1a clase Distribucion frecuencias cp

Vista previa del material en texto

POBLACION
POBLACION
Es el conjunto completo de individuos, animales u objetos con una característica o atributo en general
POBLACION
Es un conjunto finito o infinito de personas, animales o cosas que presentan características comunes, sobre los cuales se quiere efectuar un estudio determinado. 
POBLACION
“Una población es un conjunto de todos los elementos que estamos estudiando, acerca de los cuales intentamos sacar conclusiones”. 
 
 Levin & Rubin (1996).
POBLACION
“Una población es un conjunto de elementos que presentan una característica “común”. 
 Cadenas (1974).
POBLACION
Ejemplo:
Si vamos a realizar estudios de investigación en seres humanos, primero debemos de ubicar el lugar de procedencia de las unidades de estudio. 
POBLACION
Estas unidades que van a cumplir con los criterios de selección, recién van a conformar la POBLACIÓN DE ESTUDIO, unidades que cumplen los criterios de seleccion
POBLACION
Es decir la diferencia en la población general y la población de estudio, es que en esta ultima las unidades de estudio cumplen los criterios de selección que se ha establecido para el trabajo científico.
POBLACION
Lo ideal seria estudiar a toda la población de estudio, sin embargo por razones de dinero y de tiempo, no es factible estudiar a toda esta población de estudio y muchas veces sacamos una población de muestra. 
POBLACION
Esta muestra esta en base a:
1) La formula del tamaño 
 muestral, y 
2) Al tipo de muestreo. 
Estos 2 conceptos van a poder guiar al investigador a tener una Muestra Representativa, que va a representar a la población de estudio
POBLACION
Pero muchos lo que frecuentemente hacen es un grave error, osea se Generaliza la muestra a la población en general, ni siquiera a la población de estudio. 
Ejemplo:
POBLACION
Según el número de elementos la población puede ser:
a) Finita : está formada por un limitado número de elementos, por ejemplo; el número de habitantes de una comarca.
POBLACION
b) Infinita: Cuando el número de elementos que integra la población es muy grande, se puede considerar a esta como una población infinita, por ejemplo; el conjunto de todos los números positivos.
POBLACION
Cuando la población es muy grande, se multiplica la complejidad, en cuanto al trabajo, tiempo y costos necesarios para hacerlo.
 
