Población y Muestra

Nociones Fundamentales sobre Población y Muestra

Se llama “población” o “universo” al conjunto infinito o finito de individuos, países u

objetos de estudio que presentan características en común. Se puede definir también
como el conjunto de unidades de muestreo.

Por otro lado, llamamos “muestra” a la parte de la población que se desea investigar y
es de la cual realmente se obtiene la información. Es sobre la “muestra” en quien se
efectuará la medición y observación de las variables elegidas (Bernal, 2010).

Unidades de estudio y unidades de muestreo

Sabemos que población es el conjunto de todos los elementos (unidades de estudio) que
se desea investigar, en tanto que muestra es el subconjunto de la población que
deseamos estudiar. Ahora bien, al ser la muestra un subconjunto de la población,
significa que las unidades de estudio de la muestra las seleccionaremos de la población,
sin embargo existen ocasiones en que este hecho no se cumple. Veamos un ejemplo.

Supongamos que queremos evaluar el clima laboral de las cafeterías de la región sur,
para lo cual tendríamos que encuestar a los trabajadores de cada cafetería de la región.
Al aplicar una selección aleatoria para elegir a los trabajadores, lo más probable es que
tengamos que acudir a cada una de las cafeterías en busca de ellos, lo que resultaría
sumamente costoso y nada práctico, lo más viable sería seleccionar las cafeterías que
forman parte de nuestro estudio y en ellas realizar la investigación encuestando a los
trabajadores. En ese caso la selección de las cafeterías no son las unidades de estudio
(las cuales serían los trabajadores), sino las unidades de muestreo.

Unidades de estudio y unidades de muestreo

Debemos recordar que una muestra no siempre se construye a partir de las unidades de
estudio, sino de las unidades de muestra, las cuales, se clasifican en cuatro (Supo,
2014):

Primer tipo: unidades de muestreo propias. Este es el caso más frecuente y el caso más
común, donde la unidad de estudio es igual a la unidad de muestreo. Esto quiere decir
que a quienes seleccionamos de la población para construir la muestra son a las
unidades de estudio.

Ejemplo:

Si queremos saber la percepción en torno al sistema de admisión que tienen los

estudiantes de la carrera de Derecho de una universidad X que cuenta con un promedio
de mil quinientos alumnos efectivos, de los cuales tenemos una lista oficial y sus
números de matrícula, queda claro la identificación de las unidades de estudio por lo
que podremos seleccionar la muestra respectiva. En este caso, los alumnos no solo
vienen a ser las unidades de estudio sino también las unidades de muestreo.

Segundo tipo: unidad de muestreo conjunta. Se trata de un conjunto de unidades de

estudio donde las características del conjunto representan proporcionalmente a las
características de la población.

Ejemplo:

Retomemos el caso de las cafeterías. En este caso, recurrimos a realizar una selección
de las cafeterías para conformar nuestra muestra, y no una selección de los trabajadores
que laboran allí. La razón de ello es que en toda cafetería, al menos con cierta
regularidad, existe el mismo personal, por lo que seleccionar a las cafeterías, sería lo
más práctico.

Del ejemplo podemos deducir que las cafeterías vendrían a ser una suerte de
minipoblaciones ya que en su interior podemos encontrar las características que definen
a la población. A estos conjuntos se les denominan también conglomerados o clústeres y
son utilizados cuando identificamos a las unidades de muestreo conjuntas.

Tercer tipo: unidades de muestreo identificadoras. Si la unidad de estudio es un

conjunto de individuos, es preciso que ubiquemos a alguno de sus elementos que nos
permita identificar a la unidad de estudio con la finalidad de ejecutar el muestreo.

