MUESTREO MUESTREO GENERALIDADESGENERALIDADES

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

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.

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.

MUESTREOProcedimiento por el cual se extraese extrae, 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.

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.

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.

CONDICIONES QUE DEBE CUMPLIR UNA “BUENA” MUESTRAQue 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.

CONDICIONES QUE DEBE CUMPLIR UNA “BUENA” MUESTRALa 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.

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.

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

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

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.

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. ¿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

EJEMPLO: ¿HA TOMADO DROGAS ALGUNA VEZ?

100% No Sin sinseridad!!

40% No60% Sí

Con respuesa aleatorizada

Sin respuesta aleatorizada

¡No son mitad y mitad!El porcentaje estimado de individuos que tomó drogas es:

%202,05,01

5,06,0*

p

Los que deben decir la verdad

Diferencia entre los que han dicho sí y los que debían hacerlopor que así lo indicaba la moneda

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.

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.

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.

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)

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

ESTIMACIÓN DEL ERROR

Cuando variable bajo estudio es una media. (solo válido para variables numéricas)

Donde:Z: grado de confianza de la estimacións: desviación típica muestral de la variable analizadan: tamaño de la muestra1-f: Factor de corrección para poblaciones finitas. f= n/N

fze 1n

s

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.

ESTIMACIÓN DEL ERROR

Cuando la variable bajo estudio es una proporción (ej, variables nominales u ordinales con pocas categorías)

Donde:Z: grado de confianza de la estimaciónp: proporción de la muestra para la categoría a examinarq: 1-pn: tamaño de la muestra1-f: Factor de corrección para poblaciones finitas. f= n/N

fn

pqze

1

1

TAMAÑO DE LA MUESTRA VS. ERROR MUESTRAL

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%

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.

CÁLCULO DEL TAMAÑO DE LA MUESTRA *

A los fines de este módulo, utilizaremos una calculadora de muestra, por ejemplo: http://www.netquest.com/panel_netquest/calculadora_muestras.php

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:

EL TAMAÑO DE LA POBLACIÓN NO FUE TOMADO EN CUENTA!!!

POR QUÉ P y Q valen 50 % ?

56252

505032

2

xx

n

CÁLCULO DEL TAMAÑO DE LA MUESTRA PARA POBLACIONES FINITAS. (F=N/N>0,05)Ej. El número óptimo para un

estudio de 60.000 personas estableciendo un nivel de confianza de 95.5%(z=2), y el margen de error en el 3%, sería

4 * 50 * 50 * 60.000

n = --------------------------------- 9 (60.000-1) + 4 * 50 * 50

n= 1091

pqZNe

pqNZn

22

2

)1(

TAMAÑO DE LA MUESTRA

Fuente: Metodología y Técnicas de Investigación Social. Piergiorgio Corbetta

3RA PARTE

TIPOS DE MUESTREO

32

TIPOS/TÉCNICAS DE MUESTREO Cuando elegimos individuo de una población de

estudio para formar muestras podemos encontrarnos en las siguientes situaciones: 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. ¡Buff! En adelante vamos a tratar exclusivamente con

muestreos con la menor posibilidad de sesgo (probabilistas): aleatorio simple, sistemático, estratificado y por grupos.

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.

TIPOS DE MUESTREOS

PROBABILÍSTICOSPROBABILÍSTICOS NO PROBABILISTICOSNO PROBABILISTICOS

•Todas las unidades tienen igualprobabilidad de participar enla muestra.•La elección de cada unidad muestral es independiente de lasdemás•Se puede calcular el error muestral

•Cada unidad NO tiene igualprobabilidad de participar enla muestra.•No se puede calcular el error muestral•Alto riesgo de invalidez producido por la introducción de sesgos

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.

Este diseño es NO probabilístico porque aquellos que Este diseño es NO probabilístico porque aquellos que no van a clases NO PUEDEN ser elegidosno van a clases NO PUEDEN ser elegidos

EJEMPLO: ¿MUESTREO PROBABILÍSTICO?

Se utiliza la lista de propietarios de líneas telefónicas para elegir a aquellos que serán encuestados.

