Estadística Educativa

1. MMUUEESSTTRREEOO
GGEENNEERRAALLIIDDAADDEESS
Una vez definido el problema a investigar,
formulados los objetivos y delimitadas las
variables se hace necesario determinar los
elementos o individuos con quienes se va a
llevar a cabo el estudio estadístico.

2. 2
 Las poblaciones están formadas por individuos, pero sería
mejor denominarlas unidades de muestreo o unidades de
estudio:
Personas, células, familias, hospitales, países…
 La población ideal que se pretende estudiar se denomina
población objetivo.
No es fácil estudiarla por completo. Aproximamos
mediante muestras que den idealmente la misma
probabilidad a cada individuo de ser elegido.
Tampoco es fácil elegir muestras de la población objetivo:
Si llamamos por teléfono excluimos a los que no tienen.
Si elegimos indiv. en la calle, olvidamos los que están
trabajando...
 El grupo que en realidad podemos estudiar se denomina
población de estudio.

3. CONCEPTOS INICIALES
Población: Conjunto de unidades de las que se desea
obtener cierta información.
Unidades: Personas, Familias, Viviendas, Escuelas,
Organizaciones, Artículos de Prensa
Muestra: Selección de unas unidades concretas de la
población que representen la característica que se
quiere medir.

4. MUESTREO
Procedimiento por el cual ssee eexxttrraaee,
de un conjunto de unidades que
constituyen el objeto de estudio
( población), un número de casos
reducido (muestra) elegidos con
criterios tales que permitan la
generalización a toda la población de
los resultados obtenidos al estudiar la
muestra.

5. RAZONES DE MUESTREO
 Disminución de costos ( tiempo, personal, material)
 Al disminuir el número de casos disminuyen
también los errores asociados a la manipulación de
los datos.
 Puede confiarse en la generalización de los
resultados si se ha tenido cuidado al seleccionar la
muestra.

6. CRITERIOS IMPORTANTES
PARA LA SELECCIÓN DE LA
MUESTRA Salvo en poblaciones muy pequeñas y accesibles nunca
se observan a todas las unidades de la población.
Se debe diseñar una muestra que constituya una
representación a pequeña escala de la población a la
que pertenece.
Cualquier diseño muestral comienza con la búsqueda
de la información que ayude a la identificación de las
características de la población bajo estudio.

7. CONDICIONES QUE DEBE
CUMPLIR UNA “BUENA”
MUESTRA
Que comprendan parte de la población y no la totalidad
de ésta.
 Aunque el sentido común pareciera indicar que
poblaciones más grandes deben producir muestras
mayores, esto no es siempre cierto ya que:
El tamaño de la población NO es el único elemento que influye en el
tamaño de la muestra.

8. CONDICIONES QUE DEBE
CUMPLIR UNA “BUENA”
MUESTRA
La ausencia de distorsión en la elección de los
elementos de la muestra.
Si esta elección presenta alguna anomalía, la muestra
resultará por este mismo hecho viciada.
Que sea representativa o reflejo fiel de la población, de
tal modo que reproduzca sus características básicas en
orden a la investigación.

9. CONDICIONES QUE DEBE
CUMPLIR UNA “BUENA”
MUESTRA
Si hay sectores diferenciados en la población que se
supone ofrecen características especiales la muestra
también deberá comprenderlos en la misma
proporción.

10. TAMAÑO DE LA MUESTRA
Es el número de unidades a incluir en la muestra.
Existen varios factores que influyen en el:
Tiempo y recursos disponibles
Modalidad de Muestreo
Tipo de Análisis Previsto
Varianza o heterogeneidad de la población
Margen de Error máximo admisible
Nivel de confianza de la estimación muestral

11. HETEROGENEIDAD POBLACIONAL
Cuanto mas heterogénea sea la población mayor será su
varianza poblacional lo que implicará mayores tamaños
muestrales.
Cuando se desconoce el valor de la varianza poblacional
se recurre al supuesto mas desfavorable, asumiendo
una varianza poblacional igual a 0,5.
0,5 significa que una unidad seleccionada tiene 50 % de
posibilidades de pertenecer o no a un grupo específico
dentro de la población

