Muestra y Población en Investigación: Cómo Definirlas con Ejemplos para Tu Tesis
Uno de los errores más frecuentes en la sección de metodología de una tesis es confundir muestra y población en investigación, o peor aún, definirlas de forma tan vaga que el comité evaluador las rechaza en la primera revisión. Si estás escribiendo tu tesis de grado en México, Perú, Colombia, Chile o Argentina, esta guía te explica exactamente qué es cada concepto, cómo calcular el tamaño de muestra con la fórmula de Cochran (con un ejemplo numérico completamente resuelto), y cómo redactar esta sección sin que te devuelvan el capítulo de metodología.
La distinción entre población y muestra no es un simple tecnicismo: determina la validez externa de tu investigación, es decir, hasta dónde puedes generalizar tus conclusiones. Una muestra mal definida invalida todos tus resultados, por más riguroso que sea tu análisis estadístico posterior. En las siguientes secciones encontrarás todo lo que necesitas: definiciones claras, tipos de muestreo con una tabla comparativa, la fórmula de Cochran resuelta con números reales, la tabla de Krejcie-Morgan, y tres ejemplos tomados de tesis reales de universidades latinoamericanas.
¿Qué es la población en una investigación? (3 ejemplos concretos LATAM)
En metodología de la investigación, la población (también llamada universo de estudio) es el conjunto completo de unidades de análisis que comparten una o más características definidas por el investigador y sobre las cuales se desea obtener información para responder la pregunta de investigación. No necesariamente se trata de personas: la población puede estar formada por documentos, empresas, animales, eventos o cualquier elemento relevante para el estudio.
Una definición operativa de población siempre debe especificar tres criterios:
- Criterio de inclusión: qué características debe tener un elemento para pertenecer a la población.
- Criterio de exclusión: qué elementos quedan fuera, aunque parezcan similares.
- Delimitación espaciotemporal: dónde y en qué período se ubica la población.
Tres ejemplos concretos de población en tesis LATAM
| Universidad / Campo | Pregunta de investigación (simplificada) | Definición de población |
|---|---|---|
| UNAM — Ciencias Sociales | ¿Cómo influye el uso de redes sociales en el rendimiento académico de estudiantes universitarios? | Todos los estudiantes de licenciatura inscritos en la Facultad de Ciencias Políticas y Sociales de la UNAM en el semestre 2025-2 (N = 4,820). |
| PUCP — Salud Pública | ¿Cuál es el nivel de adherencia al tratamiento antihipertensivo en adultos mayores de Lima? | Pacientes mayores de 60 años con diagnóstico de hipertensión arterial registrados en el Centro de Salud San Martín de Porres entre enero y junio de 2025 (N = 680). |
| U. de Chile — Educación | ¿Qué factores inciden en el abandono escolar temprano en comunas vulnerables de la Región Metropolitana? | Docentes y equipos directivos de establecimientos municipales con índice de vulnerabilidad escolar (IVE) superior al 75 % en la Región Metropolitana durante el año escolar 2025 (N = 1,240 personas en 62 establecimientos). |
Observa que en cada caso la población está delimitada por quiénes (el perfil), dónde (la institución o territorio) y cuándo (el período de recolección de datos). Esta precisión es lo que distingue una población bien definida de una descripción vaga como «los estudiantes universitarios de México».
¿Qué es la muestra y para qué sirve?
La muestra es un subconjunto de la población, seleccionado mediante un procedimiento específico (técnica de muestreo), cuyo propósito es representar las características del universo sin necesidad de estudiar a todos sus elementos. Los resultados obtenidos en la muestra se extrapolan a la población mediante inferencia estadística, siempre bajo cierto margen de error y nivel de confianza.
La muestra tiene un doble propósito en la investigación cuantitativa:
- Viabilidad operativa: estudiar miles o millones de unidades es imposible en términos de tiempo, costo y recursos humanos.
- Validez estadística: si la muestra es representativa, sus resultados son tan confiables como los que obtendría un censo, con una fracción del esfuerzo.
Para que una muestra sea válida debe cumplir tres condiciones: ser representativa (reflejar la diversidad de la población), ser suficientemente grande (determinada por cálculo estadístico) y haber sido seleccionada mediante un procedimiento sistemático y replicable.
¿Cuándo usar muestra vs. población total (censo)?
