{"id":3933,"date":"2025-01-24T05:35:56","date_gmt":"2025-01-24T05:35:56","guid":{"rendered":"https:\/\/lash.utrng.edu.mx\/?p=3933"},"modified":"2025-01-24T05:35:57","modified_gmt":"2025-01-24T05:35:57","slug":"2-poblacion-muestra-y-muestreo","status":"publish","type":"post","link":"https:\/\/lash.utrng.edu.mx\/?p=3933","title":{"rendered":"2. Poblaci\u00f3n, muestra y muestreo"},"content":{"rendered":"\n

Fases y problemas del proceso estad\u00edstico<\/strong>
Podemos distinguir tres fases en el proceso estad\u00edstico:<\/p>\n\n\n\n

    \n
  1. Muestreo<\/strong>: selecci\u00f3n de la muestra que se analizar\u00e1.<\/li>\n\n\n\n
  2. Estad\u00edstica Descriptiva<\/strong>: an\u00e1lisis particular de los datos de la muestra seleccionada.<\/li>\n\n\n\n
  3. Inferencia Estad\u00edstica<\/strong>: estudio de la posible generalizaci\u00f3n de los resultados obtenidos en la muestra al global de la poblaci\u00f3n<\/li>\n<\/ol>\n\n\n
    \n
    \"\"<\/figure><\/div>\n\n\n\n\n\n\n

    Poblaci\u00f3n<\/strong>: es el objeto del estudio.<\/p>\n\n\n\n

    Muestra<\/strong>: Sobre la poblaci\u00f3n que se va a estudiar se toma un cierto car\u00e1cter o rasgo<\/strong> que dar\u00e1 lugar a una variable<\/strong>, den\u00f3tese por X<\/strong>, y que la poblaci\u00f3n suele ser demasiado grande. Ello nos obliga a contentarnos con estudiar el car\u00e1cter o rasgo sobre un subconjunto de n<\/strong> individuos de la poblaci\u00f3n. La letra n<\/strong> queda reservada para denotar el tama\u00f1o de muestra<\/strong>.<\/p>\n\n\n\n

    En un sentido muy amplio, la Estad\u00edstica Descriptiva<\/strong> es la parte o fase de la Estad\u00edstica dedicada a la descripci\u00f3n de un conjunto de n<\/strong> datos.<\/p>\n\n\n\n

    En estad\u00edstica, un censo<\/strong> es el proceso de recopilaci\u00f3n de datos que abarca a todos los elementos o individuos de una poblaci\u00f3n completa. Su objetivo es obtener informaci\u00f3n exhaustiva y detallada sobre caracter\u00edsticas espec\u00edficas de dicha poblaci\u00f3n, sin necesidad de usar una muestra.<\/p>\n\n\n\n

    Ejemplo<\/strong>: Un censo nacional de poblaci\u00f3n recoge datos de todos los habitantes de un pa\u00eds, como edad, g\u00e9nero, ocupaci\u00f3n y nivel educativo.<\/p>\n\n\n\n

    Par\u00e1metro<\/strong>: Es una medida num\u00e9rica que describe una caracter\u00edstica de toda la POBLACI\u00d3N<\/strong>. Es un valor fijo, aunque generalmente desconocido, como la media o proporci\u00f3n poblacional.
    Ejemplo<\/strong>: El promedio de edad de todos los estudiantes de una universidad.<\/p>\n\n\n\n

    Estad\u00edstico<\/strong>: Es una medida num\u00e9rica que describe una caracter\u00edstica de una MUESTRA<\/strong> de la poblaci\u00f3n. Se utiliza como una estimaci\u00f3n del par\u00e1metro poblacional.
    Ejemplo<\/strong>: El promedio de edad de un grupo de 100 estudiantes seleccionados aleatoriamente de la universidad.<\/p>\n\n\n\n

