Capitulos Obligatorios PARA EL Segundo Parcial PDF

Preview

Summary

lectura obligatoria de la cursada. Es la que se encuentra considerada en los parciales y en los finales....

Description

Unidad 4 SAMPIERI CAPITULO8 ¿En una investigación siempre tenemos una muestra? No siempre, pero en la mayoría de las situaciones sí realizamos el estudio en una muestra. Sólo cuando queremos realizar un censo debemos incluir en el estudio a todos los casos (personas, animales, plan- tas, objetos) del universo o la población Lo primero: ¿sobre qué o quiénes se recolectarán datos?. para seleccionar una muestra, lo primero que hay que hacer es definir la unidad de análisis (individuos, organizaciones, periódicos, comunidades, situaciones, eventos, etc.) . Se les denomina también casos o elementos. Una vez definida la unidad de análisis se delimita la población. Para el proceso cuantitativo la muestra es un subgrupo de la población de interés sobre el cual se recolectarán datos, y que tiene que definirse o delimitarse de antemano con precisión, éste deberá ser representativo de dicha población. El investigador pretende que los resultados encontrados en la muestra logren generalizarse o extrapolarse a la población. El interés es que la muestra sea estadísticamente representativa. una población: es el conjunto de todos los casos que concuerdan con una serie de especificaciones. Es preferible entonces establecer con claridad las características de la población, con la finalidad de delimitar cuáles serán los parámetros muestrales. la delimitación de las características de la población no sólo depende de los objetivos de la investigación, sino de otras razones prácticas. Un estudio no será mejor por tener una población más grande; la calidad de un trabajo investigativo estriba en delimitar claramente la población con base en el planteamiento del problema. Las poblaciones deben situarse claramente en torno a sus características de contenido, de lugar y en el tiempo. Al seleccionar la muestra debemos evitar tres errores que pueden presentarse: 1) desestimar o no elegir a casos que deberían ser parte de la muestra (participantes que deberían estar y no fueron seleccionados), 2) incluir a casos que no deberían estar porque no forman parte de la población y 3) seleccionar casos que son verdaderamente inelegibles El primer paso para evitar tales errores es una adecuada delimitación del universo o población. La muestra es: en esencia, un subgrupo de la población. Digamos que es un subconjunto de elementos que pertenecen a ese conjunto definido en sus características al que llamamos población. pocas veces es posible medir a toda la población, por lo que obtenemos o seleccionamos una muestra y, desde luego, se pretende que este subconjunto sea un reflejo fiel del conjunto de la población. Tipos de muestra:

•

•

Muestra probabilística: Subgrupo de la población en el que todos los elementos de ésta tienen la misma posibilidad de ser elegidos. y se obtienen definiendo las características de la población y el tamaño de la muestra, y por medio de una selección aleatoria o mecánica de las unidades de análisis. Muestra no probabilística o dirigida: Subgrupo de la población en la que la elección de los elementos no depende de la probabilidad sino de las características de la investigación o de quien hace la muestra. Aquí el procedimiento no es mecánico ni con base en fórmulas de probabilidad, sino que depende del proceso de toma de decisiones de un investigador o de un grupo de investigadores y las muestras seleccionadas obedecen a otros criterios de investigación. Elegir entre una muestra probabilística o una no probabilística depende de los objetivos del estudio, del esquema de investigación y de la contribución que se piensa hacer con ella.

¿Cómo se selecciona una muestra probabilística? la elección entre la muestra probabilística y la no probabilística se determina con base en el planteamiento del problema, las hipótesis, el diseño de investigación y el alcance de sus contribuciones. Las muestras probabilísticas tienen muchas ventajas, la principal puede medirse el tamaño del error en nuestras predicciones. Se dice incluso que el principal objetivo en el diseño de una muestra probabilística es reducir al mínimo este error, al que se le llama error estándar. Las muestras probabilísticas son esenciales en los diseños de investigación transeccionales, tanto descriptivos como correlacionales-causales), donde se pretende hacer estimaciones de variables en la población. Estas variables se miden y se analizan con pruebas estadísticas en una muestra, donde se presupone que ésta es probabilística y todos los elementos de la población tienen una misma probabilidad de ser elegidos. Las unidades o elementos muestrales tendrán valores muy parecidos a los de la población, de manera que las mediciones en el subconjunto nos darán estimados precisos del conjunto mayor. La precisión de dichos estimados depende del error en el muestreo, que es posible calcular. Para hacer una muestra probabilística son necesarios dos procedimientos: 1. calcular un tamaño de muestra que sea representativo de la población; 2. seleccionar los elementos muestrales (casos) de manera que al inicio todos tengan la misma posibilidad de ser elegidos.

