarse el primero dentro del rango requeridos para obtener un conocimiento general del problema 0 sea entre un 92.5 - 95 por ciento. A esta 169 encuestas se les adiciona de un lOa un 20 % como colch6n de seguridad, con el proposito de cubrir los posibles irnprevistos. 7.3.6 Determinacion de la muestraa traves de tablas Un procedimiento sencillo para determinar el tamaiio de la muestra, es suprimiendo los aspectos matematicos, esto es utilizando la tabla que a continuacion se muestra Unicamente debemos de elegir el nivel de confianza, la precision requerida para generalizar los resultados y el valor de p correspondiendo la variabilidad esperada del fenomeno, que se determinara como indicamos anteriormente, de acuerdo a los resultados de una muestra anterior 0 de una encuesta piloto donde se observo dicho valor. Ejemplo: Auxiliandose de la tabla que se encuentra mas abajo puede hacer el siguiente ejercicio para mayor comprension y uso de la misma, haciendo la aclaracion que es utilizada cuando las poblaciones a estu.diar l>on mayorel> de mil elementos: Se conoce; Z =95 % , E =5 % , P =.50, Se busca en Ie. tabla la secci6n donde aparezca eI valor de Z = 95 %, despues se localiza el valor de p = .50 siguiendo sobre este rengl6n hasta interpolRflo con 10. colunmo. de E = 5 % i se encuentra eI tamaiio de la muestra buscada, siendo de 384 observaciones. Tabla para detenninar el tamaDo de la muestra ( Para datos mayores de 1 000 ) Z=:9Z.5 % Z=:95% E=5 % E=7.5% E=:10% p E=S% E=7.5% E=10% .50 317 141 79 .50 384 171 96 .55 314 139 78 .55 380 169 95 .60 304 135 76 .60 369 164 92 .65 288 128 72 .65 350 155 87 .70 266 118 67 .70 323 143 81 .75 238 106 59 .75 288 128 72 Z=:98% Z=:99% E=:5% E=:7.5% E=10% P E=:5% E=7.5% E=10% .50 543 241 136 .50 666 296 166 .55 537 239 134 .55 659 293 165 .60 521 232 130 .60 639 284 160 .65 494 220 124 .65 606 269 151 .70 456 203 114 .70 559 249 140 .75 407 181 102 .75 499 222 125 FUENTE: Grupo de Apoyo Teemco, Departamento de planeacion y programaci6n de Is. atenci6n Medica. Jefatum de Planeaci6n y Supervision M6dica,IMSS. 7.4 APLICACION PRACTICA DE LAS TECNICAS DE MUESTREO En Ia siguiente secci6n se estudiara los metodos que conforman Ia parte de Ia estadistica que se ocupan de pIanear Ia bUsqueda para obtener la informaci6n respecto a las caracteristicas de una pobIaci6n. En este caso, los metodos de muestreo aplicados en investigaciones educativas indican la manera como seleccionar los elementos de la poblaci6n que constituiran la muestra, asl como el tamafio mas adecuado de ella Sabemos ya que la forma estadlstica de evitar consumir mucho tiempo y muchos recursos tanto humanos como materiales es no estudiar a toda la poblaci6n sino solo a una parte de ella, es decir, a una muestra de ella Para obtener una muestra de Ia poblaci6n existen los m6todos ya mencionados, hoy toca estudiar con detalIes cada uno de eUos, par ende, se considerara. situaciones hipoteticas en el siguiente banco de ejercicios con el prop6sito de conjugar el conocimiento teorico-practico que conlleven a cumplir con los objetivos planteados inicialmente. 7.4.1 Muestra aleslona simple auxlliado por lablas EI muestreo aleatorio simple es una forma sencilla para seleccionar la muestra de tal modo que cada uno de los elementos de muestreo que conforman Ia. pobla.cion tenga. la misma. probabilidad de los demas de resultar seleccionados. Ejemplo. 1. Para extraer una muestra aIeatoria simple de una pobIaci6n finita., se requiere contar primero con un marco muestral completo es decir , con una lista compIeta de todos los elementos de muestreo. Sup6ngase que deseamos haeer una educativa en Ia Escuela de Comercio y Admini!