1 Muestra y Acopio de La Información

DETERMINACIN DE LA POBLACIN
Y LA MUESTRA OBJETO DE ESTUDIO

GALO R. CERVANTES CORONEL

No importa la cosecha si la siembra est bien hecha
1
gcervantesc@latinmail.com /
gcervantes_coronel@yahoo.com
2
DIAPOSITIVAS PARA
EXAMEN PARCIAL
3
Deriva del griego
hypotthesis, que
significa
suposicin de una
cosa posible, de la
que se saca una
consecuencia.
Suposicin o solucin
anticipada al problema de
investigacin, que aparece
como consecuencia del
conocimiento superficial
(emprico) de la realidad
observada, que debe ser
confrontada por la
investigacin para probar o
disprobar esta suposicin.
Aceptar una hiptesis como cierta significa
concluir la veracidad de sus resultados a
travs de evidencias a su favor.
4
FUNCIONES:
1. Precisan los problemas
objeto de estudio
2. Identifican o explicitan las
variables
3. Definen y unifican los
criterios, mtodos, tcnicas
y procedimientos utilizados,
dndole uniformidad,
constancia y validacin a la
informacin
4. Deben referirse a
situaciones reales
FURMULACIN:
Se formulan a partir de preguntas.
1. Cul ser el nivel de ingreso el
prximo ao? El nivel de ingreso
ser de 10% ms, el prximo ao
(H. Estadsticas)
2. Tendr relacin el desempleo
con los nios trabajadores? El
elevado nivel de desempleo est
provocando altos ndices de nios
trabajadores (H. Causales y
correlativas)
5
IMPORTANCIA DE LA DISTRIBUCIN
DE FRECUENCIA
La distribucin de frecuencia es el mtodo utilizado para
organizar y resumir datos:

Los datos que componen una serie se clasifican y se
ordenan indicando el nmero de veces que se repiten.

Esto permite manejar grandes cantidades de informacin
en espacios pequeos a travs de cuadros, grficos (de
todos los datos o de una parte) y tablas.
6
1. Anlisis de Pareto: Tcnica para estudiar fuentes de
problemas y las prioridades relativas a sus causas.
Evala causas.

2. Diagrama de causa / efecto (espina de pescado o cuadro):
Tcnica que permite representar, categorizar y evaluar
posibles motivos de un resultado o reaccin, se
estructura como problema a resolver.

3. Grficos de control: Se utilizan para realizar control de
calidad de procesos.

ORIGEN O
CAUSA
PROBLEMA
EFECTO
ANLISIS DE
PROBLEMA
CAUSAS
SITUACIN TRATAMIENTO IMPACTO RESULTADO
7
4. Histogramas: Son barras o rectngulos que se
trazan en el plano cartesiano para representar los
intervalos y las frecuencias en la representacin de
los datos.

5. Polgono de frecuencias: Grfico que se elabora
sealando el punto de la frecuencia en relacin al
dato en particular, uniendo los puntos con una recta.

6. Grfico circular: Se utiliza en la representacin de
datos, dividiendo el crculo en partes. Puede
construirse de distinta forma, se los denomina
tambin grficos de pastel.
8
7. Pictogramas: Se expresan los datos mediante figuras
esquemticas, que pueden sealar el valor, la tendencia
expresiva de la informacin: personas, vehculos, indicadores
productivos, edificios, etc.

8. Organigrama: Puede expresarse en este grfico, la actitud
dependiente y de relacin de los datos, de las personas
entrevistadas o en una empresa.

9. Diagrama: Indica las caractersticas de ubicacin de los datos,
operaciones o actividades que se manifiestan en el objeto de
estudio.
Caractersticas
habitacionales de
una ciudad
1980 2005
%
DIAGRAMA DE RUTA
9
10. Cuadro: Permite ordenar datos numricos de acuerdo a
columnas, filas y renglones, mostrando una presentacin
ordenada.

11. Medidas de tendencia central: Cantidades tpicas o
representativas de un conjunto de datos. Las ms importantes:
moda, mediana y media o promedio.
1. La moda es la categora o puntuacin que ocurre con mayor
frecuencia en un registro de datos. Ej.: nmero de veces que
una persona o un grupo visitan un lugar, nmero de veces
que se repiten los eventos, etc.
2. Mediana, es el valor que divide a una distribucin de
frecuencias por la mitad, luego de que se ha ordenado los
datos en forma descendente o ascendente.
10
3. La media o promedio es la medida de tendencia
central que ms se utiliza y se la define como el
promedio de una distribucin. Se simboliza
como X. Es igual a la suma de todos los valores
dividido para el nmero de mediciones
X =
X1 + X2 + X3+ .+ Xn
n
n Xi
=
n
11
CARACTERSTICAS, USO, VENTAJAS Y
DESVENTAJAS DE LAS MEDIDAS DE
TENDENCIA CENTRAL
Un promedio es un valor en la escala de las X, correspondiente a una
distribucin de frecuencias y este valor se calcula para
representarlo en calidad de medida tpica del grupo.
Condiciones esenciales para que este valor o frecuencia
cumpla su funcin:
1. Debe estar representada por una sola cifra.
2. Debe ser objetiva y definida por una frmula algebraica para que
cualquiera que la trabaje, de el mismo valor.
3. Debe ser descriptiva de los datos, de tal manera que su significado sea
entendible fcilmente.
4. No debe ser abstraccin matemtica. La condicin de la estadstica
social, es simplificar los datos y no hacerlos complejos.
5. Debe ser fcil de calcular, no preferir prejuicios de otras ventajas.
6. Debe depender de cada uno de los elementos del grupo. Si se altera, su
valor cambia y la tipicidad de los otros miembros.

12
CARACTERSTICAS, USO, VENTAJAS Y DESVENTAJAS
DE LAS MEDIDAS DE TENDENCIA CENTRAL
(Continuacin)
7. Debe ser de elevada calidad que no se deje influenciar por
otros valores o alguno de ellos, aunque tengan influencia
en el valor de la medida.
8. Debe tener estabilidad en el muestreo.
9. Debe ser de fcil utilizacin para clculos posteriores.
Media (X) =
__
_______=
X1
n
X1 + X2 + X3 + X4 ..
n
13
A PARTIR DE LAS HIPTESIS
APLICAR LOS INSTRUMENTOS
DE MEDICIN
Seleccionar los instrumentos:
Vlidos
Confiables
Preparar la medicin obtenida:
Codificar los datos
Limpieza / tratamiento
matemtico / organizar /
medir variables.