12. 2DA PARTE: ERRORES Y
CÁLCULO DEL TAMAÑO DE
LA MUESTRA
12

13. FUENTES DE SESGO/ERROR
 Las poblaciones objetivo y de estudio pueden diferir en
cuanto a las variables que estudiamos.
El nivel económico en la población de estudio es mayor que
en la objetivo,...
Los individuos que se eligen en la calle pueden ser de mayor
edad (mayor frecuencia de jubilados p.ej.)…
 En este caso, diremos que las muestras que se elijan estarán
sesgadas. Al tipo de sesgo debido a diferencias sistemáticas entre
población objetivo y población de estudio se denomina sesgo de
selección.
13
 Hay otras fuentes de error/sesgo
 No respuesta a encuestas embarazosas
Consumo de drogas, violencia doméstica, prácticas poco
éticas,…
 Mentir en las preguntas “delicadas”.
 Para evitar este tipo de sesgo se utilizan la técnica de
respuesta aleatorizada.

14. TÉCNICAS DE RESPUESTA ALEATORIZADA
 Reducen la motivación para mentir (o no responder) a
las encuestas.
14
 ¿Si digo la verdad, se me verá el plumero…?
 ¿Cómo se hace?
Pídele que lance una moneda antes de responder y…
 Si sale cara que diga la “opción compremetida”
 (no tiene por qué avergonzarse, la culpa es de la moneda)
 Si sale cruz que diga la verdad
 (no tiene por qué avergonzarse, el encuestador no sabe si
ha salido cara o cruz)
 Aunque no podamos saber cuál es la verdad en cada
individuo, podemos hacernos una idea porcentual sobre
la población, viendo en cuánto se alejan las respuestas
del 50%.

15. Diferencia entre los que han dicho sí y los que debían hacerlo
por que así lo indicaba la moneda
p » -
* 0,6 0,5 = =
15
EJEMPLO: ¿HA TOMADO DROGAS
ALGUNA VEZ?
100% No Sin sinseridad!!
40% No
60% Sí
Sin respuesta
aleatorizada
Con respuesa
aleatorizada
¡No son mitad y mitad!
El porcentaje estimado de individuos que tomó drogas
es:
0,2 20%
-
1 0,5
Los que deben decir la verdad

16. ERROR ALEATORIO
El error aleatorio no se suele ajustar a ninguna regla o
norma , varían en cada caso , en su sentido y magnitud,
y por ello tiende a anularse cuando se trata de un
número elevado de casos.
Los errores aleatorios se comenten, por ejemplo, cuando un
encuestado elige erróneamente una casilla queriendo
hacerlo en otra, cuando un encuestador marca
erróneamente un dato, etc.

17. ERRORES SISTEMÁTICOS
 Un error sistemático es aquel que se produce de igual modo (
sentido y proporción) en todas las mediciones que se
realizan sobre un parámetro de la muestra
 Contrario al error aleatorio, NO se anula en muestras
grandes.

18. ERRORES SISTEMÁTICOS.
EJEMPLOS
Las tendencias subjetivas conscientes o inconscientes
del investigador.
Sustituciones, según criterio propio del investigador, de
unidades de la muestra que habían sido elegidas al
azar.
Insuficiente observación del conjunto de la población
que influye en una deficiente definición de sus
características.

19. ERROR MUESTRAL
 Cuando se extrae una muestra de una población es
frecuente que los resultados obtenidos de la muestra no
sean exactamente los valores reales de la población.
El error de muestreo ocurre al estudiar una muestra en
lugar de la población total.
La diferencia entre el valor del parámetro de una
población y el obtenido de una muestra recibe el nombre
de error muestral. ( y que no puede ser asociado a otro tipo de
explicación, es decir no es error aleatorio o sistemático)

20. ERROR MUESTRAL
Por muy perfecta que sea la muestra siempre habrá
grado de divergencia entre los parámetros estimados
usándola y los de la verdadera población.
En el cálculo del error intervienen:
Tamaño de la muestra
Varianza poblacional
Nivel de confianza
Tipo de muestreo

