Instituto Tecnológico de Villahermosa

Taller de Investigación I (ACA-

0909)
Actividad No. 6 - Bosquejo del
método
Alumna: María Guadalupe Muñoz de
la Cruz.
Noviembre, 2018.
Contenido
1. Universo y muestra……………………………………………………………………………………………. 2

1.1. Definición de términos………………………………………………………………………………………. 2

1.2. Ventajas y limitaciones del uso de muestras……………………………………………………………. 4

1.3. Características de una buena muestra……………………………………………………………….. 4

1.4. Tipos de muestreo……………………………………………………………………………………………… 5

1.5. Tabla de números aleatorios………………………………………………………………………………. 6

1.6. Clases de muestreo……………………………………………………………………………………………. 7

1.7. Tamaño de la muestra………………………………………………………………………………………. 12

2. Tipos de estudio y métodos de investigación………………………………………………….... 15

2.1. Tipos de estudio……………………………………………………………………………………………..... 15

3. Técnica de procesamiento y análisis de datos…………………………………………………… 18

3.1. Recolección de datos o respuestas……….................……………………………...... 19

3.2. Técnica de procesamiento………………………………………………………………………………… 19

3.3. Procesamiento de la información……………………………………………………………………… 19

3.4. Publicación de los resultados…………………………………………………………………………… 22

3.5. Análisis de los datos o resultados……………………………………………………………………… 24

4. Contenido descriptivo……………………………………………………………………………………… 26

5. Referencias………………………………………………………………………………………………………. 26
 1. UNIVERSO Y MUESTRA

En la mayoría de las situaciones de investigación no es posible estudiar todos los

elementos o sujetos a los cuales se refiere el problema, sino que se trabaja con
un grupo de ellos para luego generalizar los resultados a la totalidad, en un
proceso que se conoce como inferencia estadística. Para poder hacer esta
inferencia es necesario que la cantidad de sujetos y la forma como son
seleccionados, sean adecuadas. A continuación se desarrollan algunos aspectos
básicos para facilitar a los alumnos de Investigación en Salud, el manejo
apropiado de esta importante fase de la investigación.

1.1. DEFINICIÓN DE TÉRMINOS

Dos conceptos que interesa definir son los de población y muestra. Población
(o universo) es cualquier colección finita o infinita de elementos o sujetos
(población de pacientes que acuden al Hospital Central “Antonio María Pineda”,
población de habitantes del área de influencia del ambulatorio urbano tipo III
Cabudare, población de familias de una comunidad, población de viviendas en el
municipio Iribarren). Algunos autores establecen diferencias entre los términos
universo y población, indicando con el primero un conjunto de personas, seres u
objetos y con el segundo, un conjunto de números obtenidos midiendo o
contando cierta característica de los mismos, de allí que un universo puede
contener varias poblaciones. Por ejemplo, del universo de pacientes del Hospital
Central Antonio María Pineda, una población estaría dada por el conjunto de
las edades de esas personas, sus tallas, sus pesos, etc. Cuando no haya
posibilidad de confusión, se usa el término población como sinónimo de
universo, siendo ese el criterio que se usará en esta lectura.
 Se habla de que una población es finita cuando consta de un número limitado
de elementos, ejemplo: todos los habitantes de una comunidad. Una población
es infinita cuando no se pueden contabilizar todos sus elementos pues existen
en número ilimitado, como por ejemplo, la población de insectos en el mundo.
Una muestra es un subconjunto de la población, que se obtiene para averiguar
las propiedades o características de esta última, por lo que interesa que sea un
reflejo de la
población, que sea representativa de ella, concepto al que volveremos más
adelante.

UNIVERSO
MUESTRA

Puesto que el fin que perseguimos al hacer una investigación basada

en el estudio de una muestra, es inferir los resultados a la población que nos
interesa, es recomendable distinguir entre dos tipos de población: la población
objetivo y la población muestreada. La población objetivo es aquella sobre la
cual el investigador desea establecer una conclusión, por ejemplo, si deseamos
determinar la frecuencia de hipertensión arterial en la población adulta de
Barquisimeto, la población objetivo está representada por todas las personas
adultas que residen en esta ciudad. La población muestreada es aquella a partir
de la cual se extrajo la muestra y sobre la que puede establecerse la conclusión.
Para el ejemplo anterior, supóngase que se decidió extraer la muestra de
personas adultas de la ciudad entre los asistentes a los establecimientos de salud
del sector público (ambulatorios y hospitales de Barquisimeto); en este caso la
población muestreada está constituida por todos los usuarios adultos de estos
establecimientos de salud. Los métodos de la inferencia estadística permiten al
investigador sacar conclusiones sobre la población muestreada, no sobre la
población objetivo, por lo que es conveniente que ambas coincidan, sin embargo
en ocasiones esto no es factible y la población muestreada es más restringida
que la objetivo, en cuyo caso es necesario que el investigador esté consciente
de lo expuesto anteriormente. En el ejemplo que estamos manejando, la
conclusión de la investigación será la frecuencia de hipertensión arterial en los
usuarios de los ambulatorios y hospitales de la ciudad de Barquisimeto.
 1.2. VENTAJAS Y LIMITACIONES DEL USO DE MUESTRAS

Ventajas
:
1.2.

