Sie sind auf Seite 1von 65

Muestreo

BENITO RAMREZ VALVERDE

bramirez@colpos.mx
analisis.estadistico.brv@gmail.com

La duda es la base de todo conocimiento.


R. Descartes

METODO CIENTIFICO
Problema preliminar
Objetivos, justificacin
Definicin de variables
Hiptesis preliminar
Revisin conceptual
Problema
Redefinicin de variables
Hiptesis
Revisin de mtodos
Diseo
Conduccin
Anlisis y sntesis
Interpretacin y discusin
Conclusiones y recomendaciones
Reporte.

METODO CIENTIFICO
GUIA, PASOS, REALIMENTACIN
PRIMER CICLO : PROBLEMATIZACIN, HIPOTESIS

PROBLEMA

CONCEPTOS
Y VARIABLES

Fase de tormenta de
ideas

OBJETIVOS

HIPOTESIS

Para generar la
hiptesis de la
investigacin, elaborar
la lista de hiptesis
(candidatos))
No debe limitar las ideas

METODO CIENTIFICO
GUIA, PASOS, REALIMENTACIN
SEGUNDO CICLO DISEO

HIPOTESIS

DISEO

VARIABLES

RECURSOS

Validez interna

Factor de confusin

Factores o fuentes de confusin respecto con el


efecto de una variable independiente.
La validez interna se logra cuando hay control,
cuando los grupos difieren entre s solamente en
la exposicin a la variable independiente,
cuando las mediciones de la variable
dependiente son confiables y vlidas, y cuando
el anlisis es el adecuado para el tipo de datos
que estamos manejando.

Factor de variacin que no esta bajo estudio,


pero influye en la variable respuesta y esta
presente en forma diferencial en las unidades
experimentales bajo estudio.

Validez externa

Plantea el interrogante de la
posibilidad de generalizacin: a qu
poblaciones, situaciones, variables de
tratamiento y variables de medicin
puede generalizarse este efecto?

VALIDEZ EXTERNA
REPRESENTATIVIDAD DE LAS MUESTRAS

POBLACION

La distribucin de las
variables de inters en el
estudio es aproximadamente
la misma en la poblacin y
en la muestra

f(Xi)
MUESTRA
Xi

f(Xi)
Xi

DISEO

Qu , cmo, cundo, con qu medir?


Formas de captacin
Tamao de muestra
Validez externa (extrapolacin )
Validez interna (control factores de confusin)
Estudio piloto?
Logstica

CRITERIOS DE CLASIFICACION DE
INVESTIGACIONES
1. Segn el propsito son Descriptivos o Comparativos
2. Segn la evolucin son Transversales o Longitudinales
3. Segn la fuente de informacin son Retrospectivos o
Prospectivos
4.- Segn el control del investigador son Observacionales
o Experimentales

LONGITUDINAL
Se mide en dos o ms
ocasiones la o las variables de
inters.
La comparacin de los valores
en pocas distintas nos
informa de la evolucin de los
elementos.
Se conserva la identidad de los
elementos durante el
seguimiento.

TRANSVERSAL
Se mide una o ms variables en
una sola ocasin en cada
unidad.
No hay seguimiento y no se
requiere mantener la identidad
de los elementos.

Hay estudios longitudinal en el que medicin se realiza en un solo da, mientras


que hay estudios transversales en el que se requiere tres meses para la
medicin.

RETROSPECTIVO
La informacin fundamental,
o parte de ella, ya ha sido
captada en otras fuentes. El
investigador no estudia los
elementos, sino registros,
expedientes, fichas, etc..,
donde esta la informacin.
Es rpido y barato.
La informacin puede ser de
mala calidad.

PROSPECTIVO
Toda la informacin
fundamental se obtiene
directamente aplicando
instrumentos de medicin a los
elementos de estudio. La
informacin no existe en
fuentes secundarias, o es de
muy mala calidad.
Es caro y lento
La informacin es de buena
calidad.

