TÉCNICAS DE MUESTREO Y DISEÑOS DE INVESTIGACIÓN

Publicadas por el
Bienvenidos a esta presentación, que se tratará sobre:


Las técnicas de muestreo nos ayudan a captar las unidades de análisis para extraer la información que necesitamos para desarrollar nuestra investigación, todo esto acompañado del diseño de investigación que identifica la postura que tomaremos como autores de la investigación.

Dado que la muestra es un subconjunto de la población, nos permite tener costos reducidos, mayor rapidez para obtener la información, más posibilidades de terminar satisfactoriamente la investigación y más exactitud utilizando un nivel de fiabilidad, es decir aquellos muestreos probabilísticos.

Debemos tener en cuenta que debe ser representativa, es decir contener las características más similares respecto a la población total y es adecuada cuando la cantidad determinada es razonable para la investigación.

Hablaremos de las fases del proceso investigador.
  • En primer lugar, está la determinación de objetivos de investigación, el objetivo general es clave ya que indica la meta más grande, la cual debemos detallar en objetivos más simples o específicos para poder alcanzarlo. 
  • En segundo lugar, está la determinación de la población objetivo (todas la unidades interesantes para nuestra investigación); luego determinar los alcanzables o accesibles; una vez echo eso evaluamos los disponibles (quienes pueden brindarnos información) y de ese grupo especificar las unidades alcanzadas o registradas.
  • Como tercer punto importante tenemos el establecimiento del marco poblacional, para ello se recurre a un plano o croquis donde están las viviendas o las zonas donde vamos a realizar la investigación, para su mejor reconocimiento.
  • En este punto es necesario enlistar cada una de las posibilidades, para poder establecer el tipo de muestreo más efectivo y consistente. 

MUESTREO ALEATORIO SIMPLE

  • Como cuarto punto está el cálculo de la muestra, para ellos debemos conocer los tipos:

Es importante recordar que para este muestreo no es necesario tener las unidades en las mismas condiciones, o mejor dicho no hay una condición específica que los agrupe, podemos tener viviendas de 2 personas o viviendas con 5 personas, según sea el caso, por ejemplo, en una empresa, no hay diferencias entre un trabajador y su jefe.

Para utilizar este muestreo debemos saber si tenemos la cantidad total de integrantes para saber si utilizar la fórmula con población conocida o no, también necesitamos la varianza de la población respecto al fenómeno o variable analizada, de no tenerlo podemos establecer proporciones, por ejemplo, si necesitamos las mujeres entre 20 y 25 años, sabiendo que el 20% del total son mujeres con estas características, la proporción ingresada como "p" es 0.20 y "q" como el complemento 0.80. Estos valores también pueden ser calculados en la fase de validación y confiabilidad del instrumento.

Existe además una forma de cómo disminuir de manera formal la cantidad muestreada y es a través del factor de corrección, si te demanda mucho desgaste económico la muestra actual, esta no es una mala opción, antes de preferir manipular la fórmula. 

Dentro de las desventajas de utilizar este muestreo tenemos que se requiere de una lista oficial de integrantes si se escoge la población conocida, el investigador tiene un trabajo tedioso para elaboración y actualizar dicha lista, además mientras más grande la población más equipamiento será necesario.

Otro aspecto importante en este muestreo es la asignación, con o sin reemplazo, solo se utilizaría si nuestra investigación es de tipo comparativo.

Un ejemplo claro de muestreo simples son los factores demográficos, como vemos necesitamos la cantidad de personas (población), las zonas, las manzanas, casas por manzanas y tener el total de casas a disposición. Una vez obtenido debemos establecer los parámetros de la fórmula y ejecutarla, luego redondear por exceso y decidir si es una cantidad aceptable.