• Costo reducido: resulta obvio que si no se estudia la totalidad de sujetos

sino una muestra de ellos, los recursos financieros, materiales, personal, etc
necesarios para hacer la investigación serán menores.
• Mayor rapidez: de igual forma, la recolección de la información se hará en
menos tiempo.
• Mayor exactitud: al estudiar una muestra se reduce el volumen de trabajo,
por lo cual es posible entonces emplear personal más capacitado, supervisar
con mayor cuidado las actividades de campo, el procesamiento de los datos,
y de esta forma obtener resultados más exactos que los que obtendríamos de
estudiar toda la población.
• Mayores posibilidades: Existen casos en los cuales no es posible estudiar
toda la población, como por ejemplo, cuando ésta es infinita o muy grande o
cuando el proceso de medida para estudiar la característica deseada es
destructivo (determinar la dosis letal de una droga por ejemplo, o al consumir
un artículo para juzgar sobre su calidad). En ese caso solo es posible estudiar
una muestra.
Limitacione
s:
• No se debe emplear muestras cuando la población es muy
pequeña
• La teoría del muestreo es compleja y no es del dominio de la mayoría
de los investigadores, por lo que con frecuencia deben buscar apoyo en
especialistas en la materia.

1.3. CARACTERÍSTICAS DE UNA BUENA MUESTRA

Una muestra debe ser adecuada en cantidad y en calidad. En relación con el

primer aspecto, existen procedimientos estadísticos para saber cuál es el número
mínimo de elementos que debemos incluir en el estudio para obtener resultados
válidos. La calidad involucra el concepto de representatividad de la muestra. Se
dice que una muestra es representativa de la población cuando es un reflejo de
ella, es decir cuando reúne las características principales de la población en
relación con la variable en estudio.

Si deseamos determinar cuál es la prevalencia de desnutrición en la

población infantil de Barquisimeto y estudiamos una muestra de niños obtenida
de la zona este de la ciudad (donde se encuentra la mayoría de las
urbanizaciones de clase media y alta), esa no sería una muestra representativa
para dicha investigación y la prevalencia de desnutrición que obtendríamos
subestimaría la cifra real para la ciudad. Si nuestro objetivo es determinar la
duración promedio de la hospitalización de los pacientes del Hospital Central
Antonio María Pineda, para lograr una muestra representativa deberíamos incluir
pacientes de los departamentos de Medicina, Cirugía, Obstetricia y Pediatría,
dado que la estancia hospitalaria difiere entre ellos. Si estudiamos una gran
proporción de pacientes de obstetricia, estaríamos subestimando la duración de
la estancia hospitalaria en dicho centro asistencial. La representatividad de la
muestra es pues un aspecto de gran importancia en la investigación y para
lograrla es necesario seleccionar el tipo y clase de muestreo que garantice esta
condición y trabajar con un tamaño de muestra adecuado.

1.4. TIPOS DE MUESTREO

Se conoce como muestreo el proceso de obtención de la muestra. Puede

ser probabilístico y no probabilístico. Hablamos de un muestreo probabilístico
cuando los integrantes de la muestra se escogen al azar y por lo tanto, puede
calcularse con antelación la probabilidad de obtener cada una de las muestras
que pueden formarse de esa población o la probabilidad que tiene cada elemento
de la población de ser incluido en la muestra.
La selección de los elementos puede hacerse por el método de la lotería,
la tabla de números aleatorios o con paquetes automatizados que forman
números al azar. El método de la lotería consiste en asignarle un número a cada
integrante de la población y luego seleccionar tantos números como sea
necesario para completar la muestra. Esto puede hacerse con un biombo (como
en las loterías), o con papeles numerados introducidos en una bolsa de la cual
se extraen. La tabla de números aleatorios consta de una gran cantidad de
números distribuidos en filas y columnas de la cual podemos extraer tantos como
necesitemos para formar la muestra. Si tenemos una población compuesta por
800 personas y queremos seleccionar aleatoriamente 30, los pasos serían:
1.5. Tabla de números aleatorios

00-05 06-11 12-17 18-23 24-29

01 1 0 8 5 8 1 0 3 3 7 6 7 6 3 7 8 4 1 6 5 3 1 5 4 1 0 2 215
02 4 1 9 4 2 0 6 8 4 3 2 4 6 9 6 6 1 4 6 5 6 1 5 9 2 3 6 662
03 7 7 8 6 4 4 5 8 2 2 8 2 8 6 8 2 8 1 6 0 5 5 1 5 8 8 5 344
04 2 4 2 4 7 2 0 6 5 5 1 1 3 6 7 6 0 1 5 4 1 7 0 6 7 3 1 393
05 6 6 2 7 5 8 8 6 1 9 8 8 4 1 5 6 5 7 6 8 1 6 8 6 4 7 0 101

06 1 6 3 5 2 2 7 1 6 5 7 7 5 0 1 5 8 6 5 2 2 0 7 1 3 6 4 438
07 1 8 6 1 2 6 2 7 1 7 1 4 0 6 1 3 5 9 1 3 9 2 6 8 1 8 7 731
08 1 3 8 1 0 2 6 4 8 6 0 2 8 6 6 1 3 0 2 8 3 4 2 1 7 9 7 289
09 9 9 1 8 8 5 6 5 5 1 6 5 7 4 1 5 3 2 2 1 7 5 2 8 7 4 6 645
10 1 6 4 5 1 9 3 1 7 9 6 5 6 9 3 1 3 8 2 8 3 8 1 6 1 9 7 389

