Please enable JavaScript.

Coggle requires JavaScript to display documents.

Muestreo - Coggle Diagram

- - - - Objetivo central: seleccionar casos representativos mediante una técnica adecuada
      - Finalidad: generalizar características y probar hipótesis para construir/probar teorías sobre la población
      - Enfoque cuantitativo: toda muestra debe ser representativa ("al azar" solo indica el procedimiento mecánico)
  - - - Error 1: desestimar o no elegir casos que deberían ser parte de la muestra
      - Error 2: incluir casos que no pertenecen a la población delimitada
      - Error 3: seleccionar casos verdaderamente inelegibles (poblaciones inaccesibles)
    - - Requiere más de 100 casos para obtener una muestra probabilística con distribución normal
      - Si N <= 100 (ej. 80 alumnos), se trabaja con toda la población (censo) o muestra no probabilística
    - - Unidad de análisis: a quién se va a estudiar (personas, objetos)
      - Población: descripción detallada de características y límites de la población
      - Marco muestral: marco de referencia físico o documental para localizar e identificar a los elementos
  - - - 3 factores esenciales (Hernández et al., 2014)
        
        Nivel de confianza (Z): seguridad para generalizar (comúnmente 95% en Ciencias Sociales)
        
        Tabla de valores Z (UDEMEX, 2022)[cite: 15]: 75%=1.15 | 80%=1.28 | 85%=1.44 | 90%=1.65 | 95%=1.96 | 97.5%=2.24 | 99%=2.58
        
        Margen de error (E): tolerancia de error aceptada (comúnmente 4% a 6%; estándar 5% = 0.05)
        
        Variabilidad o heterogeneidad (p y q): proporción esperada (p) y complemento (q = 1 - p); estándar 50% (p=0.5, q=0.5)
      - Fórmula para población infinita o desconocida (UDEMEX, 2022)[cite: 16]
        
        n = (Z^2 p q) / E^2 (redondear decimales al entero inmediato superior)
        
        Ejemplo 1 (Z=1.96, p=0.05, q=0.95, E=0.03) -> n = 202.751 -> 203 personas[cite: 17]
      - Fórmula para población finita o conocida (UDEMEX, 2022)[cite: 16]
        
        n = (N Z^2 p q) / [E^2 (N - 1) + Z^2 p q]
        
        Ejemplo 2 (N=15,000, Z=1.96, p=0.05, q=0.95, E=0.03) -> n = 200.01 -> 200 personas[cite: 18]
      - Calculadora digital (Netquest; UDEMEX, 2022)[cite: 19, 20]
        
        Automatiza el cálculo en poblaciones finitas (ej. N=4,586, heterogeneidad 50%, error 5%, confianza 95% -> n = 355)
    - - No usa fórmulas estadísticas ni busca representatividad poblacional
      - Se define mediante Criterios de Inclusión establecidos por el investigador (UDEMEX, 2022)[cite: 21]
        
        Ejemplo (estilos de aprendizaje): edad 19-25 años, 4° y 5° semestre (gastronomía, psicología, administración), modalidad escolarizada presencial, interés por mejorar aprendizaje y aceptación voluntaria
- - - - Deductivo
        
        Relacionado con la teoría de probabilidad[cite: 22]
        
        De las características de la población se obtienen las posibles características de una muestra[cite: 22]
      - Inductivo
        
        Relacionado con la inferencia estadística[cite: 22]
        
        De las características de un subconjunto (muestra) se hacen afirmaciones (inferencias) sobre la población general[cite: 22]
    - - Recursos limitados
        
        Falta de recursos humanos, materiales o económicos para estudiar al total de la población (ej. probar un auto usado unos minutos antes de comprarlo)
      - Escasez
        
        Disponibilidad mínima de casos o restos (ej. docena de esqueletos fósiles de T. Rex en el mundo)
      - Mayor exactitud
        
