Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Podríamos estudiar...
• Nivel socio-económico.
• Incremento en la renta.
• Apertura de nuevos restaurantes.
En un ámbito científico, los datos primarios serían los más reco-
mendados. Aunque debido a su alto costo, es aconsejable utilizar
datos secundarios obtenidos en estudios similares, o estudios don-
de existan variables que suponemos relacionadas.
Podríamos estudiar...
• Nivel socio-económico.
• Incremento en la renta.
• Apertura de nuevos restaurantes.
En un ámbito científico, los datos primarios serían los más reco-
mendados. Aunque debido a su alto costo, es aconsejable utilizar
datos secundarios obtenidos en estudios similares, o estudios don-
de existan variables que suponemos relacionadas.
Podríamos estudiar...
• Nivel socio-económico.
• Incremento en la renta.
• Apertura de nuevos restaurantes.
En un ámbito científico, los datos primarios serían los más reco-
mendados. Aunque debido a su alto costo, es aconsejable utilizar
datos secundarios obtenidos en estudios similares, o estudios don-
de existan variables que suponemos relacionadas.
Podríamos estudiar...
• Nivel socio-económico.
• Incremento en la renta.
• Apertura de nuevos restaurantes.
En un ámbito científico, los datos primarios serían los más reco-
mendados. Aunque debido a su alto costo, es aconsejable utilizar
datos secundarios obtenidos en estudios similares, o estudios don-
de existan variables que suponemos relacionadas.
Podríamos estudiar...
• Nivel socio-económico.
• Incremento en la renta.
• Apertura de nuevos restaurantes.
En un ámbito científico, los datos primarios serían los más reco-
mendados. Aunque debido a su alto costo, es aconsejable utilizar
datos secundarios obtenidos en estudios similares, o estudios don-
de existan variables que suponemos relacionadas.
Podríamos estudiar...
• Nivel socio-económico.
• Incremento en la renta.
• Apertura de nuevos restaurantes.
En la recolección de los datos existen dos elementos claramente
diferenciables:
• Técnicas no probabilísticas:
• Muestreo por conveniencia.
• Muestreo por juicio.
• Muestreo encadenado, (bola de nieve).
• Muestreo por cuotas.
• Técnicas probabilísticas:
• Muestreo aleatorio simple.
• Muestreo aleatorio sistemático.
• Muestreo aleatorio estratificado.
• Muestreo aleatorio por conglomerados.
Técnicas de muestreo
• Técnicas no probabilísticas:
• Muestreo por conveniencia.
• Muestreo por juicio.
• Muestreo encadenado, (bola de nieve).
• Muestreo por cuotas.
• Técnicas probabilísticas:
• Muestreo aleatorio simple.
• Muestreo aleatorio sistemático.
• Muestreo aleatorio estratificado.
• Muestreo aleatorio por conglomerados.
Técnicas de muestreo
• Técnicas no probabilísticas:
• Muestreo por conveniencia.
• Muestreo por juicio.
• Muestreo encadenado, (bola de nieve).
• Muestreo por cuotas.
• Técnicas probabilísticas:
• Muestreo aleatorio simple.
• Muestreo aleatorio sistemático.
• Muestreo aleatorio estratificado.
• Muestreo aleatorio por conglomerados.
Técnicas de muestreo
• Técnicas no probabilísticas:
• Muestreo por conveniencia.
• Muestreo por juicio.
• Muestreo encadenado, (bola de nieve).
• Muestreo por cuotas.
• Técnicas probabilísticas:
• Muestreo aleatorio simple.
• Muestreo aleatorio sistemático.
• Muestreo aleatorio estratificado.
• Muestreo aleatorio por conglomerados.
Técnicas de muestreo
• Técnicas no probabilísticas:
• Muestreo por conveniencia.
• Muestreo por juicio.
• Muestreo encadenado, (bola de nieve).
• Muestreo por cuotas.
• Técnicas probabilísticas:
• Muestreo aleatorio simple.
• Muestreo aleatorio sistemático.
• Muestreo aleatorio estratificado.
• Muestreo aleatorio por conglomerados.
Técnicas no probabilísticas
Muestreo por conveniencia
Muestra no representativa.
Muestreo por conveniencia
Muestra no representativa.
Muestreo por conveniencia
Muestra no representativa.
Muestreo por conveniencia
Muestra no representativa.
Muestreo por conveniencia
Muestra no representativa.
Muestreo por juicio
Muestra subjetiva.
Muestreo por juicio
Muestra subjetiva.
Muestreo por juicio
Muestra subjetiva.
Muestreo por juicio
Muestra subjetiva.
Muestreo por juicio
Muestra subjetiva.
Muestreo encadenado
(bola de nieve)
Seleccionamos ciertos individuos que sirven como punto de partida
para lograr obtener una muestra. Se utiliza cuando, el objetivo de
estudio puede ser delicada ante la sociedad o por la dificultad para
encontrar nuevos individuos.
Es representativo y simple.
Puede introducir homogeneidad.
Muestreo aleatorio sistemático
Se selecciona un elemento i al azar. Los demás elementos de la
muestra son elegidos de forma sistemática, es decir, se buscan los
elementos
i + k, i + 2k, i + 3k, . . . , (n − 1)k,
siendo k el resultado de dividir la población entre el tamaño de la
muestra.
Es representativo y simple.
Puede introducir homogeneidad.
