TEMA 5 Determinacion de la poblacion, numero de muestra y recolecta de informacion (1) PDF

# Determinación de la población y muestra de estudio, recolecta de la información. ## **Lic. Henry Hernandez** ### 1. Identificación de la población de estudio - La población de estudio, es el objeto sobre el cual recae la investigación, en la mayoría de los casos está explícito o expresado en el...

# Determinación de la población y muestra de estudio, recolecta de la información. ## **Lic. Henry Hernandez** ### 1. Identificación de la población de estudio - La población de estudio, es el objeto sobre el cual recae la investigación, en la mayoría de los casos está explícito o expresado en el enunciado, en otros casos está en forma implícita. #### A. Delimitación espacial - La investigación se delimita espacialmente por el área de influencia que tiene los efectos del problema. ##### **por ejemplo:** - Si se estudia una enfermedad que es oriunda de nuestro país y que se desarrolla en nuestra zona rural, entonces en el enunciado se pondrá “en la zona rural de El Salvador”. - Si se estudia una adicción en jóvenes de 15 a 20 años, entonces se deberá consignar el lugar donde radica esa población y donde serán válidos los resultados de la investigación. #### B. Delimitación temporal - En cuanto a la delimitación temporal, se hace referencia a la pertenencia temporal a la que corresponde la población de estudio. ##### **por ejemplo:** - Si se trata de una enfermedad que tuvo su propagación en los meses de enero y febrero del 2018, entonces se consignará esta delimitación temporal, - Si el estudio va a se sobre resoluciones judiciales expedidas entre el 2015 y 2018, entonces estos años son las delimitación temporales. - tratándose del estudio de una formulación o fabricación de una fórmula, por ejemplo va a tener lugar en el año 2024, entonces el año 2024 es la delimitación temporal. ### 2. ¿Qué es la población? - Se llama población al conjunto de elementos que deben ser analizados, pero que debido a su extensión resulta difícil o imposible. - Por ello, se busca extraer una muestra que represente a la población. - De esta manera, al ser la muestra un número pequeño se puede trabajar y los resultados serán válidos como si se hubiera trabajado con toda la población, es posible realizar los estudios como si fuera realizado con el conjunto completo de individuos. - La población viene en el enunciado y viene delimitada espacial y temporalmente. - La población de estudio en muchos casos se confunde con los sujetos que intervienen en la aplicación del instrumento de medición. ##### **Por ejemplo** - si se estudia “la psicopatía en menores de edad” y se aplica un cuestionario a un conjunto de psicólogos para conocer sus opiniones, - ¿Cual es la población? ##### **Por ejemplo** - en muchos casos se consideran que la población de estudio es el conjunto de psicólogos, pero esto es un error, pues la población que es objeto de estudio son los menores de edad. ##### **Por ejemplo** - Los psicólogos reforzarán o no la teoría formulada sobre el estudio de la psicopatía, en este caso el instrumento llamado cuestionario va a medir los conocimientos, criterios, opiniones, etc., de los profesionales en relación a la psicopatía en menores de edad - Por tanto pueden haber otros tipos de poblaciones de estudio en una misma investigación, sin embargo se tendrá una población principal que es la que indica el enunciado. - Sin embargo puede haber otras poblaciones de estudio que sean principales como por ejemplo en las investigaciones comparativas, donde se pueden relacionar a dos poblaciones. - En este ejemplo la población de estudio son los menores de edad el cual debe ser objeto de medición - en el caso que la población de estudio no pueda ser medida directamente (como sucede en los niños menores de 5 años que no pueden completar un cuestionario), el instrumento puede ser aplicado indirectamente por medio de sus padres, los cuales conocen las reacciones y el comportamiento de sus menores hijos. - y para ello se utilizan los instrumentos documentales aplicados a la misma población de estudio - en el caso de cuestionario debe ser aplicado a los mismos menores a efectos de medir con los items que correspondan. - Por ejemplo se puede estudiar la imparcialidad del juez en las sentencias judiciales, en este caso la población de estudio son las sentencias judiciales - Pueden ser medidas directamente por medio del inventario acopiando los criterios que representan