Probabilístico: Para la creación de este diseño muestral, se implementará un diseño de tipo probabilístico, ya que, por este método se es funcional para obtener partes acotadas de la población a estudiar que sean representativas en sus resultados, con el fin de poder realizar inferencias sobre el total; Esta representatividad sobre las inferencias se logrará por medio de la correcta selección de los participantes de la investigación por medio de los cálculos muestrales(Lastra, 2000, p. 266) Por este método, se puede asegurar la representatividad de la muestra, permitiendo extrapolar, y de esta manera generalizar los resultados observados de la población accesible, y de este modo, hacia la población de estudio(Otzen & Manterola, 2017, p. 227).
b) Especificar la unidad de análisis, unidad de observación y unidad(es) de muestreo.
Unidad de análisis: Los imaginarios territoriales y practicas espaciales de los habitantes afectados por el Bypass.
Unidad de observación: Habitantes de las comunas de Orilla del Maule, Santa Rita y El Porvenir que serán afectados por el proyecto Bypass.
Unidad de muestreo: Los habitantes de las comunas afectadas que residadan a un kilometro del trazado del proyecto Bypass.
b) Qué tipo de diseño será (conglomerado, estratificado, aleatorio simple, aleatorio sistemático, por cuotas, etc.), si incorpora distintas etapas – y cuáles son esas etapas – o solo una. Justificar.
Se plantea utilizar el muestreo estratificado, debido a las características del universo escogido:
Tabla 1: Universo a estudiar
| Localidad | Cantidad de habitantes | Proporción % |
|---|---|---|
| Santa Rita | 516 | 19,64% |
| El Porvenir | 785 | 29,88% |
| Orilla del Maule | 1326 | 50,48% |
| Total | 2627 | 100,00% |
Debido que la cantidad de sujetos dentro del universo es de 2627, se obta por usar la formula de calculo de muestra de finita, ya que, el universo es menor a 100.000 observaciones:
\[n=\frac{N*Z^2*p*q}{e^2*(N-1)+Z^2*p*q}\] Donde contamos con los siguientes datos:
Universo= \(N=2627\).
Nivel de confiaza\(Z=95\%\).
Erro maximo permitido=\(e=5\%\).
\(p\) y \(q\) corresponden a la varianza poblacional, como no la conocesmos, asumimos que es \(p=50\) y \(q=50\).
Dando un \(n=348\) como resultado.
La primera etapa por plantear teniendo en cuenta la información disponible, donde se categoriza en el universo en subgrupos o estratos como localidad, en la tabla anterior podemos visualizar en la Tabla 1: la localidad de Santa Rita posee un 19,64% del universo, El Porvenir un 28,88%, Orilla del Maule un 50,48%.
No se posee información al respecto de la heterogeneidad de la población respecto al género, clases sociales u edad, de esta manera, se opta la estratificación en su primera etapa.
En la segunda etapa, se optará por un muestreo aleatorio simple, donde se garantiza que todos los individuos que componen la población objetivo tengan la misma probabilidad de ser incluidos en la muestra, la probabilidad de los sujetos “X” es independiente a la de los demás (Otzen & Manterola, 2017, p. 228).
afijación proporcional:
Se opta por esa afijación debido a la meta de poder lograr inferencia estadística bajo este modelo de muestreo probabilístico, con la orientación de poder lograr representatividad estadística bajo para cada estrato, y que de esta manera la muestra sea lo más fiel a la realidad social que se está estudiando, demostrándose que cada estrato, ya sea en la muestra o el universo, es proporcional sus respectivas acotaciones; Esto permite calcular a partir de la propia muestra, estimaciones validas o aproximaciones de su variabilidad de muestreo(Puente et al., 2017, p. 87).
El tamaño de muestra y la afijación proporcional se calcularon utilizado la siguientes formula:
\[n_h=(\frac{N_h}{N})*n\]
La formula de afijación proporcional se comopone de:
\(N\):Tamaño total de la población.
\(N_h\): Tamaño del estrato \(h\).
\(n\):Tamaño total de la muestra.
\(n_h\): Número de elemenentos que se tomarán del estrato \(h\).
Realizando los calculos, se obtienen los siguientes resultados:
| Localidad | Cantidad de habitantes | Proporción % | Afijación proporcional | Proporción de la afijación % |
|---|---|---|---|---|
| Santa Rita | 516 | 19,64% | 68,35 | 19,64% |
| El Porvenir | 785 | 29,88% | 103,99 | 29,88% |
| Orilla del Maule | 1326 | 50,48% | 175,66 | 50,48% |
| Total | 2627 | 100,00% | 348 | 100,00% |
| Ventajas | Desventajas |
|---|---|
| Cada sujeto tiene la misma probabilidad de ser incluido en el estudio. | Requiere un listado completo de la población a trabajar. |
| La muestra representa a la población en base a las variables seleccionadas. | Si no se alcanza el objetivo de muestra, no se puede considerar representativa. |
| Se obtienen estimaciones más precisas. | Hay que conocer la distribución de la población para organizar la estratificación. |
| Dependiendo de la complejidad del instrumento, se podría facilitar la recolección de información. Cada encuestador debería realizar aproximadamente 20 encuestas para alcanzar la muestra calculada. | Según los datos entregados, estos están caracterizados por cantidad de habitantes, en vez del número de hogares. Teniendo el número de hogares, se hace más fácil asignar encuestas debido a que se encuentran estáticos en el terreno. |
Bibliografía
Lastra, R. P. (2000). Encuestas probabilísticas vs. no probabilísticas. Política y Cultura, 13, 263–276.
Otzen, T., & Manterola, C. (2017). Técnicas de Muestreo sobre una Población a Estudio Sampling Techniques on a Population Study. In Int. J. Morphol (Vol. 35, Issue 1).
Puente, F., Hurtado, D., Morillo, J., Diaz, M., & Paz, G. (2017). Cálculo muestral estratificado con afijación proporcional al tamaño para el análisis de consumo, desplazamientos e identidad local en el distrito metropolitano de Quito. FIGEMPA: Investigación y Desarrollo, 3(1), 85–97.