Muestreo aleatorio sistemático
Se selecciona un elemento i al azar. Los demás elementos de la
muestra son elegidos de forma sistemática, es decir, se buscan los
elementos
i + k, i + 2k, i + 3k, . . . , (n − 1)k,
siendo k el resultado de dividir la población entre el tamaño de la
muestra.
Es representativo y simple.
Puede introducir homogeneidad.
Muestreo aleatorio sistemático
Se selecciona un elemento i al azar. Los demás elementos de la
muestra son elegidos de forma sistemática, es decir, se buscan los
elementos
i + k, i + 2k, i + 3k, . . . , (n − 1)k,
siendo k el resultado de dividir la población entre el tamaño de la
muestra.
Es representativo y simple.
Puede introducir homogeneidad.
Muestreo aleatorio sistemático
Se selecciona un elemento i al azar. Los demás elementos de la
muestra son elegidos de forma sistemática, es decir, se buscan los
elementos
i + k, i + 2k, i + 3k, . . . , (n − 1)k,
siendo k el resultado de dividir la población entre el tamaño de la
muestra.
Es representativo y simple.
Puede introducir homogeneidad.
Muestreo aleatorio estratificado
Requiere de dos etapas:
• La población se divide en estratos homogéneos respecto a al-
guna característica.
• Se elige una muestra aleatoria dentro de cada estrato.
• Todas de igual tamaño.
• Proporcional al tamaño de cada estrato.
• Proporcional al tamaño y la desviación estándar de cada
estrato.
Buena precisión.
Exige el conocimiento detallado de la población y
puede ser difícil elegir los estratos.
Muestreo aleatorio estratificado
Requiere de dos etapas:
• La población se divide en estratos homogéneos respecto a al-
guna característica.
• Se elige una muestra aleatoria dentro de cada estrato.
• Todas de igual tamaño.
• Proporcional al tamaño de cada estrato.
• Proporcional al tamaño y la desviación estándar de cada
estrato.
Buena precisión.
Exige el conocimiento detallado de la población y
puede ser difícil elegir los estratos.
Muestreo aleatorio estratificado
Requiere de dos etapas:
• La población se divide en estratos homogéneos respecto a al-
guna característica.
• Se elige una muestra aleatoria dentro de cada estrato.
• Todas de igual tamaño.
• Proporcional al tamaño de cada estrato.
• Proporcional al tamaño y la desviación estándar de cada
estrato.
Buena precisión.
Exige el conocimiento detallado de la población y
puede ser difícil elegir los estratos.
Muestreo aleatorio estratificado
Requiere de dos etapas:
• La población se divide en estratos homogéneos respecto a al-
guna característica.
• Se elige una muestra aleatoria dentro de cada estrato.
• Todas de igual tamaño.
• Proporcional al tamaño de cada estrato.
• Proporcional al tamaño y la desviación estándar de cada
estrato.
Buena precisión.
Exige el conocimiento detallado de la población y
puede ser difícil elegir los estratos.
Muestreo aleatorio estratificado
Requiere de dos etapas:
• La población se divide en estratos homogéneos respecto a al-
guna característica.
• Se elige una muestra aleatoria dentro de cada estrato.
• Todas de igual tamaño.
• Proporcional al tamaño de cada estrato.
• Proporcional al tamaño y la desviación estándar de cada
estrato.
Buena precisión.
Exige el conocimiento detallado de la población y
puede ser difícil elegir los estratos.
Muestreo aleatorio estratificado
Requiere de dos etapas:
• La población se divide en estratos homogéneos respecto a al-
guna característica.
• Se elige una muestra aleatoria dentro de cada estrato.
• Todas de igual tamaño.
• Proporcional al tamaño de cada estrato.
• Proporcional al tamaño y la desviación estándar de cada
estrato.
Buena precisión.
Exige el conocimiento detallado de la población y
puede ser difícil elegir los estratos.
Muestreo aleatorio estratificado
Requiere de dos etapas:
• La población se divide en estratos homogéneos respecto a al-
guna característica.
• Se elige una muestra aleatoria dentro de cada estrato.
• Todas de igual tamaño.
• Proporcional al tamaño de cada estrato.
• Proporcional al tamaño y la desviación estándar de cada
estrato.
Buena precisión.
Exige el conocimiento detallado de la población y
puede ser difícil elegir los estratos.
Muestreo aleatorio por
conglomerados
La unidad muestral es un grupo de elementos de la población que
forman un conglomerado. Se seleccionan aleatoriamente un cierto
número de conglomerados y se investigan todos los elementos per-
tenecientes a cada conglomerado.
Sampling
https://cran.r-project.org/web/packages/sampling/sampling.
pdf
TeachingSampling
https://cran.r-project.org/web/packages/TeachingSampling/
TeachingSampling.pdf
Aplicaciones
Sampling
https://cran.r-project.org/web/packages/sampling/sampling.
pdf
TeachingSampling
https://cran.r-project.org/web/packages/TeachingSampling/
TeachingSampling.pdf
Aplicaciones
Sampling
https://cran.r-project.org/web/packages/sampling/sampling.
pdf
TeachingSampling
https://cran.r-project.org/web/packages/TeachingSampling/
TeachingSampling.pdf
Aplicaciones
Sampling
https://cran.r-project.org/web/packages/sampling/sampling.
pdf
TeachingSampling
https://cran.r-project.org/web/packages/TeachingSampling/
TeachingSampling.pdf