ESQUEMA GENERAL DEL PROYECTO DE TESIS
PORTADA
INDICE
INTRODUCCION
I. EL PROBLEMA DE INVESTIGACION
1.1 Situación problemática
1.2 Delimitación del problema
1.3 Formulación del problema
1.4 Limitaciones de la investigación
1.5 Justificación e importancia de la
investigación
II. HIPOTESIS , VARIABLES Y OBJETIVOS
2.1 Hipótesis
2.2 Variables
2.3 Operacionalización de las variables
2.4 Objetivos
III. MARCO TEORICO
3.1 Antecedentes
3.2 Bases teóricas
3.3 Marco conceptual
IV. METODOLOGIA DE LA
INVESTIGACION
4.1 Tipo y nivel de investigación
4.2 Población y muestra
4.3 Diseño del método
4.4 Técnicas de recolección de
información
4.5 Instrumentos de recolección de
información
4.6 Técnicas de análisis e
interpretación de resultados
V. MATERIALES Y EQUIPOS
VI. CRONOGRAMA
VII. PRESUPUESTO
VIII. FUENTES DE INFORMACION
IX. ANEXOS
 4.2 Población y muestra
 Universo de la investigación: Es el conjunto numeroso de
elementos que tienen características comunes generales.
 Población de la investigación: Es la parte del universo, con
delimitación espacial y temporal, compuesta por un conjunto
numeroso de elementos que tienen características comunes.
 Muestra de investigación: Es la parte o subconjunto de la
población cuyos elementos constitutivos tienen las mismas
características y que el investigador somete a evaluación, prueba o
ensayo.
En todo proceso de investigación científica:

POBLACION MUESTRA
• Es el conjunto de todos los • Es el conjunto de elementos
elementos que se quieren que se estudian.
estudiar.
 POBLACION MUESTRA

Cuando se evalúa Evaluación de una porción

totalmente a los elementos de la población y
de la población se trata de levantamiento parcial de la
un CENSO. información.

En el estudio y evaluación de En el estudio y evaluación de

la población los parámetros la muestra los parámetros
poblacionales quedan poblacionales son
determinados. estimados.
 Características de la muestra de investigación

o Representatividad: debe reunir las mismas características de la

población.
o Significatividad: a partir de ella se debe reflejar el comportamiento
de la población.

Funciones de la muestra de investigación

 Permite conocer el comportamiento y la dinámica de la población.

 Permite obtener generalizaciones para proyectarlas al universo de la
investigación.
 Permite poner en práctica los instrumentos de recolección de datos e
información.
 Criterios para tomar la muestra de investigación

Para tomar una muestra, es decir, para hacer un muestreo se debe

tener en cuenta tres criterios fundamentales:

 La experiencia de quien toma la muestra, o sea el conocimiento

de la forma o técnica para tomar la muestra, por ejemplo, quien
debe tomar una muestra de agua, de producto, de sustancia, etc.,
debe conocer cómo debe tomar la muestra para evitar tomar una
muestra sesgada o de cualquier otra forma errada.
 El tiempo, ya que mientras más compleja es la muestra a tomar,
más tiempo tardará en tomarse la misma.
 El costo de tomar la muestra, esto incluye el costo del personal
que tomará la muestra, el costo del tiempo que se usará en tomar
la muestra y los costos de equipos y materiales usados en tomar
la muestra.
 Tipos de muestra de investigación según el tamaño

• Muestra grande. Se considera que una muestra es grande cuando tiene

más de 30 elementos. La regla de oro de la experimentación científica
basada en muestras es que “mientras más elementos u observaciones,
mejor”, pues los resultados serán más parecidos a la realidad de la
población de donde son tomados.
• Muestra pequeña. Se denomina muestra pequeña a aquella que tiene 30
o menos elementos u observaciones. Para manejar estas muestras que
pueden tener vicios innatos por el poco número de elementos, se han
diseñado pruebas específicas, tales como la prueba de t de Student y la
prueba de Chi cuadrado.
• Muestra representativa. Se considera muestra representativa aquella que
incluye al menos el 10% de la población en cuestión. Así, para una
población de 2000 productos, una muestra representativa debe ser igual o
mayor a 200 productos.
• Muestra significativa. Se considera muestra significativa la que tiene una
probabilidad del 95% o más de cumplir los requisitos propuestos para
lograr los objetivos de la investigación.
ASPECTOS A CONSIDERAR EN LA DETERMINACION DE
LA MUESTRA DE INVESTIGACION