    Clasificaci\u00f3n de las t\u00e9cnicas de muestreo:<\/h2>\n\n\n\n

    Muestreos Probabil\u00edsticos<\/mark><\/strong><\/h4>\n\n\n\n

    Son aquellos en los que todos los elementos de la poblaci\u00f3n tienen una probabilidad conocida y distinta de cero de ser seleccionados.<\/p>\n\n\n\n

    a) Aleatorio Simple<\/strong><\/h4>\n\n\n\n
      \n
    • Definici\u00f3n<\/strong>: Todos los elementos de la poblaci\u00f3n tienen la misma probabilidad de ser seleccionados.<\/li>\n\n\n\n
    • Ejemplo<\/strong>: Una universidad quiere conocer la opini\u00f3n de sus estudiantes sobre un nuevo programa acad\u00e9mico. De una lista de 1,000 estudiantes, selecciona 100 al azar usando un generador de n\u00fameros aleatorios.<\/li>\n<\/ul>\n\n\n\n
      \n\n\n\n

      b) Sistem\u00e1tico<\/strong><\/h4>\n\n\n\n
        \n
      • Definici\u00f3n<\/strong>: Se selecciona un elemento cada cierto intervalo (k) a partir de un punto inicial aleatorio.<\/li>\n\n\n\n
      • Ejemplo<\/strong>: En una f\u00e1brica con 500 empleados, se elige al primer empleado al azar y luego a cada 10\u00b0 empleado de la lista para un estudio sobre condiciones laborales.<\/li>\n<\/ul>\n\n\n\n
        \n\n\n\n

        c) Estratificado<\/strong><\/h4>\n\n\n\n
          \n
        • Definici\u00f3n<\/strong>: La poblaci\u00f3n se divide en estratos (grupos homog\u00e9neos), y se selecciona una muestra aleatoria de cada estrato.<\/li>\n\n\n\n
        • Ejemplo<\/strong>: Un banco desea conocer la satisfacci\u00f3n de sus clientes en diferentes rangos de edad (18-30, 31-50, y 51+). Divide su base de datos en estos grupos y selecciona 50 clientes al azar de cada grupo.<\/li>\n<\/ul>\n\n\n\n
          \n\n\n\n

          d) Por Conglomerado<\/strong><\/h4>\n\n\n\n
            \n
          • Definici\u00f3n<\/strong>: La poblaci\u00f3n se divide en conglomerados (grupos heterog\u00e9neos), y se selecciona aleatoriamente algunos conglomerados para estudiar todos sus elementos o tomar una muestra en ellos.<\/li>\n\n\n\n
          • Ejemplo<\/strong>: Una empresa de alimentos quiere evaluar la calidad de sus productos en supermercados. Divide la ciudad en sectores, selecciona 5 sectores al azar y estudia todos los supermercados dentro de esos sectores.<\/li>\n<\/ul>\n\n\n\n
            \n\n\n\n

            Muestreos No Probabil\u00edsticos<\/mark><\/strong><\/h3>\n\n\n\n

            Son aquellos en los que no todos los elementos tienen la misma probabilidad de ser seleccionados.<\/p>\n\n\n\n

            a) Por Conveniencia<\/strong><\/h4>\n\n\n\n
              \n
            • Definici\u00f3n<\/strong>: Se seleccionan los elementos que son m\u00e1s accesibles o f\u00e1ciles de obtener.<\/li>\n\n\n\n
            • Ejemplo<\/strong>: Un investigador entrevista a las primeras 20 personas que encuentra en una plaza comercial para saber sus preferencias sobre un producto.<\/li>\n<\/ul>\n\n\n\n

              b) Por Juicio o Criterio<\/strong><\/h4>\n\n\n\n
                \n
              • Definici\u00f3n<\/strong>: El investigador selecciona a los elementos que considera m\u00e1s representativos de la poblaci\u00f3n.<\/li>\n\n\n\n
              • Ejemplo<\/strong>: Para evaluar el impacto de una reforma educativa, un experto selecciona a 10 escuelas que considera ejemplares seg\u00fan su criterio.<\/li>\n<\/ul>\n\n\n\n

                c) Por Bola de Nieve<\/strong><\/h4>\n\n\n\n
                  \n
                • Definici\u00f3n<\/strong>: Se selecciona a un grupo inicial de participantes, quienes a su vez invitan a m\u00e1s personas, creando una \u00abbola de nieve\u00bb.<\/li>\n\n\n\n
                • Ejemplo<\/strong>: En un estudio sobre personas con enfermedades raras, se contacta a 3 pacientes que, a su vez, refieren a otros con la misma condici\u00f3n.<\/li>\n<\/ul>\n\n\n\n

                  d) Por Cuotas<\/strong><\/h4>\n\n\n\n
                    \n
                  • Definici\u00f3n<\/strong>: Se selecciona una muestra que cumpla con ciertas caracter\u00edsticas espec\u00edficas.<\/li>\n\n\n\n
                  • Ejemplo<\/strong>: Una encuesta busca 50 hombres y 50 mujeres mayores de 25 a\u00f1os. Se seleccionan de manera no aleatoria, pero cumpliendo la cuota.<\/li>\n<\/ul>\n\n\n\n
                    \n\n\n\n