21. ESTIMACIÓN DEL ERROR
 Cuando variable bajo estudio es una media. (solo
válido para variables numéricas)
s
e = z 1- f
n
Donde:
Z: grado de confianza de la estimación
s: desviación típica muestral de la variable analizada
n: tamaño de la muestra
1-f: Factor de corrección para poblaciones finitas. f= n/N

22. EL ERROR MUESTRAL ES
MAYOR EN LA MEDIDA QUE:
 Crece el grado de confianza que el investigador
quiere dar a su estimación del parámetro medido
mediante la muestra
 Es más elevada sea la variabilidad de la variable
estudiada.
 Es menor el tamaño de la muestra.

23. ESTIMACIÓN DEL ERROR
 Cuando la variable bajo estudio es una proporción
(ej, variables nominales u ordinales con pocas
categorías)
e = z pq 1
-
Donde:
Z: grado de confianza de la estimación
p: proporción de la muestra para la categoría a examinar
q: 1-p
n: tamaño de la muestra
1-f: Factor de corrección para poblaciones finitas. f= n/N
f
n
-
1

24. TAMAÑO DE LA MUESTRA VS.
ERROR MUESTRAL

25. MARGEN DE CONFIANZA EN LA
ESTIMACIÓN
 Expresa el grado de probabilidad que el investigador
tiene en que su estimación se ajuste a la realidad.
 Los valores comúnmente utilizados son 95, 99, 99,9%

26. MARGEN DE ERROR ADMISIBLE
Los incrementos en el tamaño de la muestra repercuten
en una mayor precisión y por consiguiente en menor
error muestral.
El error muestral interviene en el cálculo del tamaño de
la muestra solo si el diseño es probabilístico.
En el muestreo probabilístico el investigador fija el
error máximo admisible a priori y sobre esa base realiza
el cálculo del tamaño de la muestra.

27. CÁLCULO DEL TAMAÑO DE LA
MUESTRA *
A los fines de este
módulo, utilizaremos
una calculadora de
muestra, por
ejemplo:
http://www.netquest.com/panel_

28. CÓMO CALCULAR LA MUESTRA?
10/09/14
28
TABLA DE APOYO AL CALCULO DEL TAMAÑO DE UNA MUESTRA
POR NIVELES DE CONFIANZA
Certeza 95% 94% 93% 92% 91% 90% 80% 62.27% 50%
Z 0.67
1.96 1.88 1.81 1.75 1.69 1.65 1.28 1
45
3.84 3.53 3.28 3.06 2.86 2.72 1.64 1.00 0.45
e 0.05 0.06 0.07 0.08 0.09 0.10 0.20 0.37 0.50
0.0025 0.0036 0.0049 0.0064 0.0081 0.01 0.04 0.1369 0.25

29. EJEMPLO DEL CÁLCULO DEL TAMAÑO
DE LA MUESTRA (POBLACIÓN
INFINITA)
Estimando qué proporción de sujetos poseen una
característica al nivel de confianza del 99.7% (Z=3) y un
error de admitido del 2%, será:
5625
2
n = 3 x 50 x 50
=
2
2
EL TAMAÑO DE LA POBLACIÓN NO FUE TOMADO
EN CUENTA!!!

30. CÁLCULO DEL TAMAÑO DE LA
MUESTRA PARA POBLACIONES
FINITAS. (F=N/N>0,05)

31. TAMAÑO DE LA MUESTRA
Fuente: Metodología y Técnicas de Investigación Social. Piergiorgio Corbetta

32. 3RA PARTE
TIPOS DE
MUESTREO

33. TIPOS/TÉCNICAS DE MUESTREO
 Cuando elegimos individuo de una población de estudio
para formar muestras podemos encontrarnos en las
siguientes situaciones:
33
 Muestreos probabilistas
 Conocemos la probabilidad de que un individuo sea elegido para
la muestra.
 Interesantes para usar estadística matemática con ellos.
 Muestreos no probabilistas
 No se conoce la probabilidad.
 Son muestreos que seguramente esconden sesgos.
 En principio no se pueden extrapolar los resultados a la
población.
 A pesar de ello una buena parte de los estudios que se publican usan
esta técnica.
 En adelante vamos a tratar exclusivamente con
muestreos con la menor posibilidad de sesgo
(probabilistas): aleatorio simple, sistemático,
estratificado y por grupos.

