Upload
carolina-avila-gil
View
261
Download
6
Embed Size (px)
Citation preview
MUESTRA Y MUESTREO
Poblacion Muestra
Estadísticos
SS 2
rxy
Parámetros
2
xy
Unidad de análisis Población Muestra
Muestreo
Importante definir:
a- Población diana o universo vs. población accesible o
disponible
b- Procedimiento de muestreo
c- Muestra diferente según lógica de investigación
1- Introducción
Sub-conjunto de la población
2. Consideraciones en la selección de la muestra (n)
Tipo y lógica de investigación
Hipótesis de investigación
Limitaciones financieras
Importancia de los resultados
Número de variables estudiadas
Métodos de recogida de datos
Grado de exactitud necesario
Tamaño de la población
(McMillan y Schumacher, 2005)
Tener en cuenta:
3. Selección y tamaño de una muestra en investigación cuantitativa
Identificación de las caracteristicas de la población (N) - contenido, lugar y tiempo) , según objetivos de investigación
Determinación del tamaño de la muestra (n)
Selección de una muestra (n): muestreo probabilitico
IMPORTANTE: La muestra debe asegurar representatividad y evitar sesgos.
3.1. Algunos ejemplos: representatividad y sesgo
Ej. de poblaciones definidas de forma precisa: - Estudiantes de primer curso de Educación secundaria de la Pcia de Bs As
- Niños con bajo rendimiento en matemática en las escuelas primarias públicas de la provincia de La Rioja
- Docentes de Lengua que desarollan propuestas áulicas en lengua utilizando Tic en el ciclo lectivo 2013
Ej. de muestra sesgada: (N)= Niños con bajo rendimiento en matemática en las escuelas primarias públicas de la provincia de La Rioja
(n)= En la muestra se seleccionó solamente a niños con bajo rendimiento de escuelas urbano marginales. Y no se inlcuyen en la muestra los que asisten a escuelas del centro.
3.2. Determinación del tamaño de la muestra
Importancia del tamaño para evitar errores
a- Muestra pequeña Resultados no generalizables
b- Muestra grande No “ahorra” trabajo
Para estimar el tamaño de la muestra hay que estimar
el “ nivel de confianza” que deseamos que alcancen los
datos (95 0 99,7%) y un error de estimación del 5%
como máximo
N
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
85
90
95
n
10
14
19
24
28
32
36
40
44
48
52
56
59
63
66
70
73
76
N
100
110
120
130
140
150
160
170
180
190
200
210
220
230
240
250
260
270
n
80
86
92
97
103
108
113
118
123
127
132
136
140
144
148
152
155
159
N
280
290
300
320
340
360
380
400
420
440
460
480
500
550
600
650
700
750
n
162
165
169
175
181
186
191
196
201
205
210
214
217
226
234
242
248
254
N
800
850
900
950
100
1100
1200
1300
1400
1500
1600
1700
1800
1900
2000
2200
2400
2600
n
260
265
269
274
278
285
291
297
302
306
310
313
317
320
322
327
331
335
N
2800
3000
3500
4000
4500
5000
6000
7000
8000
9000
10000
15000
20000
30000
40000
50000
75000
100000
n
338
341
346
351
354
357
361
364
367
368
370
375
377
379
380
381
382
384
3.3. Tamaños muestrales (n) en función del tamaño de la población (N)
Krejcie, R.V. y Morgan, D.W. (1970). Determing simple size for research activities.ducational and Psychological Measurement, 30, 608.
3.4. Tamaños muestrales en función del tamaño de lapoblación y del error muestral permitido
Población
500
1000
2500
5000
10000
25000
50000
100000
1%
-
-
-
-
5000
7143
8333
9091
10000
2%
-
-
1250
1667
2000
2273
2381
2439
2500
3%
-
-
769
909
1000
1064
1087
1099
1111
4%
-
385
500
556
588
610
617
621
625
5%
222
286
345
370
385
394
397
398
400
10%
83
91
96
98
99
100
100
100
100
Arkin, H. y Colton, R. (1962). Tables for statistics. New Cork: Barnes y Noble
3.5. Error Muestral
Pueden ser reducidos:
- Empleo de muestras grandes
- Empleo de muestreo estratificado proporcional
- Réplicas sucesivas de la investigación
- Error de sesgo: la muestra no es representativa de la población
- Error aleatorio: debido al azar, al trabajar con una muestra
Es la diferencia entre el parámetro de una población y el estadístico deuna muestra
Tipos de error: Cualquier tipo de error introducido en la
muestra a lo largo del proceso de selección
Media
Desviación típica
Varianza
Correlación
Población Muestra
Estadísticos
SS 2
rxy
Parámetros
2
xy
3.6. Población Total vs Muestra
A partir de los estadísticos de la muestra (n) inferimos los valores o parámetros de la población (N) Estadística Inferencial
4. Selección de la muestra en la investigación cualitativa
Identificar la población: definición teórica espacio-temporal
Identificar tipos de casos: personas, situaciones, instituciones, comunidades, etc. Casos/unidades individuales: colectivos-agregados, histórico-espaciales, textuales.
Formular criterios teóricos: orientan la selección e inclusión de casos en función de:a. Localización espacio-históricab. Atributos propiosb. Relaciones-nexos con entorno/otras unidades C- Objetivos de investigacion
Utilizar muestreo no probabilistico en función de criterios explícitos: seleccionar informantes ( o documentos o material visual) que respondan de la mejor manera a las preguntas de investigación.