También visita nuestro canal, tenemos estos videos geniales para tus investigaciones:

🟥 INTELIGENCIA ARTIFICIAL, LO QUE NOS ESPERA 🟥

https://www.youtube.com/watch?v=H1ndSPrlj3k

🟥EXPECTATIVAS DEL INTERNET DE LAS COSAS 🟥

https://www.youtube.com/watch?v=uUrRKQnVTL4

🔷 Algoritmos y Herramientas del Aprendizaje Automático 🔷

https://www.youtube.com/watch?v=1llcPkyizlc

💹 FUNDAMENTOS DE CONTABILIDAD FINANCIERA 💹

https://www.youtube.com/watch?v=9RCD9M1bBHY

🟩 GESTIÓN EMPRESARIAL 🟩 

https://www.youtube.com/watch?v=4w9q7A3ZhXo

MUESTREO SISTEMÁTICO  

Para este muestreo es fundamental tener la cantidad total de personas y la muestra, para agrupar las unidades de acuerdo al cociente, una vez determinado de ese primer grupo escogemos al azar 1 y luego le sumamos el cociente para encontrar las siguientes unidades y así sucesivamente hasta cubrir la cantidad que necesitamos.

MUESTREO ESTRATIFICADO

Se usa este muestreo cuando el investigador encuentra grupos o encuentra perfiles que dividen la población lo que será necesario para agrupar las unidades y empezar a realizar muestreos en cada uno. 
Tenemos el ejemplo donde se realizará una investigación a todas las áreas de la empresa, pero no con todos los trabajadores por lo que será necesario escoger de cada área una cantidad representativa hasta cumplir con la cantidad muestral determinada. 
Tenemos el ejemplo de una tesis donde se divide la población por estrato económico para encontrar los niveles de preferencia.

  • Podemos recurrir a la formula del aleatorio simple, la cuestión es cómo los vamos de asignar a los grupos, una es de manera estratificada si tenemos 3 grupos cada uno debe contener la tercera parte de la muestra.
  • Recurrimos a cualquiera de las fórmulas de la segunda fila, cuando las cantidades son asignadas proporcionalmente, por ejemplo si mi primer grupo contiene el 20% de total la población entonces debe contener el 20% de toda la muestra.
  • Bien si necesitamos una priorización de grupos por importancia, por ejemplo a nivel empresarial la gerencia es el área más importante, entonces recurriremos a la asignación optima que también nos da la salida de seleccionar mejor a nuestras unidades muestrales.   

MUESTREO POR CONGLOMERADOS

Este tipo de muestreo se utiliza cuando queremos focalizar las unidades de análisis dentro de nuestro estudio y es el investigador quien determina los grupos y las conformaciones de cada uno, previamente es necesario en la fase de validación y confiabilidad aplicar un clúster para determinar los grupos y perfiles. 
Este es el resultado de un clúster encontrar perfiles entre las unidades y poderlas agrupar para muestrear de mejor manera.

Estas son las características más importantes y las fórmulas más usadas, por un lado, podemos determinar la cantidad en cada grupo por el % que representa a nivel poblacional, o en aplicar la fórmula en cada agrupación.

  • El primero nos deja claro las agrupaciones no por especialidad sino por unidades hospitalarias, es decir, modalidades según enfermedad, estas agrupaciones ya están establecidas solo se deben focalizar.
  • En el segundo ejemplo tenemos un estudio muestral de votaciones las cuales dividiremos por grupo político y eso depende de las inscripciones de cada uno.

MUESTREOS NO PROBABILÍSTICOS

Los muestreos no probabilísticos se realizan cuando el investigador no puede acceder a las unidades de análisis con facilidad, ya sea por motivos económicos, seguridad, disponibilidad, restricciones y preferencias.
  • Conveniencia: cuando el investigador es de pre grado y aún no tiene criterio profesional para restringir a ciertas unidades de análisis o la preferencia por otras, es decir toma lo que le conviene desde la facilidad de acercamiento con la unidad de análisis.
  • Por intensión: se usa más en posgrado ya que el investigador puede establecer mediante juicio profesional los criterios de inclusión y exclusión.
  • Copo de nieve: definido fácilmente como la estrategia del investigador para recurrir a un mediador que lo acerque con su unidad de análisis, o en el mejor de los casos una unidad lo lleva a otra.
  • Discrecional: se da cuando el investigador recurre a estrategias para llevar a cabo una priorización entre las unidades de análisis. 
  • Por cuotas: es la presentación escalonada de varias restricciones para llegar a la unidad de análisis, incluso durante el proceso de selección, como mejor ejemplo tenemos el pedido de un préstamo al banco, ya que hay una serie de requerimientos para obtenerlo.
  • Secuencial es el mejor ya que no tiene restricciones le permite al investigador tomar todas las unidades posibles. 
  1. Resulta usar un muestro por conveniencia ya que tenemos elegido un perfil determinado.
  2. Es intensión ya que hay una investigación y resultados anteriores que marcan las posturas de las votaciones y es justo con quien debemos comparar, además de tener por intensión llegar al mismo resultado.
  3. Se tienen restricciones escalonadas.
  4. No es fácil adentrarse a una zona insegura por lo que necesitaremos a un mediador para encontrar nuestras unidades.
  5. Bien se presenta una estrategia del banco para encontrar perfiles de clientes en base a sondeos sobre los cajeros.
  6. Tenemos por objetivo recabar precios para lo que tomaremos tanto clientes como consumidores para establecer el contenido de la canasta familiar de manera óptima.
  • Como punto cinco debemos determinar cómo realizaremos el trabajo de campo, saber quienes son las unidades de análisis, que variables usar, tener claro el instrumento y como llevar a cabo la ejecución de la medición.
  • El sexto paso trata del plan de procesamiento de los datos, cómo se llevará a cabo y que nos permitirá.
  • Después del procesamiento viene la evaluación para la discusión de resultados, después presentarlos y difundirlos.
Estas son todos las fases de la investigación que se deben cumplir.