>1raci6n dependiente de Ia UAN. donde su pobIaci6n estudiantil total para el cicio escolar 1996-1997 es de 1458 aIumnos. Para Ia formaci6n del marco muestraI se procede a enumerar cada uno de los aIumnos de la siguiente manera: 0001, 9002, 0003, 0004... 0535, 0536.... 1457, 1458. Es importante en la enumeraci6n que el investigador coloque los ceros a 41 la izquierda para que tengan la misma cantidad de digitos que el nUmero total de la poblaei6n. 2. Una vez hecha la relaei6n y enwnerados todos los alwnnos que conforman la poblacion, sigue la determinacion del tamaiio de la muestra, correspondiendo para nuestro ejercicio una muestra de 218 elementos. 3. Para seleccionar las 218 unidades muestrales se haee uso de la tabla de nUmeros aleatorios. Estas tablas son un conjunto de nUmeros naturales que incluyen el cero, presentados en forma particular y que son obtenidos por medio de algUn procedimiento aleatorio (Computadora), clichos nUrneros no estan dispuestos en ningim orden en particular. Se inicia seleccionando una pagina cualquiera de la tabla donde los nUmeros aparecen dispuestos en columnas, considerando tantas colwnnas como digitos tenga la poblaeion. Con los ojos cerrados se pone un dedo aleatoriamente sobre in nUmero, se seleccionan dos digitos de izquierda a derecha: suponga que son 6 y 2. Se empezara a usar el niunero aleatorio del renglon 6 y la colwnna 2. 7.4.1 Muestra estratificada proporcional La condici6n para este tipo de muestra es que la fracci6n de muestreo es igual para cada estrato. Ejemplo. Supongase que el proposito de la investiga.ci6n es probar la siguiente hip6tesis a.cerca del rendimiento escolar: "En la Secundaria Teeniea Industrial No. 4 es mayor el rendimiento escolar en las mujeres que en los hombres a consecuencia de recibir mas atencion y afecto por parte de la madre". Definido nuestro interes, se enwneran los pasos y opera.ciones necesarios para determinar la muestra de ca.da estrato hasta llegar a conformar la muestra total buscada, para ello, se hace un recuento de la poblacion estudiantil que para nuestro ejemplo esta compuesta de 817 elementos conformando lU1 total de catorce gropos de los cuales corresponden seis al primer ano, cuatro gropos a1 segundo y cuatro al tercer aDo. PRIMERANO grupos ,TQTAl 36 23 42 47 42 41 231 26 17 21 24 21 23 132 363 SEGUNDOANO grupos TERCERANO grupos 170 82 252 Pasos para determinar III muestra estrlltificlldll: 1.- DeJerminar el tamallo de la muestra Z = 99 % ; valor tipificado 2.5 Datos selecoionados: E = 0.05 p=50% q =50% < Zl P q (2.5)1 (.5) (.5) Formula inicial: n =----------- =------------------- =625 E1 (.05)1 no 625 Formula corregida: n = ----------------- = ----------------- = 355 no - 1 625-1 1 +----------- 1 +----------- N 817 1. Determillar la mUe5tra de cada grado e5colar ill = 0.444 X 355 = 157 817 ill = 0.309 X 355 = 110 817 .fQ2 = 0.247 X 355 = 88 817 Total = 355 3.- DeJermlllar la muestra por grado, grupo y sa.o. PRIMER GRADO :!2..= 0.099 X 157 = 16 363 B c D J1 = 0.046 X 157=8 363 II = 0,057 X 1S7 =9 363 .11= 0.066 X 157 = 10 363 n=0.063XI57=10 363
363 41 =O.l29X 157 =20 363 E 2l..= 0.057 X 157=9 363 .23.= 0.063 X 157= 10 363 Sub-total = 57 SEGUNDO GRADO 42 =0.1l5X 157 = 18 363 11 = 0.122 X 157 = 18 363 Sub-total = 100 50 . nOMBRES ::.:.:. A .. :U";o.o'iixii<i;;;g 252 ....... MUJERES ... . 11,,; 0:i74 X' 110 ;;; 19 252 B c D GRADO: A B c D F.M 12=0.075 X 110=8 252