        Los censos masivos inducen errores y requieren personal poco capacitado; una muestra permite trabajar con menos personal pero más capacitado
  - - - Desarrollar criterios para evaluar la validez y precisión de las muestras
      - Considerar la estrategia muestral más adecuada a cada situación (según población y objetivos)
      - Elaborar la estrategia muestral adecuada a cada situación
      - Proceder a la selección de la muestra en función a la población
- - - - Participantes, sucesos, objetos o colectividades susceptibles de estudio (Hernández et al., 2014)
      - En estudios cuantitativos = Participantes de la investigación (UDEMEX, 2022)
    - - Términos homólogos en Ciencias Sociales
      - Conjunto de todos los casos que concuerdan con una serie de especificaciones (Hernández et al., 2014)
      - Totalidad del fenómeno a estudiar con una característica común (variable)
      - Censo: recuento de todos los elementos de la población
      - Importancia del muestreo: estudiar toda la población suele ser inviable; se toma una muestra significativa para generalizar resultados
  - - - Criterios que acotan y definen quiénes formarán parte del estudio y la futura muestra
      - Determinados por el investigador según el tipo de estudio y el objetivo planteado (UDEMEX, 2022)
      - Ejemplo práctico (Hernández et al., 2014; UDEMEX, 2022)
        
        Población general: niños de primaria de la ZMVM
        
        Población delimitada: niños de la ZMVM de 4°, 5° y 6° grado, escuelas públicas y privadas, turno matutino
  - - - De agrupamiento o agregación
        
        La variable es muy heterogénea en la distribución
        
        La mayoría de los integrantes responde de manera similar ante la variable (ej. preferencia por un mismo juego)
      - Aleatoria
        
        Sin relación especial de atracción ni antagonismo; se distribuyen al azar
        
        No hay preferencia marcada respecto a la variable (ej. elección de juegos al azar)
      - Uniformemente espaciada o regular
        
        Surge de interacciones directas con distancia mínima para compartir recursos
        
        Respuesta parcialmente heterogénea sin llegar a la igualdad (ej. juegos distintos con características similares)
    - - Población finita
        
        Se conoce de manera precisa el número total de elementos que la integran
        
        Ejemplo: número exacto de estudiantes en UDEMEX Centro de Toluca
      - Población infinita
        
        Demasiado grande para cuantificarse con precisión o se desconoce el número exacto de elementos
        
        Ejemplo: número de mujeres embarazadas por violación en América Latina (subregistro por falta de denuncia)
- - - - Aleatorio simple
        
        Todos los elementos tienen exactamente la misma probabilidad de ser elegidos al azar
        
        Ejemplo: sortear al azar qué estudiante expondrá un tema en clase
      - Estratificado
        
        La población se divide en segmentos o subgrupos (estratos) y se extrae una muestra aleatoria de cada segmento
        
        Ejemplo: muestrear alumnos de cada licenciatura en UDEMEX Centro Toluca
      - Por racimos (o conglomerados)
        
        Unidades de análisis encapsuladas en lugares físicos o geográficos determinados
        
        Ejemplo: muestrear estudiantes por sedes regionales de UDEMEX (Toluca, Ixtapan de la Sal, Ecatepec)
        
        Complemento Video 1 (EBC Academia, 2016): puede ser de 1 etapa (se incluye todo el conglomerado) o de 2 etapas (submuestra aleatoria dentro del conglomerado)
    - - Muestreo sistemático: dividir población entre muestra para obtener intervalo (k), elegir inicio aleatorio entre 1 y k, y sumar el intervalo sucesivamente
  - - - Desventaja 1: no se puede calcular con precisión el error estándar ni el nivel de confianza de la estimación[cite: 8]
      - Desventaja 2: la elección depende de la decisión subjetiva del investigador y no de la equiprobabilidad[cite: 8]
    - - Enfoque cuantitativo: útil en diseños que requieren elección controlada de casos con características específicas del planteamiento
      - Enfoque cualitativo: gran valor para obtener casos, contextos o situaciones que aportan riqueza de datos sin buscar generalización
    - - Por conveniencia: elementos accesibles en el lugar y momento adecuados
      - Por juicio: el investigador elige según su experiencia a los sujetos más representativos
      - Por cuotas: se definen categorías de control (edad, sexo) y se seleccionan sujetos por conveniencia o juicio
      - De bola de nieve: los primeros entrevistados refieren a otros miembros de la población meta (útil en poblaciones poco comunes)