muestra
tamaño: número de elementos necesario para conseguir una muestra lo más parecida posible a la población
Reducir el error al máximo posible
Conseguir una mayor representatividad (inferencia: que los resultados correspondan con los del universo poblacional)
el tamaño
importa?
- Si es muy pequeña: puede incluir elementos no representativos de la población (desproporcionados) y sesgar los resultados
![]()
- Si es muy grande: el estudio más complejo (demasiados datos) y costoso. Puede ser una muestra más precisa, pero los costos superan a los beneficios.
anatomía de una muestra
![]()
anatomía de una muestra
valores determinados en el diseño:
- \(\epsilon\): error, margen de error.
- ¿cuánto error voy a permitir en la muestra? en %
- \(Z\alpha\): nivel de confianza, valores Z y nivel de significación.
- ¿cuánto confío en que mis datos (media) esté dentro de ese margen de error? en %
- \(p\): proporción, desviación típica de la muestra.
- parámetro desconocido. maximiza \(n\) cuando es 0.5
más es mejor?
¿cuál es el tamaño de una muestra ideal para una población de 100 personas, con \(\epsilon\) = 0.05 y NC de 95%?
¿y para poblaciones de 1000, 10000, 100000?
¿cuál es el tamaño de muestra adecuado si quiero estudiar niveles de felicidad de estudiantes de la USAL con un NC de 95% y un \(\epsilon\) de 0.03? \(N\) = 28000
cálculo de muestras
y los estratos?
necesitamos la información del marco muestral (proporciones de estratos, por ejemplo)
se calculan el total de elementos para cada uno de los estratos, ya sea por afijación fija o proporcional:
- fija: \(n_h = N/h\) donde \(h\) es el nnúmero de estratos
- prporcional: \(n_h = \frac{N_h}{N}n\)
| Grado |
21191 |
| Doctorado |
2491 |
| Máster |
1923 |
| Título Propio |
1571 |
| Otro |
824 |
| Total |
28000 |