1- El entorno (dónde la investigación tendrá lugar),
2- Los actores (aquellos que serán observados o entrevistados),
3- Los eventos (aquello que los actores observados hacen o sobre lo que son entrevistados)
4- El proceso (la naturaleza desarrollada de eventos llevada adelante por los actores dentro del entorno).
(Miles y Huberman1984 , cit p/ Creswell ,2003)
4.1. Nociones útiles para la seleccion de casos
Significatividad de los casos Cuatro parámetros/ criterios:
4.2 Diferencias lógica cuantitativa y cualitativa
Lógica cuantitativa Lógica cualitativa
•Representatividad de la muestra
• Homogeneidad entre las unidades muestrales y diferencicacion interna
• Muestras extensas en la mayoria de los diseños
•Uso de muestreos probabilísticos
• Significatividad de los casos
• Diversidad y heterogeneidad de los casos
• Muestras intensivas, pocos casos que se estudian con mayor profundidad.
• Uso de muestreos no probabilísticos
5. Técnicas de muestreo
Muestreo probabilístico
Muestreo no probabilístico
5.1 Muestreo probabilístico
- Muestreo aleatorio simple
- Muestreo estratificado
- Muestreo sistemático
- Muestreo por conglomerados
-Muestreo en etapas múltiples
5.2 Muestreo no probabilístico
- Muestreo disponibleo (o por accesibilidad)
- Muestreo intencional u opinático
- Muestreo por cuotas
Tecnicas de Muestreo
ALEATORIO SIMPLE
SISTEMÁTICO
ESTRATIFICADO
PROPORCIONAL
ESTRATIFICADO NO
PROPORCIONAL
POR GRUPOS
(CLUSTER)
VENTAJAS
. Fácil de entender
. Poco conocimiento de la población
. Libre de error
. Fácil analizar e interpretar resultados
. Simple
. Fácil de entender
. Libre de error en clasificación de sujetos
. Fácil analizar e interpretar resultados
. No necesidad de numerados
. Permite comparaciones de grupos
. Más representativo que anteriores
. Menos sujetos si estratos relacionadoscon VD. Resultados representan la población sinponderar
. Permite comparaciones de grupos
. Más representativo que anteriores.
. Menos sujetos si estratos relacionadoscon VD. Asegura nº adecuado de elementos decada subgrupo
. Bajo coste
. Eficaz con poblaciones numerosas
. Permite análisis de grupos individuales
LIMITACIONES
. Numerar cada elemento de lapoblación. Mayor error de muestreo queen el estratificado para el mismotamaño muestral
. Mayor error de muestreo queen el estratificado para el mismotamaño muestral. Periodicidad en la lista deelementos de la población
. Identificación de subgrupos decada elemento de la población. Conocimiento de la proporciónde cada subgrupo en lapoblación. Costoso y difícil preparar listasde los elementos de población encada subgrupo
. Identificación de subgrupos decada elemento de la población. Costoso y difícil preparar listasde los elementos de población encada subgrupo. Ponderación de subgrupos pararepresentar la población
. Menos exactitud que anteriores.
. Difícil recoger datos deelementos en un grupo. Cada elemento de la poblaciónasignado a un solo grupo.
Tecnica DEMuestreo
POR CONVENIENCIA
INTENCIONADO
POR CUOTAS
VENTAJA
. Rápido y económico
. Fácil de administrar
. Asegura un índice alto departicipación
. Rápido y económico
. Fácil de administrar
. Asegura un índice alto departicipación.. Asegura la recepción de informaciónnecesaria
. Rápido y económico
. Fácil de administrar
. Asegura un índice alto departicipación.. Asegura la recepción de informaciónnecesaria. Proporciona muestras másrepresentativas los anteriores
LIMITACIONES
. Difícil de generalizar
. Menos representativa
. Resultados dependen decaracterísticas particulares de lamuestra. Mayor probabilidad de error debidoa sesgos del experimentador o de lossujetos
. Difícil de generalizar
. Menos representativa
. Resultados dependen decaracterísticas particulares de lamuestra. Mayor probabilidad de error debidoa sesgos del experimentador o de lossujetos
. Requiere identificación de cada sujeto
. Difícil de generalizar a otros sujetos
. Menos representativa
. Los resultados dependen de lascaracterísticas particulares de lamuestra. Mayor probabilidad de error. Más lento que anteriores
• CRESWELL, J.( 2003) “Research Design : qualitative – quintitative, and mixed methods approaches” ( 2º Edic) Londres : Sages.
• HERNÁNDEZ SAMPIERI y Ot: (2000). “Metodología de la Investigación”. México. Ed. McGraw Hill..
• LATORRE, A., DEL RINCÓN D., ARNAL, J. (1997).”Bases metodológicas de la Investigación Educativa”. Barcelona. Nurtado.
• LEÓN, O. G. Y MONTERO I. (2002) Métodos de investigación en Psicología y Educación. Edit. Mac GrawHill
• MCMILLAN, J.S. Y SCHUMACHER, S. (2005). Investigación educativa: una introducción conceptual. Madrid: Pearson.
• RODRÍGUEZ GÓMEZ, G; GIL FLORES, J, GARCIA JIMÉNEZ, E (2005) Metodología de Investigación Cualitativa. Málaga . Ediciones Aljibe
•YUNI, J., URBANO, C. (2000): “Investigación Etnográfica e Investigación-Acción”. Córdoba. Ed. Brujas.
Referencias Básicas