                    El proceso del dise\u00f1o de una muestra consta de varias etapas clave, que incluyen la identificaci\u00f3n del tipo de variable, el c\u00e1lculo del tama\u00f1o de la muestra y la selecci\u00f3n de la t\u00e9cnica de muestreo. Aqu\u00ed se explica cada uno de estos elementos:<\/p>\n\n\n\n

                    1. Tipo de Variable<\/strong><\/h3>\n\n\n\n

                    Determinar el tipo de variable es esencial para definir c\u00f3mo se medir\u00e1n los datos y qu\u00e9 m\u00e9todos estad\u00edsticos se aplicar\u00e1n.<\/p>\n\n\n\n

                      \n
                    • Variables Cualitativas<\/strong>: Describen cualidades o categor\u00edas (e.g., g\u00e9nero, estado civil, tipo de producto).\n
                        \n
                      • Ejemplo: \u00ab\u00bfCu\u00e1l es tu g\u00e9nero?\u00bb (Opciones: Masculino\/Femenino\/No binario).<\/li>\n<\/ul>\n<\/li>\n\n\n\n
                      • Variables Cuantitativas<\/strong>: Miden cantidades y son num\u00e9ricas.\n
                          \n
                        • Discretas<\/strong>: Toman valores espec\u00edficos (e.g., n\u00famero de hijos, cantidad de autos).<\/li>\n\n\n\n
                        • Continuas<\/strong>: Pueden tomar cualquier valor dentro de un rango (e.g., peso, altura, ingresos).<\/li>\n\n\n\n
                        • Ejemplo: \u00ab\u00bfCu\u00e1nto pesas?\u00bb (Continuo, en kilogramos).<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n\n\n\n

                          El tipo de variable influye en el dise\u00f1o del cuestionario y en los m\u00e9todos estad\u00edsticos para analizar los datos.<\/p>\n\n\n\n

                          \n\n\n\n

                          2. Tama\u00f1o de la Muestra<\/strong><\/h3>\n\n\n\n

                          El tama\u00f1o de la muestra depende de:<\/p>\n\n\n\n

                            \n
                          • Tama\u00f1o de la poblaci\u00f3n<\/strong>: N\u00famero total de elementos en la poblaci\u00f3n (e.g., 5,000 estudiantes).<\/li>\n\n\n\n
                          • Nivel de confianza<\/strong>: Probabilidad de que los resultados reflejen la realidad de la poblaci\u00f3n (e.g., 95%).<\/li>\n\n\n\n
                          • Margen de error<\/strong>: Tolerancia al error en los resultados (e.g., \u00b15%).<\/li>\n\n\n\n
                          • Proporci\u00f3n esperada (p)<\/strong>: Suposici\u00f3n inicial de la distribuci\u00f3n de la caracter\u00edstica de inter\u00e9s (e.g., 50% si no se conoce).<\/li>\n<\/ul>\n\n\n\n

                            F\u00f3rmula para Tama\u00f1o de Muestra (para poblaci\u00f3n infinita o desconocida):<\/h4>\n\n\n
                            \n
                            \"\"<\/figure><\/div>\n\n\n

                            Donde:<\/p>\n\n\n\n

                              \n
                            • Z: Valor de Z-score seg\u00fan el nivel de confianza (1.96 para 95%).<\/li>\n\n\n\n
                            • p: Proporci\u00f3n esperada (e.g., 0.5).<\/li>\n\n\n\n
                            • e: Margen de error (e.g., 0.05).<\/li>\n<\/ul>\n\n\n\n

                              Ajuste para Poblaci\u00f3n Finita:<\/h4>\n\n\n
                              \n
                              \"\"<\/figure><\/div>\n\n\n

                              Donde N es el tama\u00f1o de la poblaci\u00f3n.<\/p>\n\n\n\n

                              \n\n\n\n

                              3. T\u00e9cnica de Muestreo<\/strong><\/h3>\n\n\n\n

                              La t\u00e9cnica seleccionada depende de los objetivos de la investigaci\u00f3n y las caracter\u00edsticas de la poblaci\u00f3n.<\/p>\n\n\n\n

