Resumen de Principios de Estadística y Análisis de Investigación

## Introducción El muestreo es el conjunto de técnicas y criterios que permiten seleccionar un subconjunto de casos (muestra) a partir de una población definida, con el objetivo de obtener conclusiones válidas y aplicables al universo de estudio. Una delimitación clara de la población y de la unidad de muestreo es esencial para evitar errores y sesgos. > "Una población es un conjunto de todos los elementos que estamos estudiando, acerca de los cuales intentamos sacar conclusiones" (Levin & Rubin) > "Una población es un conjunto de elementos que presentan una característica común" (Cadenas) > "Una población es el conjunto de todos los casos que concuerdan con una serie de especificaciones" (Lepkowski, 2008b) ## Conceptos básicos ### Población - Definición: conjunto total de elementos con una o varias características comunes que interesan al investigador. - Consideraciones prácticas: - Delimitación precisa del universo (criterios de inclusión y exclusión). - Definir la unidad de muestreo/análisis (persona, hogar, escuela, evento, registro). ### Muestra - Definición: subconjunto representativo de la población seleccionado para el estudio. - Requisito clave: la muestra debe ser lo suficientemente representativa para permitir generalizaciones cuando corresponda. > "La muestra es, en esencia, un subgrupo de la población, es un subconjunto de elementos que pertenecen a ese conjunto definido en sus características al que llamamos población" ## Tipos generales de muestreo Se distinguen dos grandes familias: 1. **Muestras probabilísticas**: la selección se realiza con base en la probabilidad; cada elemento tiene alguna probabilidad conocida de ser seleccionado. Permiten estimaciones de error muestral. 2. **Muestras no probabilísticas**: la selección no depende de un mecanismo probabilístico; responde a criterios del investigador, conveniencia o necesidad. | Característica | Muestras probabilísticas | Muestras no probabilísticas | | --- | --- | --- | | Base de selección | Aleatoria, conocida | Juicio, conveniencia, cuotas | | Confiabilidad para inferencia | Alta, permite estimar error | Limitada, riesgo mayor de sesgo | | Uso típico | Estudios que requieren generalización | Exploratorios, cualitativos, pilotos | | Ejemplo | Muestreo aleatorio simple | Muestreo por conveniencia | ## Muestras probabilísticas: tipos y uso Cuando se requiere que todos los elementos tengan la misma posibilidad o una probabilidad conocida de selección, se usan muestreos probabilísticos. Pasos generales: definir población, calcular tamaño de muestra, seleccionar aleatoriamente unidades. ### Tipos principales - **Muestreo Aleatorio Simple** - Cada elemento de la población tiene la misma probabilidad de ser seleccionado. - Proceso: listar la población y seleccionar $n$ unidades aleatoriamente. - Ejemplo: sortear 100 estudiantes de una lista de 2000. - **Muestreo Aleatorio Sistemático** - Se elige un punto de inicio aleatorio y luego cada $k$-ésima unidad. - Cálculo de paso: $k = \frac{N}{n}$ donde $N$ es tamaño de población y $n$ tamaño de muestra. - Ejemplo: seleccionar cada 10º registro en una lista ordenada. - **Muestreo Aleatorio Estratificado** - La población se divide en estratos homogéneos y se muestrea aleatoriamente dentro de cada estrato. - Ventaja: mayor precisión cuando existen subgrupos con diferencias. - Ejemplo: estratificar por nivel socioeconómico y muestrear proporcionalmente. - **Muestreo por Conglomerados** - La población se divide en conglomerados (grupos) y se seleccionan aleatoriamente algunos conglomerados; luego se muestrean unidades dentro de ellos. - Útil cuando no es práctico listar a todos los individuos. - Ejemplo: seleccionar escuelas (conglomerados) y luego estudiantes dentro de las escuelas elegidas. ¿Cuándo usar probabilístico? - Cuando se necesita generalizar resultados a la población y estimar el error muestral. ¿Sabías que la probabilidad de selección en muestreos probabilísticos perm