Para solucionar este inconveniente se utiliza una muestra estadística.
CRITERIOS DE SELECCION
CRITERIOS DE SELECCION
Son todas las características que deben poseer las unidades de observación para ser consideradas como parte de la población de estudio.
CRITERIOS DE SELECCION
Se pueden describir también Criterios de Inclusión y criterios de Exclusión por separado.
¿Cómo seleccionamos a los participantes?
CRITERIOS DE INCLUSIÓN E EXCLUSIÓN.
Definición de las características que necesariamente deberán tener los elementos de estudio (la muestra). 
CRITERIOS DE INCLUSIÓN:
Utilizados para seleccionar a los participantes, entre los potenciales participantes: 
Que tenga característica o condición en estudio.
Edad, sexo, …, apropiados. 
Que desee colaborar. 
Que pueda participar.
Que no presente otras características no deseadas. 
CRITERIOS DE EXCLUSIÓN
Características de los casos que aún cumpliendo los criterios de inclusión, presentan otras características no deseadas que no deberá tener la muestra. 
(Nunca entraron al estudio)
CRITERIOS DE ELIMINACIÓN
Definición de las características que presenten los sujetos de estudio durante el desarrollo del mismo y que obliguen a prescindir de ellos. 
(Entraron pero se les eliminó)
MUESTRA
MUESTRA
Es un subconjunto obtenido de la población de estudio.
MUESTRA
Es una parte o porción extraída de un conjunto por métodos que permiten considerarla como representativa del mismo.
MUESTRA
Es un subconjunto cualquiera de la población . 
Para que la muestra nos sirva para extraer conclusiones sobre la población deber ser representativa, lo que se consigue seleccionando sus elementos al azar, lo que da lugar a una muestra aleatoria. 
MUESTRA
Debe obtenerse de la población que se desea estudiar. 
Una muestra debe ser definida sobre la base de la población determinada, y las conclusiones que se obtengan de dicha muestra sólo podrán referirse a la población en referencia.
MUESTRA
Una vez que se ha decidido escoger una muestra, se deben tener presentes dos cosas:
1) La determinación del mínimo 
 tamaño muestral requerido.
2) El Procedimiento de selección 
 de la muestra (conocido como 
 diseño muestral.
TAMAÑO MUESTRAL
Para la mayoría de estudios, el mínimo tamaño muestral requerido se estima a través de la aplicación de formulas.
Existe una formula para cada tipo de estudio en particular.
¿DE QUÉ DEPENDE EL TAMAÑO MUESTRAL?
El tamaño muestral dependerá de decisiones estadísticas y no estadísticas, pueden incluir por ejemplo la disponibilidad de los recursos, el presupuesto o el equipo que estará en campo.
¿DE QUÉ DEPENDE EL TAMAÑO MUESTRAL?
Antes de calcular el tamaño de la muestra necesitamos determinar varias cosas:
Tamaño de la población. 
Margen de error (intervalo de confianza). 
Nivel de confianza. 
La desviación estándar. 
¿DE QUÉ DEPENDE EL TAMAÑO MUESTRAL?
Tamaño de la población. 
Hablamos de dos tipos: población objetivo, que suele tiene diversas características y también es conocida como la población teórica. 
La población accesible es la población sobre la que los investigadores aplicaran sus conclusiones.
¿DE QUÉ DEPENDE EL TAMAÑO MUESTRAL?
Margen de error (intervalo de confianza). 
Es una estadística que expresa la cantidad de error de muestreo aleatorio en los resultados de una encuesta.
Es decir, es la medida estadística del número de veces de cada 100 que se espera que los resultados se encuentren dentro de un rango específico.
¿DE QUÉ DEPENDE EL TAMAÑO MUESTRAL?
Nivel de confianza. 
Son intervalos aleatorios que se usan para acotar un valor con una determinada probabilidad alta. 
Por ejemplo, un intervalo de confianza de 95% significa que los resultados de una acción probablemente cubrirán las expectativas el 95% de las veces.
¿DE QUÉ DEPENDE EL TAMAÑO MUESTRAL?
La desviación estándar. 
Es un índice numérico de la dispersión de un conjunto de datos (o población). 
Mientras mayor es la desviación estándar, mayor es la dispersión de la población.
VARIABLE ALEATORIA
VARIABLE ALEATORIA
Recordando:
Una variable se dice que es aleatoria, si los posibles valores que puede tomar son determinados por el azar. 
VARIABLE ALEATORIA
Por ejemplo, en una epidemia de cólera, se sabe que una persona cualesquiera puede enfermar o no (eventos), pero no se sabe cuál de los dos eventos va a ocurrir. 
Solamente se puede decir que existe una probabilidad de que la persona enferme.
Las variables aleatorias se clasifican:
Discretas: aquellas que resultan de contar el número de casos en los que el evento de interés ocurre.
Ejemplo: numero de hijos de una familia, número de veces que llega una paciente al servicio de emergencia, etc.
Las variables aleatorias se clasifican:
b) Continuas: aquellas que resultan producto de una medición Ejemplo: el peso, el nivel de hemoglobina, etc.
Cuando una variable puede tomar cualquiera de los valores entre dos números dados.
TAMAÑO MUESTRAL
TAMAÑO MUESTRAL
Luego de recordar las variables aleatorias, continuamos con las formulas para hallar la distribución de probabilidades discretas y continuas.
TAMAÑO MUESTRAL
FORMULAS:
VARIABLES CUALITATIVAS : 
Se utiliza para “Estimación de Proporciones”
a) Cuando no se conoce la población. 
 
 n= . Z².p.q .
 E²
n= tamaño de la muestra
Z= nivel de confianza
p= probabilidad de éxito
q= probabilidad de fracaso
E= error muestral
Ejemplo: Se desea estimar la proporción de pacientes diabéticos de una ciudad que prefieren consumir un nuevo medicamento, con una confianza del 95% y un error del 5%.
Z (nivel de confianza) = 95% 
E (error) = 5%p = 50% 
q= 50% 
 n= Z².p.q 
 E²
 