Obtener resultados
14
LA IMAGINACIN ESTADSTICA
Nos permite tener una apreciacin de qu tan usual o inusual es
un evento, circunstancia o conducta, en relacin a un conjunto
mayor de eventos similares y a una apreciacin de las causas y
consecuencias de los mismos.
Es la percepcin que podemos desarrollar cuando observamos un
evento o acontecimiento; es la deduccin lgica que se produce
como resultado de dicha percepcin.
Implica apreciar los eventos como predecibles y tener la habilidad
para pensar a travs de un problema, manteniendo el sentido de la
proporcin cuando se sopesa la evidencia con nociones
preconcebidas.
Tener la percepcin para reconocer eventos muy raros por lo que
son y no por la reaccin de ellos.
La falta de imaginacin nos lleva a la desproporcin.
15
Para el tratamiento de los datos
tener: PENSAMIENTO PROPORCIONAL

La proporcin es un concepto matemtico relacionado con fracciones y
porcentajes.

En la Investigacin Social, el pensamiento proporcional permite que el
investigador considere la parte contra el todo y calcule la probabilidad
de la ocurrencia del fenmeno
El pensamiento proporcional nos
permite tener expresiones
precisas de nuestra intuicin
sobre la importancia de ciertos
hechos.
Calcular una
proporcin, implica
tener una manera de
medir y evaluar un
sentido de
probabilidad y
significancia, acerca
de las observaciones
realizadas.
16
CLCULO DE UNA PROPORCIN

El clculo de una proporcin, es una manera de expresar qu
parte del todo, constituye una categora de observaciones.
Ejemplos:
Proporcin =

parte
todo
Proporcin, significa
parte de un todo,
parte de la cantidad
total o nmero de
observaciones
expresada en forma
decimal.
17
CLCULO DE UNA FRACCIN

Fraccin =
# categora
# grupo total
# alumnos de un nivel
# total de la Escuela
Fraccin, es el
conjunto de partes
centesimales, cuya
respuesta a un
problema es el
cociente.
18
CLCULO DE UN PORCENTAJE
Se obtiene de
multiplicar por
100 el cociente.
P =
26
180
0.144 x 100 = 14.4 %
19
La tasa de ocurrencia es el clculo de la frecuencia con que
ocurre un hecho o fenmeno en relacin con un nmero
base especificado de sujetos de una poblacin.

Un nmero base til es aquel que especifica con claridad la
poblacin en riesgo para un fenmeno determinado.

Un nmero base til para una tasa, es aquel que considera la
dimensin del conteo de un fenmeno. Este nmero de base
multiplicado por 10, 100, 1000 u otro valor con factores de
diez.
Tasa de ocurrencia de eventos, hechos, fenmenos,
comportamientos, afectacin, nacimientos, mortalidad, etc.
20
To = p (nmero de base til)
To = p (volumen de poblacin)
P
N
Recuerde:
La proporcin tiene comn denominador 1
Los porcentajes tienen comn denominados 100
Las tasas tienen comn denominador 10
PROCESO DE
RESPUESTAS
PARA ESTIMULAR
EL PENSAMIENTO
PROPORCIONAL
frmula
smbolo contenido
respuesta

t = =
P 1
N X
21
LA PROBABILIDAD
Disciplina abstracta que se utiliza como modelo para hacer deducciones relativas a eventos que
pudieren ocurrir

Utiliza los siguientes trminos:

Probabilidad, es un valor entre cero o
uno, describe las posibilidades de
ocurrencia de un evento.
Experimento, es un proceso que lleva a
la ocurrencia de una y solo una de varias
observaciones posibles.
Resultado, es la consecuencia particular
de un experimento.
Evento, es la coleccin de uno o ms
resultados de un experimento.
Mientras ms cerca de cero est la probabilidad, es menos
probable de que el evento ocurra.
22
Ejemplos:
Si se intensifica campaa, es probable mayor
participacin.
Si no se aumentan los salarios, es probable
que surjan conflictos sociales.
Si el alumno no estudia, es probable que
pierda el ao.
Si aumenta el desempleo, es probable que se
genere ndices de delincuencia, etc.
Estas son inferencias que
presentan incertidumbre

Su cuantificacin o
tratamiento adecuado,
nos lleva a definiciones,
establecer principios
cientficos.
La probabilidad, nos proporciona la
base para el estudio de la inferencia
estadstica
23
INTERPRETACIN DE LAS
PROBABILIDADES
24
Regla especial de la adicin: Los eventos deben ser
mutuamente excluyentes, lo que significa que cuando un
evento ocurre, ninguno de los otros eventos puede
ocurrir al mismo tiempo. Ejemplo: El lanzamiento de un
dado, donde ejecutamos dos eventos: obtener 4 o ms /
obtener 2 o menos.

Significa que la probabilidad de que uno u otro evento
ocurra, es igual a la suma de sus probabilidades:
P(A o B) = P(A) + P(B).

Para 3 eventos mutuamente excluyentes designados A,
B Y C.
25
Conocer el peso de varias fundas llenas con diversos productos,
tomando en cuenta que cada una est elaborada para llenar un
peso determinado. Se observan 4.000 fundas en los que se debe
determinar el peso ms bajo, el peso correcto y el peso ms alto.

A = 100 fundas B = 3.600 fundas C = 300 fundas
Peso Eventos Nmero de
fundas
Probabilidad
ocurrencia
Peso ms bajo A 100 0.025
Peso correcto B 3.600 0.900
Peso ms alto
C

300

0.075
TOTAL 4.000 1.000
100
4.000
26
Cul es la probabilidad de que una funda determinada tenga un peso
ligeramente ms alto o ligeramente ms bajo?

Solucin: El resultado peso ms bajo es el evento A. El resultado
peso ms alto es el evento C. Si se aplica la regla de la adicin,
sostenida por Douglas Lind, tendremos:

P(A o C) = P(A) + P(C)
= 0.025 + 0.075
=0.10

Los eventos son mutuamente excluyentes, es decir, que las fundas de
los productos no pueden estar al mismo tiempo bajos de peso, en el
peso correcto y altos de peso.
Evento A Evento B Evento C
El diagrama representa el concepto
mutuamente excluyente.
La probabilidad de que se seleccione una
funda con peso ms bajo P(A), ms la
probabilidad de que no tenga un peso
ms bajo P(~A) (no A), suma
normalmente 1. Es decir:
P(A) + P(~A) = 1
27
La teora de las probabilidades y sus
modificaciones
1. Definicin Clsica: (Laplace, Teora Analtica de las probabilidades, 1812.
Tomado de Rufino Moya, Probabilidad e Inferencia Estadstica, 2000): Se basa en el
supuesto de que todos los resultados posibles de un experimento
aleatorio son igualmente probables, es decir, cada elemento del
espacio muestral tiene la misma posibilidad de salir. Ej.: lanzamiento
de un dado =1 / 6; de 2 dados para posibles valores; la lotera,
lanzamiento de la moneda; probabilidad de escoger bolas numeradas
de un nfora, etc. Si un experimento aleatorio tiene (n) resultados
posibles, los (n) elementos del espacio muestral tendrn la misma
probabilidad de salir.
La probabilidad de un evento es la razn entre el nmero de casos (sucesos)
favorables y el nmero total de casos posibles, siempre que nada obligue a
creer que algunos de estos sucesos deben tener preferencia a los dems, lo
que hace que todos sean igualmente posibles. (Moya, 2000)
N (A) nmero de casos favorables al evento A
N () nmero de casos posibles
N (A)=
=
28
Ejercicio:
Consideremos el lanzamiento de 2 dados. Calcular la probabilidad de:

a. Obtener suma 7 b. obtener suma 6 c. Obtener suma >5
d. Que el resultado del primer dado sea > que el resultado del segundo
Buscar la solucin:
El espacio muestral asociado a este experimento conjunto de pares ordenados donde:
primer componente resultado 1er.
dado y 2 componente resultado 2
N ()=36
Clculo de los eventos:
A = [(w1, w2) / w1 + w2 = 7] = obtener suma 7
B = [(w1, w2) / w1 + w2 = 6] = obtener suma 6
C = [(w1, w2) / w1 + w2 > 5] = obtener suma > 5
D = [(w1, w2) / w1 > w2 = e] = el resultado del primer dado es > el del 2
29
EJERCICIOS DE TRABAJO
1. En Una caja hay 20 bolas numeradas del 1 al 20. Se extrae al azar
una bola. Cul es la probabilidad que el nmero de la bola
extrada:

a. No exceda de 20? b. Sea el 32 c. Sea por lo
menos 15?

2. Una lotera consta de 10.000 billetes. Un billete se premia con $
100, cuatro billetes con $ 50, diez billetes con $ 20, veinte billetes
con $ 10, 165 billetes con $ 5 y 400 billetes con $ 1. Los dems
billetes no se premian. Se compra un billete, Cul es la
probabilidad de ganar?
a. Por lo menos $ 10 b. mximo $ 5
30
2. Definicin por frecuencia relativa: Si un experimento bien definido se
repite (N) veces; sea n < n el nmero de veces que el evento A ocurre en
los N ensayos, entonces la frecuencia relativa de veces que ocurre el evento
A , es la estimacin de la probabilidad que ocurra el evento A, o sea:
A
n
N
A
P (A)=
n
N
A
Observar lo siguiente:
1. La frecuencia relativa de un evento, est comprendida entre 0 y 1, es
decir, 0< P (A)< 1.
2. , si solo en las N repeticiones del experimento, el evento A no
ocurre; si solo A no ocurre en las N repeticiones del
experimento.
3. , si solo el evento A ocurre en la N repeticiones del
experimento; , si solo A ocurre en todas las repeticiones.
= 0
n
N
A
P (A)= 0
= 1
n
N
A
P (A)= 1
31
Ejercicio: La distribucin de los miembros de diversos partidos polticos
es:
Partido A B C D E F
Nmero total de
militantes
10.500 10.000 7.000 4.500 4.000 1.500
Militantes
mujeres
1.500 2.000 500 1.000 300 200
Cul es la probabilidad que un miembro seleccionado aleatoriamente,
a. Sean 1.000 mujeres?
b. Pertenezcan al partido B?
c. Sean 1.000 hombres miembros del partido C?
N = total de socios
n = nmero socias; n = total de miembros del partido B; n = total de
hombres que pertenecen al partido C. (37.500 militantes, 5.500 mujeres)
A B C
32
3. Probabilidad subjetiva:
La probabilidad relativa explica eventos nicos o que no han ocurrido antes,
pero que se establecen como formas que no se pueden interpretar como
una probabilidad clsica (basada en resultados) o como una frecuencia
relativa (estimacin de que ocurra), ya que carecen de significado, por
ejemplo:
Cul es la probabilidad de que una misin cientfica viva un ao bajo el
agua? Cul es la probabilidad de que saque 3 en el examen de
investigacin?
El enfoque subjetivo de la probabilidad es adecuado en casos en que haya
slo una oportunidad de ocurrencia del evento y pueda o no ocurrir esta
sola vez (Rufino Moya, 2000)
Por lo que, dado un experimento determinado, la probabilidad de un
evento A, es el grado de creencia o de veracidad que se le asigne a la
ocurrencia del evento por un individuo particular, basado en toda la
evidencia a su disposicin, con las exigencias que el caso amerita:
1. P(A) = 0, representa la certeza que el evento A, no ocurrir.
2. P(A) = 1, representa la certeza que el evento A, si ocurrir.
3. 0 < P(A) < 1, representa el grado de certeza que el evento A, ocurrir.

33
4. Probabilidad frente a apuestas:
Cuando un evento se somete a un nmero determinado de
probabilidades frente a otros, se determina como probabilidad de
apuestas, por ejemplo:
Si las apuestas son 4 a 1 en un determinado juego, significa que existen 4
probabilidades en 5 de que el evento a favor de A ganar y se escribe de
la siguiente manera: 4 4

Por lo que: Sea A un evento cualquiera, si las apuestas son a : b, a favor
del evento A, entonces la probabilidad de que ocurra dicho evento es:
P(A)

Ejemplo: en un evento deportivo, el equipo A tiene 7 : 1 apuestas en su
contra y el equipo B, tiene 12 : 1 apuestas en su contra. Cul es la
probabilidad de que cualquiera de estos equipos gane?
4 + 1
=
5
=
a
a + b
34
5. Probabilidad en espacios muestrales finitos:
La suma de probabilidades asignadas a los puntos del espacio muestral
(resultados posibles de un experimento aleatorio) es la unidad. Si se tiene
en cuenta que los posibles resultados son mutuamente excluyentes y
colectivamente exhaustivos.
La probabilidad de un evento A es la suma de las probabilidades asignadas
de los puntos muestrales pertenecientes al evento A. Ejemplo:
Ocho amigos juegan bolo una vez a la semana. Estn formados por 2 parejas de
casados, 3 jvenes y una joven y apuestan un determinado valor que ganar el que
obtenga mayor puntuacin. Si las mujeres tienen la mitad de la habilidad que los
varones poseen Cul es la probabilidad de que un soltero gane? Cul es la
probabilidad que gane una mujer? Cul es la probabilidad que gane un hombre
casado?
Espacio muestral = 8 elementos Probabilidad de ganar de una mujer?
5p + 3 p = 1, de donde p = 2 y 1 p = 1

Evento A: gane un hombre soltero P(A) = 3( )=
Evento B: gane una mujer P(B) = 3 ( ) =
Evento C: gane un hombre casado P(C) = 2 ( ) =

2 13 2 13
2
13
6
13
1
13
3
13
2
13
4
13
35
1. Se obtiene el punto medio de cada intervalo
Intervalo Punto medio Frecuencia
x f
15 17 16 8
18 20 19 10
20 22 21 4
2. Se multiplica cada punto por las frecuencias
x f fx
15 17 16 8 128
18 20 19 10 190
20 22 21 4 84
N=22 fx= 402
36
3. Con los datos agrupados, se aplica la siguiente frmula:

X= X = = 18.27
402
fx
N
22
MEDIDAS DE VARIABILIDAD
Indican dispersin de los datos en la escala de medicin Dnde
estn los valores obtenidos?
Son intervalos que designan distancia o un nmero de unidades
en la escala, estos son: el rango, la varianza y la desviacin
estndar.
Rango: es la diferencia entre la puntuacin mayor y la menor.
Ejemplo: 42 15 = 27.
Varianza: Es la desviacin estndar elevada al cuadrado (S )
2
37
DESVIACIN ESTNDAR
Es el promedio de desviacin de las puntuaciones respecto a la media:
S =
S(X X)
2
N
N = Nmero de puntuaciones
CLCULO: 1. Se ordenan las puntuaciones
X
(Puntuaciones)
8
6
5
5
4
2. Se calcula la media
X =
8+6+5+5+4
5
= 5.6
38
3. Se determina la desviacin de cada puntuacin
X
8
6
5
5
4
X = 28
X
5.6
5.6
5.6
5.6
5.6
X X
2.4
0.4
- 0.6
- 0.6
- 1.6
4. Se eleva al cuadrado cada desviacin
X
8
6
5
5
4
X= 28
(X X)
(2.4)
(0.4)
(- 0.6)
(- 0.6)
(- 1.6)
(X X)=
2
2
2
2
2
2
2
5. Se aplica la frmula
S =
(X X)
2
N
39
Desviacin estndar poblacional, es la raz cuadrada de la
varianza.
DESVIACIN ESTNDAR POBLACIONAL
Q =
(X u)
N
2
Se denomina desviacin estndar, debido a que
proporciona una unidad de medida comn (un
estndar) para comparar variables con unidades de
medidas observadas que son muy diferentes.

Se expresa a travs de diversas manifestaciones de
los datos que sirven al investigador para la
determinacin del grado de confiabilidad de los
promedios obtenidos.
40
Una muestra de salarios mensuales de una empresa a sus
trabajadores, por grupos y tipos de salarios.
Salario semanal o
cantidad en $
Nmero de empleados
30 a 35 3
35 a 40 7
40 a 45 11
45 a 50 22
50 a 55 40
55 a 60 24
60 a 65 9
65 a 70 4
41
Salario
semanal o
cantidad en $
Nmero de
empleados ( f
)
Punto medio (
x )
fx (fx)x o (fx )
30 a 35 3 32.5 97.5 3.168.75
35 a 40 7 37.5 262.5 9.843.75
40 a 45 11 42.5 467.5 19.868.75
45 a 50 22 47.5 1.045.0 49637.50
50 a 55 40 52.5 2.100.0 110.250.00
55 a 60 24 57.5 1.380.0 79.350.00
60 a 65 9 62.5 562.5 35.156.25
65 a 70 4 67.5 270.0 18.225.00
Total f = 120 fx =6.185.0 fx =325.500.00
2
2
42
DIAPOSITIVAS PARA
EXAMEN FINAL
(Segundo parcial)
43
S
=
X
2 _
X
_
n
n 1
(
)
2
DESVIACIN ESTNDAR MUESTRAL PARA
CLCULOS
Esta desviacin estndar muestral, es la
raz cuadrada de la varianza muestral, es
decir, es un estimador de la desviacin
estndar poblacional, por lo que ha sido
considerada como una de las medidas de
dispersin ms reportada en una
investigacin social.
Como medida de este tipo, se puede utilizar para evaluar la confiabilidad
de dos o ms promedios.
Con datos no agrupados
Con datos agrupados
S
=
fX
2 _
fX
_
n
n 1
( )
2
Smbolos:
S = Desviacin estndar
X = Punto medio de clase
f = Frecuencia de clase
n = Nmero de observaciones de la
muestra
44
DESARROLLO DEL EJERCICIO APLICANDO LA FRMULA
S
=
fX
2 _
fX
_
n
n 1
( )
2
S =
325.500 ------------
(6.185)
2
120
120 1
S =
325.500 318.785.2
119
= $ 7.51
2
Varianza muestral (S ) = (7.51) = $ 56.40
2
45
CUL ES EL CAMPO DE LA
ESTADSTICA?

Un conjunto de procedimientos que se utilizan para
medir, reunir, clasificar, codificar, computar, analizar,
resumir e interpretar informacin numrica adquirida
sistemticamente.
Implica una nueva manera de ver las
cosas, la realidad, los hechos, etc.,
para adquirir una visin de la
realidad, basada en el anlisis
cuidadoso de hechos, en lugar de
reacciones emocionales a experiencias
aisladas RICHEY, Ferris J..-
Estadtica para las Ciencias Sociales.-
2001.- Pag. 2.- Mc Graw Hill.
El anlisis estadstico, es uno de
los procedimientos vitales del
mtodo cientfico, para
entender el comportamiento de
los hechos, eventos, que
necesitamos estudiar y emitir
juicios con precisin exacta,
perspectiva equilibrada y
mucha imaginacin.
46
Estadstica inductiva
o inferencia estadstica
Se basa en la teora del clculo de
las probabilidades la
incertidumbre
Poblacin: Conjunto finito
o infinito de personas, casos
o elementos que presentan
caractersticas comunes.
Universo real
Universo hipottico
Universo homogneo
Universo heterogneo
Poblacin Finita
Poblacin infinita
47
TEORA DE LA MUESTRA EN EL ACOPIO
DE INFORMACIN
Estudio de la relacin existente entre una
poblacin estadstica y una o ms
muestras extradas de dicha poblacin.
Su objetivo:
Inducir o inferir las caractersticas de la poblacin total, tomando, en cuenta las
obtenidas de las muestras procedente de ella mismo.

Qu es la teora de las muestras?
48
OBJETIVOS DE LA MUESTRA
ESTADSTICA
Efectuar estimaciones del universo.
Calcular medidas de confiabilidad de
las estimaciones.
Interpretar las estimaciones con
precisin utilizando pruebas
estadsticas de las hiptesis.
Reducir costos y tiempo en las
investigaciones y proposiciones
sociales.
Mximo rendimiento con eficacia.
49

