PNF.

ADMINISTRACIN
PROYECTO I
ASESOR: Lcdo. Nelson Villamizar.
POBLACIN Y MUESTRA
Para realizar una investigacin social, no hay que estudiar la totalidad de la poblacin;
basta con elegir una muestra representativa de la misma.
Ezequiel Ander - Egg
CONCEPTO DE POBLACIN
La poblacin, o en trminos mas precisos poblacin objetivo, es un conjunto finito o
infinito de elementos con caractersticas comunes para los cuales sern extensivas las
conclusiones de la investigacin. Esa queda delimitada por el problema y por los
objetivos del estudio.
Poblacin Finita: Agrupacin en la que se conoce la cantidad de unidades que la
integran. Adems, existe un registro documental de dichas unidades. Ejemplo:
Pacientes hospitalizados en una clnica; huspedes alojados en un hotel; los
cursantes de una asignatura. Desde el punto de vista estadstico, una poblacin finita
es la constituida por un nmero inferior a cien mil unidades (Sierra Bravo, 1991 a).
Poblacin Infinita: Es aquella en la que se desconoce el total de elementos que la
conforman, por cuanto no existe un registro documental de stos, debido a que su
elaboracin seria prcticamente imposible. Ejemplo: Trabajadores de la economa
informal en un pas. En la disciplina estadstica, se considera un poblacin infinita a
la conformada por cien mil unidades o ms (Sierra Bravo, 1991 a).
Poblacin Accesible: Tambin denominada poblacin muestreada, es la porcin
finita de la poblacin objetivo a la que realmente se tiene acceso y de la cual se
extrae una muestra representativa. El tamao de la poblacin accesible depende del
tiempo y de los recursos del investigador (Ary, Jacobs y Razavieh, 1989).
RECOMENDACIONES RESPECTO A LA DELIMITACIN DE LA POBLACIN
1. La poblacin objetivo debe quedar delimitada con claridad y precisin en el
problema de investigacin (interrogante) y en el objetivo general del estudio. Es
decir, deben especificarse los sujetos o elementos que sern analizados y a los
que se pretende hacer inferencias a partir de la muestra.
2. Los Tesistas e investigadores en formacin que no cuenten con financiamiento,
deben estudiar poblaciones finitas y accesibles. Esto facilitar la determinacin
de un tamao de muestra adecuado y ajustado a la disponibilidad de tiempo y
recursos.

3. Si la poblacin, por el nmero de unidades que la integran, resulta accesible en

su totalidad, no ser necesario extraer un muestra. En consecuencia, se podr
investigar u obtener datos de toda la poblacin objetivo, sin que se trate
estrictamente de un censo. Esta situacin debe explicarse en el marco
metodolgico, en el que se obviar la seccin relativa a la seleccin de la
muestra.
CONCEPTO DE MUESTRA
La muestra es un subconjunto representativo y finito que se extrae de la poblacin.
En este sentido, una muestra representativa, es aquella que por su tamao y
caractersticas similares a las del conjunto, permite hacer inferencia o generalizar los
resultados al resto de la poblacin con un margen de error conocido.
Para seleccionar la muestra se utiliza una tcnica o procedimiento denominado
muestreo. Existen dos tipos bsicos de muestreo: probabilstico o aleatorio y no
probabilstico.
TIPOS DE MUESTREOS

a) Muestreo Probabilstico o Aleatorio: Es un proceso en el que se conoce la

probabilidad que tiene cada elemento de integrar la muestra. Este procedimiento
se clasifica en:
o Muestreo al Azar Simple: Procedimiento en el cual todos los elementos tienen
la misma probabilidad de ser seleccionados. Dicha probabilidad, conocida
previamente, es distinta de cero y de uno.
Ejemplo: Valindose de la lista de alumnos, el docente asigna un nmero a
cada uno. Luego todos los nmeros se introducen en una caja para extraer,
por sorteo, los integrantes de la muestra.
o Muestreo al Azar Sistemtico: Se basa en la seleccin de un elemento en
funcin de una constante K. De esta manera se escoge un elemento cada k
veces.
Ejemplo: Para una poblacin de 120 individuos, se define una muestra
integrada por 30 sujetos. La constante K obtenida al azar es igual a 4. Luego
se asigna un nmero a cada uno de los 120 individuos y se calcula el valor de
inicio con la siguiente formula: N/n, entonces 120/30=4. Esto significa que
comenzaremos seleccionando el nmero 4 al que se le sumar la constante
K=4, y as sucesivamente hasta obtener los treinta individuos que conformarn
la muestra definitiva: 4, 8, 12, 16, 20, 24, 28, 32, 36, 40, 44, 48, 52, 56, 60, 64,
68, 72, 76, 80, 84, 88, 92, 96, 100, 104, 108, 112, 116, 120.

o Muestreo Estratificado: Consiste en dividir la poblacin en subconjuntos cuyos

elementos posean caractersticas comunes, es decir, estratos homogneos en su
interior. Posteriormente se hace la escogencia al azar en cada estrato.