	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	1.96	1.88	1.81	1.75	1.69	1.65	1.28	1	0.6745
		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
Ejemplo: Se desea estimar la proporción de pacientes diabéticos de una ciudad que prefieren consumir un nuevo medicamento, con una confianza del 95% y un error del 5%.
Z (nivel de confianza) = 95% -------- Z= 1.96
E (error) = 5% -----E= 0.05
p = 50% ---- 0.5
q = 50% ---- 0.5
 
 n= Z².p.q 
 E²
 n= 1.96² x 0.5 x 0.5 = 3.8416 x 0.25
 0.05² 0.25
 
 n= 384.16 = 385 pacientes
Determinar el nivel de confianza con que se desea trabajar. (Z ), donde
z = 1.96 para un 95% de confianza o 
z= 1.65 para el 90% de confianza
	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	1.96	1.88	1.81	1.75	1.69	1.65	1.28	1	0.6745
		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
TAMAÑO MUESTRAL
FORMULAS:
VARIABLES CUALITATIVAS: 
b) Cuando se conoce la población.
 n= . N.Z².p.q .
 (N-1)E² + Z².p.q
n= tamaño de la muestra
Z= nivel de confianza
p= probabilidad de éxito
q= probabilidad de fracaso
E= error muestral
N= Población o Universo.
Ejemplo: En la ciudad hay 2500 familias y en una encuesta anterior, solamente el 12% de pacientes manifestaron consumir un nuevo medicamento
 
N = 2500 familias
Z (nivel de confianza) = 95% -------- Z= 1.96
E (error) = 5% -----E= 0.05
p= 0.12
q= 0.88
 
 n= . N.Z².p.q .
 (N-1)E² + Z².p.q
Ejemplo: En una ciudad hay 2500 familias y en una encuesta anterior, solamente el 12% de pacientes manifestaron consumir un nuevo medicamento
N = 2500 familias
Z (nivel de confianza) = 95% -------- Z= 1.96
E (error) = 5% -----E= 0.05
p= 0.12
q= 0.88
 n= . N.Z².p.q .
 (N-1)E² + Z².p.q
 
n= . 2500 x 1.96² x 0.12 x 0.88 .
 (2499 x 0.05²) + (1.96² x 0.12 x 0.88)
 
n= . 2500 x 3.84 x 0.12 x 0.88 .
 (2499 x 0.0025) + (3.84 x 0.12 x 0.88) 
n= . 1013.76 . 
 (6.2475) + (0.4055) 
 
n= . 153 pacientes
TAMAÑO MUESTRAL
FORMULAS:
VARIABLES CUANTITATIVAS (o Discretas): 
Se utiliza para “Estimación de Promedios”
a) Cuando no se conoce la población
 n= Z² ²
 E²
Ejemplo: Se desea estimar el gasto promedio mensual en dólares que una familia de la ciudad de Ica gasta en medicamentos.
 
Calcule cuantas familias se deben tomar como muestra con una confianza del 95% y un error de 2 dólares. Un especialista a estimado una desviación estándar de 9 dólares
Z (nivel de confianza) = 95% -------- Z= 1.96
E (error) = $ 2-----E= 0.05
σ = $ 9
 n= Z² . σ²
 E²
a) Calcule cuantas familias se deben tomar como muestra con una confianza del 95% y un error de 2 dólares. Un especialista a estimado una desviación estándar de 9 dólares
Z (nivel de confianza) = 95% -------- Z= 1.96
E (error) = $ 2-----E= 0.05 ( solo tomo el 2 , en caso de que no me de el 2 , tomo el 0.05)
σ = $ 9
 n= Z² . σ²
 E²
 n= 1.96² x 9² = 3.84 x 81 
 2² 4
n= 77.76 n= 78 familias 
TAMAÑO MUESTRAL
FORMULAS:
VARIABLES CUANTITATIVAS (o Discretas): 
Se utiliza para “Estimación de Promedios”
Cuando se conoce la población
 n= . N.Z². ² .
 (N-1)E²+Z².²
Ejemplo: Se desea estimar el gasto promedio mensual en dólares que una familia de la ciudad de Ica gasta en medicamentos.
b) Haga el cálculo para una nueva urbanización con 850 familias con un 99% de confianza y un error de 1.5 dólares, considerando la desviación estándar con un valor de 9 dólares
N= 850 
Z (nivel de confianza) = 99% -------- Z= 2.58
E (error) = $ 1.5
σ = $ 9 
 