El tamaño de la muestra

La técnica de muestreo
EL TAMAÑO DE LA MUESTRA DE
INVESTIGACION
Aspectos previos a la determinación del tamaño de la
muestra de investigación

Tras la definición de las características de la población a través de los

criterios de inclusión y exclusión, se ha de decidir si se estudia a toda la
población o –en caso de que ésta sea demasiado grande– a un número de
sujetos representativo (muestra), que no han de ser ni pocos ni
demasiados, sino simplemente los necesarios.
Si se estudia a más sujetos de los que en realidad son necesarios, se
estarán derrochando recursos, tanto materiales como humanos, de los
que, normalmente, no se dispone en exceso.

Si, por el contrario, se estudia a pocos sujetos, no se tendrá la potencia o

seguridad suficiente sobre lo que se está haciendo, y puede darse el caso
de que no se encuentren diferencias entre dos grupos, por ejemplo,
cuando en realidad sí las hay.
 Orientaciones para determinar el tamaño de la muestra de
estudio

• El tamaño de la muestra necesario está condicionado por

los objetivos del estudio, por las variables a investigar y
por el método planteado para dar respuesta a dichos
objetivos.

• En general, la muestra se establece en función a los

objetivos de la investigación orientados a la obtención de
resultados concretos. De acuerdo con esto, la
determinación de la muestra tiene dos orientaciones:

 Muestra para estimación de parámetros

 Muestra para contraste de hipótesis
 Muestra para estimación de parámetros

 Si el objetivo del estudio es, por ejemplo, determinar la producción

bajo condiciones de alta calidad, lo que se desea saber es una
proporción y, en este caso, se habla de estimación de parámetros.

 Con dicha estimación, se pretende conocer la proporción

poblacional, es decir, la proporción de productos que se fabrican
con nivel de alta calidad, a partir del estudio de un grupo de
productos elaborados en determinado ciclo de producción (una
muestra).

 Los datos que se obtienen de dicha muestra, llamados estadísticos,

sirven para conocer los datos de la población, llamados
parámetros; por eso, se habla de “conocer el tamaño de la muestra
necesario, para la estimación de parámetros con una determinada
precisión”.
• Generalmente, los estimadores de uso más frecuente son:

- La proporción muestral (p) para estimar la proporción en la

población (π) y
- La media muestral ( ) para estimar la media poblacional (µ).

• Con una sola muestra se pueden estimar diferentes parámetros,

como una proporción, una media, una desviación estándar, una
varianza, etc.
 Muestra para contraste de hipótesis

 Esta forma de orientación en la determinación de la muestra se

presenta cuando el objetivo del estudio planteado es, por ejemplo,
conocer la eficiencia de un nuevo tipo de reactor para el desarrollo
de cierta reacción química.

 En este tipo de estudio, se planteará un diseño experimental en el

que interesa conocer si hay diferencias en la eficiencia del
funcionamiento del nuevo reactor con el reactor que viene
operando en el proceso desde hace un regular tiempo.

 La diferencia se ha de detectar con un mejor resultado en el nuevo

tipo de reactor, o con un resultado menos significativo que el
reactor que viene operando en el proceso, o lo que es lo mismo, se
ha de poder identificar si existe realmente diferencia alguna. Por
tanto, aquí se plantea un contraste de hipótesis.
 Error en la determinación de la muestra

• En la determinación de la muestra se pueden cometer errores, que

básicamente son de dos tipos: error aleatorio y error sistemático o
sesgo.