Ejemplo

Si deseamos realizar un estudio sobre la relación entre docente y alumno de una

universidad X, tendríamos que entrevistar y/o encuestar tanto a los docentes como a los
alumnos. Ahora bien, la condición que deben cumplir los estudiantes es que hayan
llevado cursos con el docente seleccionado para la muestra. Por lo tanto, si tenemos una
población de 100 estudiantes y una población de 10 profesores, la relación sería 10
alumnos por cada docente. Al evaluar la relación docente-estudiante, el estudio se centra
en el conjunto mas no de las características individuales del docente y de los
estudiantes.

Para iniciar el proceso se debe empezar con la selección de los docentes y luego
identificar a 10 de sus alumnos. En caso alguno de los alumnos se niegue a participar en
el estudio, resultaría fácil buscar algún alumno adicional. En tanto, que si nos centramos
en elegir a los alumnos y después al docente, y si este se niega a participar en el estudio,
nuestro trabajo resultaría en vano.

Cuarto tipo: unidades de muestreo contenedoras. También se le conoce como

secciones censales, porque son muy utilizados para realizar estudios de la población en
las Ciencias Sociales; pueden ser áreas geográficas que contienen a la unidad de estudio.

Criterios para la seleccionar la población de estudio

Para precisar la población debe realizarse a partir de los siguientes términos (Bernal,
2010):

 Enunciado
 Alcance
 Tiempo
 Unidades de muestreo
 Unidades de estudio

Ejemplo

Enunciado Relación entre el Nivel Socioeconómico y

la Competencia Lingüística de los
alumnos y alumnas ingresantes del
Instituto de Educación Superior
Tecnológico y Pedagógico Privado
“María Montessori”, Arequipa, 2014.

Alcance Ciudad de Arequipa

Tiempo 2014
Unidad de muestreo Instituto de Educación Superior
 Tecnológico y Pedagógico Privado
“María Montessori”
Unidades de estudio alumnos y alumnas ingresantes

Casos en los que es necesario extraer muestra

Dentro de los proyectos de investigación propuestos por las instituciones académicas

(universidades, institutos, etc.) se encuentra la sección denominada “muestra” lo que
lleva a que muchos alumnos, asesores y jurados piensen que este apartado debe
realizarse siempre.

Lo cierto es que no todos los trabajos requieren muestra ya que, por principio, el
investigador debería estar enfocado a estudiar la población. Supo (2013b) presenta tres
casos en los que sí es necesario extraer una muestra:

 La población es desconocida o se carece de un marco muestral, lo que no

permite definir su magnitud. Así tenemos el conjunto de mujeres contagiadas
con VIH.
 La población es inaccesible al investigador, así tenemos que una persona tiene
5 litros de sangre pero bastaran 5 cc para conocer el valor de la hemoglobina.
 La población es inalcanzable por su magnitud como en los estudios de
prevalencia donde debemos estudiar a todos los elementos de la población.
Ejemplo: todos los enfermos de tuberculosis en la semana 20 del año en curso,
en una región del país

Estas son las únicas justificaciones para recurrir a una muestra, en todos los demás
casos debemos estudiar a toda la población.

Tamaño de la muestra

El cálculo del tamaño de la muestra depende de tres factores:

 El porcentaje de confianza con el que se desea generalizar los datos a la

población total.
  El porcentaje de error que se está dispuesto a aceptar en tal generalización.
 El nivel de variabilidad que se calcula para la comprobación de la hipótesis.

Porcentaje de confianza

Un 100% de confianza para generalizar los resultados indicaría que todos los individuos
de la población comparten sin excepción las conclusiones sacadas del estudio de los
individuos de la muestra. Paradójicamente, para tener un 100% de confianza hay que
estudiar a todos los casos de la población, es decir, censar. Como resulta costoso en
tiempo y dinero, lo que se hace es tolerar que algunos de cada 100, no compartan las
conclusiones del estudio de la muestra.