la parcialidad o imparcialidad del magistrado, - También se puede medir indirectamente por medio de la aplicación de cuestionarios a los mismos jueces, secretarios o auxiliares que intervienen en la expedición de la sentencia, - Sin embargo en todos estos casos la población es una sola y son las sentencias que se estudian y no las personas que intervienen indirectamente para medir el objeto de estudio. - El número de individuos de la población no debe superar a 99,999, de ser ese el caso, el valor se reducirá a esta cantidad. El límite de individuos suele tener que ver con aspectos prácticos y metodológicos de análisis estadístico y de gestión de datos, más que con un impedimento teórico. - El límite de número de individuos de la población no debe superar a 99999, se debe a: - **Capacidades computacionales y recursos**: Manejar y analizar grandes cantidades de datos requiere recursos computacionales significativos. Si la población es demasiado grande, los costos en términos de procesamiento de datos, almacenamiento y tiempo de análisis se disparan. - **Cálculo de tamaños muestrales**: En muchas investigaciones, no es necesario estudiar a toda la población para obtener resultados representativos. En lugar de analizar cada uno de los individuos, se usa una muestra representativa de la población. Esto ayuda a reducir el tamaño de los datos sin perder precisión estadística. - **Precisión estadística**: A partir de un cierto tamaño poblacional, el aumento de individuos adicionales tiene un impacto decreciente en la mejora de la precisión de los resultados. Por lo tanto, no es eficiente seguir aumentando el número de observaciones más allá de un cierto punto. - **Errores de medición y sesgos**: Con poblaciones muy grandes, aumenta el riesgo de errores de medición o de sesgos en la recolección de datos. Es más difícil garantizar la calidad y la consistencia de los datos cuando el número de individuos es enorme. - **Este límite no es una regla fija, sino una referencia práctica.** En estudios donde se tiene acceso a grandes bases de datos (como censos o big data), este número puede superarse si se cuentan con las herramientas y los recursos adecuados. - Cuando es menor a dicha cifra, es necesario para realizar cálculos establecer la muestra permitida en relación a la población y al error que se va a permitir en la investigación. - Se debe tener en cuenta que el objeto de la muestra es la representatividad - y una muestra es representativa cuando tiene las mismas características de la población que son relevantes para la investigación. ### 3. ¿Qué es la muestra? - La muestra es una parte de la población que la representa,es una porción pequeña que puede indicar el estado del objeto de estudio. - así por ejemplo, en un análisis clínico será suficiente extraer una poca cantidad de sangre del paciente para analizar y conocer su estado de salud. - En las investigaciones cualitativas la muestra puede ser igual a la población - Psicología - Sociología - Antropología - Educación - Ciencias de la Salud - Investigación cualitativa - debido a que en muchos casos se trabaja con poblaciones con números de individuos reducidos y en algunos casos son individuos únicos. - POBLACIÓN - MUESTRA - Determinar la muestra de una población es más factible en los enfoques cuantitativos, pero en las investigaciones de enfoques cualitativos se torna algunas veces innecesaria y en otras, la muestra no es representativa. - Defina la muestra - Identifique cuál es su población diana - Determine la muestra de estudio - Elabore una lista o censo de la muestra de estudio - Seleccione la técnica - Decida si puede ser probabilístico (aleatorio) o no probabilístico - Determine el tamaño de muestra - En función del tipo de estudio, para controlar el error aleatorio - Realice el proceso - Efectúe el trabajo de campo aplicando los procedimientos que haya seleccionado ### 4. ¿Cómo se calcula el tamaño de una muestra? - Poblacion: ABC, ABC, ABC, ABC, ABC, ABC, ABC, ABC, ABC, ABC, ABC, ABC, ABC, ABC, ABC, ABC, ABC, ABC - Muestra: ABC - El tamaño de una muestra depende de: - el tamaño de la población y - del enfoque que tenga. - X - Men el enfoque cualitativo por lo general se estudia objetos únicos, donde la población es igual a la muestra, en otros casos la población está conformada por elementos similares que no necesita la extracción proporcional de la muestra. - si no es suficiente obtener un solo elemento que será representativo de la población - A menudo la vista, nos engaña...detecta la suciedad orgánica desde 1 µg de proteínas - ........ - En cambio en las investigaciones cuantitativas por lo general la población se calcula estadísticamente. - Cuanto más grande sea la muestra y tenga menos margen de error, será más representativa de la población. - El cálculo estadístico para encontrar la muestra representativa en relación al margen de error que se está dispuesto a aceptar toma en cuenta: - Tamaño de la población (N) - Margen de error (e) - Nivel de confianza del muestreo - Prevalencia estimada (p) - El tamaño de la población es el número total de items a evaluar, entre los que se va a elegir su muestra aleatoria. Puede ser, por ejemplo, el número total de mujeres que viven en un distrito determinado. - El margen de error, es un indicador de la fiabilidad del estudio y de la exactitud de tus resultados. Se expresa como un %, indica que los resultados obtenidos están dentro de más o menos este porcentaje de los valores presentados. Por lo regular es de 5% o menos. - El nivel de confianza, es el grado de certeza (probabilidad) expresado en porcentaje con el que se pretende realizar la estimación de un parámetro a través de un estadístico muestral. El nivel de confianza más efectivo y utilizado es 95%. - El Z-score (o valor Z) es un patrón estadístico que aparece cuando un conjunto de datos se distribuye de manera uniforme alrededor de un valor central. - Frecuencia 800 600 400 200 0 0 20 40 60 80 100 120 140 160 180 200 220 240 Tensión sistólica - Frecuencia 160 140 120 100 80 60 40 20 0 0 20 40 60 80 100 120 140 160 180 200 210 Tensión sistólica - (b) Distribuciones normales con diferentes medias e igual desviación estándar - (a) Distribuciones normales con distinta desviación estándar e igual media - Effect of sample size The larger the sample, the higher the precision % ill - n = 1000 - n = 100 - n = 10 - Es una medida estadística que indica cuántas desviaciones estándar, un dato específico, está por encima o por debajo de la media de una distribución. Es decir, que la mayoría de las observaciones se agrupan en torno al promedio, - y los valores se vuelven progresivamente menos comunes a medida que se alejan de este punto medio. Es una forma de estandarizar los datos para poder compararlos, incluso si provienen de diferentes distribuciones. - Frecuencia 0.40 0.35 0.30 0.25 0.20 0.15 0.10 0.05 0.00 -1 0 1 2 3 4 5 Observaciones - Fórmula del Z-score: - X – μ Z = — σ Donde: - Z = Z-score. - X = Valor del dato que estamos evaluando. - µ = Media de la población. - σ = Desviación estándar de la población. - Interpretación del Z-score: - Un Z-score de 0 indica que el dato está justo en la media. - Un Z-score positivo indica que el dato está por encima de la media. - Un Z-score negativo indica que el dato está por debajo de la media. Por ejemplo, si el Z-score es 2, el dato está 2 desviaciones estándar por encima de la media. Si es -1.5, está 1.5 desviaciones estándar por debajo de la media. - Nivel de confianza deseado Puntuación z - 80% 1.28 - 85% 1.44 - 90% 1.65 - 95% 1.96 - 99% 2.58 - El valor Z se utiliza para determinar el nivel de confianza. Cada nivel de confianza tiene un valor Z correspondiente. El Z-score se emplea en la fórmula para el cálculo de tamaño de muestra para ajustar la amplitud del intervalo de confianza, lo que permite obtener resultados con el nivel de precisión deseado. - The larger the sample, the higher the precision - n = 1000 - n = 100 - % ill - n = 10 - Si se desea un margen de error más pequeño, se debe contar con un tamaño de muestra más grande para la misma población. - Cuanto más alto se desee el nivel de confianza del muestreo, mas grande tendra que ser el tamaño de muestra. - La prevalencia estimada es un parámetro usado especialmente en estudios epidemiológicos o investigaciones que buscan determinar la proporción de individuos en una población que presenta una característica o enfermedad específica. - En términos simples, la prevalencia estimada es la proporción de la población que tiene la condición de interés. Por ejemplo, si se estima que el 5% de la población tiene una enfermedad, la prevalencia estimada es 0.05. - POBLACIÓN - MUESTRA - Al calcular el tamaño de muestra, la prevalencia estimada afecta cuántos individuos hay que observar para obtener resultados representativos. Si es muy baja o muy alta puede requerir muestras más grandes o más pequeñas, dependiendo de otros factores, como el margen de error o el nivel de