11 8 1 2 6 7 7 4 4 3 3 2 0 2 8 4 0 3 8 3 7 1 2 5 3 6 3 7 466
12 6 8 1 3 5 6 3 1 3 5 7 9 5 4 4 1 0 7 8 3 6 6 6 6 7 5 4 482
13 4 6 8 0 4 7 6 0 6 6 2 3 6 5 6 3 6 6 3 6 4 4 1 4 1 7 5 883
14 5 4 5 4 9 8 6 3 1 6 6 5 1 3 3 5 7 4 8 5 6 9 7 2 0 4 5 616
15 6 6 1 1 0 5 5 2 5 1 1 3 3 7 6 0 3 6 9 2 0 6 0 1 5 2 2 037

16 3 9 1 4 3 0 6 6 9 8 1 1 3 3 4 7 6 6 7 6 4 5 6 3 3 3 3 325
17 5 4 2 8 2 2 3 1 1 4 1 3 5 7 0 8 2 3 1 5 1 8 2 4 1 5 9 649
18 2 8 5 3 5 5 5 5 7 5 5 6 4 7 1 7 8 9 4 5 1 7 6 3 8 8 8 714
19 6 8 5 2 6 1 1 7 2 4 6 8 4 8 6 8 2 8 4 6 8 1 1 7 1 2 7 731
20 1 6 3 0 3 0 4 3 6 3 7 6 8 4 0 1 9 6 6 4 7 8 4 3 7 3 7 770

1. Obtener un listado de las personas o elementos que forman la población,

luego enumerarla.
2. Determinar el orden que va a seguir para seleccionar los números en la tabla.
Puede hacerlo en sentido vertical, horizontal, diagonal, etc. Lo importante
es seguir siempre este orden hasta completar la muestra. Suponga que
decidió hacerlo en sentido vertical.
3. Determine la fila y columna por la cual iniciará la selección. Por ejemplo
suponga que se decidió iniciar por la fila 10, columna 03.
4. Inicie la selección por esa fila y columna teniendo el cuidado de constituir
números de 3 dígitos (recuerde que la población es de 800 personas y todas
ellas deben tener
 la oportunidad de ser escogidas). De esta manera el primer número a ser
incluido en la muestra es el 519.
5. Continúe la selección (en sentido vertical como se decidió). El segundo
número es el 677, el tercer el 356, y así sucesivamente hasta tener los 30
números (cada uno de ellos representa una persona).
6. Los números que sobrepasen al 800, no son tomados en cuenta
pues no corresponden a ningún miembro de la población.

Es recomendable trabajar con muestras probabilísticas puesto que permiten

que los resultados obtenidos en ellas puedan ser extrapolados a la población con
un margen de confianza determinado.
En relación con las muestras no probabilísticas, llamadas también muestras
por conveniencia, los elementos son escogidos con base en la opinión del
investigador y se desconoce la probabilidad que tiene cada elemento de ser
elegido para la muestra. En este tipo de muestreo existen el intencional (o
deliberado) y los accidentales (o por comodidad). En el primero el investigador
escoge aquellos elementos que considera típicos de la población. En los
segundos, se toman los casos que estén disponibles en el momento. Otro tipo
es el muestreo por cuotas en el cual el investigador establece una cuota o
cantidad de elementos según algunas características de la población, ejemplo,
sexo, estado civil y edad, luego escoge los sujetos que encuentra hasta cubrir la
cuota establecida. Este último se usa frecuentemente en las encuestas de opinión
pública.
En ocasiones se trabaja combinando una elección al azar con una no
probabilística: es el caso del muestreo semiprobabilístico superior en el cual
se conoce la probabilidad de escoger un segmento de la población más no
la de un elemento dentro de él (Ejemplo: se seleccionan aleatoriamente las
manzanas de una urbanización, dejando a la decisión del entrevistador la
elección de las viviendas dentro de las manzanas seleccionadas). En el
muestreo semiprobabilístico inferior se hace lo contrario (Ejemplo: se
seleccionan las manzanas que nos parezcan más típicas de la urbanización y
en ellas se escogen al azar las viviendas a estudiar) .
 1.6. CLASES DE MUESTREO

Existen varias clases de muestreo y la decisión sobre cuál utilizar depende

de las características de la población y de la posibilidad de maneja los aspectos
técnicos del diseño de la muestra. A continuación se presenta la descripción del
diseño, las indicaciones, ventajas y desventajas de cada clase de muestreo.
Muestreo aleatorio simple
(MAS):
A) Descripción: consiste en seleccionar “n” elementos de los “N” que conforman
la población de forma que todos ellos tengan igual posibilidad de ser escogidos
para integrar la muestra.(convencionalmente se emplea la letra “n” minúscula
para indicar el tamaño de la muestra y “N” mayúscula para designar el de la
población). El diseño comprende:
• Disponer de una lista numerada de los “N” integrantes de la población.
• Seleccionar en forma aleatoria (por el método de la lotería, la tablas de
números aleatorios o por computadora) cada uno de los integrantes de la
muestra.
B) Usos: esta clase de muestreo está indicado cuando la población es bastante
homogénea en lo que respecta a la variable en estudio (la varianza tiende a cero)
y es posible obtener el listado de los elementos de la población. Ejemplo: si
deseamos conocer la opinión de los alumnos de esta sección de Investigación
en Salud acerca de la dinámica empleada en las clases, es bastante factible que
esta opinión sea parecida entre la mayoría de los alumnos, por lo que se puede
considerar una población homogénea. Por otra parte, el listado de los alumnos
existe, por lo que esta clase de muestreo es aplicable.
C) Ventajas: la sencillez del diseño y de los cálculos
estadísticos.
D) Limitaciones: no se puede practicar cuando es imposible obtener la lista con
todos los integrantes de la población.