Si se elige un 80% de confianza, tenemos la seguridad, que las conclusiones del estudio
son compartidas por el 80% de la población. Elegir este porcentaje requiere una muestra
cuantitativamente menor que cuando se elige, por ejemplo, 97% de confiabilidad.
Cuanto mayor es el porcentaje de confianza que se desea, mayor es la cantidad de
sujetos necesarios para la muestra. En las investigaciones sociales, por lo general se
busca un 95% de confianza.

Porcentaje de error

Elegir el porcentaje de error significa la probabilidad de aceptar una hipótesis como

válida o no válida; en otras palabras, aceptar o rechazar una hipótesis. Si se busca un 0%
de error, ello significaría que no estamos dispuestos a correr ese tipo de riesgo y
entonces la muestra podrá ser igual a la población, por lo que resulta preferible aceptar
algún riesgo. Si se elige un 20% de error, la incertidumbre acerca de la decisión de
aceptar o rechazar la hipótesis es muy grande.

Variabilidad

Cuando ya se ha aplicado el instrumento en otras investigaciones, puede esperarse que

la nueva contrastación en otro lugar sea similar a la anterior. Supóngase que
determinado cuestionario obtuvo que el 70% de la muestra confirmó que la hipótesis
debía ser rechazada. Suele darse un valor simbólico a la variabilidad. Se usa p para
indicar “los cuestionarios a favor de la hipótesis” y q para “los cuestionarios en contra”,
así, de acuerdo con el ejemplo, se tendría:

p =70%

q = 30%

En el caso de que no haya aplicado nunca el cuestionario, pueden elegirse algunas

personas de la población (20 por ejemplo) y revisar sus respuestas, y, de ahí determinar
cuántos de ellos pueden apoyar la hipótesis y cuántos lo rechazan. Cuando no se
dispone de tiempo suficiente para realizar esta “preprueba” o “piloteo”, se acepta la
máxima variabilidad, ésta consiste en determinar 50% para q y 50% para p.

Fórmulas para determinar el tamaño de la muestra

Existen varias fórmulas para calcular el tamaño de la muestra. En esta oportunidad solo
veremos dos de ellas, las mismas que son aplicables a poblaciones cuyo tamaño se
conoce.

Primera fórmula

n= Z2 . p.q.N/N.e2 +Z2.p.q

Donde:

n : Tamaño de la muestra.

q : Variabilidad negativa.

Z : Nivel de confianza.

N : Tamaño de la población.

p : Variabilidad positiva.

e : Margen de error.

Para sustituir la fórmula es preciso pasar todos los porcentajes a proporciones. Eso se
logra cuando dividimos los porcentajes entre 100.
Así, si tenemos la máxima variabilidad, los valores para p y q son 0.5 y 0.5
respectivamente.

Si tenemos un 5% de margen de error (e) la proporción correspondiente es de 0.05.

En el caso del nivel de confianza no solo se divide el porcentaje entre 100, sino que,
además, debe dividirse entre dos y ese resultado buscarlo en la tabla llamada áreas bajo
la curva normal (revisar la última hoja del presente texto). Si el valor de confianza es de
95%, entonces, se divide entre 100 y luego entre dos, obteniendo el resultado: 475
(0,475). Este número se busca en la tabla de valores bajo la curva normal, la cual será
1,96.

Ejercicio

Teniendo en cuenta que la población está constituida por 173 alumnos tendremos los
siguientes datos:

n=?, Z=1,96, p=0,5, q= 0,5, N=173, e=0,05

Reemplace los valores con la formula y determine la muestra.

Segunda fórmula

n=p.q/(E2/Z2) +(p.q/N)

Donde:

n= Tamaño de la muestra

q=Variabilidad negativa

Z=Nivel de confianza

N=Tamaño de la población

p= Variabilidad positiva

E=Margen de error

Si tenemos los siguientes datos:

n=?, Z=95%, p=50%, q=50%, E=5%,
N=173

Aplique la fórmula hallando el valor de Z en la tabla de valores bajo la curva normal.