confianza. - La fórmula general para calcular el tamaño de una muestra para estimar proporciones es: (Z)²(P)(1 – P) n= — E² Donde: - n= Tamaño de la muestra - Z= Valor Z correspondiente al nivel de confianza - P= Prevalencia estimada (como proporción) - E= Margen de error aceptado (como proporción) - Se hace necesario corregir el número de muestras obtenido con el tamaño de la población (si es conocido) con la siguiente fórmula n / 1+(n-1/N) - La siguiente tabla tiene los valores muestrales según la población (N), y el error que se acepta. - Cantidad/de/la/población - % de error que se acepta - +1% +2% +3% +4% +5% +10% - 500 222 83 - 1,000 385 286 91 - 1,500 638 441 316 94 - 2,000 714 746 333 95 - 2,500 1,250 769 500 345 96 - 3,000 1,364 811 520 353 97 - 3,500 1,458 843 530 359 98 - 4,000 1,538 870 841 364 98 - 4,500 1,607 891 546 367 98 - 5,000 1,667 909 556 370 98 - 6,000 1,765 938 666 375 99 - 7,000 1,842 959 574 378 99 - 8,000 1,905 976 580 381 99 - 9,000 1,957 989 584 383 99 - 10,000 5,000 2,000 1,000 588 385 99 - 15,000 6,000 2,143 1,034 600 390 100 - 20,000 6,667 2,222 1,053 606 392 100 - 25,000 7,143 2,273 1,064 610 394 100 - 50,000 8,333 2,381 1,087 617 397 100 - 100,000 9,091 2,439 1,099 621 398 100 - + de 10,000 2,500 1,111 625 400 100 - 100,000 - TAMAÑO DE LA MUESTRA SEGÚN MÁRGENES DE ERROR Según la tabla de Fisher, Arkin y Colton - Amplitud De la población - +-1 +-2 +-3 +-4 +-5 +-10 - 0,01 0,02 0.03 0,04 0.05 0.10 - N N1 N2 N3 N4 N5 N10 - 500 222 83 - 1000 385 386 91 - 1500 638 441 316 94 - 2.000 714 476 333 95 - 2 500 1250 769 500 345 96 - 3.000 1364 811 520 353 97 - 3 500 1468 843 530 359 98 - 4.000 1538 870 541 364 99 - 4 500 1607 891 546 367 100 - 5.000 1667 909 556 370 100 - 6.000 1765 938 566 375 100 - Nivel muy alto de no cometer error muestral Muy significativo Para que una muestra sea representativa a este nivel y con poblaciones menores de 500, se debe tomar la mitad o más de la mitad de la población - Nivel máximo permitido de error, de uso muy común. La comunidad científica acepta un error muestral de 5% para que una muestra sea representativa. Cuando es más de este valor, existe cierta duda sobre la representatividad de la muestra de estudio. ### 5. Clases de muestras - Distinguir entre: - Cálculo de la muestra: Es el número de individuos que integran la muestra y que representa la población. - Elección de la muestra: Es la elección de los individuos de la población que van a conformar la muestra - CLASES DE MUESTRAS - Muestras probabilisticas - Muestras no probabilisticas - Hay dos clases de muestras mayormente aceptadas por los investigadores, son las muestras: - Probabilísticas y - No probabilísticas. - CLASES DE MUESTRAS - Muestras probabilisticas - Muestras no probabilisticas - Las muestras probabilísticas son todas aquellas muestras que se pueden extraer de la población, donde cualquier individuo puede ser elegido, pero que en su conjunto representa a toda la población. - CLASES DE MUESTRAS - Muestras probabilisticas - Muestras no probabilisticas - se dice que es probabilística porque la representatividad se encuentra en un número estadístico mínimo que representa a la población con un margen de error que se acepta. - la muestra sólo será representativa si se obtiene el número mínimo de individuos que estadísticamente sean representativos. - CLASES DE MUESTRAS - Muestras probabilisticas - Muestras no probabilisticas - No se puede considerar que las muestras extraídas en una investigación cualitativa no sean representativas, primero por que dejan de ser muestras y en segundo lugar porque estas muestras pueden ser incluso más representativas - CLASES DE MUESTRAS - Muestras probabilisticas - Muestras no probabilisticas - así por ejemplo en las investigaciones cualitativas se trabaja con poblaciones de un solo elemento donde la población y muestra es lo mismo. - CLASES DE MUESTRAS - Muestras probabilisticas - Muestras no probabilisticas - En el caso de investigaciones cuantitativas, por lo general se trata de muestras estándar por lo que no es necesario tener mayores niveles de selección, pues cualquiera está en las mismas condiciones de ser evaluada. - CLASES DE MUESTRAS - Muestras probabilisticas - Muestras no probabilisticas - Los métodos usados para esta elección son los sorteos aleatorios, fórmulas de distribución aleatoria hasta programas de cómputo llamados STATS. En las muestras probabilísticas, se puede medir el error, comparando el tamaño de la muestra con el tamaño de la población. Para