 n= . N.Z². σ² .
 (N-1)E²+Z².σ²
	TABLA DE APOYO AL CALCULO DEL TAMAÑO DE UNA MUESTRA
POR NIVELES DE CONFIANZA									
	 Certeza	99%	95%	94%	93%	92%	91%	90%	80%	62.27%
	Z	 2.58	1.96	1.88	1.81	1.75	1.69	1.65	1.28	1
		6.6564	3.84	3.53	3.28	3.06	2.86	2.72	1.64	1.00
	e		0.05	0.06	0.07	0.08	0.09	0.10	0.20	0.37
			0.0025	0.0036	0.0049	0.0064	0.0081	0.01	0.04	0.1369
b) Haga el cálculo para una nueva urbanización con 850 familias con un 99% de confianza y un error de 1.5 dólares, considerando la desviación estándar con un valor de 9 dólares
N= 850 
Z (nivel de confianza) = 99% -------- Z= 2.58
E (error) = $ 1.5
σ = $ 9
 n= . N.Z². σ² .
 (N-1)E²+Z².σ² 
 
n= . 850 x 2.58² x 9² = n= . 850 x 6.6564 x 81 .
 (849 x 1.5²) + (2.58² x 9²) (849 x 2.25) + (6.6564 x 81)
 n= . 850 x 6.6564 x 81 . = n= . 458293.14 . 
 (849 x 2.25) + (6.6564 x 81) (1910.25) + (539.16) 
 
n= = 458293.14 = 87.10 familias
 2449.41
 
n = 88 familias
MUESTREO
MUESTREO
- Procedimiento para la 
 obtención de una 
 muestra. 
 