34. MODALIDAD DE MUESTREO
SELECCIONADA
La selección de las modalidades de muestreo
( probabilísticos y no probabilísticos) se halla
determinada por la confluencia de varios factores: los
objetivos, los recursos, la accesibilidad de la población y
el tiempo.
Los diseños no probabilísticos demandan un tamaño
muestral menor.

35. TIPOS DE MUESTREOS
PPRROOBBAABBIILLÍÍSSTTIICCOOSS NNOO PPRROOBBAABBIILLIISSTTIICCOOSS
•Todas las unidades tienen igual
probabilidad de participar en
la muestra.
•La elección de cada unidad
muestral es independiente de las
demás
•Se puede calcular el error muestral
•Cada unidad NO tiene igual
probabilidad de participar en
la muestra.
•No se puede calcular el error
muestral
•Alto riesgo de invalidez
producido por la introducción de
sesgos

36. EJEMPLO: ¿MUESTREO
PROBABILÍSTICO?
 Se realiza un muestreo entre los alumnos que van a
clases de la Materia Metodología, eligiéndolos al
azar a la entrada del salón.
EEssttee ddiisseeññoo eess NNOO pprroobbaabbiillííssttiiccoo ppoorrqquuee aaqquueellllooss qquuee
nnoo vvaann aa ccllaasseess NNOO PPUUEEDDEENN sseerr eelleeggiiddooss

37. EJEMPLO: ¿MUESTREO
PROBABILÍSTICO?
 Se utiliza la lista de propietarios de líneas
telefónicas para elegir a aquellos que serán
encuestados.
d Este diisseeññoo eess NNOO PPrroobbaabbiillííssttiiccoo ppoorrqquuee aaqquueellllooss qquuee
nnoo ttiieenneenn tteellééffoonnoo NNOO PPUUEEDDEENN sseerr eelleeggiiddooss

38. EJEMPLO: ¿MUESTREO
PROBABILÍSTICO?
 Un investigador toma muestras del carbón extraído
de una mina, tomando al azar trozos de carbón de la
parte superior de cada carro.
EEssttee ddiisseeññoo eess NNOO pprroobbaabbiillííssttiiccoo
ppoorrqquuee ssoolloo ssee ttoommaa ccaarrbbóónn
ddee llaa ppaarrttee ssuuppeerriioorr

39. USOS DE CADA TIPO DE MUESTREO
Muestreo Probabilísticos
Estimación de
Parámetros
Comprobación de
Hipótesis
Muestreos No
Probabilísticos
Estudios Pilotos
Estudios Cualitativos
Investigaciones en
poblaciones de difícil
registro o localización
( Ej. Marginales,
prostitutas, enfermos de
VIH, etc…)

40. RECORDANDO: TIPOS DE MUESTREOS
PPRROOBBAABBIILLÍÍSSTTIICCOOSS NNOO PPRROOBBAABBIILLIISSTTIICCOOSS
•Todas las unidades tienen igual
probabilidad de participar en
la muestra.
•La elección de cada unidad
muestral es independiente de las
demás
•Se puede calcular el error muestral
•Cada unidad NO tiene igual
probabilidad de participar en
la muestra.
•No se puede calcular el error
muestral
•Alto riesgo de invalidez
producido por la introducción de
sesgos

41. ALGUNOS TIPOS DE MUESTREO
PROBABILÍSTICO

42. MUESTREOS PROBABILÍSTICOS:
SIMPLE
Se realiza utilizando alguna fuente de elección
aleatoria.
Supone que cada miembro de la población tiene
elemento que lo identifica ( ej. Un número
identificador) y mediante el cual puede ser elegido si
“sale” sorteado.
La afirmación anterior implica que hay que tener un
listado completo de TODOS los miembros de la
población