MUESTRA ESTADSTICA: requisitos para que sea
aceptable
poblacin, un nmero determinado de individuos u objetos que Es una parte de la se
seleccionan cientficamente y donde cada uno es un elemento del universo.
Es obtenida con fines de investigacin, tomando
en cuenta caractersticas particulares,
propiedades de la poblacin y definidas con
claridad.
Debe ser representativa o contener elementos
en la misma proporcin e independientes entre
s.
Debe ser aleatoria o posible para poder calcular
el error de la inferencia, medir grado de
confianza de estimaciones obtenidas (totales,
promedios, porcentajes, etc).
Deber proporcionar medidas de precisin.
Debe producir mayor informacin til a menor
costo.
Debe reunir exigencias de eficiencia,
representatividad, seguridad, flexibilidad.
Debe ser lo ms reducida posible y bastante
amplia para que error sea admisible.
EJEMPLOS: Qu
podemos medir?
1. Encuesta pre
electoral.
2. Una rifa.
3. La constante de
entrega de premios
de una mquina
traga monedas.
4. Opinin en venta
de productos.
5. Comportamiento
humano.
6. Impacto del
marketing.
7. Conformidad.
50
51
Ventajas y desventajas de la muestra
1. Ventajas 2. Desventajas
Ahorro de costos y tiempo.
Aplicable a poblaciones grandes y
homogneas.
Mejor enfrentamiento de los
investigadores con la realidad.
Control fcil de la calidad de los
datos.
Utiliza poco personal.
Confiabilidad y precisin.
Sujeta a verificaciones.
Amplia con claridad el alcance de
estudio de la realidad.
No admite clculos o proyecciones en
grupos pequeos.
Resultados estn sujetos a errores.
Dificultad para tabulacin de otros
datos.
Exige especializacin tcnica en el
tratamiento de los datos.
52
Elementos vlidos para la
determinacin de la muestra
UNIDADES DE ANLISIS: Elementos que permiten focalizar el estudio,
ejemplo: las personas, el contenido de los
documentos referenciales, los espacios fsicos
(los componentes que observamos).
VARIABLES: Elementos que hablan de las unidades de anlisis, explicando lo
que se desea conocer de ellas, ejemplo: sexo, edad, estado civil,
rendimiento, opinin, eficacia, impacto, etc.
VALORES: Elementos que miden a las variables para hablar de las
unidades de anlisis o unidades de observacin, pueden ser
nominales u / y ordinales, ejemplo: de estado civil: c / s/ v/ d /
(u l); de edad: niez, / juventud / vejez o por intervalos; de
eficiencia: aceptable / no aceptable, etc..
53
DEFINICIONES COMPLEMENTARIAS
Experimento Aleatorio (EA)
Es un proceso de observacin, en el que el resultado
exacto no se conoce, se mantiene margen de duda
(incertidumbre). Ej.: Lanzamiento de las cartas en el
juego de naipes, los juegos de azar, lanzamiento de la
moneda, el rendimiento de un examen, una
investigacin social, la lotera, concurso, etc.
Espacio Muestral (EM)
Conjunto de todos los resultados posibles de un
experimento aleatorio. Ej.: valor de las cartas menores y
mayores; respuestas si, no, nr; aprueba, no aprueba, etc.
Suceso o evento (S)
Es un subconjunto del espacio muestral o una
combinacin de resultados. Ej.: seleccin de un grupo de
personal por ocupacin los eventos sern: ocupados,
desocupados, subempleados.
Suceso Universal, suceso que de todas maneras va a
ocurrir Ej.: seleccionar a un individuo de ingresos altos de
una de las ciudadelas de Entrerros.
Evento complementario, uno de los sucesos es
complementario del otro Ej.: los eventos actan en relacin
al otro. Personas ocupadas, personas desocupadas.
Poblacin (P)
Conjunto de
todos los posibles
individuos,
objetos o
mediciones de
inters.
Al azar o probabilstico
Aleatorio con reemplazamiento
Aleatorio sin reemplazamiento
Estratificado
Por conglomerados o reas
Bietpico o polietpico
Sistemtico (de 5 en 5, de 10 en 10, de b en b, etc.)
Doble o bifsico (una dentro de otra, tomando por
ejemplo, datos que falten)
Mltiple o polifsico (domicilio y alquiler,
presupuesto y distribucin, ingresos y consumo, etc.)

Sesgado o no probabilstico, errtico,
sin norma o circunstancial

54
Marco de
intervencin del
muestreo
Listado de poblacin
Catlogos
Archivos
Censo
Guas telefnicas
Lista de contribuyentes
Registros de automviles y
similares
Registro Civil
Consumidores de servicios,
etc.
55
Mtodos para el muestreo
1. Muestreo probabilstico: Cuando todos los elementos tienen la
misma probabilidad de ser incluidos. En cambio, cuando es muestreo
no probabilstico, ste puede estar sesgado, lo que significa que los
resultados de la muestra no sean representativos, por ejemplo:
Cuando pretendemos establecer la conveniencia de resultados
electorales / sobre utilizacin de paales desechables / sobre
alimentos de animales / sobre la poblacin dispersa, por ingreso o por
residencia diversa, etc.

2. Muestreo aleatorio simple: Se expresa cuando una muestra
seleccionada determine que cada elemento o persona tenga las mismas
probabilidades de ser incluido. Un mtodo conveniente de seleccionar
una muestra aleatoria, es utilizando la tabla de nmeros aleatorios
que se estructura con la identificacin de cada uno de los elementos a
ser seleccionados, debido a que cada dgito de un nmero, la
probabilidad es la misma entre 0, 1, 2 y 9; esto hace que el sesgo se
elimine en el proceso de seleccin.
56
3. MUESTREO aleatorio sistemtico: Se realiza acomodando los
elementos de la poblacin en un orden establecido por el
investigador y luego se selecciona un punto de partida aleatorio para
posteriormente un forma de escogitamiento de los elementos cada
determinada frecuencia para que cada elemento escogido constituya
parte de la muestra. El primer elemento se lo elige al azar. En
determinadas circunstancias, la muestra sistemtica puede provocar
resultados sesgados.

4. Muestreo aleatorio estratificado: En este caso, se divide la
poblacin por subgrupos o estratos y se selecciona una muestra de
cada uno de los estratos, de tal manera que garantice la
representacin de los diferentes subgrupos. Cuando ya se ha
establecido la divisin por estratos, se puede tomar la muestra de
manera proporcional o no proporcional.

5. muestreo por conglomerados: Se lo sabe utilizar para reducir el
costo del muestreo en poblaciones dispersas en reas grandes. Por
ejemplo: cuando se desea conocer la opinin de los agricultores de la
costa ecuatoriana, puede tomarse regiones, cantones y / o parroquias
y en muchos casos se incluyen hasta los recintos, segn como se
considere el acceso a la informacin y los informantes.
57
COMPONENTES DE REPRESENTATIVIDAD
DE LA MUESTRA
Para que la muestra sea representativa debe ser seleccionada en cada
uno de sus elementos, al azar, de tal manera que todos tengan la misma
posibilidad de seleccin.

Para la poblacin total, normalmente se utilizan letras maysculas o del
alfabeto griego y para las muestras, letras minsculas.

Pueden ser: cualitativas (variables cualitativas), cuando expresan los
atributos de los elementos del universo y que stos puedan ser descritos.
Por ejemplo: Por lugar de origen / por ocupacin / por cargo / por sexo /
por tipo de raza / por profesin, etc.
58
REPRESENTATIVIDAD DE LA MUESTRA
(Continuacin)
Cuantitativas (variables cuantitativas), cuando sus elementos son
susceptibles de cuantificar numricamente. Por ejemplo: Peso / talla /
estatura / edad / nmero de hijos / nmero de personas/ salarios o
ingresos, etc.