TIPOS DE INVESTIGACIÓN


Según la intervención del investigador:
  • La investigación no es experimental cuando el investigador no manipula la variable solo la observa.
  • Pre experimental, es cuando el investigador intenta generar cambios en la unidad de análisis con el fin de obtener cambios en las características medibles (variables), generalmente en un grupo.
  • Cuasi experimental, cuando el investigador opta por causar cambios en la variable de manera que a periodos de tiempo pueda encontrar cambios significativos y medir diferencias antes y después.
  • Experimental propiamente dicho, se refiere cuando el investigador aplica una estrategia que cause cambios tanto la unidad de análisis como en la variable.
 Según las ocasiones en las que se mide la variable:
  • Transversal cuando solo tomaremos una medición de las variables.
  • Longitudinal: cuando medimos las variables en varias ocasiones. 
Según la toma de datos:
  • Prospectiva cuando la información es tomada durante la investigación.
  • Retrospectiva: cuando la información ha sido tomada antes de iniciado el proceso investigador.
  • Retroprospectiva: cuando se toman datos antes y durante la investigación.

NIVELES DE INVESTIGACIÓN

Los niveles de investigación que tenemos son: 
  • Exploratorio, no por estar en el escalón más bajo es el más simple, al contrario es el más complicado desde el punto de vista metodológico, ya que están todas las tesis de enfoque cualitativo, y como sabemos es difícil de determinar un camino o método de investigación único para la investigación, sino que conforme vayamos avanzando debemos adoptar otros métodos; del enfoque cuantitativo podemos decir que, en este nivel se encuentran todas las tesis cuya modalidad es el diagnóstico, ya que solo presentaré la realidad situacional.
  • Descriptivo: A partir de diagnósticos se seleccionan indicadores capaces de presentar de manera precisa las características de la población.
  • Relacional: A partir de los indicadores el investigador ya tiene claro que variables puede relacionar porque intuye una dependencia o influencia de una variable sobre otra.
  • Explicativo: trata de buscar las causas de fenómeno a partir de relaciones entre variables y determinar un conjunto de factores como causantes de dicho fenómeno; creando con esas especificaciones un modelo de pronóstico.
  • Predictivo: A partir de un modelo se pronóstica para unidades de análisis que no pertenecen a nuestra población alcanzada en la investigación para probar la efectividad de dicho modelo, generalmente los pronósticos se dan de manera puntual o por probabilidades.
  • Aplicativo: obtenidas dichas probabilidades podemos emplear una metodología para disminuir el riesgo o mejorar las opciones, según sea el caso, por ejemplo, una enfermedad o una jugada de apuestas.
  • Tecnológico: este nivel presenta las estrategias más avanzadas para contrariar un fenómeno o mejorar las posibilidades de un individuo, de acuerdo al tipo de investigación, así que este nivel no es más que el uso de técnicas sofisticadas para dar respuesta a una investigación.
 Según la naturaleza de la investigación:
  • Es básica cuando nuestro objetivo es hacer un diagnóstico situacional o una descripción de la población (niveles exploratorio y descriptivo).
  • Es sustantiva cuando se busca encontrar causas o influencias y a partir de las misma buscamos explicar un fenómeno (relacional y explicativo).
  • Aplicativa cuando podemos predecir un comportamiento y actuamos frente a él con la intensión de mejorarlo o disminuir el riesgo (predictivo y explicativo).
  • Tecnológico cuando se hace uso de técnicas de alto nivel como inteligencia artificial el uso de sistemas sofisticados (tecnológico).