                              a) Muestreo Probabil\u00edstico<\/strong> (cuando se busca representatividad):<\/h4>\n\n\n\n
                                \n
                              • Aleatorio Simple<\/strong>: Todos los elementos tienen la misma probabilidad de ser seleccionados.<\/li>\n\n\n\n
                              • Sistem\u00e1tico<\/strong>: Se selecciona cada k-\u00e9simo elemento a partir de un punto inicial aleatorio.<\/li>\n\n\n\n
                              • Estratificado<\/strong>: La poblaci\u00f3n se divide en grupos homog\u00e9neos y se selecciona una muestra de cada grupo.<\/li>\n\n\n\n
                              • Por Conglomerado<\/strong>: Se divide la poblaci\u00f3n en grupos heterog\u00e9neos y se seleccionan algunos grupos al azar.<\/li>\n<\/ul>\n\n\n\n

                                b) Muestreo No Probabil\u00edstico<\/strong> (cuando no se puede asegurar representatividad):<\/h4>\n\n\n\n
                                  \n
                                • Conveniencia<\/strong>: Se seleccionan elementos accesibles o f\u00e1ciles de contactar.<\/li>\n\n\n\n
                                • Juicio<\/strong>: El investigador elige elementos que considera representativos.<\/li>\n\n\n\n
                                • Bola de Nieve<\/strong>: Los participantes iniciales refieren a otros.<\/li>\n\n\n\n
                                • Cuotas<\/strong>: Se establece una cuota por caracter\u00edstica y se seleccionan elementos hasta completarla.<\/li>\n<\/ul>\n\n\n\n
                                  \n\n\n\n

                                  Ejemplo<\/h3>\n\n\n\n

                                  Objetivo<\/strong>: Encuestar a estudiantes de una universidad sobre sus h\u00e1bitos de estudio.<\/p>\n\n\n\n

                                    \n
                                  1. Tipo de Variable<\/strong>:\n
                                      \n
                                    • Variable cualitativa: \u00ab\u00bfPrefieres estudiar solo o en grupo?\u00bb.<\/li>\n\n\n\n
                                    • Variable cuantitativa: \u00ab\u00bfCu\u00e1ntas horas estudias al d\u00eda?\u00bb.<\/li>\n<\/ul>\n<\/li>\n\n\n\n
                                    • Tama\u00f1o de la Muestra<\/strong>:
                                      • Poblaci\u00f3n: 10,000 estudiantes.<\/li>
                                      • Nivel de confianza: 95% (Z=1.96Z = 1.96Z=1.96).<\/li>
                                      • Margen de error: \u00b15% (e=0.05e = 0.05e=0.05).<\/li>
                                      • Proporci\u00f3n esperada: 50% (p=0.5p = 0.5p=0.5).<\/li><\/ul>Usando la f\u00f3rmula, se calcula un tama\u00f1o de muestra de aproximadamente 384 estudiantes.<\/li>\n\n\n\n
                                      • T\u00e9cnica de Muestreo<\/strong>:\n
                                          \n
                                        • Estratificado<\/strong>: Dividir la poblaci\u00f3n por carrera y seleccionar proporcionalmente estudiantes de cada carrera.<\/li>\n<\/ul>\n<\/li>\n<\/ol>\n","protected":false},"excerpt":{"rendered":"

                                          Fases y problemas del proceso estad\u00edsticoPodemos distinguir tres fases en el proceso estad\u00edstico:<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"ngg_post_thumbnail":0,"footnotes":""},"categories":[93],"tags":[],"class_list":["post-3933","post","type-post","status-publish","format-standard","hentry","category-primerparcialprobest-meca"],"_links":{"self":[{"href":"https:\/\/lash.utrng.edu.mx\/index.php?rest_route=\/wp\/v2\/posts\/3933","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/lash.utrng.edu.mx\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/lash.utrng.edu.mx\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/lash.utrng.edu.mx\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/lash.utrng.edu.mx\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=3933"}],"version-history":[{"count":1,"href":"https:\/\/lash.utrng.edu.mx\/index.php?rest_route=\/wp\/v2\/posts\/3933\/revisions"}],"predecessor-version":[{"id":3939,"href":"https:\/\/lash.utrng.edu.mx\/index.php?rest_route=\/wp\/v2\/posts\/3933\/revisions\/3939"}],"wp:attachment":[{"href":"https:\/\/lash.utrng.edu.mx\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=3933"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/lash.utrng.edu.mx\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=3933"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/lash.utrng.edu.mx\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=3933"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}