Diapositiva 1

1
Técnicas de Muestreo y Métodos de Análisis
Sabrina Siniscalchi
Taller Procesos electorales en el Uruguay 02/10
/09
2
De qué vamos a hablar?
1- Técnicas de Muestreo
2- Variables, indicadores y otras cosas ya
conocidas
3- Qué se puede hacer con los datos? (técnicas
de análisis)
3
Técnicas de Muestreo
4
El análisis de una muestra permite inferir
conclusiones susceptibles de generalización a la
población de estudio con cierto grado de certeza
(Holguin y Hayashi, 1993).
El total de observaciones en las cuales se esta
interesado, sea su número finito o infinito,
constituye lo que se llama una población (Walpole
y Myers, 1996, p. 203). La muestra es una pequeña
parte de la población estudiada. Ésta debe
caracterizarse por ser representativa de la
población.
De acuerdo con Briones (1995) una muestra es
representativa cuando reproduce las
distribuciones y los valores de las diferentes
características de la población con márgenes de
error calculables (p. 83).
5
Tipos de muestreo

• Una muestra puede ser de dos tipos
• no probabilistica
• b) probabilistica.

En la muestra no probabilistica la selección de
las unidades de análisis dependen de las
características, criterios personales, etc. del
investigador por lo que no son muy confiables en
una investigación con fines científicos
Este tipo de muestra adolece de fundamentación
probabilistica, es decir, no se tiene la
seguridad de que cada unidad muestral integre a
la población total en el proceso de selección de
la muestra.
6
El muestreo no probabilistico comprende los
procedimientos de muestreo intencional y
accidental
Muestreo Intencional Procedimiento que permite
seleccionar los casos característicos de la
población limitando la muestra a estos casos. Se
utiliza en situaciones en las que la población es
muy variable y consecuentemente la muestra es muy
pequeña.
Muestreo Accidental Consiste en tomar casos
hasta que se completa el número de unidades de
análisis que indica el tamaño de muestra deseado.
7
El muestreo probabilistico permite conocer la
probabilidad que cada unidad de análisis tiene de
ser integrada a la muestra mediante la selección
al azar.
Este tipo de muestreo comprende los
procedimientos de muestreo simple o al azar,
estratificado, sistemático y por conglomerados o
racimos.
Muestreo Simple De acuerdo con Webster (1998)
una muestra aleatoria simple es la que resulta
de aplicar un método por el cual todas las
muestras posibles de un determinado tamaño tengan
la misma probabilidad de ser elegidas, (p. 324).
Esta definición refleja que la probabilidad de
selección de la unidad de análisis A es
independiente de la probabilidad que tienen el
resto de unidades de análisis que integran una
población. Esto significa que tiene implícita la
condición de equiprobabilidad (Glass y Stanley,
1994).
8
Muestreo Estratificado Este procedimiento de
muestreo determina los estratos que conforman una
población de estudio para seleccionar y extraer
de ellos la muestra.
Estrato es todo subgrupo de unidades de análisis
que difieren en las características que se van a
analizar en una investigación. 
La base de la estratificación adopta diversos
criterios como edad, sexo, ocupación, etc.  
Una modalidad de este tipo de muestreo es el
procedimiento de muestreo estratificado
proporcional, que permite seleccionar a las
unidades de análisis que integrarán la muestra en
proporción exacta al tamaño que tiene el estrato
en la población, es decir, el estrato se
encuentra representado en la muestra en
proporción exacta a su frecuencia en la población
total, (DAry, Jacobs y Razavieh, 1982, p. 138).
9
Muestreo Sistemático Una muestra sistemática se
obtiene determinando cada hésima unidad o késimos
casos. Un késimo caso representa el intervalo de
selección de unidades de análisis que serán
integradas a la muestra. 
Ejemplo Si se va a encuestar a una muestra de
tamaño 100 de una población de 1000, el intervalo
de selección es de tamaño 10. Este intervalo de
selección indica que se habrá de formar cada
décimo caso de la población para integrarlo a la
muestra. El primer caso se selecciona
arbitrariamente o al azar. Suponiendo que el
primer caso seleccionado sea el número 13, el
segundo será el 23 y así sucesivamente hasta
completar el tamaño de muestra deseado.
10
Muestreo por Racimos En este tipo de muestreo,
las unidades de análisis que se encuentran
encapsuladas o encerradas en determinados lugares
físicos o geográficos que se denominan
racimos. En este tipo de muestreo es
imprescindible diferenciar entre unidad de
análisis (quiénes va a ser medidos) y unidad
muestral (racimo a través del cual se logra el
acceso a la unidad de análisis). Por ejemplo
Se va a realizar una encuesta sobre las
condiciones salariales en las empresas
industriales, la unidad muestral son las
industrias y las unidades de análisis estan
representadas por los obreros que trabajan en
ellas.
11
Tamaño de las muestras

• Para calcular el tamaño de una muestra hay que
  tomar en cuenta tres factores
• El porcentaje de confianza con el cual se
  quiere generalizar los datos desde la muestra
  hacia la población total.
• El porcentaje de error que se pretende aceptar
  al momento de hacer la generalización.
• El nivel de variabilidad que se calcula para
  comprobar la hipótesis.