252
252 Sub-total = 36 TERCER GRADO HOMBRES . !Q=0.049X88=4 202 lQ=0.049X88=4 202 =0.044 X 88 =4 202 1Q= 0.049 X88 =4 202 .l=O.025X88=2 202 Sub-total =20 <
202 4,Q=O.l98X88 = 17 202 4=O.02X88=2 202 Sub-total = 70 Tamafio de 10. muestra: Hombres = III Mujeres 244 TOTAL 355 7.4.3 Muestra estratificada desproporciooal La condicion basica de este tipo de muestreo es de que algunos estratos reciben mas ateneion que otros. es deeir. se analiza un mismo Dfunero de casos para. cada. estrato sin considerar cual sea el tamafio de 10. poblacion de cada uno deellos. Tomando en consideraci6n el ejemplo anterior del muestreo aleatorio estratificado proporcional, hipoteticamente al investigador se Ie ordena. comparar los tres diferentes estro.tos que componen el universo que 10. direccion de la. escuela. considera importante para su toma de decisi6n, los estratos son los gropos de primero, segundo y tercer aiio de secundaria de 10. Tee. No.4. En nuestro ejemplo los estratos son: PRIMERO SEGUNDO TERCERO 252 202 NUM:DE GRUPOS POR,GRAD()S 6 4 5 El investigador decide que para los propositos de sus anBlisis de comparacion no son adecuados los anteriores parametros muestrales ealeulados en el muestreo estratificado proporcional, por motivos de existir diferencia en el tamaiio del muestreo, por 10 tanto, decide o.plicar el muestreo estratificado desproporcionaJ por razones de costo, ocurre entonees 10. necesidad de ocupar 70 casos para cad.a estrato 0 grado escolar, por consiguiente el tarnaiio de 10. muestra estani. comprendida de 210 elementos. n Una vez decidida la cantidad total de la muestra y la cantidad de casos en cada estrato, procedo a seleccionarlos seg{m los mismos procedimientos indicados para el muestreo aleatorio simple. Para esto, prirneramente se hace un listOOo enumerando independientemente cada estrato, siendo - 1ista A (primer grOOo) enumerOOos del 001 al 363, lista B (segundo grado ) estarBn enumerOOos del 001 at 252, y por ultimo preparo 1a !ista C (Tercer grado) que va del 001 at 202. En seguida se procede a la selecci6n, por los metodos indicados en el muestreo aleatorio simple, tomando 70 casos de cOOa lista A , BYC. TAMANO DE LA MUESTRA PRIMERO SEGUNDO TERCERO 363 252 202 70 70 70 19.3 % 27.8% 34.6% La anterior tabla es importante para los propositos de generalizacion a 1a pob1acion, ya que ahora tengo que ponderar las diferentes fracciones de muestreo. Para ella, en e1 caso de media aritmetica, par ejemp10, hay que operar de 1a siguiente forma: Calculo de la media aritmetica y desviadon estandar para eada estrato tamafio del 363 estrato Peso de cada 0.444 % estrato 252 0.309 % 202 0.247 % 817 1.00% Tamniiode lamueatra 70 70 70 210 Media por 363/6 = 60.5 252/4= 63 202/5 =40.4 817115 =54.5 grupos Des. estandar 3.17 3.96 2.86 9.9/3 =3.3 por grupos Formula utilizada para ca1cular la desviaci6n estandar par grupos: Medial Grupo 60.5 a =" _.- ; Ej: " .._. =3.17 Nfun. I Grupo 6 7.4.4 Muestreo Sistematico Requisito para este tipo de muestreo es contar con un marco muestrAJ y que el investigador determine en base a su experiencia y su buen sentido comUn el tarnafio de la muestra que convenga a sus propositos. Los elementos componentes de la muestra se escogen utilizando un criteria de selecci6n uniforme, para ella, en necesario confeccionar Un listado de todos los elementos que incluye la poblaci6n que suele llamarse marco muestral, en seguida el procedimiento para seleccionar estas unidades 0 elementos es necesario determinar el intervalo muestral, el cual se obtiene dividiendo