DISEÑOS DE INVESTIGACIÓN

Según el tipo de investigación estableceremos los diseños:
  • No experimentales
    • Descriptivo simple, solo necesitamos presentar información de las unidades.
    • Comparativo, cuando tenemos varios grupos y realizamos análisis para compararlos.
    • Relacional, cuando nuestra tesis busca relación entre 2 variables.
    • Causal comparativo, usado cuando relacionamos variables en dos muestras controlando las variables intervinientes, puede ser en dos momentos diferentes, dos muestras diferentes o dos variables en un mismo tiempo.
Estos son los ejemplos para cada caso.

  • Diseños pre experimentales:
    • Un solo grupo después, cuando se buscan efectos de una muestra expuesta a un cambio involuntario,
    • Pre y post test, se da cuando por efectos del tiempo la variable va a experimentar la aplicación de una dinámica que pueda alterar sus características, por lo que el investigador registra puntuaciones antes y después.
  • Diseños cuasi experimentales:
    • Diseño de serie de tiempo, cuando las variables va a ser medida varias veces en un periodo de tiempo determinado.
    • Diseño con grupo de control no equivalente con medidas antes y después, usado cuando el investigador tiene dos muestras una de control a la que no le aplica ningún efecto y otro experimental que si se le aplica estrategias para evaluar sus efectos, por eso es no equivalente. 
  • Diseños experimentales propiamente dichos:
    • 1 o 2 grupos antes y después, son grupos a los que se le aplica estrategias para evaluarlos conforme al tiempo y sus efectos.
    • Con sucesión en línea, tenemos un grupo cuya primera observación se transforma en grupo de control para los resultados obtenidos cuando se le aplique alguna estrategia; convirtiéndose en un bucle donde luego esta observación pasa a ser grupo de control y debemos establecer un nuevo efecto para el grupo experimental, así sucesivamente. 
    • Muestras diferentes, como el nombre indica son muestra de diferente tamaño o diferente origen, o diferente estrato o diferente constructo, el investigador tiene bien claro la diferencia significativa entre los grupos.
Bien con esto finalizamos sin antes pedirte de favor nos sigas en el blog para continuar con este proyecto.
Saludos cordiales.



 LINKOGRAFÍA
  • https://scielo.conicyt.cl/pdf/ijmorphol/v35n1/art37.pdf
  • http://www.estadistica.net/COMIC-MUESTREO.pdf
  • http://www.estadistica.net/COMIC-MUESTREO.pdf
  • https://www.researchgate.net/publication/287490384_Muestreo_Estadistico_Tamano_de_muestra_y_estimacion_de_parametros
  • Hund, L.; Bedrick, E. J. & Pagano, M. Choosing a cluster sampling design for lot quality assurance sampling surveys. PLoS One, 10(6):e0129564, 2015. 
  • Vossoughinia, H.; Salari, M.; Mokhtari Amirmajdi, E.; Saadatnia, H.; Abedini, S.; Shariati, A.; Shariati, M. & Khosravi Khorashad, A. An epidemiological study of gastroesophageal reflux disease and related risk factors in urban population of mashhad, Iran. Iran. Red Crescent Med. J., 16(12):e15832, 2014
  • Goto, R.; Arai, K.; Kitada, H.; Ogoshi, K. & Hamashima, C. Labor resource use for endoscopic gastric cancer screening in Japanese primary care settings: A work sampling study. PLoS One, 9(2):e88113, 2014
  • Arias-Gómez, J.; Villasís-Keever, M. Á. & Miranda-Novales, M. G. The research protocol III. Study population. Rev. Alerg. Mex., 63(2):201-6, 2016. 
  • Bai, X.; Tsiatis, A. A. & O'Brien, S. M. Doubly-robust estimators of treatment-specific survival distributions in observational studies with stratified sampling. Biometrics, 69(4):830-9, 2013

Comentarios

Publicar un comentario