Muestreo aleatorio estratificado

(MAE):
A) Descripción: consiste en dividir el conjunto “N” de elementos de la población
en varios subconjuntos o estratos, de tal forma que cada estrato formado sea
internamente homogéneo, es decir, que sus integrantes se parezcan mucho entre
sí en lo que se refiere la variable a estudiar, mientras que los estratos difieren
unos de otros. Una vez formados los estratos, se escogen aleatoriamente los
elementos a estudiar en cada uno de ellos.
Ejemplo: si deseamos conocer la opinión de los alumnos de Investigación en
Salud acerca de la dinámica empleada en las clases, cada sección sería un
estrato puesto que los docentes emplean diferentes dinámicas. Dentro de cada
sección la variable opinión acerca de la dinámica empleada se supone
homogénea, pero entre las distintas secciones (estratos) posiblemente hay
diferencias. De igual forma, para conocer el promedio de estancia hospitalaria
en el Hospital Antonio María Pineda”, cada departamento sería un estrato, con un
tiempo de hospitalización parecido entre sus pacientes pero que difiere
grandemente del de los pacientes de otros departamentos (los pacientes de
obstetricia son parturientas que duran pocos días hospitalizadas, a diferencia
de los pacientes de cirugía quienes tienen que guardar postoperatorio)

UNIVERSO
Pacientes hospitalizados en el HCU ”AMP”

Estratos

Depto de Depto de Depto de Depto de

Medicina Pediatría Cirugía Obstetricia

Muestra Muestra Muestra Muestra

estrato1 estrato 2 estrato 3 estrato 4

El número de elementos a seleccionar en cada estrato puede establecerse

de dos formas: una vez calculado el total de sujetos a estudiar (tamaño de la
muestra), se divide este total entre el número de estratos, estudiándose igual
cantidad de sujetos en cada uno de ellos (asignación uniforme). También puede
repartirse este total de la muestra de manera proporcional al tamaño de los
estratos, de esa forma los estratos más grandes tendrán una muestra más grande
(asignación proporcional).
B) Usos: En poblaciones heterogéneas en lo que se refiere a la variable en
estudio.
C) Ventajas:
• Se logra mayor precisión en los resultados para un tamaño de muestra
dado. Si en el ejemplo anterior en lugar de usar un MAE se hubiese
empleado un MAS, el error sería muy grande pues la muestra podría
quedar integrada en su mayoría por pacientes de un solo departamento.
• Se obtienen valores por separado para cada estrato.
• Ventajas de índole administrativa (menor costo).
D) Desventajas: Se debe poseer un listado de todos los integrantes de la
población.
Muestreo
sistemático:
A)Descripción: Consiste en seleccionar aleatoriamente un cierto número “i” que
designará, en una lista o población de N elementos, al primero que va a formar
parte de la muestra; a continuación, de manera rígida o sistemática, se van
tomando los elementos: i+K
i + 2K
i + 3K, así hasta agotar todos los elementos disponibles de la
lista, lo que ocurrirá cuando se llegue al que ocupa el lugar:
i + (n – 1)K
El primer elemento a estudiar se selecciona aleatoriamente entre el primero
de la lista y el número K. Este número K resulta de dividir N/n (K= N/n). Por
ejemplo, si N=
1000 y deseamos estudiar una muestra de n = 25 personas, K= 1000/25; es decir
K= 40. Suponga que aleatoriamente escogemos un número entre 1 y 40 y
obtenemos el número
20 (i = 20), la persona que tenga ese número en la lista será la primera que
formará parte de la muestra. La segunda persona a incluir en la muestra será la
i+2K, (20+2*40), es decir, la persona número 100. La tercera será la i+3K,
(20+3*40) = 140, y así se continúa hasta completar las 25 personas de la
muestra.
B)
Usos:
• Solo en poblaciones heterogéneas y siempre y cuando no exista relación
entre la variable a estudiar y la forma como se encuentra distribuida la
población.
C)
Ventajas:
• Facilidad para extraer la muestra y hacerlo sin
errores.
• Es más preciso que el muestreo aleatorio simple cuando la
población es heterogénea. Si es homogénea la información se repite de
unidad a unidad.
D)
Desventajas:
• Poca precisión cuando existe una periodicidad insospechada. En este
caso la representatividad de la muestra depende del valor de K. Si K es
 múltiplo o igual al valor del período, todas las observaciones serán
similares. Por ejemplo, tenemos una población con N = 80 elementos que
repiten los valores 1, 3, 0, 8 de la siguiente forma:

1, 3, 0, 8, 1, 3, 0, 8, 1, 3, 0, 8, ..............1, 3, 0, 8

Si tomamos una muestra sistemática de n = 20 elementos, K = 80/20 = 4;

cualquiera que sea el número i que elijamos entre 1 y 4 para comenzar la
selección, la muestra estará constituida siempre por el mismo valor.
• En poblaciones con tendencia lineal, si no se corrige esta tendencia, el
muestreo sistemático tiene menor precisión que el estratificado. Ejemplo,
si una población está ordenada según su coeficiente de inteligencia y se
desea estudiar los resultados de un test de razonamiento abstracto, los
resultados probablemente estarán sobreestimados.
• En poblaciones autocorrelacionadas la precisión del muestreo
sistemático es poca. Si se desea determinar los efectos de la
contaminación provocada por una empresa en la salud de los habitantes
de una ciudad, se trata de una población autocorrelacionada pues en la
medida en que estén más cerca de la empresa, habrá mayor
contaminación.