Tipos de variables cuantitativas: Discretas y continuas y tienen valor
terico y prctico.

Discretas, son las que admiten valores enteros, es decir, no tienen
valores intermedios. Ejemplo: nmero de hijos / nmero de personas
/ nmero de enfermos / nmero de viviendas / nmero de vehculos /
nmero de calles, etc.

Continuas, son las que admiten fraccionarios, pudindose establecer
intervalos de ellos. Ejemplo: Estatura / peso / ingreso / velocidad /
talla / tiempo, etc.
59
SMBOLOS PARA LAS VARIABLES DISCRETAS Y
CONTNUAS
Para
muestra
Para
poblacin
total
Nominacin
n n
= Tamao de la muestra
N N
= Tamao de la poblacin o universo de donde se extrae la
muestra
x1 X1
= Identificacin para c / valor observado (mayscula /
poblacin minscula en muestra)
f1 n1
= Frecuencias absolutas / nmero de veces que se repite c /
valor de la variable
X1 Y1
= Valores que toma la variable discreta
fi /n h1
= Frecuencia relativa / valor conceptual obtenido al dividir la
frecuencia absoluta por n
Fi N1
= Frecuencia absoluta acumulada
F1 / n H1
= Frecuencia relativa acumulada
Xi Y1
= Marca de clase en variables continuas
Fuente: Roberto Hernndez Sampieri / Metodologa de la Investigacin
60
SMBOLOS PARA LAS VARIABLES DISCRETAS Y
CONTNUAS (continuacin)
Para
muestra
Para
poblacin
total
Nominacin
m = Nmero de valores que toma la variable o nmero de
intervalos o marca de clase de la variable continua
i c = Amplitud del intervalo
Xi -1 - X Yi-1 Y1 = Forma de simbolizar la columna correspondiente a los
valores que toma la variable continua, organizada en
intervalos
Fuente: Roberto Hernndez Sampieri / Metodologa de la Investigacin
61
EJERCICIO DE APLICACIN DE LOS ELEMENTOS
APRENDIDOS
Ej.: Una empresa ha producido 2000 cajas de un producto y no se conoce el
nmero de piezas defectuosas que aproximadamente pueden tener cada una
de ellas, para lo cual se determina tomar una muestra de 20 cajas para dicho
propsito.
X1 = 3 X5= 2 X9= 4 X13= 0 X17= 0
X2 = 1 X6= 2 X10= 1 X14= 5 X18= 1
X3= 0 X7= 3 X11= 1 X15= 3 X19= 1
X4= 4 X8= 0 X12= 2 X16= 4 X20= 1
Hi = =
n1
n
f1
n
62
Nmero de piezas
defectuosas
Nmero de cajas de
la muestra
0 4
1 6
2 3
3 3
4 3
5 1
Distribucin porcentual de datos (f relativas con V discretas)
1.-
2.-
Frecuencia absoluta
acumulada
Distribucin porcentual No.
cajas
N1 = n1 = 4 H1 = h1 = 0.20
N2 = n1 + n2 = 10 H2 = h1 + h2 = 0.50
N3 = n2 + n3 = 9 H3 = h2 + h3 = 0.45
N4 = n3 + n4 = 6 H4 = h3 + h4 = 0.30
N5 = n4 + n5 = 6 H5 = h4 + h5 = 0.30
N6 = n5 + n6 = 4 H6 = h5 + h6 = 0.20
63
Distribucin de frecuencias absolutas y relativas
con variables discretas
Y1 n1 h1 N1 H1
0 4 0.2 4 0.20
1 6 0.3 10 0.50
2 3 0.15 9 0.45
3 3 0.15 6 0.30
4 3 0.15 6 0.30
5 1 0.05 4 0.20
20 1.00 - -
X1 f1 F1 / n F1 F1 / n
3.-
64
MEDIDAS DE DISPERSIN
Son aquellas que sirven para evaluar la confiabilidad de dos o
ms promedios.
Cuando la dispersin de datos es pequea, la
representatividad es confiable y cuando es inversa, es decir,
ms grande, la representatividad vara e igualmente su
confiabilidad.
Estas son: Rango / desviacin media / varianza y desviacin estndar /
desviacin estndar poblacional y muestral.
Rango: Es la diferencia entre el valor mayor y el menor. R = V1 - Vi
Desviacin media: Mide la cantidad media en la que los valores de la
poblacin o de la muestra, varan de la media. En consecuencia, es la media
aritmtica de los valores absolutos de las desviaciones de la media
aritmtica. Tambin se la denomina desviacin media absoluta.
FRMULA: Dm = X X

X = Valor de cada observacin o datos ( ) = Indica el valor absoluto
X = Media aritmtica de los valores
n = Nmero de observaciones o elementos de la muestra

__
n
__
65
Nmero de
casos X
X (X X) Desviacin
absoluta (Da)
110 91 (110 91) = 19 19
25 91 (25 91) = -66 66
116 91 (116 91) = 25 25
84 91 (84 91) = -7 7
120 91 (120 91) = 29 29
455 - - Total 128
_ _
MEDIDAS DE DISPERSIN: Desviacin media
(Continuacin)
La desviacin media, es la media de las cantidades en que las observaciones individuales
difieren de la media aritmtica. Para encontrar la desviacin media de un conjunto de datos,
buscamos previamente la media aritmtica.
Ejemplo: Nmero medio de pacientes de un hospital (110, 25, 116, 84 y 120).
El resultado es la cantidad media en que las observaciones difieren de la media. Si el valor
es pequeo, es representativo y si tiene un valor grande, indica que existe dispersin de los
datos.
Dma = (X X) = 128 / 5 = 25.6
_
n
66
VENTAJAS Y DESVENTAJAS DE LA
DESVIACIN MEDIA
VENTAJAS: 1.- Para calcularla se utilizan todos los
valores.

2.- Es de fcil comprensin ya que es la cantidad
promedio en que los valores se desvan de la media.