Muestreo

Previo a la determinación de la muestra, es necesario establecer un plan para realizarlo,

el cual debe precisar los pasos para obtener una muestra en base a la previa
identificación de la población. Blanch y Joekes (1997) (citado por Blanco, 2011),
establecen los pasos a seguir para concretar dicho plan:

1. Definición de la población, de las unidades de muestreo, de la extensión del

muestreo y del tiempo de recolección de la información.
2. Identificación del marco de muestreo.
3. Determinación del tamaño de la muestra.
4. Elección del método de selección de muestras y selección de la misma.
5. Definición del procedimiento de estimación y obtención de las estimaciones y
errores de muestreo.

El muestreo es una técnica mediante la cual se selecciona la muestra. La teoría del

muestreo tiene como propósito establecer los pasos o procedimientos a través de los
cuales es posible hacer generalizaciones sobre la población a partir de subconjuntos de
la misma, con un grado mínimo de error.

Clasificación de los muestreos

Muestreos Probabilísticos

En esta muestra todos los individuos o elementos de la población tienen la misma

probabilidad de ser incluidos en la muestra. Este muestreo reduce al máximo los
prejuicios de selección que el investigador pueda tener. Se realizan en los estudios de
nivel descriptivo.

Tipos de muestreos probabilísticos

Muestreo aleatorio simple. Consiste en elegir al azar de una lista todos los individuos
que formarán parte de la muestra.

Muestreo aleatorio sistemático. Es una variable sencilla del aleatorio simple, pero en
lugar de extraer n números aleatorios, solo se extrae uno y, a partir de ahí, se van
seleccionando los demás elementos a intervalos fijos, siendo este intervalos el resultado
del número total de la población entre el tamaño de la muestra.

Muestreo estratificado. La proporción de los elementos de muestra debe ser

proporcional a las unidades de la población.

Muestreo estratificado no proporcional. A cada estrato le corresponde igual número de

elementos muestrales.

Muestreo estratificado proporcional. El tamaño de la muestra en cada estrato es

proporcional al número de individuos que existen en los estratos con relación al total de
la población.

Ejemplo de muestreo estratificado

“Del total de Defensorías del Niño y del Adolescente (DNA´s) ubicadas en el Perú
(N=1,537), fueron seleccionadas aleatoriamente 148 DNA´s. Se usó un muestreo
probabilístico estratificado.

Para la asignación de los tamaños muestrales a los diferentes estratos en el muestreo

aleatorio estratificado se utilizó el procedimiento de asignación proporcional.

La selección de la muestra de acuerdo a los estratos respectivos, se obtuvo a través de

una tabla de números aleatorios. El marco muestral se presenta en el anexo N°1.

Los valores se presentan en la siguiente tabla.

Nota: Observa que en esta tabla se presentan los estratos (columna 1), la población
inicial, la muestra calculada y la proporción entre la muestra y la población. Esa es la
forma típica de presentar un muestreo estratificado.

Muestreo por conglomerados. La unidad muestral es un grupo de elementos de la

población que forman una unidad que llamamos conglomerados (grupos de viviendas,
colegios, municipios, hospitales, etc.,).

Ejemplo: Se desea realizar un estudio en todos los colegios de Arequipa, pero la

muestra determina solo 5 colegios, por lo que se realizará un sorteo para elegirlos.

Se quiere realizar una encuesta nacional durante las elecciones de la nueva directiva del
SUTEP. Los conglomerados, en este caso, pueden ser los distritos electorales y, dentro
de ellos, las mesas electorales. Con este muestreo lo que se hace es escoger algunos
distritos electorales y luego, dentro de ellos, algunas mesas electorales al azar y de ahí
se toman todos los votos de las mesas seleccionadas.
Características de los tipos de muestreo probabilísticos

Aleatorio simple Fácil de configurar, difícil de ejecutar

Sistemático Fácil de configurar, fácil de ejecutar
Aleatorio estratificado Difícil de configurar , fácil de ejecutar
(combina los dos anteriores, son
polietápicos)
Conglomerados Difícil de configurar, fácil de ejecutar
(combina los dos anteriores, son
polietápicos)

Muestreos No Probabilísticos

Se recurre a este tipo de muestreo cuando se desea medir ámbitos específicos de la

población. Este muestreo se aplica a todos los demás niveles de investigación a
excepción de los descriptivos.