Este diseño es NO Probabilístico porque aquellos que Este diseño es NO Probabilístico porque aquellos que no tienen teléfono NO PUEDEN ser elegidosno tienen teléfono NO PUEDEN ser elegidos

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.

Este diseño es NO probabilísticoEste diseño es NO probabilístico porque solo se toma carbónporque solo se toma carbón

de la parte superiorde la parte superior

USOS DE CADA TIPO DE MUESTREO

Muestreo Probabilísticos

Estimación de ParámetrosComprobación de Hipótesis

Muestreos No ProbabilísticosEstudios PilotosEstudios CualitativosInvestigaciones en poblaciones de difícil registro o localización ( Ej. Marginales, prostitutas, enfermos de VIH, etc…)

RECORDANDO: TIPOS DE MUESTREOS

PROBABILÍSTICOSPROBABILÍSTICOS NO PROBABILISTICOSNO PROBABILISTICOS

•Todas las unidades tienen igualprobabilidad de participar enla muestra.•La elección de cada unidad muestral es independiente de lasdemás•Se puede calcular el error muestral

•Cada unidad NO tiene igualprobabilidad de participar enla muestra.•No se puede calcular el error muestral•Alto riesgo de invalidez producido por la introducción de sesgos

ALGUNOS TIPOS DE MUESTREO PROBABILÍSTICO

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

MUESTREOS PROBABILÍSTICOS: SIMPLE

VentajasFacilidad en los cálculos estadísticosElevada probabilidad de lograr “equivalencia” entre las características de la muestra y las correspondientes a la población

DesventajasCada que cada miembro de la población tiene que ser identificadoComplicado en poblaciones grandes Alto costo

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

2. Los restantes elementos de la muestra se hayan sumando, sucesivamente el coeficiente de elevación.

MUESTREOS PROBABILÍSTICOS: MUESTREO ALEATORIO ESTRATIFICADOPresupone 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.

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.

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 estratosSon 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.

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)

EJEMPLO: MUESTRO POR ESTRATOS

Ejemplo tomado del Maria Ángeles Cea

EJEMPLO MUESTRO POR ESTRATOS. AFILIACIÓN SIMPLE

3

2500estratosn

EJEMPLO MUESTRO POR ESTRATOS. AFILIACIÓN PROPORCIONAL

400250016,0

975250039,0

1125250045,0

3

2

1

xn

xn

xn

estrato

estrato

estrato

EJEMPLO DE MUESTREO POR ESTRATOS. AFILIACIÓN ÓPTIMA

33600210016

101400260039

85500190045

x

x

x

Paso 1 : Multiplicar el porcentaje de la población correspondiente al estrato por la varianza del estrato

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.

152,0220500/33600Pr

460,0220500/101400Pr

388,0220500/85500Pr

3

2

1

estrato

estrato

estrato

oporción

oporción

oporción

Paso 4 : Se calcula el tamaño de la muestra de cada estrato multiplicando su proporción por el tamaño de la muestra global ( 2500)

2500380,1150,970

3802500152,0

11502500460,0

9702500388,0

x

x

x

VENTAJAS Y DESVENTAJAS DEL MUESTREO ALEATORIO ESTRATIFICADO

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.

Ventajas Desventajas

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

EJEMPLO: MUESTREO POR CONGLOMERADOS

Todos los profesores de las Escuelas 2 (Primaria) y 1 (Secundaria) son parte de la muestra

EJEMPLOS DE CONGLOMERADOS

Zona Geográfica Edificio Una institución …..

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.

DESVENTAJAS

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

TIPOS DE MUESTREOS NO PROBABILÍSTICOS

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)

MUESTRO POR CUOTAS

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

MUESTREO POR CUOTAS

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.

Ventajas Desventajas

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.

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.

PARTE 4Problemas del muestreo

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

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.

ERROR DE COBERTURA

Este error produce una subestimación en los resultados, cuya amplitud depende de las características de las unidades omitidas

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.

ERROR DE NO RESPUESTA

TIPOS DE ERROR DE NO RESPUESTA

04/13/23

70

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». SurveyMethods Centre Newsletter, vol. 15, nº 2, p. 3-7.