Muestra probabilística estratificada: Muestreo en el que la población se divide en segmentos y se selecciona una muestra para cada segmento, el interés del investigador es comparar sus resultados entre segmentos, grupos o nichos de la población. cuando no basta que cada uno de los elementos muestrales tengan la misma probabilidad de ser escogidos, sino que además es necesario segmentar la muestra en relación con estratos o categorías que se presentan en la población, y que además son relevantes para los objetivos del estudio, se diseña una muestra

probabilística estratificada. Lo que se hace es dividir a la población en subpoblaciones o estratos, y se selecciona una muestra para cada estrato. La estratificación aumenta la precisión de la muestra e implica el uso deliberado de diferentes tamaños de muestra para cada estrato, a fin de lograr reducir la varianza de cada unidad de la media muestral Muestra probabilística por racimos: Muestreo en el que las unidades de análisis se encuentran encapsuladas en determinados lugares físicos, RACISMO Son sinónimos de clusters o conglomerados. En este tipo de muestreo se reducen costos, tiempo y energía, al considerar que muchas veces las unidades de análisis se encuentran encapsuladas o encerradas en determinados lugares físicos o geográficos, a los que se denomina racimos. Muestrear por racimos implica diferenciar entre la unidad de análisis y la unidad muestral. La unidad de análisis indica quiénes van a ser medidos, o sea, los participantes o casos a quienes en última instancia vamos a aplicar el instrumento de medición. La unidad muestral (en este tipo de muestra) se refiere al racimo por medio del cual se logra el acceso a la unidad de análisis. El muestreo por racimos supone una selección en dos o más etapas, todas con procedimientos probabilísticos. En la primera, se seleccionan los racimos, siguiendo los pasos ya señalados de una muestra probabilística simple o estratificada. En las fases subsecuentes y dentro de estos racimos, se seleccionan los casos que van a medirse. Para ello se hace una selección que asegure que todos los elementos del racimo tienen la misma probabilidad de ser elegidos.

¿Cómo se lleva a cabo el procedimiento de selección de la muestra? Se determina el tamaño de la muestra n, pero ¿cómo seleccionar los elementos muestrales? (ya sean casos o racimos). Las unidades de análisis o los elementos muestrales se eligen siempre aleatoriamente para asegurarnos de que cada elemento tenga la misma probabilidad de ser elegido. Se utilizan básicamente tres procedimientos de selección: 1Tómbola: Muy simple pero muy rápido, consiste en numerar todos los elementos muestrales de la población, del uno al número N. Después se hacen fichas o papeles, uno por cada elemento, se revuelven en una caja y se van sacando n número de fichas, según el tamaño de la muestra. Los números elegidos al azar conformarán la muestra. Cuando nuestro muestreo es estratificado, se sigue el procedimiento anterior, pero por cada estrato. 2Números random o números aleatorios 3 uso del subprograma de números aleatorios del STATS 4 selección sistemática.

Marco muestral Es un marco de referencia que nos permite identificar físicamente los elementos de la población, así como la posibilidad de enumerarlos y seleccionar los elementos muestrales. Normalmente se trata de un listado existente o una lista que es necesario confeccionar ad hoc, con los casos de la población. Los listados existentes sobre una población son variados: guías telefónicas, listas de miembros de las asociaciones, directorios especializados, listas oficiales de escuelas de la zona, bases de datos de los alumnos de una universidad o de los clientes de una empresa, registros médicos, catastros, nóminas de una organización, etc. En todo caso hay que tener en cuenta lo completo de una lista, su exactitud, su veracidad, su calidad y su nivel de cobertura en relación con el problema a investigar y la población que va a medirse, ya que todos estos aspectos influyen en la selección de la muestra. No siempre existen listas que permitan identificar a nuestra población. Entonces, será necesario recurrir a otros marcos de referencia que contengan descripciones del material, las organizaciones o los casos que serán seleccionados como unidades de análisis. Archivos Un gerente de reclutamiento y selección de una empresa quiere precisar si algunos datos que se dan en una solicitud de trabajo están correlacionados con el ausentismo del empleado. Es decir, si a partir de datos como edad, género, estado civil, nivel educativo y duración en otro trabajo, es factible predecir la conducta de ausentismo. Para establecer correlaciones se considerará como población a todas las personas contratadas durante 10 años. Se relacionan sus datos en la solicitud de empleo con los registros de faltas. Como no hay una lista elaborada de estos individuos, el investigador decide acudir a los archivos de las solicitudes de empleo. Tales archivos constituyen su marco muestral a partir del cual se obtendrá la muestra. Calcula el tamaño de la población, obtiene el tamaño de la muestra y selecciona sistemáticamente cada elemento, cada solicitud que será analizada. Aquí el problema que surge es que en el archivo hay solicitudes de gente que no fue contratada y, por tanto, no debe considerarse en el estudio. En este caso, y en otros en los que no todos los elementos del marco de referencia o de una lista aparecen (por ejemplo, nombres en el directorio que no corresponden a una persona física), los especialistas en muestreo no aconsejan el reemplazo con el siguiente elemento, sino simplemente no tomar en cuenta ese elemento, es decir, hacer como si no existiera, y continuar con el intervalo de selección sistemática. Mapas Los mapas son muy útiles como marco de referencia en muestras de racimos. Por ejemplo, un investigador quiere saber qué motiva a los compradores de las tiendas de autoservicio. A partir de una lista de tiendas de cada cadena competidora marca sobre un mapa de la ciudad, todas las tiendas de autoservicios, las cuales constituyen una población de racimos, pues en cada tienda seleccionada entrevistará a un número de clientes. El mapa le permite ver la población (tiendas