 El error aleatorio es el derivado de trabajar con muestras, se puede

cuantificar y está relacionado con la precisión. A medida que se
aumenta el tamaño de la muestra, este error disminuye, hasta el
punto de que si se estudia a toda la población el error aleatorio
desaparece.

 El error sistemático o sesgo está relacionado con la

representatividad de la población; si la muestra estudiada reúne
características diferentes a las de la población, aunque se aumente
el tamaño de la muestra, este error se mantiene y se obtendrán
valores diferentes en la muestra comparados con los que realmente
se dan en la población. Este error está relacionado con la validez.
Cálculo del tamaño de la
muestra de investigación

Fórmulas de cálculo
Cálculo del tamaño de la muestra de investigación

Proporción
Estimación de
parámetros
Media
Objetivo del
cálculo de la
muestra
Comparación de
proporciones
Contraste de
hipótesis
Comparación de
medias
 1. CALCULO DEL TAMAÑO DE LA MUESTRA PARA
LA ESTIMACION DE PARAMETROS

En este caso lo que se pretende es hacer inferencias de

valores poblacionales (proporciones, medias) a partir de
una muestra.
1) Tamaño de la muestra para estimar una proporción

Si se desea estimar una proporción, debe conocerse:

a) El nivel de confianza o seguridad, (1 − ) . El nivel de

confianza prefijado da lugar a un coeficiente ;

b) La precisión que se desea o error que se espera para el

estudio, d;

c) Una idea del valor aproximado del parámetro que se quiere

medir (en este caso, una proporción, p). Esta idea se puede
obtener revisando la literatura o mediante un estudio piloto
previo; asimismo, a partir de este dato se determina la
proporción en contra, q = 1 − . En caso de no tener
dicha información se utilizará el valor p = q = 0,5 (50% para
cada uno).
Se tienen dos fórmulas de cálculo de la muestra para
estimar una proporción:

 Cuando no se conoce el tamaño de la población o si

se trata de una población infinita:
=

 Cuando se conoce el tamaño de la población o si se

trata de una población finita:
=
− +
 Valores de para algunos niveles de seguridad o
confianza

Niveles de Niveles de Porcentaje de

significación (α) seguridad o seguridad o
confianza (1 - α) confianza

0,10 0.90 90 % 1,645

0,05 0,95 95 % 1,96

0,025 0,975 97,5 % 2,24

0,01 0,99 99 % 2,576

Ejemplo: ¿Cuántos productos deben evaluarse para conocer la
el nivel de calidad que tiene la producción?

Considerando una seguridad de 95% (1 – α = 0,95), una precisión de

3% (d = 0,03) y una proporción esperada de 95% (p = 0,95 y q = 1 – p =
0,05). Además, para una seguridad 1 – α = 0,95, = 1,96

• Si no se conoce el tamaño de la población:

1.96 (0.95)(0.05)
= = = 202.75 ≈ 203
0.03

• Si se conoce el tamaño de la población (N = 15000):

(15000)1.96 (0.95)(0.05)
= =
−1 + 0.03 15000 − 1 + 1.96 (0.95)(0.05)
= 200.06 ≈ 200
2) Tamaño de la muestra para estimar una media

Si se desea estimar una media habrá que conocer:

a) El nivel de confianza o seguridad (1 – α) . El nivel de

confianza prefijado da lugar a un coeficiente ;

b) La precisión que se desea o el error que se espera al

estimar el parámetro: d (2d es la amplitud del intervalo
de confianza);

a) Una idea de la desviación estándar, , o de la varianza,

, de la distribución de la variable cuantitativa que se
supone existe en la población.
Se tienen dos fórmulas de cálculo de la muestra para
estimar la media:

 Si el tamaño de la población no se conoce o es

infinita:
=

 Si el tamaño de la población se conoce o es finita:

=
−1 +
Ejemplo: ¿Cuántos productos deben evaluarse para conocer la
concentración promedio un agente químico activo en un
producto?
Considerando una seguridad de 95% (1 – α = 0,95), un error de
estimación de 0,5 mg (d = 0,5)y una desviación estándar de la
concentración de 1,5 mg (s = 1,5). Además, para una seguridad de 1 –
α = 0,95, = 1,96
• Si el tamaño de la población no se conoce o es infinita:

1,96 1,5
= = = 34,57 ≈
0,5

• Si el tamaño de la población se conoce o es finita (N = 500):

500 1,96 1,5

= = = 32,40
−1 + 0,5 500 − 1 + 1,96 1,5
≈ 32
 2. CALCULO DEL TAMAÑO DE LA MUESTRA PARA
CONTRASTE DE HIPOTESIS

En estos estudios se trata de comparar si las medias o las proporciones

de las muestras son iguales o diferentes, si una media o proporción es
mayor o menor que otra.
 Tamaño de muestra para contraste de hipótesis

Habitualmente, el investigador pretende comparar dos tratamientos o

aspectos.
Para el cálculo del tamaño muestral se precisa conocer:

a) La magnitud de la diferencia a detectar entre dos medias o dos

proporciones y que sea de interés relevante;
b) Tener una idea aproximada de los parámetros de la variable que se
estudia (a través de la bibliografía o de estudios previos);
c) Seguridad del estudio (1 – α) o riesgo de cometer un error α ;
d) Potencia estadística (1 – β) o riesgo de cometer un error β;
e) Definición de si la hipótesis a constrastar es unilateral o bilateral:

- Bilateral: cuando cualquiera de los dos parámetros a comparar (medias o

proporciones) son iguales o diferentes. Aquí, no se establece ninguna
dirección;
- Unilateral: cuando se considera que uno de los parámetros es mayor o
menor que el otro, indicando por tanto una dirección de las diferencias.
a) Tamaño de muestra para comparar dos proporciones

• Fórmula:
( − )+ − + ( − )
=
−

• En donde:
n : es el número de sujetos necesarios en cada una de las muestras;
: es el valor Z correspondiente al riesgo α ;
: es el valor Z correspondiente al riesgo β ;
: es el valor de la proporción en el grupo de referencia, control o
tratamiento habitual;
: es el valor de la proporción en el grupo experimental del
tratamiento, intervención o técnica;
p : es la media de las dos proporciones ( = )
Los valores de según la seguridad y de según la potencia del test se
obtienen de la siguiente tabla:
Ejemplo: Se desea evaluar si el catalizador B para el tratamiento de una
reacción química es mejor que el catalizador A. Se sabe por datos previos que
la eficacia del catalizador A está alrededor del 70 % y se considera
técnicamente relevante que el nuevo catalizador B acelera el rendimiento del
proceso un 90 %. El nivel de significación se fija en 0,05 y se desea una
potencia estadística de un 80 %.
• De acuerdo con los datos, tenemos:
+ 0.70 + 0.90
= 0.70, = 0.90 = = = 0.80
2 2

α = 0.05, 1 – α = 0.95 y = 1.645 (test unilateral)

β = 0.20, 1 – β =0,80 y = 0.842

• Efectuando cálculos:
2 (1 − ) + 1− + (1 − )
=
−
1.645 2(0.80)(1 − 0.80) + 0.842 0.70 1 − 0.70 + 0.90 (1 − 0.90)
=
0.70 − 0.90

= 48.42 ≈
 b) Tamaño de muestra para comparar dos medias

• Fórmula:
+
=

• En donde:

n: son los individuos necesarios en cada una de las muestras;

: es el valor de Z correspondiente al riesgo deseado;
: es el valor de Z correspondiente al riesgo deseado;
: es la desviación estándar de la variable cuantitativa que tiene el
grupo control o de referencia;
: es el valor mínimo de la diferencia que se desea detectar (datos
cuantitativos).
Ejemplo: Se desea aplicar un nuevo solvente para la extracción de un
compuesto orgánico, y se considera que sería eficaz si lograse un aumento de
5 mg en el extracto final, con respecto al solvente tradicional. Por estudios
previos se sabe que la desviación estándar de los extractos obtenidos es de 4
mg. Se acepta un nivel de significación de 0,05 y se desea una potencia
estadística del 90 % para detectar diferencias, si es que existen.