el tamaflo de la poblaci6n entre el tamaflo de la muestra desea.da. Por ultimo una vez obteniendo el tamafio del intervalo, se seleccionan los elementos subsecuentes a intervalos dados. N 1=-------- n 1= Intervalo N = Poblaci6n n=Muestra La u r" representani al primer nfunero seleccionado que conformaIllla muestra estimandose como se muestra adelante, (r + I), (r +21), (r + 3 1), . ...... {r + ( n - 1 ) I}; Matem8ticamente indican segunda, tercera, cuarta, y ultima unidad 0 elemento seleccionado que comprende la muestra estratificada. Ejemplo. Suponga que la SEP. desea saber el nivel de conocimientos respecto a los problemas sociales y educativos causados por la crisis economica, de sus directivos sin gropos en su nivel de Educacion Secundarias. Considerando las Estadisticas reportan que se tiene un universo a nivel nacional de 11 097 profesores con Is categoria de Director sin grupo, eI investigador decide bajo criterio tener una muestra de 740 elementos. EI paso siguiente es calcular el intervalo: 1= 11097/740 = 14.9; redondeamos el nfunero en 15. Se enumeran 15 papelitos comprendido entre el 01 al 15, y suponga que eI primer nfunero seleccionado sea el 10, entonces este sera" r" el primer elemento que comprenderala muestra. aplicando la anterior formula se extraen los subsecuentes elementos muestrales: r = 10 primer elemento seleccionado r +I = lOt- 15 =25 segundo elemento seleccionado r +2 I = 10 +2(15) = 40 tercer elemento seleccionado r +31 = 10 +3(15) = 55 cuarto elemento selecciona.do........ {r+ (n-1) I} = 10 + (740 -1) 15 = 11 095 Ultimo elemento seleccionado. 7.4.S l\fuestreo por eonglomersdofl En este esquema de ml,lestroo es uti! cuando la poblaci6n a estudiar esta dispersa y resulta poco m-enos que imposible disponer de un marco muestral 0 55 cuando el costa de muestreo resulta ex.cesivo si los elementos de la muestra quedan muy dispersos. Al ser utilizada esta teenica es conveniente formar gropos de acuerdo a alguna. cara.cteristica, sea. esta. fisica, geogrBfica. 0 bien de tipo cualitativa. Ejemplo. Supongase que se desea hacer tUl estudio para determinar ciertas cara.cteristicas Sociales y Economicas de los Mexic811os. Para este caso Ie. unidad de anaIisis es tUl Pais que es Mexico, con datos demogr:ificos de poblacion arriba de los 80 millones de habitantes y con una extension territorial de 1 958201 kilometros cuadrados. Considerando su magnitud territorial y poblacional es mas conveniente utilizar Ie. tecnice. del muestreo por conglomerados, donde primero se inicia tomando la Division Politica. de los Estados, 0 sea form811do 32 conglomerados que corresponden tUlO por cada. Estado. En seguida. se formula. Ie. liste. de todos los Estados del 01 al32. A continuaci6n procedo de a.cuerdo a. Ia. experiencia. y sentido comim seleccionar el total de los conglomerados e. muestrear, siendo para. este caso la. cantidad de 12 Estados que formaran Ie. muestra EI sistema. de selecci6n de los 12 conglomerados puede ser at azar 0 sea utilizando 32 trozos de papel enurnerados del 01 a1 32, previamente enli8tado8 todos los Estados de Ie. Republica, 0 tambien aplicando la tecnica del muestreo sistematico: I = 32/ 12 = 2.7, redondeo a 3. Niunero dell, 2, 3; selecciono el 2 que sem"r" el primer nilmero de los 12 por seleccionar y cotejo e12 con Ie. Iiste. de los nombre de los Estado de la. Republica r + I ; r + 2 I ; ..... etc. utilizando este procedimiento los nilmeros obtenidos son: 2, 5, 7, 10, 13, 15, 18, 21, 24, 26, 29, 32. Siendo estos los 12 Estados 0 conglomerados que estan representando a todos los segmentos geogrBficos a 10 largo de Ie. Republica Mexicans. 