 Es el proceso de
 obtención de la muestra. 
MUESTREO
Definición: 
Proceso que nos permite la extracción de una muestra a partir de una población.
MUESTREO
La muestra habrá de ser representativa de la población, para que podamos efectuar inferencias que tengan sentido.
MUESTREO
Lo ideal seria estudiar a toda la población de estudio para poder extrapolar los resultados a este mismo grupo, sin embargo por razones de dinero y de tiempo, no es factible estudiar a toda la población de estudio y muchas veces sacamos una población de muestra.
MUESTREO
Esta muestra esta basada en:
1) La formula del tamaño 
 muestral, y 
2) Al tipo de muestreo. 
MUESTREO
- Estos 2 conceptos van a poder guiar al investigador a tener una Muestra Representativa, que va a representar a la población de estudio.
MUESTREO
Pero muchas veces lo que frecuentemente se hace es un grave error, osea se Generaliza la muestra a la población en general, ni siquiera a la población de estudio. 
MUESTREO
 La división de las técnicas de muestreo son:
1) Probabilístico, y
2) No probabilístico. 
MUESTREO
1) MUESTREO PROBABILÍSTICO
Son aquellos que se basan en el principio de equiprobabilidad. 
MUESTREO
1) MUESTREO PROBABILÍSTICO
Es decir, aquellos en los que todos los individuos tienen la misma probabilidad de ser elegidos para formar parte de una muestra.
MUESTREO
1) MUESTREO PROBABILÍSTICO
Sólo estos métodos de muestreo probabilísticos nos aseguran la representatividad de la muestra extraída y son, por tanto, los más recomendables. 
MUESTREO
1) MUESTREO PROBABILÍSTICO 
Cuando los integrantes de la muestra se escogen al azar y por lo tanto, puede calcularse con antelación la probabilidad de obtener cada una de las muestras que pueden formarse de esa población. 
MUESTREO
1) MUESTREO PROBABILÍSTICO
 O la probabilidad que tiene cada elemento de la población de ser incluido en la muestra.
MUESTREO
1) MUESTREO PROBABILÍSTICO
En este tipo de muestreo, la probabilidad de aparición en una muestra de cualquier elemento de la población es conocida (o calculable). 
MUESTREO
1) MUESTREO PROBABILÍSTICO
El muestreo probabilístico es el único camino que existe para obtener una muestra representativa que nos permite conocer los parámetros de una población.
MUESTREO
1) MUESTREO PROBABILÍSTICO
Es el único científicamente válido, y es sobre el que nos extenderemos especialmente.MUESTREO
1) MUESTREO PROBABILÍSTICO
Este muestreo garantiza que, a la larga, las muestras que se van obteniendo de la población sean representativas de la misma. 
MUESTREO
1) MUESTREO PROBABILÍSTICO
Aquí encontramos los siguientes tipos:
a) Muestreo aleatorio simple.
b) Muestreo estratificado.
c) Muestreo por conglomerados.
d) Muestreo sistemático.
1) MUESTREO ALEATORIO SIMPLE
Muestreo probabilístico
1. Muestreo aleatorio simple
Es aquel en el que, a priori, todos los elementos de la muestra tienen la misma probabilidad de aparición.
Muestreo probabilístico
1. Muestreo aleatorio simple
Es la forma más fácil de muestreo probabilístico. 
Lo único que el investigador tiene que hacer es asegurarse de que todos los miembros de la población sean incluidos en la lista y luego seleccionar al azar el número deseado de sujetos.
Muestreo probabilístico
1. Muestreo aleatorio simple
El procedimiento empleado es el siguiente: 
1) se asigna un número a cada individuo de la población, y 
Muestreo probabilístico
1. Muestreo aleatorio simple
2) A través de algún medio mecánico (bolas dentro de una bolsa, tablas de números aleatorios, números aleatorios generados con una calculadora u ordenador, etc.) se eligen tantos sujetos como sea necesario para completar el tamaño de muestra requerido.
Muestreo probabilístico
1. Muestreo aleatorio simple
Supongamos que existe una población de 50.000 individuos, y que tenemos un listado con sus nombres. Si queremos elegir 100 personas, lo que necesitamos es que al azar se elija a 100 individuos de esos 50.000.
Muestreo probabilístico
1. Muestreo aleatorio simple
TIPOS
 Sin reposición de los 
 elementos: 
 Cada elemento extraído se 
 descarta para la subsiguiente 
 extracción. 
Muestreo probabilístico
1. Muestreo aleatorio simple
Por ejemplo:
Si se extrae una muestra de una "población" de bombillas para estimar la vida media de las bombillas que la integran, no será posible medir más que una vez la bombilla seleccionada.
