Teoría general de muestreo

2.1.1 TEORÍA GENERAL DE MUESTREO

Para el conocimiento de las características de la población existen métodos opcionales cuyo costo y tiempo de realización se reducen considerablemente. Estos métodos están constituidos en lo que se denomina ‘muestra’, cuyo objetivo es reconstruir modelos reducidos de la población total, como resultados que pueden extrapolarse al universo del que se extraen.

Todo ello quiere decir que a través de muestras se puede obtener en muchos casos, la información requerida, con un ahorro sustantivo de recursos humanos, económicos y de tiempo, sin que ello implique un alejamiento de la realidad que se desea conocer.

Para que el proceso de muestreo sea una reconstrucción reducida pero real del universo que se desea investigar es necesario que el tamaño de las muestras y la metodología utiliza en su elaboración respondan a determinados principios, deducidos del cálculo de probabilidades.

2.1.2 Población y muestra

Población objetivo.- Es la totalidad de los elementos en discusión y acerca de los cuales se desea obtener alguna información

Otra definición de población indica que es el conjunto universal de posibles resultados de un experimento.

Población finita.-Una población es finita si tiene un número limitado de sucesos o unidades elementales, numéricamente es aquella que tiene menos de 500000 unidades.

Población infinita.- Es aquella que consiste en un número infinitamente grande de observaciones. Se considera infinita a una población que posee más de 500.00 unidades.

2.1.3 Ecuaciones para el cálculo del tamaño de muestra en caso de poblaciones finitas

Existen dos ecuaciones las cuales son utilizadas con bastante frecuencia en los estudios de mercado para cuando las ecuaciones sean finitas. Dichas ecuaciones , deducidas empíricamente, son:

Carácter cuantitativo:

n=(k^2 Nσ^2)/(k^2 σ^2+Ne^2 )

Carácter cualitativo:

n=(k^2 NPQ)/(k^2 PQ+Ne^2 )

En la que:

N= tamaño de la población.

σ^2= varianza poblacional.

e = error absoluto.

P= proporción poblacional correspondiente al atributo de interés(estimada a partir de una boleta piloto).

Q = 1-P

K = valor perteneciente a la Distribución Normal Standard correspondiente a un nivel de confianza (1- ) %.

K = 2.575  1-  = 99%

K = 1.96  1-  = 95%

K = 1.645  1-  = 90%

2.2 RECOLECCIÓN DE DATOS

2.2.1 FUENTES DE INFORMACIÓN

Los datos estadísticos necesarios para la comprensión de los hechos pueden obtenerse a través de fuentes primarias y fuentes secundarias.

Fuentes de datos primarias: son las publicaciones y trabajos hechos por personas o instituciones que han recolectado directamente los datos.

Fuentes de datos secundarias: son las publicaciones y trabajos hechos por personas o entidades que no han recolectado directamente la información.

Las fuentes primarias más confiables, son las efectuadas por oficinas gubernamentales encargadas de tal fin.

En la práctica, es aconsejable utilizar fuentes de datos primarias y en última instancia cuando estas no existan, usar estadísticas de fuentes secundarias. Con este último tipo no debemos pasar por alto que la calidad de

...