7.4.6 Muestreo por cuotllS Este tipo de muestreo es semejante al muestreo estratificado, excepto en 10 que se refiere al caracter aleatorio. Ejemplo. Suponga que se desea saber la opinion de los jovenes adolescentes y adultos tanto hombres y mujeres de Nayarit, respecto a la calidad de la educaci6n impartida por cada una de las instituciones publicas y privadas a nivel secundaria.. Para deterrninar la muestra, se iniciaria consultando las estadlsticas del censo de poblacion 1990, se obtiene la cIasificacion de los grupos sexo y edades a que hacemos referencia.. CLASIFICACION DE LA POBLACION ESTADO DE NAYARIT 15 - 54 +55 411253 87890 201 571 44397 209682 43493 Para contmllill' con el procedimiento se necesitan unas cuotas, 0 sea, el porccntaje del tltimero de jovenes adolesccntes y adultos 0- 15 - 54 25.4 25.4 +55 5.4 5.3 Se redondean los porcentajes y decido las cuotas 0 nu.mero de muestras que se deben levantar en cada categoria de edad y sexo en el Estado de Na.yarit TAMANO DEL MUESTREO POR EDAD Y SEXO 15 -55 +55 25 25 8. CONCLUSIONES Y RECOMENDACIONES Para conduir, debemos reconocer la existencia de eiertas limitaciones importantes en este trabajo, las cuales confieren a las conc1usiones y recomendaciones un conocimiento no acabado, sino de caracter aUn exploratorio. 8.1 Conclusiones I. En algunos procesos de adquisici6n de conocimiento llobre 111. H!l11idiUl educativa, Is estadistica puede ayudar con el uso de las siguientes ramas fundarnentales: - Teona del muestreo.- La que se ocupa de p1anear 1a busqueda de 1a informacion, estableCiendo los procedimientos a traves de los cuales sea posible hacer generalizaciones sobre la poblacion 8 partir de un subconjunto de la misma, con un grado minimo de error. Este segmento de la estadfstica fue objeto de estudio en el presente docwnento, y espero que sea una herrarmenta uti! y practica para el investigador educativo. - Estadistica dcscriptiva- La que sistematiza y organiza la informaci6n de tal modo que se pueda describir y analizar con facilidad - Estadistica inferencial.- EfectUa inferencias sobre la realidad a partir de la informacion obtenida, haciendo estimaciones y verificando conjeturas, 2. Unas rezones por 18 que se debe de recurrir al muestreo son: cuando la masa de datos 0 poblacion es demasiada grande PMQ. BeT IDanejOOQ. para BY 8D1ilisis comprensivo en su totalidad; se precisaria la raciona1izaci6n del consumo de tiempo, energia de recursos humanos y materiales al hacer uso del muestreo; el censo paralizaria actividades 0 procesos norrnales de la vida de la poblaci6n, por ejemplo, et censo escolar universitario de la DAN realizado en ~ 1996; 10. medicion de todos los elementos de 10. poblaci6n requiere dinero y tiempo, que en ocasiones cuando termina 10. etapa de recoleccion de datos, 10. informacion captado. no tendrio. 10. misma validez que al principio, a consecuencia de posibles cambios 0 bien a 10. misma dim\mica del fenomeno a estudiar. 3. La secuencio. paTa. eI disefio de una muestro. se resumen pasos: - Definir 10. poblacion en estudio. - Identificar eI marco muestral - Elegir el tipo de muestreo - Determinar el tamafio de 10. muestra - elegir los elementos por estudiar siguient 4. Para 10gTar 10. represento.tividad de 10. muestra no requiere el hecho de contar con una muestra grande, sino mas bien, es posible a traves del uso del muestreo aleatorio y sus derivados, por partir de que sus procedimientos son mas cientificos debido a que cada elemento de 10. poblacion tiene 10. mismo. probabilidad para ser seleccionado en 10. muestra. 