de autoservicio) y su situación geográfica, de manera que elige zonas donde coexistan diferentes tiendas competidoras, para asegurarse de que el consumidor de la zona tenga todas las posibles alternativas. En la actualidad hay mapas de todo tipo: mercadológicos, socioculturales, étnicos, marítimos, entre otros. Tamaño óptimo de una muestra: Precisar adecuadamente el tamaño de la muestra puede tornarse complejo, esto depende del problema de investigación y la población a estudiar. El tamaño de una muestra depende también del número de subgrupos que nos interesan en una población. lo óptimo de una muestra depende de cuánto se aproxima su distribución a la distribución de las características de la población. Esta aproximación mejora al incrementarse el tamaño de la muestra. La “normalidad” de la distribución en muestras grandes no obedece a la normalidad de la distribución de una población. La distribución de diversas variables a veces es “normal” y en ocasiones está lejos de serlo. Sin embargo, la distribución de muestras de 100 o más elementos tiende a ser normal y esto sirve para el propósito de hacer estadística inferencial (generalizar de la muestra al universo). A lo anterior se le llama teorema del límite central. Teorema del límite central Señala que una muestra de más de cien casos será una muestra con una distribución normal en sus características, lo cual sirve para el propósito de hacer estadística inferencial. ¿Cómo y cuáles son las muestras no probabilísticas? Las muestras no probabilísticas, también llamadas muestras dirigidas, suponen un procedimiento de selección informal. Se utilizan en diversas investigaciones cuantitativas y cualitativas. para fines deductivos-cuantitativos, donde la generalización o extrapolación de resultados hacia la población es una finalidad en sí misma, las muestras dirigidas implican algunas desventajas. •

•

•

La primera es que, al no ser probabilísticas, no es posible calcular con precisión el error estándar, es decir, no podemos calcular con qué nivel de confianza hacemos una estimación. las pruebas estadísticas en muestras no probabilísticas tienen un valor limitado a la muestra en sí, mas no a la población. Es decir, los datos no pueden generalizarse a ésta. En las muestras de este tipo, la elección de los casos no depende de que todos tengan la misma probabilidad de ser elegidos, sino de la decisión de un investigador o grupo de personas que recolectan los datos.

La única ventaja de una muestra no probabilística desde la visión cuantitativa es su utilidad para determinado diseño de estudio que requiere no tanto una “representatividad” de elementos de una población, sino una cuidadosa y controlada elección de casos con ciertas características especificadas previamente en el planteamiento del problema.

Para el enfoque cualitativo, al no interesar tanto la posibilidad de generalizar los resultados, las muestras no probabilísticas o dirigidas son de gran valor, pues logran obtener los casos (personas, contextos, situaciones) que interesan al investigador y que llegan a ofrecer una gran riqueza para la recolección y el análisis de los datos. Muestreo al azar por marcado telefónico (Random Digit Dialing) Ésta es una técnica que los investigadores utilizan para seleccionar muestras telefónicas. Involucra identificar áreas geográficas para ser muestreadas al azar y sus correspondientes códigos telefónicos e intercambios (los primeros dígitos del número telefónico que las identifican). Luego, los demás dígitos del número a marcar pueden ser generados al azar de acuerdo con los casos que requerimos para la muestra (n). Es posible reconocer qué intercambios son usados de forma primaria para teléfonos residenciales y enfocar el muestreo en ese subgrupo. CAPITULO 13 SAMPIERI: Muestreo en la investigación cualitativa: Se guía por uno o varios propósitos. Muestra: •