• De acuerdo con los datos, tenemos:

α = 0.05, 1 – α = 0.95 y = 1.645 (test unilateral)
β = 0.10, 1 – β = 0,90 y = 1.282
S=4
d=5
• Efectuando cálculos:
2 + 2 1.645 + 1.282 4
= = = 10.97
5

≈
TECNICAS DE
MUESTREO
 Una vez que se han definido las características de los sujetos del estudio
y se ha calculado el número necesario, sólo queda determinar la
manera en que serán seleccionados de la población a la que
pertenecen.

 El procedimiento mediante el cual se obtiene una muestra de la

población se denomina muestreo o técnica de muestreo.

 Existen dos tipos de muestreo:

- Muestreo probabilístico y
- Muestreo no probabilístico
 Muestreo probabilístico
Es el tipo de muestreo en donde todos los sujetos tienen la misma
probabilidad de entrar a formar parte del estudio. La elección se hace
al azar.
Una muestra es aleatoria cuando todos los individuos de una
población tienen la misma probabilidad de ser seleccionados y
“entrar” en nuestro estudio o investigación. Para lograr una muestra
aleatoria se hace necesario conseguir una lista o catálogo completo de
los elementos de la población y extraer algunos de ellos con una tabla
de números aleatorios que encontramos en cualquier manual de
estadística o algún procedimiento que garantice que todos tengan la
misma probabilidad de ser elegidos para participar del estudio. La
naturaleza aleatoria de la muestra depende totalmente del proceso de
selección adoptado.
Los tipos de muestreo probabilístico más aplicados son: aleatorio
simple, aleatorio sistemático, aleatorio estratificado y aleatorio por
conglomerados.
 Muestreo no probabilístico

Es aquel en el que no todos los sujetos tienen la misma probabilidad

de formar parte de la muestra de estudio, se eligen a criterio del
investigador o de algún objetivo específico de la investigación.
Las unidades de análisis se seleccionan a partir de criterios
intencionales que el propio investigador propone, no aparecen aquí
aspectos que estén relacionados con la probabilidad o el azar, con lo
cual, como no puede calcularse el error muestral, y, los resultados de
los estadísticos de la muestra (n) no pueden extrapolarse o
generalizarse hacia la población (N).

Los tipos de muestreo no probabilístico más utilizados son: de caso

típico o por conveniencia, intencional y accidental.
 Técnicas de muestreo probabilístico

• Muestreo aleatorio simple

• Para poder realizar este tipo de

muestreo, todos los elementos
de la población deben estar
codificados o numerados en un
listado. Normalmente, los
elementos de la muestra se
establecen por medio de un
sorteo, al azar, o mediante un
listado de números aleatorios,
disponible en casi todos los
libros de estadística, con un
programa estadístico, o con
alguno de los programas para
calcular el tamaño de la muestra
que tenga la opción de generar
listados de números aleatorios.
Medios de aleatorización
Tabla de números
aleatorios
• Muestreo aleatorio sistemático

• Es similar al aleatorio simple. Los sujetos o elementos han de estar identificados,

pero no es necesario disponer de un listado. Éstos no se eligen todos mediante un
sorteo al azar o a partir de un listado de números aleatorios, sino que se hace
sistemáticamente eligiendo a uno de cada cierto número de elementos. Este
número se denomina fracción de muestreo, k, y se calcula dividiendo el total de la
población, N, por la muestra necesaria, n:

• Por ejemplo, si se tiene un volumen de 100 productos y el tamaño de la muestra

necesario es de 20, la fracción de muestreo será 100/20 = 5, es decir se
seleccionará un producto de cada 5. Para decidir por cuál se ha de comenzar, se
selecciona aleatoriamente, o por sorteo, un número del 1 al 5, y a partir de dicho
número se va seleccionando a un producto de cada 5.
• Si el número escogido aleatoriamente es 4, entonces la muestra está compuesta
por los elementos:

4,9,14,19, 24,29,34,39,44,49,54,59,64,69,74,79,84,89,94,99
• Muestreo aleatorio estratificado

• En este tipo de muestreo se divide a la población en subgrupos o

estratos que tienen alguna característica común; e interesa
mantener estos estratos en la muestra, para que tengan la misma
composición que la población. La selección de sujetos o elementos
dentro de cada estrato se realizará aleatoriamente.
• La estratificación se realiza en función de diferentes variables o
características de interés: concentración, peso, grado de pureza,
nivel de calidad, etc.
• Por ejemplo: si se desea efectuar una estratificación por nivel de
calidad en una muestra calculada en 400 productos, y se sabe que
en la población la distribución es del 55% de la línea de
producción A y 45% de la línea de producción B, la composición de
dicha muestra es la siguiente:

Línea de Producción A: 0,55 x 400 = 220

Línea de Producción B: 0,45 x 400 = 180
Muestra: 400 productos

• Por tanto, se elegirán aleatoriamente 220 productos de la línea de

producción A y 180 productos de la línea de producción B para
constituir la muestra de 400 productos.
• Muestreo por conglomerados

• Este tipo de muestreo también se denomina

muestreo de etapas múltiples o multietápico. Se
emplea cuando se desea estudiar una población
grande y dispersa, y no se dispone de ningún
listado para poder aplicar las técnicas anteriores.

• En lugar de seleccionar sujetos, se empieza por

seleccionar subgrupos o conglomerados a los que
se da el nombre de unidades de primera etapa o
unidades primarias. La diferencia con los estratos
del tipo de muestreo anterior es que los
conglomerados ya están agrupados así de forma
natural ( almacén principal, almacén de planta,
almacén de sector, etc.). En una segunda etapa, se
seleccionan, de manera aleatoria, las unidades de
segunda etapa o unidades secundarias, a partir de
las unidades primarias. Así, sucesivamente, se van
eligiendo hasta llegar a las unidades de análisis,
que serán los individuos que compongan la
muestra de estudio.
 MUESTREO NO PROBABILISTA O DETERMINISTA

• Es de acuerdo a algún criterio del investigador o de

determinado objetivo específico de la investigación.

Puede ser:
 De caso típico: toma en cuenta una unidad típica o
representativa de la población.
 Intencional: toma en cuenta la muestra con premeditación.
 Accidental: toma en cuenta los elementos que están
disponibles en el momento y en el lugar en el que se
encuentran.
 Ejemplo de presentación de población y muestra

Título de la investigación:
“Análisis de la correlación lineal multivariante en ingeniería
química”

• Población de investigación
La población de estudio está compuesta por los numerosos procesos
multivariantes de ingeniería química.

• Muestra de investigación
La muestra de investigación se ha escogido de manera determinista y
está compuesta por el proceso de estabilización de la arcilla para su
óptimo moldeo que relaciona linealmente el porcentaje de humedad
con el porcentaje de cal y puzolana.
 Ejemplo de presentación de población y muestra

Título de la investigación:
“Evaluación de la eficacia colectora del xantato Z-6 en la
recuperación del cobre del mineral calcopirita, CuFeS2”

• Población de investigación
La población de estudio está compuesta por los numerosos
tratamientos del mineral calcopirita con el colector xantato Z-6.

• Muestra de investigación
La muestra de investigación se ha determinado probabilísticamente,
siendo los resultados los siguientes:
Considerando:
- En la recuperación del cobre una seguridad de 95% (1 – α =
0,95)
- Un error de estimación de 0,5 kg (d = 0,5)
- Una desviación estándar en la cantidad de cobre obtenido de
1,2 kg (s = 1,2).
- Además, para una seguridad de 1 – α = 0,95, = 1,96

Como el tamaño de la población no se conoce, el tamaño de la

muestra calculada es de:

1,96 1,2
= = = 22,13 ≈ 22
0,5