ello es necesario principalmente identificar el tamaño del universo y el error que se pretenden considerar que será aceptada en la investigación. - CLASES DE MUESTRAS - Muestras probabilisticas - Muestras no probabilisticas - Se debe diferenciar que: - una cosa es el cálculo de la muestra y - otro es la forma de extraer la muestra. - En cuanto al cálculo de la muestra ya se indicó la fórmula que permite calcular la muestra considerando el margen de error que se considera aceptable, - CLASES DE MUESTRAS - Muestras probabilisticas - Muestras no probabilisticas - sin embargo, la forma de extraerlo es una segunda etapa luego de calculada la muestra, en esta etapa corresponde a la elección de los individuos de la población que van a conformar la muestra, así por ejemplo si se ha calculado una muestra de 80 individuos, la elección debe ser aleatoria o aplicando algún método de elección como la alternada, etc. ### 8. Tipos de extracción de la muestra - **A. Muestreo aleatorio simple o al azar** - Una vez seleccionado el número de individuos que conforman la muestra, cada uno de los elementos serán extraídos aleatoriamente del grupo de la población y - es aconsejable que aquellas que han sido seleccionadas no regresen al grupo a efectos que no vuelvan a ser elegidos nuevamente, se puede utilizar la técnica del sorteo para la elección de cada - **B. Muestreo sistemático** - Este tipo se caracteriza por determinar, en 1er lugar, un intervalo para la elección de la muestra. - Por ejemplo, de una población de 400 elementos es posible optar por una selección configurada con cierto número de intervalo, en este caso se escogerá en un intervalo de cada 10 espacios una muestra, con lo cual se obtendría una muestra total de 40 elementos. - El procedimiento es determinar el número de la población y la muestra a escoger. Luego, se dividirá la población entre la muestra, lo que permitirá obtener el valor del intervalo. - Como se puede apreciar en estos casos, no es el simple azar lo que determina el orden de las muestras en su conjunto. - Por eso, algunos investigadores lo consideran de carácter sistemático no aleatorio. Es importante que el azar se de en la elección de los primeros números que serán elegidos para seguir la secuencia. En el ejemplo anterior, si el intervalo va a ser de diez, entonces la elección del primer número estará entre los diez primeros, esta elección debe de ser al azar. - **C. Muestra probabilística estratificada** - Son aquellas muestras que se obtienen de segmentos de la población, que pueden ser obtenidas en una extracción transversal o longitudinal, su objeto es la comparación entre los segmentos y poder obtener conclusiones que sirvan para fundamentar la investigación. - Por ejemplo, en una investigación laboral de un número de empresas, las muestras pueden ser obtenidas estratificadamente por niveles, según los cargos funcionales de la empresa. Lo importante para la investigación es establecer primeramente cuáles son los estratos, - luego extraer la muestra como si fueran poblaciones diferentes para, al final, unirlas como si fuesen una sola. El reparto de las cuotas muéstrales en cada estrato se llama "afijación”, - si es igual para cada estrato, en ese caso se denomina afijación uniforme, en cambio, si es proporcional al tamaño de cada estrato, se le llama de afijación proporcional. - **D. Muestra probabilística por racimos, por conglomerado o por etapas** - Este tipo de muestra se configura por el lugar físico, donde se puede encontrar la variedad representativa de la población en análisis. Esta muestra representativa se extrae de varios lugares geográficos llamados clusters o racimos. - Este tipo de muestras se utiliza en casos que sea necesario realizar una investigación sobre una población con diferentes circunscripciones y estas a su vez diferentes núcleos a ser medidos, entonces la investigación no se podría circunscribir solo a un lugar. - Por el contrario, primero se deberá determinar las circunscripciones más representativas y luego los núcleos de estos a la vez que se elige los elementos de la muestra. - Por ejemplo, si se analizan las denuncias por maltrato en los colegios de San Salvador, entonces en una primera etapa se seleccionará aleatoriamente los colegios, en una segunda etapa los grados y por último se seleccionará las aulas y los alumnos a ser entrevistados. - **La Muestra probabilística puede clasificarse en:** - Muestreo aleatorio simple - Muestreo sistematico - Muestreo