5. Existen vanas formulas para calcular el tamafio de una muestra, pera todas elias demandan como factor comful cierto grade de precision que debe ser e1egido por el investigador. 6. Una condicion indispensable para que opere satisfactoriamente 10. seleccion de 10. muestra es tener algful tipo de lista, confiable, actualizada de 10. poblaci6n, que los autores liaman marco poblacional. 7. La utilizacion del muestreo deterministico (no probabilistico), esta basado en un juicio personal algunas veces del investigador y otras del recopilador de datos, 10 que hace carecer de validez cientifica, muy a pesar de ser posible que estos juicios ~ una buena estirnacion de las caracteristicas de 10. poblacion estudiada. 8.Z Recomendaciones 1. Es importante saber quien realice una investigaci6n, que antes de diseiiar el muestreo, tomar en cuenta estas dos consideraciones: 10. primera es saber que mientras mayor sea la variabilidad de los panlmetros poblacionales, mayor sera el tamafio de Ia. muestra. La segunda. es, mientras mRS grande sea 10. confiabilidad deseada mas grande sera el tamafio de 10. muestra. 2. AI calcular una muestra a1eatoria simple se recomienda agregar un 10 por ciento de elementos muestrales al resultado obtenido, para fines de control en caso de suceder algo imprevisto. 3. Se recomienda el uso del muestreo estratifieado euando 10. poblaci6n 0 universo pueda ser dividido en estratos 0 grupos que tienen un interes analftico, y que por razones te6rieas y empiricas presentan diferencias entre ellos. 4. Es recomendable para calcular e1 tamaiio de la muestra, emplear la formula. (I), siempre y cuando 10. poblaci6n sea mayor de 10 mil easos, el cuestionario diseiiado oseilara entre 30-40 preguntas preferentemente eerradas y las respuestas a contestar sean exc1uyentes. 5. Para muestras mas complejas se recomienda utilizar 10. formula (4) en la determinacion del tamafio de 10. muestra, siempre y cuando 10. poblaci6n sea menor a 10 mil casos, existan varios grupos entre los que se fijara 10. muestra (estratificado.) y un cuestionario con mas de 50 preguntas preferentemente abiertas. 6. El muestreo no probabilistieo se reeomienda ser utilizado en los casos de realizac alg{m estudio exploratorio con el prop6sito de definir el rumbo 0 camino que seguira la investigacion, tambien al realizar encuestas de opinion publica 0 bien por no existir otra altemativa. 61 7. Los metodos del muestreo estadistico se pueden utilizar para hacer inferencias acerca de las poblaciones por medio de muestras si y s610 si, la muestra es Wla muestra aleatoria. 8. Se recomienda la consulta de este doewnento a personas que se inieian en hacer investigaciones edueativas y quienes tengan dudas acerea del procedimiento para determinar eI tamafio de la muestra y elementos a investigar. I 9. BmLIOGRAFIA 9.1 Basics ARKIN, Herbart. Y Colton Raymond R Metodos estadisticos. 58 ed; Mexico, Ed. CECSA, 1977. BRIONES, Guillermo. Metodos y tecnicas de investigaci6n para las ciencias sociales. 2 8 00; Mexico, Ed. Trillas, 1990. DOWNIE, N.M. y Heath R W. Metodos estadlsticos apiicados. EeL HarIa. 1973. LEVIN, Jack. Fundllfiletlto de estadlstica en la investigaci6n social. 2 8 ed; Mexico, Ed. HarIa, 1979. NAGHI MAHAMMAD, N8ll1akforoosh. Metodologia de la investigacion. Mexico, Ed. Limusa, 1992. PADUA, Jorge. Tecnicas de investigaci6n aplicada a las ciencias sociales. Mexico, Ed. Fondo de Cultura Economics, 1979. PARDINAS, Felipe. Metodologia y tecnicas de investigacion en ciencias sociales. 