Muestreo probabilístico
1. Muestreo aleatorio simple
b) Con reposición de los 
 elementos: 
Las observaciones se realizan con remplazo de los individuos, de forma que la población es idéntica en todas las extracciones. 
Muestreo probabilístico
1. Muestreo aleatorio simple
	VENTAJAS	DESVENTAJAS
	- Sencillo y de fácil comprensión.	Requiere que se posea de antemano un listado completo de toda la población.
	- Calculo rápido de medias y varianzas.	Si trabajamos con muestras pequeñas, es posible que no representen a la población adecuadamente.
	- Existen paquetes informáticos para analizar los datos.	
2) MUESTREO ESTRATIFICADO
Muestreo probabilístico
2) MUESTREO ESTRATIFICADO
Es también conocido como muestreo aleatorio proporcional. Ésta es una técnica de muestreo probabilístico en donde los sujetos son inicialmente agrupados en diferentes categorías, tales como la edad, el nivel socioeconómico o el género.
Muestreo probabilístico
2) MUESTREO ESTRATIFICADO
Luego, el investigador selecciona aleatoriamente la lista final de sujetos de los distintos estratos. 
Es importante tener en cuenta que los estratos no se superpongan.
Muestreo probabilístico
2) MUESTREO ESTRATIFICADO
Generalmente, los investigadores utilizan un muestreo aleatorio estratificado si quieren estudiar un determinado subgrupo dentro de la población.
Muestreo probabilístico
2) MUESTREO ESTRATIFICADO
Evidentemente, cada individuo debe pertenecer a un estrato (y solo uno), y cada individuo del estrato habrá de tener la misma probabilidad de ser escogido como parte de la muestra.
Muestreo probabilístico
2) MUESTREO ESTRATIFICADO
Ejemplo: Supongamos que, en Ica, 70% de los niños de primaria van a escuela pública y el 30% privada. Si queremos 1,000 niños, lo que haremos es dividir los alumnos en 2 estratos (pública y privada) y se eligen aleatoriamente 700 niños de la pública y aleatoriamente 300 de la privada.
Muestreo probabilístico
2) MUESTREO ESTRATIFICADO
Ejemplo:
En una fabrica que consta de 600 trabajadores queremos tomar una muestra de 20. Sabemos que hay 200 trabajadores en la sección A, 150 en la B, 150 en la C y 100 en la D.
Muestreo probabilístico
2) MUESTREO ESTRATIFICADO
La distribución de la muestra en función de los diferentes estratos se denomina AFIJACIÓN, y puede ser de diferentes tipos:
a) Afijación Simple: A cada estrato le corresponde igual número de elementos muéstrales.
Muestreo probabilístico
2) MUESTREO ESTRATIFICADO
b) Afijación Proporcional: La distribución se hace de acuerdo con el peso (tamaño) de la población en cada estrato. 
3) MUESTREO POR CONGLOMERADOS
Muestreo probabilístico 
3) Muestreo por conglomerados
En el muestreo por conglomerados, en lugar de considerar cada elemento de la población, lo que consideramos son “conglomerados de elementos”. 
Muestreo probabilístico 
3) Muestreo por conglomerados
El proceso es elegir aleatoriamente uno o varios conglomerados y la muestra estará formada por TODOS los elementos de los conglomerados.
Muestreo probabilístico 
3) Muestreo por conglomerados
En el muestreo por conglomerados la unidad muestral es un grupo de elementos de la población que forman una unidad, a la que llamamos conglomerado. 
Muestreo probabilístico 
3) Muestreo por conglomerados
Las unidades hospitalarias, los departamentos universitarios, una caja de determinado producto, etc., son conglomerados naturales. 
Muestreo probabilístico 
3) Muestreo por conglomerados
Cuando los conglomerados son áreas geográficas suele hablarse de "muestreo por áreas". 
Muestreo probabilístico 
3) Muestreo por conglomerados
Ejemplos:
- En las encuestas durante las elecciones, los conglomerados pueden ser las mesas electorales, y lo que se hace es escoger algunas mesas al azar (y de ahí se toman todos los votos de las mesas seleccionadas).
Muestreo probabilístico 
3) Muestreo por conglomerados
Ejemplos:
- En otros ejemplos, los conglomerados pueden ser los bloques de viviendas, los municipios, etc.
5) MUESTREO SISTEMÁTICO
Muestreo probabilístico 
5) MUESTREO SISTEMÁTICO
Se puede comparar con una progresión aritmética en donde la diferencia entre dos números consecutivos es la misma. 
Muestreo probabilístico 
5) MUESTREO SISTEMÁTICO
Por ejemplo, supongamos que se esta en una clínica y tenemos 100 pacientes.