Tipos de muestreos no probabilísticos

Muestreo causal. Este muestreo, también llamado por accidente, es el preferido por los
reporteros de radioemisoras y canales de televisión. Consiste en tomar como elemento
de la muestra a personas que circunstancialmente se presentan a un lugar determinado.
Podría pensarse que este muestreo es aleatorio, pero no es así. La diferencia radica en
que en el aleatorio se cuenta con un marco muestral y eso le da la misma probabilidad
de resultar seleccionando a cada uno de los sujetos de la población, mientras que el
muestreo por accidente se privilegia a las personas que acostumbran a andar por donde
se ubicó el investigador.

Ejemplo

“La muestra elegida fue de tipo accidental compuesta por 138 empleados
administrativos de universidades privadas cuyas edades oscilan de los 22 a 61 años, por
lo que los resultados son exclusivos para este grupo.”

Muestro por conveniencia o accidental.

Muestreo según criterio. El investigador, según su experiencia, determina el tamaño y la

forma de elegir a las unidades muestrales y cómo debe ubicarlos.
Muestreo bola de nieve. Se utiliza cuando no se tiene un marco muestral (un listado de
las unidades de estudio). Por ejemplo: las trabajadoras sexuales. Se utiliza para grupos.
minoritarios.

Ejemplo:

Una investigación busca identificar las experiencias comerciales de los

microempresarios exportadores de ropa femenina a Ecuador. El investigador seleccionó
una muestra no probabilística de empresarios cuyos locales de confecciones están
ubicados en Gamarra. Los empresarios fueron seleccionaron a través de conocidos y de
referencias. De esta manera se entrevistó a 40 empresarios usando guías de entrevistas
semi-estructuradas.

En este caso una muestra no probabilística es adecuada pues se trata de un estudio con
un diseño de investigación exploratorio; es decir, no es concluyente, sino que su
objetivo es documentar ciertas experiencias. Este tipo de estudio pretende generar datos
e hipótesis que constituyan la materia prima para investigaciones más precisas.

Muestreo por cuotas. El investigador establece estratos de la población, determina el

número de individuos a seleccionar en cada uno de ellos y elige intencionadamente
individuos para completar las cuotas establecidas.

Validez interna de los estudios según el nivel al que pertenecen

Los estudios exploratorios y descriptivos buscan la validez interna, esto es, llevar con
éxito los resultados de la muestra a la población, lo que permite que las conclusiones
obtenidas en la muestra se puedan generalizar en la población. La validez interna,
además, permiten el control del error aleatorio (error en la determinación del tamaño de
la muestra) y del error sistemático (error en la determinación de la estrategia de
muestreo). Asimismo, en los estudios de nivel exploratorio, al ser de carácter
cualitativo, no utiliza muestreo probabilístico sino el no probabilístico. Por lo general se
utiliza el muestreo por conveniencia o accidental.
En los niveles relacional, explicativo, predictivo y aplicativo se buscan la validez
externa, esto es, que los resultados de la muestra de una población se pueden generalizar
en otras poblaciones.

En los estudios de nivel descriptivo, se utiliza el muestreo probabilístico. Es estos

estudios, mientras más grande sea la muestra, mejor, ya que lo ideal es estudiar a la
población.

Criterios de inclusión y exclusión

Son características que sirven para diferenciar quién participa como población en tu
investigación y quién no. Los criterios de inclusión y exclusión son límites que
discriminan entre los que serán parte del estudio y los que no lo serán.