13 8 00; Mexico, Ed Siglo XXI, 1993. REYES CAST Pedro. Bioestadlstica aplicada: Agronomia. Biologia. Ouimica. Mexico, Ed.. Trillas, 1980. ROJAS SORIANO, Raw. Guia para realizar investigaciones sociales. 12 8 ed; Mexico,Ed.. Plazay Valdez, 1993. SEAD-UPN. Introduccion a los metodos estadisticos. Mexico, voI.3, 1982 63 SPIEGEL, Murray R Teoria y problemas de estadistica. Mexico, Ed. Mc. Graw- Hill,1978. TECLA, A. 1. y Garza RA. Teona. Metodos y Tecnicas de la investigaci6n social. 13- ed; Mexico, Ed. Taller Abierto. 1981. T. W. Mc. Rea. Muestreo estadistico para la auditoria y control. Mexico, Ed. Limusa, 1978. DANIEL, Wayne W. Estadisticas con aplicaci6n a las ciencias sociales y ala educaci6n. Bogota, Colombia, De. Me. Graw-Hill LatinoamericanaS.A., 1981. WILLOUGHBY, Stephan S. Probabilidad y estadistica. 18- ed; Mexico, Ed. Publicaciones Cultural, 1991. 9.2 Complementaria. CORONA, Francisco Javier y Tovar Maria Eugenia. Elementos de estadistica: Aplicaci6n al metodo experimental. Mexico, Ed. Trillas, 1994. KREYSZIG Erwin. Introducci6n ala estadlstica: Principios y metodos. Mexico, Ed. Limusa, 1979. SEAD-UPN. Introducci6n a los metodos estadisticos. Mexico, vol. 1, 2. 1981. SNEDECOR., George W. y William G. Cochran. Metodos estadisticos. Mexico, CECSA, 1967. WONNACOTT, Thomas H. y Ronald j. WOIll1acott. Introducci6n a la estadistica. Mexico, Ed. Limusa S.A.,1979. 9.3 Notll8 bibliograficas 1. REYES CASTA1'ffiDA, Pedro. BioestadlsticaAplicada; Agronomla. Biologia. Qulmica. Mexico. Ed. Trillas.1980. p17 2. RKIN. Herbert yColton Raymond. R. Metodos estadlsticos. 2" ed. Mexico. Ed. Continental. 1977. P 144 3. REYES CASTMlliDA, Pedro. Bioestadlstica Aplicada. Agronomla. Biologia. Qulmica. Mexico. Ed. Trillas.1980.pI7 4. DANIEL. Wayne W. Estadlstica con aplicaci6n a las ciencias sociales y a Ia educaei6n. BogotA, Colombia. Ed. Mc.Graw-Hill Latinoamericana. SA..1981. p6 5. BRIONES, Guillermo. Metodos y Tecrucas de lnvestigaci6n para las Ciencias Sociales. 2" ed. Mexico. Ed Tri1las. 1990. p 84 6. Ibidem,p94 7. T.W:Mc. Rca. Muestrco estadistico para laauditoria ycontrol. MCxlco. Ed. LimUS8. 1878. P33 8. REYES CASTMlliDA, Pedro. Biostadlstica aplicada: Agricultura. Biologia., Qulmica. Mexico, Ed. Trillas 1990.p27 9. AEKlN. Hebert. yColton Raymond R. Metodos estadlsticos. Mexico. Ed. Continental. 1977. p23 1O.REYES CASTMlliDA, Pedro. Bioestadlstica aplil;{\da: AgriclIltllra. Biologtll, Qulmitll, ~ r o Ed. Trillas.1980.p30 11.SPIEGEL, Murray. R. Teorla y problemas de estadlstica. Mexico, Ed. Mc Graw-HillI978. p 141 12.REYES CASTMlliDA, Pedro. Bioestadlstica aplicada: Agricultura. Biologia. Qulmica. Mexico. Ed. Trillas1980.p53 13.SPIEOEL. Murray. R. leorla y problemas de estadlstica. Mexico, Ed. Mc Qrw-Hi11. 1978. p99 14.WlLLOUGHBY, Stepphen S. Probabilidad y estadlstica. 18" ed., Mexico, Ed. Publicaeiones cultural. 1991.pp3-4 15ARKIN. Herbert. y Colton Raymond. R. Medodos estadlsticos. 2" cd., Mexico Ed. Continental. 1977.p38 16.PARDlNAS. Felipe. Metodologta y tecrucas de investigaci6n en ciencias sociales. Mexico. Ed. Siglo XXI. 1971.pl80 17NAGID. Mahammad Namakforoosh. Metodologla de Ia investigaci6n. Mexico, Ed. Limusa. 1992. p 190 18.PADUA, Jorge. TCcnicas de investigaci6n aplicadas a las ciencias sociales. Mexico, Ed, Fonda de CulturaEcon6mlca.1979.p73 19.ROJAS SORIANO, Raul. Gula para realizar investigaciones sociales. Mexico, Ed. Plaza YValdez. 1993. P172 20.lbidem.pp.176.177. '21.Ibidem.p174