Lo primero que se tiene que hacer es elegir un número entero que sea menor que el número total de la población. Éste será tu primer sujeto, por ejemplo (3).
Muestreo probabilístico 
5) MUESTREO SISTEMÁTICO
Selecciona otro número entero que será el número de individuos entre los sujetos, por ejemplo, (5).
Los sujetos serán los pacientes 3, 8, 13, 18, 23 y así sucesivamente.
No existe una ventaja clara en la utilización de esta técnica.
Muestreo probabilístico 
5) MUESTREO SISTEMÁTICO
Supongamos que tenemos una lista de N elementos (estudiantes de secundaria) y queramos una muestra de tamaño “n”. 
Utilizamos una constante, denominada coeficiente de elevación: 
 K= N/n
Muestreo probabilístico 
5) MUESTREO SISTEMÁTICO
Lo que se hace es ordenarlos (en función de los apellidos) y después se elige aleatoriamente un elemento entre los N/n=k primeros, y luego se elige de manera sistemática el que esté k lugares después del primer elemento, y así sucesivamente.
Muestreo probabilístico 
5) MUESTREO SISTEMÁTICO
Ejemplo: Tenemos 10000 estudiantes (en una lista) y queremos obtener una muestra de 100 estudiantes. 
Primero elegimos al azar un estudiante entre los 10000/100=100 primeros (supongamos que salga el 26), el segundo elemento será el estudiante 100+26 (126), el siguiente será el 226, luego el 326, etc.
MUESTREO 
NO PROBABILÍSTICO
MUESTREO NO PROBABILÍSTICO
 (O muestreo no aleatorio) es la técnica de muestreo donde los elementos son elegidos a juicio del investigador. 
No se conoce la probabilidad con la que se puede seleccionar a cada individuo.
MUESTREO NO PROBABILÍSTICOEs aquel en el que la selección de los elementos de la muestra no se hacen al azar.
MUESTREO NO PROBABILÍSTICO
El muestreo no probabilístico se utiliza cuando es imposible o muy difícil obtener la muestra por métodos de muestreo probabilístico.
MUESTREO NO PROBABILÍSTICO
Las muestras seleccionadas por métodos de muestreo no aleatorios intentan ser representativas bajo los criterios del investigador, pero en ningún caso garantizan la representatividad.
MUESTREO NO PROBABILÍSTICO
Por ejemplo, imaginemos que se quiere realizar un estudio de los miembros de una secta secreta. De inicio, no se conoce a los miembros de la secta, no se conoce a todos los sujetos y estos tendrán probabilidad cero de estar en la muestra.
Tipos de muestreo no probabilístico:
1) MUESTREO POR 
 CONVENIENCIA: 
Consiste en seleccionar a los individuos que convienen al investigador para la muestra. 
Tipos de muestreo no probabilístico:
Esta conveniencia se produce porque al investigador le resulta más fácil examinar a estos sujetos, ya sea por proximidad geográfica, por ser sus amigos, etc.
Tipos de muestreo no probabilístico:
2. MUESTREO POR CUOTAS: 
Se basa en seleccionar la muestra después de dividir la población en grupos o estratos. 
Los sujetos dentro de cada grupo se eligen a dedo.
Tipos de muestreo no probabilístico:
3) MUESTREO DE BOLA DE NIEVE (o muestreo por referidos): 
Se realiza sobre poblaciones donde no se conoce a sus individuos o es muy difícil acceder a ellos. 
Se llama muestreo de bola de nieve porque cada sujeto estudiado propone a otros, produciendo un efecto acumulativo parecido a una bola de nieve.
Tipos de muestreo no probabilístico:
4) MUESTREO DISCRECIONAL (o muestreo por juicio): 
Los sujetos se seleccionan a base del conocimiento y juicio del investigador.
Tipos de muestreo no probabilístico:
5) MUESTREO CASUAL O ACCIDENTAL: 
Los individuos son elegidos de manera casual, sin ningún juicio previo. 
Las personas que realizan el estudio eligen un lugar o un medio, y desde ahí realizan el estudio a los individuos de la población que accidentalmente se encuentren a su disposición.
VENTAJAS DEL MUESTREO
Costos reducidos.
b) Mayor rapidez para obtener el 
 resultados.
c) Mayor exactitud o mejor calidad 
 de la información:
 - Volumen de trabajo reducido.
 - Puede existir mayor supervisión en 
 el trabajo.
 
VENTAJAS DEL MUESTREO
 - Se puede dar mas 
 entrenamiento al personal.
 - Menor probabilidad de 
 cometer errores durante el 
 procesamiento de la 
 información.
VENTAJAS DEL MUESTREO
d) Factibilidad de hacer el 
 estudio cuando la toma de 
 datos implica ciertas 
 técnicas:
 - Pruebas de germinación.
 - Análisis de sangre.
PRACTICA
https://www.youtube.com/watch?v=iXJfDZAt2qs