Muestreo por
conglomerados:
A)Descripción
:
Consiste en dividir el conjunto de elementos en subconjuntos llamados
conglomerados, cuya característica es que internamente son heterogéneos
en lo que se refiere a la variable en estudio pero si se comparan varios
conglomerados, se nota que son parecidos entre sí. Una vez dividida la
población en “N” conglomerados, se escoge en forma aleatoria “n” de ellos y se
estudian todos sus elementos. Ejemplo de este tipo de muestreo es la selección
de manzanas de viviendas para estudiar las características de los grupos
familiares que residen en una urbanización, de escuelas para estudiar el
conocimiento de los alumnos sobre algún aspecto que nos interesa, etc.
B)Usos
:
Se recomienda en el caso que se desee estudiar localidades más o menos
grandes por lo que se le conoce también como muestreo de áreas.
C)Ventajas
:
• No se requiere del listado de los elementos de la población, sino solamente
de los conglomerados.
• Los costos son mucho menores pues las entrevistas están concentradas.
• Se controla mejor la calidad de los datos.
D) Desventajs:

• Lo complicado de los cálculos.

• Las inferencias que se extraen de esta clase de muestreo no son tan
confiables como las de un estudio hecho con muestreo aleatorio.
Muestreo por
etapas:
En ocasiones se selecciona una muestra de conglomerados (primera etapa) y
estos no son estudiados todos sino que en ellos se conforman otros
conglomerados de los cuales se selecciona una muestra que es la estudiada
(segunda etapa). Por ejemplo, cuando se seleccionan barrios de una ciudad y en
los barrios seleccionados se escogen varias manzanas en las cuales se lleva
a cabo la investigación. Esta clase de muestreo se conoce como bietápico.
Puede hacerse también en tres etapas o más (muestreo polietápico).

Métodos
mixtos:
En la práctica es frecuente la combinación de varias clases de muestreo, como
comenzar por formar estratos de la población, dividir cada estrato en
conglomerados a seleccionar y en ellos seleccionar las unidades a estudiar
por muestreo sistemático. Esto se hace para lograr una mayor representatividad
de la muestra a un menor costo. Así, si se desea determinar la opinión de los
estudiantes universitarios del país sobre la constituyente universitaria, se pueden
formar dos estratos (universidades públicas y universidades privadas), a
continuación se selecciona una muestra aleatoria de “n” universidades
(conglomerados) en cada estrato y en ellas se escoge sistemáticamente, de la
lista de alumnos, una muestra de ellos.

1.7. TAMAÑO DE LA MUESTRA

El cálculo del tamaño de la muestra exige una variedad tal de información que
excede las posibilidades de este curso, pues para cada clase de muestra y dentro
de ellas, para cada tipo de medición, existe un procedimiento particular. Sin
embargo, es necesario que la persona que realiza investigaciones conozca los
factores de los cuales depende el tamaño de la muestra para que pueda
comunicarse con el especialista capacitado para hacerlo. También, existen en la
actualidad paquetes como el EPI INFO (3) que nos ayudan a calcular este
tamaño. La información que proporcionamos a continuación le ayudará a
entenderse con ambos.

Los factores que intervienen en el tamaño de la muestra son:

El error máximo admisible (“d” o “e”): determina la precisión de los resultados.

Es la máxima diferencia que podemos tolerar entre el valor de la variable
obtenido en la muestra y el verdadero valor de ésta en el universo. Para
establecer el valor de “e” debemos preguntarnos cuán precisos deseamos
que sean los resultados de la investigación, es decir, qué tan exactamente
deseamos conocer el valor de la variable. Por ejemplo, para una
investigación que tiene como objetivo determinar el porcentaje de
trabajadores agrícolas del Valle de Quíbor que desconoce las normas de
seguridad para el manejo de plaguicidas y deseamos un error no mayor de
3%, entonces, si en la muestra se obtiene que el porcentaje de trabajadores
agrícolas que desconoce las normas de seguridad resulta ser de 19%,
estaríamos aceptando que realmente el verdadero valor esté entre 19 ± 3, es
decir, entre 16% y 22%. El error máximo admisible está inversamente
relacionado con el tamaño de la muestra (a mayor error, muestras más
pequeñas, a menor error muestras más grandes).
b) Coeficiente de confianza de la estimación: para hacer la afirmación
anterior sobre los límites dentro de los cuales se encuentra el verdadero valor
poblacional, debe conocerse la probabilidad de que estos resultados sean
ciertos y esto lo da el coeficiente o nivel de confianza, el cual es la medida
probabilística de que el intervalo fijado con “e”, contenga el valor poblacional.
En el ejemplo de los trabajadores agrícolas el investigador decidió trabajar
con un nivel de confianza de
95%, con lo cual podríamos afirmar con un 95% de certeza que el porcentaje
de trabajadores agrícolas del Valle de Quíbor está entre 16% y 22%. Claro
está, queda
 5% de posibilidades de equivocarnos al establecer esa conclusión. Si
trabajamos con
99% de confianza, nos quedaría una posibilidad de equivocarnos de
1%. Por supuesto que nos gustaría tener un gran nivel de confianza (de
hecho, en el área de la salud se acostumbra trabajar con 95 o 99% de
confianza), pero resulta que el tamaño de la muestra se relaciona
directamente con este nivel, en el sentido que mientras más confianza
queremos tener en los resultados, el tamaño de la muestra será mayor.
Los valores de “e” y del nivel de confianza los establece el investigador
dependiendo de:
• Las características del estudio: ¿qué resultados espera obtener?,
¿para qué se utilizarán los resultados?.