43. MUESTREOS PROBABILÍSTICOS: SIMPLE
Ventajas
Facilidad en los cálculos
estadísticos
Elevada probabilidad de
lograr “equivalencia” entre
las características de la
muestra y las
correspondientes a la
población
Desventajas
Cada que cada miembro de
la población tiene que ser
identificado
Complicado en poblaciones
grandes
Alto costo

44. MUESTREOS PROBABILÍSTICOS:
MUESTREO ALEATORIO
SISTEMÁTICO  Similar al muestro simple salvo que:
1. Solo la primera unidad de la muestra se elige al azar siempre
que el número seleccionado sea mayor que el coeficiente de
elevación.
 Coeficiente de Elevación = N/ n
 Donde
 N: Tamaño de la población
 n : Tamaño de la muestra
1. Los restantes elementos de la muestra se hayan sumando,
sucesivamente el coeficiente de elevación.

45. MUESTREOS PROBABILÍSTICOS:
MUESTREO ALEATORIO
ESTRATIFICADO Presupone el conocimiento de las características de las
unidades que forman la población para poder dividirla
en grupos ( estratos)
Se eligen los miembros de la muestra en cada estrato
creado siguiendo algún tipo de muestreo de los vistos
anteriormente.

46. EJ. MUESTREO PROBABILÍSTICO
POR ESTRATOS
Estrato Primario
Se seleccionan ALEATORIAMENTE ni profesores de cada una de las escuelas seleccionadas .
Ej. 2 de la escuela primaria 1 y 2 de la escuela primaria 2.

47. MUESTREOS PROBABILÍSTICOS:
MUESTREO ALEATORIO
ESTRATIFICADO CONT…
El objetivo de este tipo de muestreo es garantizar la
representatividad equitativa de los estratos ( que
implica representación equitativa de las características
de la población).
Se logra si:
Son máximas las diferencias entre los estratos
Son mínimas las diferencias entre los miembros de un mismo
estrato.
Los criterios de división de la población en estratos se hallen
relacionadas con los objetivos de la investigación.

48. MUESTREOS PROBABILÍSTICOS:
MUESTREO ALEATORIO
ESTRATIFICADO CONT…
· Los tamaños de cada estrato pueden ser:
Los mismos ( Afiliación simple)
Proporcional al peso relativo ( tamaño) del estrato dentro de
la población (Proporcional)
En función de la heterogeneidad de cada estrato ( Óptima)

49. EJEMPLO: MUESTRO POR ESTRATOS
Ejemplo tomado del Maria Ángeles Cea

50. EJEMPLO MUESTRO POR ESTRATOS.
AFILIACIÓN SIMPLE
= 2500 estratos n
3

51. EJEMPLO MUESTRO POR ESTRATOS.
AFILIACIÓN PROPORCIONAL
n x
= =
0,45 2500 1125
estrato
n x
= =
0,39 2500 975
estrato
n x
0,16 2500 400
1
2
3
= =
estrato

52. EJEMPLO DE MUESTREO POR
ESTRATOS. AFILIACIÓN ÓPTIMA
Paso 1 : Multiplicar el porcentaje de la población correspondiente al estrato por la
varianza del estrato
=
x
45 1900 85500
=
x
39 2600 101400
=
x
16 2100 33600
Paso 2: Se suman todos los valores obtenidos en el paso 1 (85500+101400+33600=220500)
Paso 3: Se calcula a proporción de cada valor obtenido en el paso 1 dentro del paso 2.
= =
oporción
Pr 85500 / 220500 0,388
estrato
1
= =
oporción
Pr 101400 / 220500 0,460
2
estrato
oporción
Pr 33600 / 220500 0,152
3
= =
estrato
Paso 4 : Se calcula el tamaño de la muestra de cada estrato multiplicando
su proporción por el tamaño de la muestra global ( 2500)
=
x
0,388 2500 970
=
x
0,460 2500 1150
=
x
0,152 2500 380
å =
970,1150,380 2500

53. VENTAJAS Y DESVENTAJAS DEL
MUESTREO ALEATORIO
ESTRATIFICADO
Ventajas Desventajas
1. No es necesario
disponer de la lista de
toda la población sino
de las subpoblaciones
de orden superior
extraídas ( por ej. las
escuelas primarias y
secundarias)
2. Existe una
considerable reducción
de costos
 Puede ocurrir que los
miembros de una
unidad superior se
parezcan, reduciendo
la representatividad
de otros en la muestra
final.