Se determina durante o después de la inmersión inicial

•

Se puede ajustar en cualquier momento del estudio

•

No es probabilística

•

No busca generalizar resultados

Busca tipos de casos o unidades de análisis que se encuentran en el ambiente o contexto. Su número se propone a partir de: •

Saturación de categorías

•

Naturaleza del fenómeno

•

Entendimientos del fenómeno

•

Capacidad de recolección y análisis

Tipos: •

De voluntarios

•

De expertos

•

De casos-tipo

•

Por cuotas

•

Más bien orientadas a la investigación cualitativa

Por lo general son tres los factores que intervienen para “determinar” (sugerir) el número de casos:

1. Capacidad operativa de recolección y análisis (el número de casos que podemos manejar de manera realista y de acuerdo con los recursos que dispongamos). 2. El entendimiento del fenómeno (el número de casos que nos permitan responder a las preguntas de investigación, que más adelante se denominará “saturación de categorías”). 3. La naturaleza del fenómeno bajo análisis (si los casos son frecuentes y accesibles o no, si el recolectar información sobre éstos lleva relativamente poco o mucho tiempo). Muestra En el proceso cualitativo, es un grupo de personas, eventos, sucesos, comunidades, etc., sobre el cual se habrán de recolectar los datos, sin que necesariamente sea representativo del universo o población que se estudia. en la indagación cualitativa el tamaño de muestra no se fija a priori (previamente a la recolección de los datos), sino que se establece un tipo de unidad de análisis y a veces se perfila un número relativamente aproximado de casos, pero la muestra final se conoce cuando las unidades que van adicionándose no aportan información o datos novedosos (“saturación de categorías”), aun cuando agreguemos casos extremos. Composición y tamaño de la muestra cualitativa Depende del desarrollo del proceso inductivo de investigación no hay parámetros definidos para el tamaño de la muestra (hacerlo va ciertamente contra la propia naturaleza de la indagación cualitativa). la decisión del número de casos que conformen la muestra es del investigador, así como resultado de los tres factores intervinientes. Las muestras cualitativas no deben ser utilizadas para representar a una población. Reformulación de la muestra: En los estudios cualitativos la muestra planteada inicialmente puede ser distinta a la muestra final. Podemos agregar casos que no habíamos contemplado o excluir otros que sí teníamos en mente. en el muestreo cualitativo es usual comenzar con la identificación de ambientes propicios, luego de grupos y, finalmente, de individuos. Incluso, la muestra puede ser una sola unidad de análisis (estudio de caso).1 La investigación cualitativa, por sus características, requiere de muestras más flexibles. La muestra se va evaluando y redefiniendo permanentemente Objetivo central: Seleccionar ambientes y casos que nos ayuden a entender con mayor profundidad un fenómeno y aprender de éste. Entender: •

Detalles

•

Significados

•

Actores

•

Información

Técnica: Muestreo con un propósito definido y acorde con la evolución de los acontecimientos. Los tipos de muestras que suelen utilizarse en las investigaciones son las no probabilísticas o dirigidas, cuya finalidad no es la generalización en términos de probabilidad. También se les conoce como “guiadas por uno o varios propósitos”, pues la elección de los elementos depende de razones relaciona- das con las características de la investigación La muestra de participantes voluntarios: son frecuentes en ciencias sociales y médicas. A esta clase de muestra también se le puede llamar autoseleccionada, ya que las personas se proponen como participantes en el estudio o responden activamente a una invitación. Este tipo de muestras se usa en estudios experimentales de laboratorio, pero también en investigaciones cualitativas La muestra de expertos: En ciertos estudios es necesaria la opinión de individuos expertos en un tema. Estas muestras son frecuentes en estudios cualitativos y exploratorios para generar hipótesis más precisas o la materia prima del diseño de cuestionarios. La muestra de casos-tipo: También esta muestra se utiliza en estudios cuantitativos exploratorios y en investigaciones de tipo cualitativo, donde el objetivo es la riqueza, profundidad y calidad de la información, no la cantidad ni la estandarización. En estudios con perspectiva fenomenológica, donde el objetivo es analizar los valores, ritos y significados de un determinado grupo social, el uso de muestras tanto de expertos como de casos-tipo es frecuente. Los estudios motivacionales, los cuales se hacen para el análisis de las ...