Ejemplo:

“…La población está constituida por los estudiantes de nivel secundario de las
instituciones educativas de la UGEL X. Los criterios de inclusión y exclusión
considerados para la delimitación poblacional son los siguientes:

 Sexo masculino: solo varones.

 Edades comprendidas entre 12 y 14 años de edad.

 Que cursen entre 1° y 3° año de secundaria.

 Que estudien en turno mañana o tarde.

 Que estudien en instituciones educativas públicas.

Considerando estos criterios, el tamaño de la población asciende a 4,632 estudiantes…”

Esta es la forma típica como debes redactar la identificación de tu población y la

demarcación de los criterios de inclusión-exclusión.

Aplicación de fórmula para cálculo de la muestra con poblaciones finitas

Caso 1
 Se desea medir el nivel de satisfacción de los alumnos del Centro

Preuniversitario de la UTP, los cuales suman 817. Por sus características, la presente es

una población finita ya que se tiene el número exacto de los alumnos. Para determinar

el tamaño de la muestra se utiliza la siguiente fórmula:

Figura 1. Fórmula para cálculo de la muestra poblaciones finitas. Tomado de “Fórmula

para cálculo de la muestra poblaciones finitas”, por M. Herrera. Recuperado de
http://investigacionpediahr.files.wordpress.com/2011/01/formula-para-cc3a1lculo-de-la-
muestra-poblaciones-finitas-var-categorica.pdf

Donde:

 N = Total de la población

 Za2 = 1.962 (si la seguridad es del 95%)

 p = proporción esperada (en este caso 5% = 0.05)

 q = 1 – p (en este caso 1-0.05 = 0.95)

 d = precisión (recuerde, en su investigación use 5%, en este ejemplo

usaremos 3%)

Calculamos:

817 * 3.84 * 0.05 * 0.95

n = -----------------------------------------------
0.032 (817-1) +3.84*0.05*0.95
Siendo

n = 163

Por lo tanto, la muestra total a encuestar serán 163 estudiantes.

Recordemos que según las diferentes seguridades, el coeficiente de Zα varía así:

• Si la seguridad Zα fuese del 90% el coeficiente sería 1.645

• Si la seguridad Zα fuese del 95% el coeficiente sería 1.96
• Si la seguridad Zα fuese del 97.5% el coeficiente sería 2.24
• Si la seguridad Zα fuese del 99% el coeficiente sería 2.576

Caso 2

Se desea medir la percepción sobre el clima laboral que tienen los trabajadores de la

empresa embotelladora “SOTEO SAC”. La población está determinada por todo el

personal que desempeña diversas funciones en la empresa, que en total suman 269, tal

como se observa en el siguiente cuadro.

Población

Embotelladora “Soteo SAC”

Área de Administración 42
Área de Logística 28
Área de Mantenimiento 14
Área de Producción 180
Área de Sostenibilidad 5
Total de trabajadores: 269

Por sus características, la presente es una población finita ya que se tiene el número

exacto de trabajadores y se hallará el tamaño de muestra a través de la fórmula

siguiente:

N Z 2 pq
n= 2 2
d ( N−1 ) + Z pq
Donde:

n: Muestra de estudio (trabajadores de la empresa embotelladora “Soteo SAC”)

N: Tamaño de la población = 269

P: Probabilidad de acierto, éxito = 95%

Q: Probabilidad de error, fracaso = 5%

Z: Nivel de confianza = 1.96

D: Precisión (error máximo admisible) = 4.11%

(269 ) ( 1.96 2) ( 0.95 ) (0.05)

n=
( 0.04112 ) ( 269−1 ) + ( 1.962 ) ( 0.95)(0.05)

n=77

La muestra operativa queda conformada por 77 trabajadores, distribuidos de la siguiente

manera:

Embotelladora “Soteo SAC”