54. MUESTREO ALEATORIO POR
CONGLOMERADOS
 La unidad muestral es un grupo de elementos de la
población que forman una unidad, a la que llamamos
conglomerado.
 A diferencia de un estrato, un conglomerado es una
unidad de elementos que contienen representantes de
toda la población

55. EJEMPLO: MUESTREO POR
CONGLOMERADOS
Todos los profesores de las Escuelas 2 (Primaria) y 1 (Secundaria) son parte de la muestra

56. EJEMPLOS DE CONGLOMERADOS
 Zona Geográfica
 Edificio
 Una institución
 …..

57. VENTAJAS DEL MUESTREO POR
CONGLOMERADOS
 Es ventajoso, desde el punto de vista de costos, si se
pueden agrupar los miembros de la población por
conglomerados, en los cuales el criterio de agrupación
no sea la variable que se estudia.
 No es preciso tener un listado de toda la población, sino
de las unidades ( conglomerados) por los que se
agruparán.

58. DESVENTAJAS
 El error es mayor que cuando se utilizan otras técnicas
de muestreo.

59. TIPOS DE MUESTREOS NO
PROBABILÍSTICOS

60. MUESTRO POR CUOTAS
 La población debe ser dividida en estratos
definidos por variables cuya distribución dentro
de la población sea conocida.
 Se procede a calcular el tamaño de cada estrato
siguiendo el mismo procedimiento que si fuese un
muestreo probabilístico estratificado.
( proporcional)

61. MUESTRO POR CUOTAS
 A diferencia del M. Probabilístico Estratificado el
entrevistador es libre para escoger a quienes
forman parte de cada estrato. (CUOTA)

62. MUESTREO POR CUOTAS
Ventajas Desventajas
 Resulta más
económico que los
muestreos
probabilísticos .
 Fácil de ejecutar el
trabajo de campo
 No precisa el listado
de la población
 Supone mayor error muestral
que los diseños
probabilísticos.
 No existe un método válido
para calcular el error.
 Dificultas para el control del
trabajo de campo.
 Limitaciones en la
representatividad de la
muestra para las
características no
especificadas en los controles
de cuotas.

63. MUESTREO DE BOLA DE NIEVE
 Este modelo es particularmente útil cuando se
muestrean poblaciones cuyos componentes, por
motivos morales, ideológicos, legales o políticos
tienen a ocultar su identidad.
 A partir de unos pocos individuos el entrevistador,
con ayuda de los primeros, va “ conociendo” a
nuevos miembros de la muestra.

64. MUESTREO BOLA DE NIEVE
 El riesgo fundamental está asociado a la selección
inadecuada de los primeros miembros de la
muestra y de quienes dependerá el resto.
 También es posible que ocurran distorsiones si no
se tiene en cuenta criterios muy específicos para
la selección de la muestra.

65. PARTE 4
Problemas del muestreo

66. ERRORES DE COBERTURA
 ¿ Como se puede hacer un muestreo probabilístico
si las unidades no son conocidas?
 ¿Cómo localizar a todos los posibles miembros de
la población?
 Si se busca investigar sobre franjas particulares
de la población el problema se hace más difícil de
manejar

67. ERROR DE COBERTURA
 Se produce cuando no son incluidos determinados
elementos de la población objeto de estudio en el
proceso de selección muestral .
 La falta de cobertura impide la cooperación de un
número de unidades muestrales, puesto que
determinados individuos no pueden ser
seleccionados en la muestra, dificultando con ello la
capacidad de inferencia de los hallazgos de la
investigación.