estratificado - Muestreo por racimo o por etapas - **Probabilísticas** - Muestreo aleatorio simple - Se utiliza cuando los miembros de la población son similares entre sí en variables importantes. - Muestreo estratificado - Este muestreo se utiliza cuando la población es heterogénea y contiene varios grupos diferentes, algunos de los cuales están relacionados con el tema del estudio. - Muestreo sistemático - Se realiza dentro de áreas más pequeñas subdivididas del área original, generalmente cuando los miembros de la población son similares entre sí en variables importantes. Muestreo de cuadrícula sistemática Se utiliza cuando la población está formada por unidades y no por individuos. - **No probabilísticas** - Muestreo no probabilístico - Se utiliza cuando el lugar de muestreo de interés ya es conocido o en casos en que no hay necesidad de muestrear en otros lugares. - Muestreo de conveniencia - es una técnica utilizada para crear muestras de acuerdo a la facilidad de acceso, la disponibilidad de las personas de formar parte de la muestra, en un intervalo de tiempo dado. - Muestreo por cuotas - Es un método en el que los investigadores pueden formar una muestra que involucre a individuos que representan a una población y que se eligen de acuerdo con sus rasgos o cualidades. - Muestreo intencional - Es una técnica de muestreo en la cual la persona a cargo de realizar la investigación se basa en su propio juicio para elegir a los integrantes que formarán parte del estudio. ### 9. Recolección de datos - Las técnicas cuantitativas de recolección de datos en investigaciones se utilizan para obtener información en forma numérica y suelen estar diseñadas para medir variables específicas de manera objetiva. - Estas técnicas permiten hacer análisis estadísticos y son fundamentales para estudios que buscan generalizar resultados a poblaciones más amplias. - **A. Encuestas y Cuestionarios** - Son las técnicas más comunes para recolectar datos cuantitativos. - Se componen de preguntas cerradas con opciones de respuesta predeterminadas (como respuestas de opción múltiple, escalas Likert, etc.). - Pueden aplicarse de manera presencial, por correo electrónico, en línea o por teléfono. - Ejemplos: encuestas de satisfacción, estudios de mercado, censos - **B. Experimentos** - Se trata de estudios controlados donde los investigadores manipulan una o más variables independientes y miden el efecto en las variables dependientes. - Se utilizan en disciplinas. - Ejemplo: un estudio experimental que evalúa el impacto de una nueva técnica de enseñanza en el rendimiento académico. - **C. Observación Estructurada** - Implica observar y registrar eventos o comportamientos en un formato predeterminado. - Se utiliza en situaciones donde el comportamiento es clave y puede ser cuantificado, como en estudios sobre interacción. - Ejemplo: un investigador observa cuántas veces una conducta específica ocurre en un periodo de tiempo determinado. - **D. Datos Secundarios** - Consiste en el uso de datos existentes, como estadísticas gubernamentales, registros administrativos o bases de datos de investigaciones anteriores. - Estos datos ya están recopilados y se pueden analizar estadísticamente. - Ejemplo: utilizar datos del Instituto Nacional de Estadística para analizar tendencias demográficas. - **E. Escalas y Pruebas Estandarizadas** - Se utilizan para medir habilidades, conocimientos, actitudes o rasgos psicológicos mediante pruebas diseñadas con criterios estandarizados. - Las pruebas psicométricas y las escalas de medición son ejemplos comunes. - Ejemplo: pruebas de coeficiente intelectual (IQ) o escalas de satisfacción laboral. - **F. Análisis de Contenido Cuantitativo** - Es un método para cuantificar la presencia de ciertas palabras, temas o conceptos en datos no numéricos, como textos, videos o audios. - Los investigadores codifican el contenido y luego lo analizan estadísticamente. - Ejemplo: análisis de la frecuencia de menciones de ciertos temas en medios de comunicación. - **5. Clases de muestras** - **A. Muestreo intencionado o razonado** - Se debe de indicar que en las investigaciones cualitativas este tipo de muestreo es el más utilizado, sin embargo, no le resta representatividad ni lo hace menos riguroso que las muestras llamadas probabilísticas. - El muestreo intencionado es la muestra extraída con base a los criterios de inclusión y de exclusión formuladas por el investigador. - Esta muestra se identifica de acuerdo a esos