EXPERIMENTO

OBSERVACIONAL

Se tienen dos o ms
poblaciones.

Una o mas poblaciones.

Hay seguimiento.
Se eligen o inventan las
variantes del factor causal la X.
Se aleatoriza la asignacin de
esas variantes a las unidades
experimentales.
Se forman bloques.

Dos poblaciones: Los


elementos se eligen ya con
las variantes del factor
causal. Se pueden formar
bloques. Comparativo.
Una poblacin: Se estudia
una muestra de ella.
Descriptivo

Estudio observacional comparativo = Pseudoexperimento

DISEO DE ESTUDIOS
INTERFERENCIA

PERIODO

Prospectivo o
Retrospectivo
Prospectivo o
Observacional
Retrospectivo

EVOLUCIN

COMPARACIN

TIPO DE
INVESTIGACIN

Encuesta
descriptiva
Encuesta
Transversal Comparativo
comparativa
Revisin de
Observacional Retrospectivo Longitudinal
Descriptivo
casos
Comparativo
Casos y
Observacional Retrospectivo Longitudinal
(efecto-causa)
controles
Comparativo
Perspectiva
Observacional Retrospectivo Longitudinal
(causa-efecto)
histrica
Estudio de una
Observacional Prospectivo Longitudinal
Descriptivo
cohorte
Estudio de varias
Observacional Prospectivo Longitudinal Comparativo
cohortes
Experimental
Prospectivo Longitudinal Comparativo
Experimento
Observacional

Transversal

Descriptivo

ENCUESTA DESCRIPTIVA
Pasado

Presente

Futuro

P
m
Extrapolacin

m
P = poblacin
m = muestra

ENCUESTA DESCRIPTIVA
Ejemplo: Describir las practicas agrcolas de los habitantes
de una regin. La poblacin son todos los habitantes de la
regin. Se toma una muestra representativa de ellos. Se
aplica un cuestionario (Prospectivo).

Ejemplo: Describir las reas donde crece cierta especie


vegetal. Se tendr que muestrear aquellas zonas donde se
sospeche que puede desarrollarse, posiblemente con
muestreo de transectos.

ENCUESTA COMPARATIVA
Presente

P1
m1

m1

Extrapolacin

Pasado

Futuro

P2
m2

m2

P1 y P2 = poblaciones
m1 y m2 = muestras

ENCUESTA COMPARATIVA
Comparar el grado y tipo de practicas agrcolas, por parte de
productores agrcolas que tengan diferente origen tnico y
escolaridad.
Los factores de confusin pueden ser, el grado de
dependencia de la agricultura, capital, tipo de tenencia de la
tierra, etc..

Comparar el perfil de estudiantes de la universidad


publica con la privada

REVISION DE CASOS
Presente

P1
m1

m1

Extrapolacin
en el presente

Extrapolacin
en el pasado

Pasado

Evolucin

P = poblaciones
m = muestras

Futuro

P1
m1

m1

Posible
seguimiento

Captacin de informacin
de aspectos en el pasado

REVISION DE CASOS
En base a expedientes del seguro y o crdito agrcola, valorar los
cambios en las tcnicas de produccin agrcola, en los ltimos 40
aos.

En base a registros estudiantiles, avaluar el proceso educativo


de un plantel. Determinar tasas de reprobacin, evolucin de
calificaciones, estas, se asocian con sexo, escuela de
procedencia, carrera etc..

CASOS Y CONTROLES
Pasado

Presente

Bsqueda del
factor causal

Casos

Evolucin

m1

Expuestos

No
expuestos

seguimiento
retrospectivo

m2

Expuestos

Futuro

Evolucin

Se supone que en
el pasado no est
presente el efecto

Efecto-causa

m1 P1
Controles

m 2 P2

P1 = poblacin de casos con efecto


m1 = muestra de casos
P2 = poblacin de controles, sin efecto

CASOS Y CONTROLES
Prdida de recursos genticos o forestales
con veda: casos
sin veda: controles.
Remontarse a pocas pasadas en la que no se haban perdido los
recursos, para investigar posibles factores causales, tales como
industrializacin, educacin, etc..