68. ERROR DE COBERTURA
 Este error produce una subestimación en los
resultados, cuya amplitud depende de las
características de las unidades omitidas

69. PROBLEMAS DE REPRESENTATIVIDAD
Si no se ha logrado representatividad en una o varias
variables, el investigador tiene 3 opciones:
a) Trabajar con la muestra no representativa y contar con
ese límite
b) Redefinir la población. Por ejemplo: no hablar de
enfermos de SIDA sino de enfermos de SIDA que son
atendidos en el HULA.
c) Modificar deliberadamente la muestra para que
represente el comportamiento de la variable bajo estudio.

70. ERROR DE NO RESPUESTA

71. TIPOS DE ERROR DE NO RESPUESTA
10/09/14
71

72. EJEMPLOS DE ERRORES DE NO
RESPUESTA
 El entrevistado puede no contestar una pregunta
por falta de conocimiento sobre esa cuestión, por
considerarla muy entrometida al invadir el ámbito
de su privacidad, porque la considera irrelevante
para los objetivos del estudio, etc.
 El entrevistador también contribuye a la no
respuesta parcial por el “olvido” a la hora de
recoger determinadas respuestas, o al tomarlas
equivocadamente.
Ejemplos tomados de : HEADY, P. (1995). «Calibrating Measurement Error in the 1991 Census». Survey
Methods Centre Newsletter, vol. 15, nº 2, p. 3-7.

73. EJEMPLOS DE ERRORES DE NO
RESPUESTA
 Por último, el cuestionario genera no respuestas
por problemas en la redacción de las preguntas, y
por la utilización de preguntas «filtro» para que
un grupo de preguntas no sean respondidas por
determinados entrevistados que cumplen (o no
cumplen) una serie de requisitos.

74. CONSECUENCIAS TIENE LA NO
RESPUESTA

75. MÉTODOS DE REDUCCIÓN DEL
IMPACTO DE LA NO RESPUESTA

76. LA RECOLECCIÓN DE LOS
DATOS
LA ENCUESTA

77. TTEECCNNIICCAASS EE IINNSSTTRRUUMMEENNTTOOSS
DDEE RREECCOOLLEECCCCIIOONN DDEE DDAATTOOSS
LLLLAAAA EEEENNNNCCCCUUUUEEEESSSSTTTTAAAA
LLLLAAAA EEEENNNNTTTTRRRREEEEVVVVIIIISSSSTTTTAAAA
LLLLAAAA OOOOBBBBSSSSEEEERRRRVVVVAAAACCCCIIIIOOOONNNN
EEEELLLL CCCCUUUUEEEESSSSTTTTIIIIOOOONNNNAAAARRRRIIIIOOOO
EEEELLLL CCCCUUUUEEEESSSSTTTTIIIIOOOONNNNAAAARRRRIIIIOOOO
LLIISSTTAA DDEE CCHHEEQQUUEEOO
EESSCCAALLAASS ((((DDEE DDEE PPEERRCCEEPPCCIIOONN))
PPEERRCCEEPPCCIIOONN))

78. IIddeennttiiffiiccaacciióónn ddeell PPrroobblleemmaa..
SSeelleecccciióónn ddee llaa TTééccnniiccaa..
DDiisseeññoo ddee MMuueessttrraa..
DDiisseeññoo ddeell IInnssttrruummeennttoo..
RReeccoolleecccciióónn ddee llaa IInnffoorrmmaacciióónn..
PPrroocceessaammiieennttoo yy AAnnáálliissiiss..
GGeenneerraacciióónn ddee IInnffoorrmmeess..
EE
TT
AA
PP
AA
SS

79.  LA ENCUESTA
Consiste en obtener información de los sujetos
de estudio, proporcionados por ellos mismos.
( opiniones, conocimientos)
A través CUESTIONARIOS

80. CCUUEESSTTIIOONNAARRIIOO
Conjunto de Preguntas
con respecto
a una o más
Variables/Indicadores

81. PARTES DE UN CUESTIONARIO
1. Titulo del instrumento.
2. Presentación
3. Instrucciones.
4. Cuerpo del formulario:
a) Datos generales
b) Datos Específico
(vinculados a la variable en estudio)

