1.0. INTRODUCCIÓN En la práctica profesional, el ingeniero se enfrenta con frecuencia ante la necesidad de conocer realidades respecto al proceso constructivo,

Presentación del tema: "1.0. INTRODUCCIÓN En la práctica profesional, el ingeniero se enfrenta con frecuencia ante la necesidad de conocer realidades respecto al proceso constructivo,"— Transcripción de la presentación:

1 1.0. INTRODUCCIÓN En la práctica profesional, el ingeniero se enfrenta con frecuencia ante la necesidad de conocer realidades respecto al proceso constructivo, cantidad y calidad de los materiales, técnicas de construcción, mano de obra capacitada, ensayos de laboratorio; para ello hace falta seleccionar un grupo representativo, siendo necesario examinar todos los miembros de ese grupo con el fin de observar el comportamiento de las variables en estudio.

2 CONCEPTO PREVIOS

3 POBLACIÓN: Es todo conjunto de elementos, finito o infinito, definido por una o más características, de las que gozan todos los elementos que lo componen, y sólo ellos. En muestreo, se entiende por población a la totalidad del universo que interesa conocer, y que es necesario que esté bien definido para que se sepa en todo momento qué elementos lo componen. Conviene recordar que población es el conjunto de elementos a los cuales se quieren inferir los resultados.

4 UNIVERSO: El término es empleado generalmente como sinónimo de población. No obstante, cuando se realiza un trabajo puntual, conviene distinguir entre universo ideal: conjunto de elementos a los cuales se quieren extrapolar los resultados, y universo muestral: conjunto de elementos accesibles en nuestro estudio. Todo universo o población debe definirse sin ambigüedades, es decir debe ser posible decidir cuándo un individuo pertenece o no al universo bajo consideración.

5 CENSO: En ocasiones resulta posible estudiar cada uno de los elementos que componen la población, realizándose lo que se denomina un censo, es decir, el estudio de todos los elementos que componen la población. La realización de un censo no siempre es posible, por diferentes motivos: a)    Economía: el estudio de todos los elementos que componen una población, sobre todo si esta es grande, suele ser un problema costoso en tiempo, dinero, etc. b)    Que las pruebas a las que hay que someter a los sujetos sean destructivas.

6 c)    Que la población sea infinita o tan grande que exceda las posibilidades del investigador.
Si la numeración de elementos, se realiza sobre la población accesible o estudiada, y no sobre la población teórica, entonces el proceso recibe el nombre de marco o espacio muestral.

7 Muestra

8 DEFINICION: Una muestra es una colección de mediciones seleccionadas de una población de interés. .En el muestreo es importante distinguir entre los objetos medidos y las mediciones en sí. Para el experimentador, los objetos son las unidades experimentales y para quien selecciona la muestra son simplemente elementos de la población que se incluyen en la muestra. El objetivo de la estadística es el de hacer inferencias (predecir o decidir) sobre algunas características de la población basándose en la información contenida en la muestra.

9 El uso de muestras se debe a que, en la mayoría de los casos, sus ventajas son mayores que las que proporciona un censo. El muestreo proporciona resultados más oportunos dado que permite la obtención rápida de información sobre un proceso variable y, por consiguiente de la determinación de su estado en un tiempo dado. Otro caso en que el muestreo es más eficiente que un censo, se presenta cuando para obtener la información se destruyen los elementos de la población. Por ejemplo, en estudios de control de calidad, como la prueba de bombillas para flash, la prueba es de tipo destructiva.

10 Para que una muestra sea representativa, y por lo tanto útil, debe de reflejar las semejanzas y diferencias encontradas en la población, ejemplificar las características y tendencias de la misma. Cuando decimos que una muestra es representativa indicamos que reúne aproximadamente las características de la población que son importantes para la investigación. Cuando decimos que una muestra es adecuada, nos referimos a que contiene el número de unidades de estudio, tal que permita aplicar pruebas estadísticas que den validez a la inferencia de los resultados a la población.

11 Por ejemplo, supongamos que deseamos medir el rendimiento académico de los niños escolares en la secundaria en Perú, pero por problemas económicos sólo es posible acceder a los niños de zonas urbanas. - ¿A quién deseo generalizar los resultados? : Todos los niños peruanos de la secundaria (universo ideal). - ¿A quién puedo acceder en el estudio? : Todos los niños escolares en zonas urbanas (universo muestral o población en estudio). -¿Cómo puedo acceder a ellos? : Numerando los sujetos accesibles (espacio o marco muestral). -¿Quién forma parte del estudio? : Un grupo de sujetos elegido (muestra).

12 La muestra descansa en el principio de que las partes representan al todo y, por tal, refleja las características que definen la población de la que fue extraída, lo cual indica que es representativa. Por lo tanto, la validez de la generalización depende de la validez y tamaño de la muestra. Por lo tanto la selección y el tamaño de la muestra van a jugar un papel muy importante en la investigación.

13 REQUISITOS DE LA MUESTRA:
Debe comprender parte del universo y no la totalidad de éste. Su tamaño será estadísticamente proporcionado a la magnitud del universo. La magnitud de la muestra es directamente proporcional a su fiabilidad y vendrá estadísticamente determinada en unas tablas que existen al efecto. Debe ser representativa en cuanto a las características de la población. Si hay distintos sujetos con distintas características, la muestra deberá representarlos en idénticas proporciones a las de la población.