Comparar los expedientes de alumnos reprobados (casos) con


alumnos regulares (controles). Valorar como riesgos para la
reprobacin: turno, carrera, sexo, escuela de procedencia,
calificacin previa, nivel socioeconmico, participacin en
deporte o actividades polticas.

PERSPECTIVA HISTORICA
Pasado

Presente

Futuro

P1
P1 m1

m1

Evolucin

m1

seguimiento
retrospectivo

P2 m2

m2

Evolucin

P1 y P2 = poblaciones
m1 y m2 = muestras Causa - efecto

posible
seguimiento

m2
P2

PERSPECTIVA HISTORICA

Con base en expedientes de seguro o crdito agrcola, evaluar


productividad agrcola en zonas comparables antes y despus
de un desastre natural, como volcn, o inundacin.

ESTUDIO DE UNA COHORTE


Pasado

Presente

Futuro

P1
seguimiento

P1

P1 m 1

m1

m1
mediciones

P1 = poblacin
m1 = muestra

ESTUDIO DE UNA COHORTE


Se decreta una nueva ley de explotacin forestal y se quiere
conocer su impacto futuro en la conservacin de recursos.

Se crea una nueva carrera , se quiere valorar todo el proceso


educativo. Se decide efectuar exmenes y aplicar
cuestionarios al termino de cada semestre.

ESTUDIO DE VARIAS COHORTES


Pasado

Presente

Futuro

P1

seguimiento

P1

P1 m 1

m1

m1
mediciones
seguimiento

P2

P2 m 2

P1 y P2 = poblaciones
m1 y m2 = muestras

m2

m2
mediciones

P2

ESTUDIO DE VARIAS COHORTES

Se comparan las carreras acadmicas de un nuevo


programa educativo, con el tradicional.

Se comparan las carreras acadmicas de estudiantes


con actividad poltica intensa con la de los
polticamente no activos

EXPERIMENTO
Pasado

Presente

P con
T1

Pi

P con
T2
Pi = poblacin inicial
m = muestras
T = tratamientos
extrapolacin

P con
T3

m1

P con
T1

m2

m2

P con
T2

m1

m1

P con
T3

m1

Futuro
Seguimiento

Mediciones

Tratamientos
Asignacin aleatoria
a los tratamientos

Evaluacin
final

EXPERIMENTO

Se comparan los resultados de la medicina tradicional con la


moderna, para diabetes y cncer. Se tienen 50 voluntarios
que pueden ser asignados al azar a cualquiera de los dos
tipos de tratamiento.

Se comparan los rendimientos de maz con diferentes tipos


de fertilizante. Unidad experimental de 4 surcos de 10 m.

La ciencia que no se ve no existe

Agricultura,
Sociedad y
Desarrollo

http://www.colpos.mx/asyd/asyd.htm

La matemtica es la ciencia del orden y la


medida, de bellas cadenas de razonamientos,
todos sencillos y fciles.
Ren Descartes

MEDICION
Medir es tipificar o caracterizar un propiedad en un
elemento de estudio. Previamente se debe
conceptualizar la propiedad por medirse y obtener un
indicador mediante una operacionalizacin.

X
X1 X2

... Xn

CONCEPTO
INDICADORES

VARIABLES
Como al medir, es decir obtener el indicador con las
operaciones establecidas en diferentes elementos o en
uno solo en diferentes pocas, se tienen generalmente
resultados distintos; se le llama variable al conjunto de
posibles resultados.
Ejemplos:
Peso de una persona en kilogramos
Rendimiento de un cultivo
Ingreso
Sexo de una persona
Edad