82. TIPOS DE PREGUNTAS.
A. PREGUNTAS CERRADAS
a.1 DICOTOMICAS.
1.- ¿Actualmente está desarrollando un proyecto de
investigación?
a. SI ( ) b. NO ( )
2.- ¿Está usted satisfecho con el comportamiento de
liderazgo de su jefe?
a. SI ( ) b. NO ( )

83. TIPOS DE PREGUNTAS EN LOS
CUESTIONARIOS
A.- DE ALTERNATIVA MÚLTIPLE
1.- ¿Que tanta importancia tiene para Ud.
trabajar en una Universidad que proporcione
amplias oportunidades de progreso?
( ) Extraordinariamente importante
( ) Muy importante.
( ) Moderadamente importante
( ) Sin importancia

84. A.- DE ALTERNATIVA MÚLTIPLE
1.- ¿ Con que frecuencia ppaarrttiicciippaa eenn llaass ddeecciissiioonneess
iinnhheerreenntteess aa llaa ccaarrggaa aaccaaddéémmiiccaa ddee llooss ddoocceenntteess??
(( )) MMuuyy ffrreeccuueenntteemmeennttee
(( )) FFrreeccuueenntteemmeennttee
(( )) OOccaassiioonnaallmmeennttee
(( )) NNuunnccaa

85. B.- PPRREEGGUUNNTTAASS AABBIIEERRTTAASS
1.- ¿ Por que decidió estudiar un Diplomado en
Investigación?
2.- ¿ Quien cree Ud. Que será el candidato que mejor
plan de gobierno desarrolle como presidente?

86. ¿ CONVIENE USAR
PREGUNTAS
CERRADAS O
ABIERTAS ?

87. LAS PREGUNTAS CERRADAS:
- Son fáciles de codificar.
- Requieren un menor esfuerzo por parte de los
respondientes.
- Se requiere menos tiempo para contestar.
DESVENTAJA: Limitan las respuestas.
LAS PREGUNTAS ABIERTAS:
 Útiles cuando no tenemos información sobre las
posibles respuestas, o estas son insuficientes.
 Para profundizar una opinión o los motivos de un
comportamiento.
DESVENTAJA:
Difíciles de codificar, clasificar y preparar su
análisis.

88. CARACTERISTICAS DE UNA
PREGUNTA
1.- Claras y comprensibles para los encuestado.
Ejm.
1.1- ¿ Va Ud. a los casinos?
1.2.- ¿ Cada que tiempo prepara ud. Una evaluación
para los estudiantes?

89. CARACTERISTICAS DE UNA
PREGUNTA
2..-- No deben incomodar al encuestado
 ¿Acostumbra a consumir drogas?
 ¿ Cuantas parejas sexuales tiene actualmente?
3.- Deben referirse de preferencia a un solo aspecto
o relación.
 ¿Planea usted viajar este año y trabajar el
próximo?
 ¿ Acostumbra a preparar sus clases con
anticipación y a estudiarlas un día antes?

90. CARACTERISTICAS DE UNA
PREGUNTA
4.- Las preguntas no deben inducir las
respuestas.
¿ Los docentes de la Universidad
“x” son productivos?
¿ Considera a Alan Garcia el mejor
candidato para dirigir nuestro país?
¿No es cierto que Ud. quiere renunciar
a este trabajo?

91. CARACTERISTICAS DE UNA
PREGUNTA
 Las preguntas no deben apoyarse en ideas
respaldadas socialmente o en evidencia
comprobada.
Ejm.
1.- La Iglesia considera que la píldora del día
siguiente es abortiva, Ud. Usaría la píldora del día
siguiente?

92. CARACTERISTICAS DE UNA
PREGUNTA
Rotar el orden de las respuestas.
El lenguaje utilizado en las preguntas debe ser
adaptado a las características de los
encuestados.
Ejm.
1.-¿ Por que candidato presidencial votara UD. en las
próximas elecciones?
a.- Lourdes Flores Nano.
b.- Ollanta Humala.

93. ¿ UNA O VARIAS PREGUNTAS
PARA MEDIR UNA VARIABLE ?
 Solo las preguntas necesarias.
 Depende del numero de dimensiones e indicadores.