Documente Academic
Documente Profesional
Documente Cultură
- Azar Simple
- Azar Sistemático
- Azar estratificado
Aquí se representan las áreas geográficas en las que se distribuyen los habitantes de una población.
Es un conjunto de casos seleccionados aleatoriamente que representan a la población. Abarca una
gran cantidad de casos de manera que los resultados obtenidos brindan la más amplia información
posible sobre el problema o fenómeno estudiado. Estos son estadísticamente representativos y
pueden ser reflejados en el resto de la población. (Sampieri, Fernández, y Baptista, 2010,Martínez ,
2012).
Unidad de Muestreo:
Muestreo Aleatorio Simple Esta técnica está basada en la selección a través de números aleatorios.
Además se utiliza cuando es posible conocer todos los elementos que se encuentran en la población
de estudio. Cada elemento de la población posee la misma posibilidad de ser parte de la muestra,
el proceso a seguir es el siguiente:
k = Selección de muestra
N = Población
n = Muestra
k = n/N
Muestreo Estratificado:
El muestreo estratificado es concebido como una variante del muestreo aleatorio simple. Su
metodología está compuesta por la estratificación o segmentación de la población en grupos
iguales, pero organizados de maneras aleatorias según ciertas reglas como:
Esta técnica es utilizada cuando no es posible obtener una lista precisa de los elementos de la
población, tradicionalmente cuando las poblaciones son muy grande o no posee características en
común. Es común trabajar con este muestreo en la conformación de grupos aleatoriamente
significativos de la población, entendiendo que, cada individuo pertenece a la población pero sus
características son propias para el estudio.
De estos grupos se selecciona aleatoriamente una muestra de estos grupos y de allí se toma la
muestra de la población (Cantoni Rabolini, 2009). Cabe retomar que este tipo de muestreo se utiliza
cuando se quieren estudiar grupos de una misma región geográfica, conformando grupos similares
respecto a la región, pero de diferentes características en lo individual.
Muestreo polietápico: Este muestreo está basado en las etapas que se pueden llegar a tener en el
análisis de la muestra a obtener. Trabaja significativamente como el muestreo por conglomerados,
con la diferentes que es este se realizan grupos grandes de características, y se van analizando hasta
llegar a un subgrupo con elementos cada vez mucho más específicos, llamados submuestra (Cantoni
Rabolini, 2009).
Al repetir este proceso en cada submuestra obtenida, se encontrarán las unidades más elementales
de la población. La aleatoriedad de este proceso solo es utilizada en la conformación de la primera
aglomeración, después de esto se convierte en una segmentación analítica de la muestra.
Muestreo sistemático:
El muestreo sistemático está dado por la selección de un intervalo uniforme, comprendido como
tiempo, orden o espacio. Esta técnica es utilizada cuando existen elementos de una población
enlistada, o cuanto es posible conocer los elementos que componen una población.
Por ejemplo, si existe una población de 200 personas y se quiere tomar una muestra de 40 personas:
k = 40 /200 Dónde k = 5, esto quiere decir que de cada 5 personas se toma una para comenzar la
toma de la muestra. “Si la constante de muestreo está asociada con el evento de interés, las
estimaciones obtenidas a partir de la muestra pueden contener sesgo de selección”. (Otzen &
Manterola, 2017).
Pero por otro lado tenemos que muchas veces se hacen muestreos no probabilísticos. Estos
muestreos son más proclives a generar muestras sesgadas, o sea, no representativos. De manera
que entre un muestreo probabilístico bien realizado y un muestreo no probabilístico, es mucho más
probable que sea menos sesgada (más representativa) la muestra que utilizó el azar para la lección
de los sujetos. Pero puede ocurrir, aunque sea más improbable, que una muestra no probabilística,
no presente mucho sesgo y en consecuencia sea representativa. En el caso de los muestreos
probabilísticos hay que estar también al tanto de la cantidad de sujetos seleccionados que deciden
no participar de la investigación. Esto es esperable, ya que uno selecciona los sujetos, pero después
depende de su buena voluntad para que participen de la investigación, y muchos optan por no
hacerlo. Además, en investigación a veces se trabaja con muestras incidentales. “Se denomina
muestra incidental a aquella que se emplea porque está a disposición del investigador en un
momento determinado”, Pereda Marín, S. (1987) (pág. 127).
En general, en investigación cuantitativa podemos hablar de los siguientes métodos de
investigación: descriptivo, correlacional y explicativo (experimento y cuasiexperimento).No
incluimos los diseños preexperimentales, los cuales a los fines de este trabajo podemos tratarlos
como cuasiexperimentos con menor validez interna; y como ya comentáramos con anterioridad,
tampoco incluimos a los diseños de sujeto único. Aclaramos que todos estos métodos responden a
una misma lógica metodológica, que son complementarios entre sí, y que en última instancia, las
diferencias estriban en cuestiones de diseño, validez y objetivos de la investigación.
Hay que tener en cuenta el tamaño de muestra con el que se va a contar y cuál es el que se requiere
para poder implementar adecuadamente determinados diseños de investigación.
Además, en lo que hace a una adecuada equivalencia inicial de los grupos de una investigación,
conseguida mediante asignación al azar de los sujetos a los grupos (que es fundamental en un
trabajo experimental); el tamaño de la muestra, si es adecuadamente grande, nos permite tener
una mayor garantía de que se haya conseguido que los grupos sean homogéneos. Por último, si
queremos poder corroborar nuestras hipótesis de investigación. Además de que sean correctas,
dependemos para poder hacerlo del tamaño de la muestra, ya que la significación estadística, que
es necesaria para poder corroborar o no dichas hipótesis, depende y en mucho de la cantidad de
sujetos que se incluyan en el análisis de datos. Siendo está realmente cierta. Cuando la muestra es
muy pequeña, corroborar la hipótesis de investigación se hace sumamente difícil, más allá de que
esta sea correcta. Lo cual nos da una clara idea de la ventaja de trabajar con muestras grandes.