La confianza o el porcentaje de confianza es el
porcentaje de seguridad que existe para
generalizar los resultados obtenidos. Para
evitar un costo muy alto para el estudio o debido
a que en ocasiones llega a ser prácticamente
imposible el estudio de todos los casos, entonces
se busca un porcentaje de confianza menor.
Comúnmente en las investigaciones sociales se
busca un 95.
12
El porcentaje de error equivale a elegir una
probabilidad de aceptar una hipótesis que sea
falsa como si fuera verdadera, o la inversa
rechazar a hipótesis verdadera por considerarla
falsa. Al igual que en el caso de la confianza,
si se quiere eliminar el riesgo del error y
considerarlo como 0, entonces la muestra es del
mismo tamaño que la población, por lo que
conviene correr un cierto riesgo de
equivocarse. Comúnmente se aceptan entre el 4 y
el 6 como error, tomando en cuenta de que no son
complementarios la confianza y el error.
La variabilidad es la probabilidad (o porcentaje)
con el que se aceptó y se rechazó la hipótesis
que se quiere investigar en alguna investigación
anterior o en un ensayo previo a la investigación
actual. El porcentaje con que se aceptó tal
hipótesis se denomina variabilidad positiva y se
denota por p, y el porcentaje con el que se
rechazó se la hipótesis es la variabilidad
negativa, denotada por q. Hay que considerar
que p y q son complementarios, es decir, que su
suma es igual a la unidad pq1. Además, cuando
se habla de la máxima variabilidad, en el caso de
no existir antecedentes sobre la investigación
(no hay otras o no se pudo aplicar una prueba
previa), entonces los valores de variabilidad
es pq0.5.
13
Una vez que se han determinado estos tres
factores, entonces se puede calcular el tamaño de
la muestra
En el caso de que no se conozca con precisión el
tamaño de la población
Donde n   es el tamaño de la muestraZ   es el
nivel de confianzap   es la variabilidad
positivaq   es la variabilidad negativaE   es
la precisión o error.
La variabilidad y el error se pueden expresar por
medio de porcentajes, hay que convertir todos
esos valores a proporciones en el caso
necesario. El nivel de confianza no es ni un
porcentaje, ni la proporción que le
correspondería, a pesar de que se expresa en
términos de porcentajes. El nivel de confianza se
obtiene a partir de la distribución normal
estándar, pues la proporción correspondiente al
porcentaje de confianza es la integral de la
curva normal que se toma como la confianza, y la
intención es buscar el valor Z de la variable
aleatoria que corresponda a tal área.
14
En el caso de que SI se conozca el tamaño de la
población
Donde n   es el tamaño de la muestraZ   es el
nivel de confianzap   es la variabilidad
positivaq   es la variabilidad negativaN   es
el tamaño de la poblaciónE   es la precisión o
el error.
15
La muestra en 2004
Se comenzó con 1021 casos, de los que se lograron
recontactar, manteniendo los criterios muestales,
806. Los mismos constituyen una muestra
representativa de la población de 18 y más años
de edad residente en hogares particulares de
localidades de todo el país con 2000 y más
habitantes. La muestra fue aleatoria
probabilística con un margen de error de 3.5
para un nivel de confianza de 95. Las
encuestas fueron realizadas en forma telefónica,
Montevideo fue dividida en 25 zonas geográficas,
coincidiendo con las divisiones de ANTEL.
Superponiendo los datos del Censo de Población
con la zonificación de ANTEL, manteniendo fijas
las características de cada zona y sorteando las
demás cifras al azar, es posible diseñar una
muestra probabilística de números de teléfono que
respete la estructura de la población por barrio.
En el Interior se realizaron encuestas en 50
localidades, utilizando una metodología similar
de sorteo
16
Variables e Indicadores (un pequeño repaso)
17
Una variable es un atributo o características que
hacen similares a los individuos, grupos sociales
entre sí, objeto o fenómeno que puede adoptar
diversos valores. Un indicador indica cómo se
medirá la variable.

• Tipos de variables
• En cuanto al papel que tienen en la
  investigación
• Dependientes
• Independientes
• En cuanto a la posición relativa de VD y VI
• Intervinientes, de control
• Antecedentes
• En cuanto a su manera de ser medidas
• Univariables (nominales, ordinales, de intervalo,
  de razón)
• Multivariables (Unidimensionales/
  Multidimensionales)

18
Qué se puede hacer con los datos?
19

• Las técnicas de análisis de datos se clasifican
  en 2 tipos
• Técnicas de análisis cualitativo
• Técnicas de análisis cuantitativo

a) Técnicas de análisis cualitativo

• Objetivo Resumir, analizar e interpretar la
  información obtenida mediante métodos
  cualitativos. (entrevistas, análisis documental,
  etc.)
• Principales técnicas
• Categorización (Los datos se revisan y se
  reducen a unidades llamadas categorías)
• Análisis de contenido (permite la descripción de
  la información a través de variables pre
  definidas en el estudio. Permite cuantificar
  datos cualitativos. Nudist)

20
b) Técnica de análisis cuantitativo
Objetivo Describir, graficar, comparar,
relacionar y resumir datos obtenidos (Encuestas,
series históricas, otros)
21
Algunos ejemplos
22
(No Transcript)
23
(No Transcript)
24
(No Transcript)
25
Cuánto influyeron en el voto de octubre de 2004
el voto anterior, la tradición familiar, el medio
por el que se informa de política el votante y
su interés por la política?