Area de Administración 12
Area de Logística 8
Area de Mantenimiento 4
Area de Producción 51
Area de Sostenibilidad 2
Total de trabajadores: 77
Ejercicio

Una empresa con 500 empleados desea reducir el nivel de ausentismo de los
trabajadores. Reportes de asistencia indican que cerca del 10% de los trabajadores faltan
al trabajo, pero no determinan las causas del ausentismo. Decides investigar las razones
más frecuentes para las faltas, y, por tanto, estimas el nivel de confianza de tu muestra
en el 95% y un error máximo admisible del 3%.
De esta forma:
n = tamaño de muestra
z = nivel de confianza elegido (igual a 2)
p = porcentaje de inasistencia (10)
q = porcentaje complementario (p - q = 90)
N = tamaño de la población (N=500)
e = error máximo permitido (3)
La fórmula utilizada para el cálculo es la siguiente:
 Redacción típica del muestreo en la tesis de investigación

Una redacción típica del muestreo en la tesis de investigación cuantitativa es la

siguiente:

Población y Muestra.
Se utilizará un diseño no probabilístico de selección intencional.

Se seguirá el método de Muestreo Teórico para seleccionar a los informantes (Vara,

2008), no dirigido a la cantidad de casos sino al “potencial” de cada uno en función de
obtener opiniones y valoraciones diversas que reflejen una visión amplia de la realidad
estudiada.

El muestreo responderá a un criterio de selección “intencional” guiado por los objetivos

de la investigación y el número de informantes se adecuará a las exigencias de los
métodos empleados y al criterio de punto de saturación (cese de la recogida de la
información cuando el escenario de la investigación no aporta ya información novedosa.
Se dice entonces que se ha alcanzado el punto de saturación teórica).

Veamos un ejemplo más.

Para la investigación titulada “Cuáles son las mejores estrategias de comercio y de

negociación aplicables al mercado nacional de Arte & Luz E.I.R.L. de artículos de
iluminación en Lima Metropolitana”:

Población y muestra
La población está conformada por los distribuidores de artículos de iluminación en el
mercado nacional.

Se realizará muestreo de tipo general no probabilístico de selección intencional por ser

conveniente económicamente y necesario para la investigación exploratoria cualitativa;
además de alguna experiencia con la población de quien investiga.
La población está constituida por los distribuidores de artículos de iluminación a nivel
nacional. Los criterios de inclusión y exclusión para la delimitación poblacional son los
siguientes:

 Distribuidores de artículos de iluminación del grupo compuesto por las

armazones y soportes metálicos con accesorios de cristal en los que se inserta el
foco o lámpara.
 Distribuidores pertenecientes al área de Lima Metropolitana.
 Distribuidores con mercado de artículos de iluminación en Lima Metropolitana.

El muestreo es de tipo no probabilístico de selección intencional, cualitativo, se

realizará considerando el conocimiento y los criterios de quien efectúa la investigación;
el criterio de selección intencional se adecúa a la naturaleza y los objetivos de esta
investigación , es apropiado porque permite seleccionar a los participantes que mejor
representen a la población por tener buen conocimiento del fenómeno a investigar lo
que lleva a un “punto de saturación” con información óptima y mínimo de desperdicio.

El procedimiento para calcular el tamaño de la muestra es el siguiente:

 Se comenzará por la feria de artículos de iluminación ubicada en la Av. Tomás
Marsano en Lima.
 Se utilizará informantes para seleccionar los casos apropiados y ricos en
información.
 La muestra se irá formando de manera seriada, es decir el siguiente participante
se seleccionará en base a la información proporcionada por los que van siendo
seleccionados.
 La muestra será ajustada al instante; la información obtenida orientará el proceso
de muestreo.
 El muestreo continuará hasta alcanzar el “punto de saturación”, vale decir hasta
que no haya información diferente, sino sólo “más de lo mismo”.
 Por último se buscará casos que confirmen la información obtenida.