• Del número de sujetos que realmente puede estudiar con los recursos
disponibles.

La homogeneidad de la población en lo que respecta a la variable en

estudio: si la variable se encuentra presente en un elevado porcentaje de
la población, decimos que ésta es homogénea y bastaría una muestra
pequeña para realizar la investigación. Las fórmulas para calcular el
tamaño de la muestra contienen una estimación del valor de la variable en la
población, el cual tenemos que conjeturar a partir del conocimiento que
tengamos de la población, de estudios realizados en poblaciones parecidas a
la nuestra, o de estudios pilotos.

A continuación se presentan varios cálculos de tamaño muestral efectuados

con el paquete EPIINFO versión 6.04b para que pueda apreciar cómo cambia el
tamaño de la muestra dependiendo del nivel de confianza y el error máximo
admisible. El ejemplo se refiere a la investigación del porcentaje de trabajadores
agrícolas del Valle de Quíbor que desconocen las normas de seguridad para
el manejo de plaguicidas. Supongamos que el tamaño de la población es de
8000 trabajadores agrícolas, que la frecuencia esperada es de 20% (pensamos
por estudios previos que alrededor de 20% de los trabajadores de esa zona
desconocen las normas de seguridad para el manejo de plaguicidas) y que
podemos tolerar un error de 3% (23% sería el máximo valor aceptable por
error). Con esos datos el paquete EPIINFO nos calcula el tamaño de muestra
que debemos estudiar para diferentes niveles de confianza, para que decidamos
con cuál trabajar. El reporte que ofrece este programa es:
 Aquí podemos observar que el tamaño de la muestra aumenta en la medida que lo hace
el nivel de confianza.
Por otra parte, si en lugar de aceptar un error máximo de 3%, aceptamos un
error de
10% (30% es el máximo valor aceptable por error), vemos cómo se modifica el
tamaño de la muestra para diferentes niveles de confianza, siendo inferiores
cuando éramos más exigentes con la precisión de los resultados.
a los obtenidos

El paquete EPIINFO permite calcular el tamaño de la muestra cuando se hace

una investigación descriptiva para estimar una proporción o porcentaje en la
población (porcentaje de asmáticos en un área, proporción de alumnos con
calificaciones superiores a 16 puntos, porcentaje de personas de una comunidad
que tienen ingresos inferiores a la canasta básica, etc). También permite
calcular el tamaño de la muestra para investigaciones de casos y controles, de
cohortes y de corte transversal. Estos son cálculos válidos cuando se usa
muestreo aleatorio simple.

2. Tipos de estudio y métodos de investigación

2.2. Tipos de estudio

Según el nivel de conocimiento científico (observación, descripción, explicación) al

que espera llegar el investigador, se debe formular el tipo de estudio, es decir de
acuerdo al tipo de información que espera obtener, así como el nivel de análisis
que deberá realizar. También se tendrán en cuenta los objetivos y las hipótesis
planteadas con anterioridad.
Los estudios se clasifican en:
1) Estudios exploratorios o formulativos
El primer nivel de conocimiento científico sobre un problema de investigación se
logra a través de estudios de tipo exploratorio; tienen por objetivo, la formulación
de un problema para posibilitar una investigación más precisa o el desarrollo de
una hipótesis. Permite al investigador formular hipótesis de primero y segundo
grados.
Para definir este nivel, debe responder a algunas preguntas:
 ¿El estudio que propone tiene pocos antecedentes en cuanto a su modelo
teórico o a su aplicación práctica?
 ¿Nunca se han realizado otros estudios sobre el tema?
 Busca hacer una recopilación de tipo teórico por la ausencia de un modelo
específico referido a su problema de investigación? ¿Considera que su
trabajo podría servir de base para la realización de nuevas investigaciones?
El investigador debe tener claridad acerca del nivel de conocimiento científico
desarrollado previamente por otros trabajos e investigadores, así como la
información no escrita que posean las personas que por su relato puedan ayudar
a reunir y sintetizar sus experiencias. Ha de especificarse las razones por las que
el estudio propuesto es exploratorio o formulativo. Ejem.: las monografías e
investigaciones bibliográficas que buscan construir un marco teórico de referencia.
Cuando el investigador construye un marco de referencia teórico y práctico puede
decirse que este primer nivel de conocimiento es exploratorio, el cual
puede complementarse con el descriptivo, según lo que quiera o no el
investigador.[1]
“Tienen por objeto esencial familiarizarnos con un tema desconocido, novedoso o
escasamente estudiado. Son el punto de partida para estudios posteriores de
mayor profundidad”.[2]