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.

CONSECUENCIAS TIENE LA NO RESPUESTA

MÉTODOS DE REDUCCIÓN DEL IMPACTO DE LA NO RESPUESTA

LA RECOLECCIÓN DE LOS DATOSLA ENCUESTA

LA ENCUESTALA ENCUESTALA ENCUESTALA ENCUESTA

LA ENTREVISTALA ENTREVISTALA ENTREVISTALA ENTREVISTA

LA OBSERVACIONLA OBSERVACIONLA OBSERVACIONLA OBSERVACION

EL CUESTIONARIOEL CUESTIONARIOEL CUESTIONARIOEL CUESTIONARIO

EL CUESTIONARIOEL CUESTIONARIOEL CUESTIONARIOEL CUESTIONARIO

LISTA DE CHEQUEOLISTA DE CHEQUEOESCALAS ESCALAS (DE PERCEPCION)(DE PERCEPCION)

LISTA DE CHEQUEOLISTA DE CHEQUEOESCALAS ESCALAS (DE PERCEPCION)(DE PERCEPCION)

TECNICASTECNICAS EE INSTRUMENTOSINSTRUMENTOSDEDE RECOLECCIONRECOLECCION DEDE DATOSDATOSTECNICASTECNICAS EE INSTRUMENTOSINSTRUMENTOSDEDE RECOLECCIONRECOLECCION DEDE DATOSDATOS

Identificación del Problema.Identificación del Problema.

Selección de la Técnica.Selección de la Técnica.

Diseño de Muestra.Diseño de Muestra.

Diseño del Instrumento.Diseño del Instrumento.

Recolección de la Información.Recolección de la Información.

Procesamiento y Análisis.Procesamiento y Análisis.

Generación de Informes.Generación de Informes.

EE

TT

AA

PP

AA

SS

EE

TT

AA

PP

AA

SS

LA ENCUESTA

Consiste en obtener información de los sujetos de estudio, proporcionados por ellos mismos. ( opiniones, conocimientos)

CUESTIONARIOSA través

CUESTIONARIOCUESTIONARIO

Conjunto de Preguntas

con respecto

a una o más

Variables/Indicadores

Conjunto de Preguntas

con respecto

a una o más

Variables/Indicadores

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)

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 ( )

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

1.- ¿ Con que frecuencia participa en las 1.- ¿ Con que frecuencia participa en las decisiones inherentes a la carga académica decisiones inherentes a la carga académica de los docentes?de los docentes?

( ) Muy frecuentemente( ) Muy frecuentemente

( ) Frecuentemente( ) Frecuentemente

( ) Ocasionalmente( ) Ocasionalmente

( ) Nunca( ) Nunca

A.- DE ALTERNATIVA MÚLTIPLE

B.- PREGUNTAS ABIERTAS B.- PREGUNTAS ABIERTAS

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?

¿ CONVIENE USAR PREGUNTAS CERRADAS O ABIERTAS ?

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.

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?

2.- 2.- No deben incomodar al encuestado

2.1.- ¿Acostumbra a consumir drogas?

2.2.- ¿ Cuantas parejas sexuales tiene actualmente?

3.- Deben referirse de preferencia a un solo aspecto o relación.

3.1.-¿Planea usted viajar este año y trabajar el próximo?

3.2.- ¿ Acostumbra a preparar sus clases con anticipación y a estudiarlas un día antes?

CARACTERISTICAS DE UNA PREGUNTA

4.- Las preguntas no deben inducir las respuestas.

4.1.- ¿ Los docentes de la Universidad “x” son productivos?

4.2.- ¿ Considera a Alan Garcia el mejor candidato para dirigir nuestro país?

4.3.- ¿No es cierto que Ud. quiere renunciar a este trabajo?

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?

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.

CARACTERISTICAS DE UNA PREGUNTA

¿ UNA O VARIAS PREGUNTAS PARA MEDIR UNA VARIABLE ?

Solo las preguntas necesarias. Depende del numero de dimensiones e

indicadores.