DESVENTAJA: Es el uso de valores absolutos por su
dificultad para trabajar; esta razn hace que no se la
utilice tanto como la desviacin estndar.
67
2 2
Es la media aritmtica de las desviaciones de
la media elevadas al cuadrado.
Varianza poblacional: Es igual a la sumatoria del valor
de las observaciones de la poblacin menos su media
aritmtica elevada al cuadrado y dividida para el
nmero de observaciones de la poblacin.
Q = (x u)
N
Simbologa:
Q = Varianza poblacional (sigma cuadrada)
x= Valor de las observaciones de la poblacin
u = Media aritmtica de la poblacin
N = Nmero de observaciones de la poblacin
68
EJERCICIO:
Determinar la varianza poblacional de las edades de todos los pacientes
de una sala de un hospital. Las edades son:
38, 26, 13, 41 y 22 aos.
(x) (x u) (x u) X
38 38 28 = 10 10 = 100 28
26 26 28 = - 2 (-2) = 4 28
13 13 28 = - 15 (-15) = 225 28
41 41 28 = 13 (13) = 169 28
22 22 28 = - 6 (-6) 28
X = 140 0 (x u) = 534 -
2
_
2
U =
x
N
140
=
5
=
28
2
2
2
2
Q =
(x u)
N
534
=
5
=
106.8
2
2 (determinada
en aos al
cuadrado)
69
Es igual a la sumatoria del valor de c / u de las observaciones de
la muestra (X), menos la media muestral (X), todo al cuadrado y
dividido para el nmero de la muestra menos 1.
S = varianza muestral
X = Valor de c / u de las observaciones de la muestra
X Media muestral
n Nmero de observaciones de la muestra

Frmula conceptual = S =

Para clculos
_
2
_
2
(X X)
_
2
n 1
S
2
=
X
2 _
X
_
n
n 1
(
)
2
70
Salarios por hora
$ (X)

X X

(X X)
2 -5 25
10 3 9
6 -1 1
8 1 1
9 2 4
35 0 40
_ _
2
1. Ejercicio sobre varianza muestral utilizando la
desviacin media al cuadrado
2
(X X)
_
2
n 1
S =
40
5 - 1
= 10 =
71
X
2 4
10 100
6 36
8 64
9 81
35 285
X
2
2. Ejercicio sobre varianza muestral utilizando la
frmula directa
S
2
=
X
2 _
X
_
n
n 1
(
)
2
S =
2
285
_
35
5
2
5 1
40
4
= 10 =
72
Para seleccionar una muestra y establecer su
tamao, es importante considerar tres factores:

1. El nivel de confianza que se desea obtener.
2. El margen de error que se puede tolerar para
darle mayor consistencia a los resultados.
3. La variabilidad en la poblacin que se estudia,
es decir, las caractersticas que muestra en
sus diferentes componentes sociales.
FACTORES QUE DEBE TOMARSE EN CUENTA
PARA LA SELECCIN DE LA MUESTRA
73
SELECCIN DEL NIVEL DE CONFIANZA: Los niveles de confianza que
con frecuencia se seleccionan son entre 95 y 99 por ciento.
Cuando est en el 95%, sta corresponde a un valor z de _
1.96 y uno de 99% o aproximado, corresponde un valor de z _
2.58. Mientras ms alto sea el nivel de confianza, mayor ser
el tamao de la muestra (Douglas Lind, Estadstica, 2001,
Mxico).

Cuando se habla del ERROR MXIMO PERMISIBLE que se designa
como E, se hace referencia a la cantidad que se suma o se
resta de la media de la muestra, para determinar los puntos
extremos del intervalo de confianza y se hace quiere explicar
con esto a la cantidad de error que el investigador espera
tolerar y no afecta relativamente al resultado que se aspira.
Tambin se la puede determinar como la mitad de la amplitud
del intervalo de confianza correspondiente, tal como lo
explica D. Lind ( pg. 255). Un error permisible pequeo,
requerir de una muestra grande y un error permisible grande
permitir una muestra menor.
+
+
74
La variabilidad o desviacin estndar DE LA POBLACIN, es el otro
factor que se toma en cuenta para determinar el tamao de la
muestra. Cuando la poblacin tiene una dispersin muy amplia,
la muestra debe ser grande, en cambio si la poblacin es
homognea, es decir, se encuentra concentrada, entonces el
tamao de la muestra debe ser pequeo.

Para estos casos tambin se puede recoger las siguientes
sugerencias (D. Lind, pg. 255):

Trabajar desde el enfoque de un estudio comparativo, cuando
se dispone de un estimado de la dispersin en otro estudio, que
ya haya aplicado una muestra y sta haya experimentado
confiabilidad, se puede utilizar dicho estudio estimado y
permitir la obtencin de un tamao aproximado de la muestra.

Si no se dispone de experiencias previas, se puede estructurar
una aproximacin basada en rango, que no es otra cosa que
una estimacin de los valores mximo y mnimo de la poblacin
y tomar una valoracin de _ 3 desviaciones estndar de la
media, que puede significar una sexta (6) parte del rango. El
tercer enfoque puede ser un estudio piloto.
+
75
DIAPOSITIVAS DE
FORTALECIMIENTO
SOBRE MUESTREO
EN INVESTIGACIN
SOCIAL
76
Considerar previamente tres aspectos bsicos (HERRERA, Luis. Tutora
de la Investigacin. AFEFCE, 2002):

El objeto y el objetivo de la investigacin.
El nivel de confiabilidad con el que se desea trabajar (entre el 95%
y el 99%).
Las probabilidades reales de que ciertas caractersticas a
investigarse estn presentes en la poblacin (P), frente a las
probabilidades (Q) de que no lo estn.

P = 0.5
Q = 1 0.5 = 0.5
P + Q = 1
El error de muestreo puede fluctuar, a criterio de algunos
investigadores, entre el 1% y el 8%. Es aconsejable entre el 1% y el
5%.
Aplicar la frmula para poblaciones finitas e infinitas, tomando en
cuenta los datos.
De ser necesario consulte a un especialista.
77
n =
ZPQN
Z PQ+Ne
2
2
2
1.-
n = Tamao de la muestra.
Z = Nivel de confiabilidad: 95% = 1.96.
P = Probabilidad de ocurrencia = 0.5
Q = Probabilidad de no ocurrencia = 1 0.5 = 0.5
N = Poblacin
e = Error de muestreo = 0.05 (5%)
78
2.- Cuando se desconoce la poblacin y se acta con
desviacin estndar.
n =
ZS
E
2
n= Tamao de la muestra
z= Nivel de confiabilidad = 2.
s= Desviacin estndar de la
poblacin
E= Error de muestreo
3.- Cuando se desconoce la poblacin pero se percibe una
proporcin estimada que acta o puede definir o incidir en un
hecho o fenmeno que se investiga.
n =
ZPQ
E
2
2
Z = Nivel de confiabilidad. Ejemplo: 99% = 2.58.
P = Porcentaje de aceptacin. Ejemplo: 0.65 (65%)
Q = Porcentaje de no aceptacin. Ejemplo: 1 0.65 = 0.35
E = Error de muestreo Ejemplo: 0.03 (3%)
79
4.- Cuando se determina el error mximo que se puede aceptar,
se puede aplicar las siguientes frmulas:
n= Tamao de la muestra
N= Poblacin
E= Error de muestreo
n =
N
E (N-1)+1
2
a).-
b).-
n =
PQN
(N-1)
2
2
E
K
+ PQ
PQ = Constante de probabilidad de ocurrencia y no ocurrencia
(0.5)(0.5) = 0.25.
E = Error de muestreo
K = Coeficiente de correccin del error. Ejemplo: 2
80