2) Estudios descriptivos
Sirven para analizar cómo es y cómo se manifiesta un fenómeno y sus
componentes. Permiten detallar el fenómeno estudiado básicamente a través de
la medición de uno o más de sus atributos. Por ejemplo la investigación en Ciencias
Sociales se ocupa de la descripción de las características que identifican los
diferentes elementos y componentes, y su interrelación.
El conocimiento será de mayor profundidad que el exploratorio, el propósito de este
es la delimitación de los hechos que conforman el problema de investigación,
como:
1. Establecer las características demográficas de las unidades investigadas
(número de población, distribución por edades, nivel de educación, etc.).
2. Identificar formas de conducta, actitudes de las personas que se encuentran
en el universo de investigación (comportamientos sociales, preferencias,
etc.)
3. Establecer comportamientos concretos.
4. Descubrir y comprobar la posible asociación de las variables de
investigación.
Identifica características del universo de investigación, señala formas de conducta
y actitudes del universo investigado, establece comportamientos concretos y
descubre y comprueba la asociación entre variables de investigación. De acuerdo
con los objetivos planteados, el investigador señala el tipo de descripción que se
propone realizar. Acude a técnicas específicas en la recolección de información,
como la observación, las entrevistas y los cuestionarios. La mayoría de las veces
se utiliza el muestreo para la recolección de información, la cual es sometida a un
proceso de codificación, tabulación y análisis estadístico.
Puede concluir con hipótesis de tercer grado formuladas a partir de las
conclusiones a que pueda llegarse por la información obtenida.
“Estos estudios describen la frecuencia y las características más importantes de
un problema. Para hacer estudios descriptivos hay que tener en cuenta dos
elementos fundamentales: Muestra, e Instrumento”.[3]
Debe responder algunas interrogantes:
 ¿Se propone identificar elementos y características del problema de
investigación?
 Busca hacer una caracterización de hechos o situaciones por los cuales se
identifica su problema de investigación?
 ¿El problema que Ud. plantea y los hechos que comprende abarcan formas
comportamientos sociales, actitudes, creencias, formas de pensar y actuar
de un grupo?
 ¿Espera que los resultados de su investigación sean base para la
formulación de nuevas hipótesis a partir de las cuales se inicia un
conocimiento explicativo?
3) Estudios explicativos
Buscan encontrar las razones o causas que ocasionan ciertos fenómenos. Su
objetivo último es explicar por qué ocurre un fenómeno y en que condiciones se da
éste.[4]
“Están orientados a la comprobación de hipótesis causales de tercer grado; esto
es, identificación y análisis de las causales (variables independientes) y sus
resultados, los que se expresan en hechos verificables (variables dependientes).
Los estudios de este tipo implican esfuerzos del investigador y una gran capacidad
de análisis, síntesis e interpretación. Asimismo, debe señalar las razones por las
cuales el estudio puede considerarse explicativo. Su realización supone el ánimo
de contribuir al desarrollo del conocimiento científico”.
Para definir este tipo de estudio, tenga en cuenta las siguientes interrogantes:
 ¿Los resultados de su investigación se orientan a la comprobación de
hipótesis de tercer grado?
 Las hipótesis que ha planteado están construidas con variables que a su vez
contienen otras variables?
 Las hipótesis que ha planteado establecen la manera como una determinada
característica u ocurrencia es determinada por otra?
 Los resultados de su trabajo pueden constituirse en un aporte al modelo
teórico de la explicación de hechos y fenómenos que puedan generalizarse
a partir de su problema de investigación?
4) Estudios correlacionales
El investigador pretende visualizar cómo se relacionan o vinculan diversos
fenómenos entre sí, o si por el contrario no existe relación entre ellos. Lo principal
de estos estudios es saber cómo se puede comportar una variable conociendo el
comportamiento de otra variable relacionada (evalúan el grado de relación entre
dos variables).
5) Estudios experimentales
En ellos el investigador desea comprobar los efectos de una intervención
específica, en este caso el investigador tiene un papel activo, pues lleva a cabo
una intervención.
En los estudios experimentales el investigador manipula las condiciones de la
investigación.
En salud se realiza este tipo de estudio, para evaluar la eficacia de diferentes
terapias, de actividades preventivas o para la evaluación de actividades de
planificación y programación sanitarias. En los estudios de seguimiento los
individuos son identificados en base a su exposición, en cambio en los estudios
experimentales es el investigador el que decide la exposición.
6) Estudios no experimentales
En ellos el investigador observa los fenómenos tal y como ocurren naturalmente,
sin intervenir en su desarrollo.
7) Estudios analíticos (Estudio de casos y controles)
Este tipo de estudio identifica a personas con una enfermedad (u otra variable de
interés) que estudiemos y los compara con un grupo control apropiado que no
tenga la enfermedad. La relación entre uno o varios factores relacionados con la
enfermedad se examina comparando la frecuencia de exposición a éste u otros
factores entre los casos y los controles.
Sesgos: la precisión y validez de un estudio
Independientemente del tema y los objetivos de un estudio, que pueden ser de
mayor o menor interés para el lector o para la comunidad científica, lo que siempre
se debe perseguir es que el estudio sea preciso y válido.[5]
Todo estudio debe ser entendido como un ejercicio de medida en cada uno de los
apartados de planificación, ejecución e interpretación. Es por tanto necesario
formular unos objetivos de forma clara y cuantitativa para dejar muy bien sentado
desde el principio que es lo que se quiere medir. Si este primer paso es deficiente
o poco claro la calidad de un estudio se tambalea. Los elementos que amenazan
estas mediciones son: El Error Aleatorio y el Error Sistemático.
Tipos de investigación
Existen muy diversos tratados sobre las tipologías de la investigación. Las
controversias para aceptar las diferentes tipologías sugieren situaciones
confusas en estilos, formas, enfoques y modalidades. En rigor, y desde un punto
de vista semántico, los tipos son sistemas definidos para obtener el conocimiento.
Se presenta una síntesis de los tipos mostrados por diferentes autores sobre el
tema.