MEDICION NUMERICA
Cuando el resultado de la medicin se expresa con
nmeros, se llama medicin numrica. Tambin se dice
que tenemos una escala numrica.
Con esta forma o escala de medicin se pueden calcular
promedios o medias, desviaciones estndar, modas,
correlaciones y en general aplicar las llamadas pruebas
paramtricas.
Ejemplos:
Rendimiento
Peso en Kg. , estatura en cm.
Monto del subsidio de un programa

Variables

Escala de
medicin
nominal

Sexo: masculino, femenino

ordinal

Nivel socioeconmico:
Bajo, Medio y Alto

de
intervalo

Temperatura, calificacin de
examen, etc.

de razn
o relacin

Estatura, peso, distancia, etc.

absoluta

Nmero de hijos por familia, etc.

Categricas

Numricas

Ejemplos

ESCALA NOMINAL
Cuando el resultado de la medicin es la ubicacin o
clasificacin de un elemento a una categora, y si estas
no tienen un orden, se tiene una medicin en escala
nominal, con la cual slo se le dan nombres a las
categoras.
En este caso no se pueden obtener medias o
varianzas, solo modas.
Se estudia la frecuencia de ocurrencia de los casos en
cada una de las categoras.
Las categoras deben ser mutuamente exclusivas y
exhaustivas.

ESCALAS DE MEDICIN
1) Nominal
No existe orden
Categoras excluyentes
Existe relacin de igualdad entre los elementos
Ejemplos:
Sexo
Estado civil
Estado de salud

Ejemplos:
Carrera de procedencia de un tcnico.
Tipo de programa del que recibe apoyo
Participantes en un programa
Programas que actan en un territorio

ESCALA ORDINAL
Cuando el resultado de la medicin se expresa en grados de
intensidad, pero sin poder precisar el incremento de un grado a
otro, nicamente se puede establecer un orden entre esos
grados, se llama escala ordinal.
En este caso slo es vlido en sentido estricto, la obtencin de
la moda, la mediana o los porcentiles.
Aunque con muestras grandes y aplicndolo a conjuntos de
resultados, se pueden manejar como variables numricas y
aplicar pruebas paramtricas.

2) Ordinal
Existe orden entre las clases
Relaciones de <, =, >

Ejemplos:
Grado de Marginacin
0 Muy alto
1 Alto
2 Medio
3 Bajo
4 Muy Bajo

Estado de un paciente Sida


1 empeoramiento intenso
2 empeoramiento
3 sin cambio
4 mejorado
5 muy mejorado

Ejemplos:
Opinin sobre la oportunidad de con que
llegan los recursos de un programa
Nivel de pobreza
Posicin jerrquica en el trabajo

3) Intervalo
Relaciones de <, =, >
Permite diferencias entre clases (-)
Ejemplo:
Temperatura
100 C = 500 F
50 C = 410 F

10 0 C
50 C

500 F
410 F

46
23

4) Razn
Permite todas las operaciones aritmticas
Ejemplo:
Peso, estatura, concentracin de substancias
100 lb = 46 Kg
50 lb = 23 Kg

100
50

Estadstica Descriptiva
Cuando se tiene un conjunto de datos, se puede explorar
que representan dichos datos de manera numrica o de
manera grfica

Medidas de Tendencia Central

Media
n

Y
i 1

Mediana

Moda

.........

Valor o categora
ms frecuente

50%

50%

Medidas de variabilidad o
dispersin

Medidas de Dispersin

La dispersin es la cantidad de variacin, o


diseminacin en los datos. Determina si los valores
estn relativamente cercanos entre s, o no

Aplicaciones
Se les usa para comparar distribuciones y para
calcular los errores estndar, que sern de
importancia en la estadstica inferencial, en las
pruebas de hiptesis y en los intervalos de
confianza

Rango
Es la medida de dispersin ms fcil de calcular

Rango Valor maximo - Valor minimo


No estn usada ya que slo considera los valores
extremos de la serie de datos

Varianza
Indica qu tan dispersos se encuentran los datos,
en promedio, de la media de la poblacin
Para representar la varianza poblacional y la
varianza muestral se utilizan los siguientes dos
smbolos:
2 - donde es la letra griega (sigma ) al cuadrado
que determinar la varianza de una poblacin
s2 - determina la varianza de la muestra analizada