criterios, la formulación de estos criterios es muy importante porque permitirán identificar correctamente a la muestra que represente a la población. - Aunque en casos simples podría resultar errónea la muestra, en casos complejos donde se necesita extraer la muestra con características especiales de estudio, a través de un complejo sistema de selección, esta clase de muestreo resulta necesaria y aplicable. - A esto se debe sumar la imparcialidad y honradez del investigador a efectos de obtener una muestra que refleje los verdaderos intereses de una investigación en forma imparcial y comprometida con obtener resultados generales de la población investigada. - **B. Muestreo accidental** - Es un muestreo práctico, donde el investigador escoge la muestra tan pronto como la tenga a la mano. - Es aplicable en casos que el investigador, por motivos de economía o celeridad, no pueda pretender un muestreo más sofisticado, - pues el resultado que se puede obtener no es muy confiable, por tanto, puede reservarse para medir aspectos de la investigación que no necesiten cierta rigurosidad. - **C. Muestreo por cuotas** - Este muestreo es similar al estratificado, con la diferencia que, en este caso, existen otras clasificaciones además de los estratos que hace compleja la toma de muestra. - Por ejemplo, si además de extraer muestras estratificadas por niveles jerárquicos de una organización, esta se divide en grupos ocupacionales o se necesita clasificarlos por preferencias, edades, sexo, etc. - **Etapa de muestreo (Toma de decisión)** - Muestreo, submuestreo y contramuestreo - Método de muestreo - Número de muestras - Cantidad de muestra - Momento de muestreo - Condiciones experimentales - Embotellado - Almacenamiento y transporte - **Posible fuente de error** - Heterogeneidad de la muestra, cambio temporal o espacial de los contaminantes, muestras puntuales. - Estadística no representativa, distribución asimétrica, contaminación o pérdida de analitos - Pocas réplicas, ausencia de representatividad - Ausencia de representatividad - Cambios operacionales, condiciones climáticas - Efectos de matiz, equipos empleados, insumos utilizados, reproducibilidad de las condiciones - Contaminación o extracción por los equipos, materiales de los recipientes - Contaminación o pérdida por precipitación, volatilización, reacciones químicas (cambios de especies), crecimiento o pérdida biológica - **Nivel de confianza:** 95% - **Margen de error:** - tipo margen de error - **Población:** - tipo tamaño de la población - CALCULE - 86 - CLARO - **El uso de calculadoras de números de muestra está a la mano del investigador** - **9. Recolección de datos** - 05 - 04 - 03 - 02 - 01 - Es el uso de medios y formas para obtener información relevante para el desarrollo de la investigación - **9. Recolección de datos** - Las técnicas cuantitativas de recolección de datos en investigaciones se utilizan para obtener información en forma numérica y suelen estar diseñadas para medir variables específicas de manera objetiva. - **9. Recolección de datos** - Estas técnicas permiten hacer análisis estadísticos y son fundamentales para estudios que buscan generalizar resultados a poblaciones más amplias. - **9. Tecnicas para recoleccion de datos** - **A. Encuestas y Cuestionarios** - Son las técnicas más comunes para recolectar datos cuantitativos. - Se componen de preguntas cerradas con opciones de respuesta predeterminadas (como respuestas de opción múltiple, escalas Likert, etc.). - Pueden aplicarse de manera presencial, por correo electrónico, en línea o por teléfono. - Ejemplos: encuestas de satisfacción, estudios de mercado, censos - **9. Tecnicas para recoleccion de datos** - **B. Experimentos** - Se trata de estudios controlados donde los investigadores manipulan una o más variables independientes y miden el efecto en las variables dependientes. - Se utilizan en disciplinas. - Ejemplo: un estudio experimental que evalúa el impacto de una nueva técnica de enseñanza en el rendimiento académico. - **9. Tecnicas para recoleccion de datos** - **C. Observación Estructurada** - Implica observar y registrar eventos o comportamientos en un formato predeterminado. - Se utiliza en situaciones donde el comportamiento es clave y puede ser cuantificado, como en estudios sobre interacción. - Ejemplo: un investigador observa cuántas veces una conducta específica ocurre en un periodo de tiempo determinado. - **9. Tecnicas para recoleccion de datos** - **D. Datos Secundarios** -