Ejemplo: En una Institucin de Educacin Superior, se divide la poblacin por

carreras o especialidades, las cuales conformarn los estratos. Despus se
efecta la seleccin aleatoria en cada una de ellas.
o Muestreo por Conglomerados: Parte de la divisin del universo en unidades
menores denominadas conglomerados. Ms tarde se determinan los que sern
objeto de investigacin o donde se realizar la seleccin.
Ejemplo: Un municipio se divide en urbanizaciones. Ms tarde, son
seleccionadas aquellas de donde se extraern, al azar, los elementos para la
muestra. La diferencia con el muestreo estratificado radica en que no todos los
conglomerados son objeto de seleccin, por cuanto puede haber
conglomerados de los cuales no se extraiga muestra. Mientras que en el
estratificado, se debe extraer muestra de todos los estratos.
b) Muestreo No Probabilstico: Es un procedimiento de seleccin en el que se
desconoce la probabilidad que tienen los elementos de la poblacin para integrar
la muestra. Este se clasifica en:
o Muestreo Casual o Accidental: Es un procedimiento que permite elegir
arbitrariamente los elementos sin un juicio o criterio preestablecido.
Ejemplo: Un encuestador se ubica en un sector y aborda a los transentes
que pasan por el lugar. Lgicamente, las personas que no circulen por la zona,
carecen de toda probabilidad para integrar la muestra.
o Muestreo Intencional u Opintico: En este caso los elementos son escogidos
con base en criterios o juicios preestablecidos por el investigador.
Ejemplo: Para un estudio sobre calidad de la educacin, previamente, se
establecen como criterios de seleccin de la muestra los siguientes:
Mnimo de 20 aos de experiencia en el campo educativo.
Poseer ttulo de postgrado.
Haber ocupado un cargo directivo.
Por supuesto, la muestra la integran slo aquellos que cumplan con las
condiciones anteriores.
o Muestreo por Cuotas: Se basa en la seleccin de los elementos en funcin de
ciertas caractersticas de la poblacin, de modo tal que se conformen grupos o
cuotas correspondientes con cada caracterstica, procurando respetar las
proporciones en que se encuentran en la poblacin.
Ejemplo: Se establecen como caractersticas importantes para un sondeo de
opinin, el sexo y la edad de la poblacin. Luego se proceder a seleccionar
cuotas de hombres, mujeres, jvenes y adultos.

FORMULAS PARA CALCULAR LA MUESTRA

Si el tamao de la poblacin es conocido (poblacin finita):
n=

N.Z2C.p.q
=
2
2
(N-1).e + Z C.p.q
Si el tamao de la poblacin es desconocido (poblacin infinita):

n= Z2C.p.q =
e2
Nomenclatura
n = Tamao de la muestra.
N = Total de elementos que integran la poblacin.
2
Z C = Zeta crtico: valor determinado por el nivel de confianza adoptado, elevado al
cuadrado. Para un grado de confianza de 95% el coeficiente es igual a 2,
entonces el valor de zeta crtico es igual a 2 2=4. Para un nivel de confianza del
99% el coeficiente es igual a 3, y zeta crtico es igual a 3 3=9.
e2 = Error muestral: falla que se produce al extraer la muestra de la poblacin.
Generalmente, oscila entre 1% y 5%.
p = Proporcin de elementos que presentan una determinada caracterstica a ser
investigada. Una proporcin es la relacin de una cantidad con respecto a otra
mayor, por ejemplo, en un grupo de 100 estudiantes hay 75 mujeres y 25
hombres. La frmula es p=A/N. entonces la proporcin de mujeres es
75/100=0,75 y la proporcin de hombres es 25/100=0,25.
q = Proporcin de elementos que no presentan la caracterstica que se investiga.
Se aplica la formula anterior q=AN, p+q=1.
Nota: Cuando se desconoce la cantidad de p y q, se utiliza un 50% para cada una.
Fuente: Fidias G. Arias (2006).
Ejemplo: La poblacin esta constituida por 390 estudiantes, que tienen un bajo
rendimiento acadmico. Se debe extraer una muestra con un rango de error del 5%, y
con un grado de confiabilidad del 95%, de la cual no se tienen datos de proporciones
que representen caractersticas a ser investigadas.
N= 390 estudiantes
Z2C= (22) 4
e2= (5%) 10
P= (50%) 0.5
Q= (50%) 0.5

n=

390.4.50.50 = 3900000 = 3900000 = 280,77 muestra representativa

389.10+4.50.50 3890+10000 13890

TABLA DE HARVARD
Para determinar el tamao de la muestra de una forma mas rpida y prctica, se han
diseado las Tablas de Harvard, las cuales permiten calcular, rpidamente el tamao de
la muestra a tomar, en funcin del error de muestreo, niveles de confiabilidad y posibles
valores de p y q.
Tabla de Harvard Confianza = 95 % Y p = 50%

Fuente: Fidias G. Arias (2006).