La frmula para calcular la varianza de una poblacin


est dada por la expresin:

2
(
x

)
i
i 1

N 1

1
N 1

2
x

i 1

x
i 1

donde:
xi = son las observaciones que componen la poblacin, i =
1, 2, 3,...,N
= la media de la poblacin
N = El nmero total de elementos de la poblacin.
2 = La varianza de la poblacin

Para calcular la varianza muestral para datos no agrupados


se utiliza la misma frmula reemplazando las variables 2,
y N por s2,x y n, respectivamente, esto es:

s
2

2
(
x

x
)
i
i 1

n 1

n 1

2
x
i
i 1

i 1

donde:
x - es la media muestral
xi - son las observaciones que componen la muestra, i =
1, 2, 3,...,n
n - el nmero total de elementos de la muestra
s2 - La varianza de la muestra

Desviacin Estndar
En la varianza, los resultados se expresan en unidades
originales al cuadrado, por lo que se requiere de una
medida de desviacin que sea til en unidades
originales que no estn elevadas
Esta medida es llamada desviacin estndar y es la
raz cuadrada de la varianza
Para representar la desviacin estndar poblacional y
la desviacin estndar muestral se utilizan los
siguientes dos smbolos:
- donde sigma es la letra griega que determinar la
desviacin estndar de una poblacin
s -determina la desviacin estndar de la muestra
analizada

La frmula para calcular la desviacin estndar de una


poblacin est dada por la expresin:
N

(x )
i 1

N 1

N 1

2
x
i

i 1

i 1

donde:
xi = son las observaciones que componen la poblacin, i =
1, 2, 3,...,N
= la media de la poblacin
N = El nmero total de elementos de la poblacin
= La desviacin estndar de la poblacin

Para Desviacin estndar muestral de datos individuales


se utiliza la misma frmula reemplazando las variables
y N por s, x y n, respectivamente, esto es:
n

(x x)
i 1

n 1

n 1

2
x
i

i 1

i 1

donde:
x - es la media muestral
xi - son las observaciones que componen la muestra, i =
1, 2, 3,...,n
n - el nmero total de elementos de la muestra
s - la desviacin estndar de la muestra

Ejemplo

Coeficiente de Variacin
Es la dispersin relativa existente entre la desviacin
estndar y la media aritmtica de los datos
Este coeficiente est dado como el cociente
resultante de dividir la desviacin estndar entre la
media:

S
C.V .
X

El coeficiente de variacin se puede expresar como


porcentaje

Esta medida de variabilidad expresa la desviacin


estndar por unidad experimental como una
medida general del experimento.
De esta forma se puede comparar entre dos o ms
coeficientes de variacin, y observar cul muestra
tiene mayor variabilidad.

EJEMPLO
Un tirador efectuar tres disparos
a 100 m del blanco y se mide la
separacin entre el centro del
blanco y el lugar del impacto.
Los resultados son:

Se envan tres cohetes a la luna,


que debera alunizar en un sitio.
Se mide el lugar donde agudizaron
y el sitio donde deben llegar. Los
resultados son:

Disparos

Cohetes

Primero
Segundo
Tercero

Desviaciones
5 mm
3 mm
7 mm

Primero
Segundo
Tercero

Desviaciones
11 km
23 km
7 km

Gmez Aguilar R. !977

Promedio =5 mm
Desviacin estndar = 1.6 mm

Promedio = 17 km
Desviacin estndar = 4.9 km

Qu poblacin tiene mayor variabilidad?

Covarianza
medida de
variabilidad
conjunta
Coeficiente de
Correlacin
(Pearson)

Cov ( x, y )

y
i 1

y x i x
n 1

Cov ( y , x )
Var ( y )Var ( x )