14 OBJETIVOS: Restringir una cantidad de Unidades de Análisis plausibles de ser medidas con los recursos disponibles. Que dicho conjunto de Unidades de Análisis sea representativo de la población, según determinadas propiedades bajo la perspectiva del Objetivo. Esto significa que idealmente se espera que para toda propiedad de interés, la distribución de dicha propiedad en la muestra sea igual a la distribución de la misma en la población.

15 VENTAJAS Y DESVENTAJAS DEL MUESTREO:
A. En estudios que implican técnicas destructivas o de uso que imposibilidad de utilización posterior de lo analizado. B. El trabajo con una muestra y no con el universo implica eficiencia, pues significa ahorro de recursos, esfuerzos y tiempo C. Con el uso del muestreo se pueden obtener resultados razonablemente más precisos que el estudio de todo el universo, pues para el estudio de sólo una muestra, el personal mínimo necesario puede ser mejor preparado para recoger información más detallada y elaborada. .

16 D. Como desventaja se debe mencionar el error de muestreo, producto de la variabilidad intrínseca que poseen los elementos de todo universo o población. El término error no debe entenderse como sinónimo de equivocación E. También suelen introducirse errores por otras vías, los cuales se denominan errores sistemáticos: Los cuales son: - Imputables al observador. - Imputables al método de observación o medición. - Imputables a lo observado (unidad de muestreo).

17 CONDICIONES DE UNA BUENA MUESTRA
a)    Tamaño de la muestra, que da la característica de muestra adecuada. El tamaño de la muestra depende de la homogeneidad de la población. b)    Condiciones de selección de la misma, de tal manera que todos los miembros de la población tengan la misma probabilidad de ser seleccionados como parte de la muestra, ésta es la característica de muestra representativa.

18 UNIDAD DE MUESTRA

19 Definicion: Unidad de muestra o de análisis o elemento del muestreo es el objeto en el cual se toman mediciones. Estas unidades pueden ser personas, familias, fincas, empresas, tarjetas, etc. La unidad de análisis corresponde a la entidad mayor o representativa de lo que va a ser objeto específico de estudio en una medición y se refiere al qué o quién es objeto de interés en una investigación.

20 Debe estar claramente definida en un protocolo de investigación y el investigador debe obtener la información a partir de la unidad que haya sido definida como tal, aun cuando, para acceder a ella, haya debido recorrer pasos intermedios. Las unidades de análisis pueden corresponder a las siguientes categorías o entidades: Personas Grupos humanos Poblaciones completas Unidades geográficas determinadas Eventos o interacciones sociales (enfermedades, accidentes, casos de infecciones intrahospitalarias, etc.) Entidades intangibles, susceptibles de medir (exámenes, días, camas)

21 Selección y tamaño

22 Selección de muestra: La selección de la muestra idónea se basa en la representatividad. Esta propiedad nos permite estudiar una población utilizando solamente un subconjunto relativamente pequeño de sus elementos. ¿ Cuál es el menor número de elementos que puede tener ese subconjunto?.

23 Tamaño de muestra: A la hora de determinar el tamaño que debe alcanzar una muestra hay que tomar en cuenta varios factores: el tipo de muestreo, el parámetro a estimar, el error muestral admisible, la varianza poblacional y el nivel de confianza. Por ello antes de presentar algunos casos sencillos de cálculo del tamaño muestral delimitemos estos factores. PARAMETRO: Son las medidas o datos que se obtienen sobre la población. ESTADISTICO: Los datos o medidas que se obtienen sobre una muestra y por lo tanto una estimación de los parámetros.

24 ERROR MUESTRAL, de estimación o standard: Es la diferencia entre un estadístico y su parámetro correspondiente. Es una medida de la variabilidad de las estimaciones de muestras repetidas en torno al valor de la población, nos da una noción clara de hasta dónde y con qué probabilidad una estimación basada en una muestra se aleja del valor que se hubiera obtenido por medio de un censo completo. NIVEL DE CONFIANZA: Probabilidad de que la estimación efectuada se ajuste a la realidad. Cualquier información que queremos recoger está distribuida según una ley de probabilidad (Gauss o Student), así llamamos nivel de confianza a la probabilidad de que el intervalo construido en torno a un estadístico capte el verdadero valor del parámetro. VARIANZA POBLACIONAL: Cuando una población es más homogénea la varianza es menor y el número de entrevistas necesarias para construir un modelo reducido del universo, o de la población, será más pequeño. Generalmente es un valor desconocido y hay que estimarlo a partir de datos de estudios previos.

25 Tamaño de muestra ( formulas):
POBLACIÓN INFINITA: 𝑛= 𝑍 2 𝜎 2 𝑑 2 Z: Coeficiente de variación σ: Varianza de la población d: Nivel de precisión n: tamaño de la muestra

26 POBLACION FINITA: 𝑛 , = 𝑁 𝑍 2 𝜎 2 𝑑 2 𝑁−1 + 𝑍 2 𝜎 2

27 Muchas gracias