1. Anlisis de Contenido.
2. Anlisis de documentos.
3. Anlisis de metforas.
4. Anlisis de Texto
5. Archivos.
6. rbol de Problema
7. Conversatorios
8. Cuadernos.
9. Cuestionarios.
10. Descripcin Ecolgica del
Comportamiento.
10. De Autoinforme
11. Diarios.
12. Documentos Institucionales.
13. Entrevista.
14. Encuesta
15. Escalas de Actitudes
16. Escala de Estimacin
17. Estudios de Caso
18. Estudio de Cohortes.
19. Escalas de Actitudes
20. Fotografas y Diapositivas.
21. Foros
22. FODA

23. Grabaciones en audio o video.
24. Grupos de Discusin
25. Juicios de Expertos
26. Inventarios.
27. Listas de Control
28. Mapas Conceptuales
29. Observacin
30. Otras
31. Registros anecdticos.
32. Rueda de Impacto
33. Seminarios
34. Talleres con Grupo Focal
35. Test de creatividad
36. Tcnicas Documentales
37. Tcnica de Grupo Nominal (TGN)
38. Tcnica del por qu, por qu.
39. Tcnicas de Afinidades
40. Triangulacin
41. Visitas in situ
42. ZOPP

81
INSTRUMENTOS DE RECOLECCIN DE
INFORMACIN
1. Cuestionario - Encuesta
2. Gua - Entrevista
3. Gua o Ficha de Observacin
4. Listas de Cotejo
5. Ficha de Registro Anecdtico
6. Gua de Taller
7. Fichas de Anlisis Documental.
8. Grabaciones
9. Filmados o videos
10. Libreta de campo.
11. Gua de reconocimiento del entorno
12. Gua de dilogo o discusin
13. Asambleas
14. Sociodrama
82

Informacin suficiente, confiable y
transparente, que facilite el acopio y la
medicin.

Utilizar mtodos estadsticos e informticos
actualizados.

Mantener la informacin de todo el proceso
en archivos electrnicos.

CALIDAD DE LA
INFORMACIN
83
IDENTIFICAR CON CLARIDAD LAS FUENTES
Por ejemplo en estudios sobre la
universidad: Autoridades, funcionarios,
directivos de unidades acadmicas y de
institutos de investigacin, docentes,
estudiantes, empleados administrativos,
comunidad de impacto (empresas,
organizaciones sociales, instituciones, etc.).
En investigacin sobre rendimiento de
los aprendizajes: Estudiantes, directivos de
programas, coordinadores acadmicos,
docentes, comunidad de impacto.
84
TIPO DE INFORMACIN:
De los estudiantes: Grado de desarrollo
alcanzado, rendimiento acadmico, interaccin de
los contenidos y materiales de aprendizaje, nivel de
competencia o logro de objetivos curriculares, sus
fortalezas y debilidades, conocimiento y
experiencias previas, ritmo y estilo de aprendizaje
(cmo aprende, cmo enfrenta las tareas, sus
preferencias, sus intereses, etc.),manejo y
combinacin de los procesos cognitivos,
motivacionales y afectivos (intelectuales, de
equilibrio personal o afectivo, de vinculacin
interpersonal, de actuacin e insercin social).
Las actividades en el aula (interaccin
docente y contenidos del aprendizaje segn
propuesta curricular): Programacin general,
contenidos, secuencia y periodizacin, metodologa
y actividades de aprendizaje, criterios de evaluacin.
85
Interaccin colectiva (global: alumno,
docente, contenidos del aprendizaje,
instrumentos, directivos): Desempeo
docente: preparacin, dominio, metodologa,
experiencia y testimonios, ayudas del
profesor a los alumnos, trato personal
afectivo entre los actores, conflictividades y
origen, etc.
En el caso de la Universidad en su
vinculacin con la colectividad: Compromisos
de participacin, acercamientos,
procedimientos de vinculacin, periodicidad,
trato, aportes, criterios, implementacin de
proyectos, respuesta, etc.
86
ESCALAS DE VALORACIN CUALITATIVA

Totalmente de acuerdo
Mayoritariamente de acuerdo Parcialmente de acuerdo En desacuerdo
Totalmente En su mayor parte Parcialmente Ninguno
Se cumple plenamente Se cumple aceptablemente Se cumple
insatisfactoriamente
No se cumple
Muy Satisfactorio Satisfactorio Poco satisfactorio No satisfactorio
Muy bueno Bueno Regular Malo
Muy adecuado Adecuado Ms o menos Inadecuado
Muy satisfecho Satisfecho Regularmente satisfecho Insatisfecho
Excelente Suficiente Parcial Insuficiente
Muy eficiente Eficiente Poco eficiente Deficiente
Objetivo Logrado Avance significativo Cierto avance Ningn Avance
Siempre Muchas veces Pocas veces Nunca
Todo Mucho Poco Ninguno
4 3 2 1
87
RESULTADOS DE LA VALORACIN
CUALICUANTITATIVA
EVALUACIN CUALITATIVA
EVALUACIN CUANTITATIVA (%)
RESULTADOS
PRIMARIA
1
PONDERADA
2

A. Muy buena: Objetivo Logrado
(solucin o resultado excelente que
puede servir como modelo).
76-100 FORTALEZAS
B. Buena: Avance Significativo (existe
preocupacin y mejoras sustanciales
faltando aprovechar todo el potencial).
51-75 FORTALEZAS
C. Regular: Cierto Avance (logros
parciales que dan lugar a ciertas
mejoras con resultados aislados).
26-50 DEBILIDADES
D. Insuficiente: Ningn Avance (ninguna
accin, quiz ciertas ideas buenas pero
no concretadas).
0-25 DEBILIDADES
1
Valor derivado de la aplicacin y procesamiento de los instrumentos.
88
ENCUESTA - CUESTIONARIO
CONSTITUYE LA HERRAMIENTA BSICA PARA EL ACOPIO DE
INFORMACIN. ESTA CONFORMADO POR UN CONJUNTO
ESTRUCTURADO DE PREGUNTAS, DESTINADAS A DEMOSTRAR LAS
HIPTESIS FORMULADAS EN EL DISEO DE INVESTIGACIN.
ES FUNDAMENTAL TOMAR EN CONSIDERACIN LOS OBJETIVOS, LOS
PROBLEMAS QUE SE VAN A INVESTIGAR Y LAS HIPTESIS QUE SE VAN
A DEMOSTRAR.

PARTES DEL CUESTIONARIO:
- Institucin responsable;
- Ttulo de la encuesta;
- Objetivos;
- Instructivo;
- Preguntas generales de carcter informativo;
- Preguntas especficas del problema;
- Observaciones.

1 Muestra y Acopio de La Información

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

1 Muestra y Acopio de La Información

Diunggah oleh

Hak Cipta:

Format Tersedia

DETERMINACIN DE LA POBLACIN

Y LA MUESTRA OBJETO DE ESTUDIO

Anda mungkin juga menyukai