A continuación se mostraran los ipos de confiabilidad, su característica

metodológica, el procedimiento y las fórmulas estadísticas respectivas.
3. Técnica de Procesamiento y Análisis de Datos
En este apartado se describen las distintas operaciones a las que serán
sometidos los datos o respuestas que se obtengan: clasificación, registro,
tabulación y codificación si fuere el caso. En cuanto al Análisis se definirán las
Técnicas Lógicas o Estadísticas, que se emplearán para descifrar lo que revelan
los datos recolectados

3.1. Técnica de Procesamiento

3.2. RECOLECCIÓN DE DATOS O RESPUESTAS

Implica elaborar un plan detallado de procedimientos que conduzcan a reunir
datos con un propósito especifico.
¿Cómo se preparan los datos o respuestas para analizarlos?
Las respuestas o los datos obtenidos, previamente codificados, se transfieren
a una matriz de datos y se preparan para su análisis
Paso 1.- ¿Cómo codificamos los datos o respuestas para contabilizarlos?
*Codificación de preguntas cerradas:
 Asignar un numero a cada respuesta. Un atributo corresponde a un valor
específico en una variable, por ejemplo:
Para preguntas cerradas de elección única y dicotómica tomemos el siguiente
ejemplo:
“pregunta”:
¿usted estudia?
 SI
 NO
Podemos asignar un numero “1” si responde “SI” y un numero “2” si responde
“NO”; y un atributo adicional “NC” (no contestó) como numero “3”, éste atributo
“adicional” no deberá aparecer en el “cuestionario”, se utiliza solamente para
codificación de datos que no se respondan.
En variables que exploran el grado de acuerdo o desacuerdo frente a una
afirmación los atributos podrían ser:
Código = Atributo
1 = muy en desacuerdo
2 = en desacuerdo
3 = indiferente
4 = de acuerdo
5 = muy de acuerdo
6 = No responde
*Codificación de preguntas abiertas: primero han de ser respondidas, para
luego:
 Establecer clases de respuestas (listado de respuestas)
 Asignarle un código a cada respuesta
 Una vez “codificado” los atributos de las variables de interés, se realiza el paso
2.
Paso 2.- Libro de Códigos. Es un documento que describe la localización de las
variables y los códigos asignados a los atributos que las componen , su función
es guiar el proceso de codificación y localizar variables e interpretar los datos
durante el análisis

El libro de códigos puede ser representado en una tabla diseñada por el propio
investigador
Paso 3.- Efectuar físicamente la codificación (tabular datos)
Agrupar y estructurar los datos obtenidos en el trabajo de campo
Paso 4.- Guardar los datos para prepararlo en su posterior Análisis.
Definir las herramientas o programas estadísticos para el procesamiento de
los datos. Hay programas que se utilizan para almacenar datos como, hoja de
cálculos, programas estadísticos, entre otros. Es necesario escoger el que se
adapte a las características de los datos y el que conozcamos mejor. Puede
procesarse manualmente.
3.3. PROCESAMIENTO DE LA INFORMACIÓN
Es el proceso mediante el cual los datos individuales se agrupan y estructuran
con el propósito de responder a:
 Problema de Investigación
 Objetivos
 Hipótesis del estudio

Convirtiéndose los datos en información significativa.

3.4. PUBLICACIÓN DE LOS RESULTADOS

Los resultados se presentan mediante ecuaciones, gráficos y tablas, y se
interpretan
3.5. ANÁLISIS DE LOS DATOS O RESULTADOS

Como dice Encinas (1993), los datos en sí mismos tienen limitada importancia,
es necesario “hacerlos hablar”, en ello consiste, en esencia, el análisis e
interpretación de los datos.
Reflexión sobre los resultados obtenidos en el trabajo de campo y en función
de:
 Problema de Investigación
 Objetivos
 Hipótesis del estudio
 El marco teórico del estudio
Existen dos técnicas que son, el ANÁLISIS ESTADÍSTICO y el ANÁLISIS
DESCRIPTIVO.

4. CONTENIDO DESCRIPTIVO
El proceso del análisis de los datos se esquematiza en:
1. Describir el tratamiento estadísticos de los datos a través de gráficos,
tablas, cuadros, dibujos diagramas, generado por el análisis de los datos
2. Describir datos, valores, puntuación y distribución de frecuencia para
cada variable
3. El diseño de investigación utilizado indica el tipo de análisis requerido para
la comprobación de hipótesis
5. Referencias

Avila, J. (2011). Syllabus ACA-0909 TALLER DE INVESTIGACIÓN I. Noviembre 25, 2018, de Instituto
Tecnológico Superior de Calkiní en el Estado de Campeche Sitio web:
https://www.itescam.edu.mx/portal/asignatura.php?clave_asig=ACA-0909&carrera=LADM-
2010-234&id_d=12

c)
.
a)