No siempre es necesario seleccionar una muestra. En algunos casos, el investigador puede —y debe— estudiar a toda la población. A esto se le llama censo. La decisión depende de varios factores:
| Criterio | Usar MUESTRA | Usar CENSO (población total) |
|---|---|---|
| Tamaño de la población | Grande (N > 200 generalmente) | Pequeña (N ≤ 100) |
| Recursos disponibles | Limitados (tesis de grado típicamente) | Suficientes para cubrir toda la población |
| Acceso a los elementos | Difícil o parcial (archivos dispersos, pacientes en múltiples centros) | Total y garantizado (base de datos interna, grupo cerrado) |
| Precisión requerida | Estimaciones con ±5 % de error son aceptables | Se necesita el dato exacto (auditoría, evaluación de programa pequeño) |
| Tipo de estudio | Descriptivo-correlacional, explicativo | Estudio de caso, diagnóstico institucional |
Tipos de muestreo: tabla comparativa completa
Las técnicas de muestreo se dividen en dos grandes familias: el muestreo probabilístico, en el que cada elemento de la población tiene una probabilidad conocida y no nula de ser seleccionado, y el muestreo no probabilístico, donde la selección depende del criterio del investigador. La elección entre uno y otro condiciona el tipo de análisis estadístico que puedes aplicar y la generalización que puedes hacer de tus resultados.
| Tipo de muestreo | Descripción | Ventajas | Limitaciones | Cuándo usarlo en tu tesis |
|---|---|---|---|---|
| PROBABILÍSTICO | ||||
| Aleatorio simple | Cada elemento se elige al azar con igual probabilidad (tómbola, tabla de números aleatorios, función RAND en Excel) | Alta validez interna; cálculo sencillo | Requiere listado completo de la población (marco muestral) | Cuando tienes acceso al padrón completo (lista de empleados, alumnos matriculados) |
| Estratificado | La población se divide en estratos (género, carrera, nivel socioeconómico) y se extrae una muestra aleatoria de cada estrato | Asegura representación de subgrupos; reduce el error de estimación | Complejo si los estratos no están bien definidos; requiere conocer la distribución poblacional | Cuando los subgrupos (ej. estudiantes por semestre) son importantes para tu pregunta de investigación |
| Sistemático | Se elige un punto de inicio aleatorio y luego cada k-ésimo elemento (k = N/n) | Fácil de aplicar sobre listas; distribución uniforme | Riesgo de sesgo si existe periodicidad en el listado | Ideal para listados ordenados (expedientes clínicos, facturas, registros por número de matrícula) |
| Por conglomerados | La unidad de muestreo no es el individuo sino grupos naturales (aulas, colonias, municipios); se seleccionan grupos al azar y se estudian todos sus miembros | Reduce costos logísticos en poblaciones geográficamente dispersas | Mayor error de muestreo que el aleatorio simple; los conglomerados deben ser heterogéneos internamente | Estudios en campo amplio: escuelas de múltiples estados, comunidades rurales dispersas |
| NO PROBABILÍSTICO | ||||
| Por conveniencia | Se seleccionan los elementos de más fácil acceso (alumnos propios del tesista, pacientes del consultorio donde trabaja) | Bajo costo; rápido de implementar | Alta probabilidad de sesgo; no permite inferencia estadística a la población | Estudios exploratorios, cualitativos o cuando el acceso es muy restringido; debe justificarse explícitamente |
| Intencional (propositivo) | El investigador selecciona deliberadamente elementos que considera representativos o particularmente informativos | Útil para estudios de expertos, casos típicos, casos extremos | Subjetividad en la selección; requiere justificación teórica sólida | Tesis cualitativas, estudios de caso, investigación fenomenológica |
| Bola de nieve | Los primeros participantes refieren a otros; útil para poblaciones ocultas o de difícil acceso | Permite acceder a grupos marginados, informales o sensibles | Fuerte sesgo de selección; los resultados dependen del punto de partida | Estudios sobre comunidades migrantes, trabajadores informales, grupos con estigma social |
Muestreo probabilístico vs. no probabilístico: ¿cuál elegir?
Si tu investigación es cuantitativa y tu objetivo es generalizar los resultados a la población, debes usar un muestreo probabilístico. Si tu investigación es cualitativa o exploratoria, el muestreo no probabilístico es metodológicamente aceptable, siempre que justifiques la elección con argumentos teóricos y explicites sus limitaciones en el apartado de validez del estudio.
Para profundizar en el diseño de tu investigación, revisa nuestra guía sobre tesis cuantitativa ejemplo, donde analizamos un trabajo completo con su sección de metodología.
Cómo calcular el tamaño de muestra paso a paso
El tamaño de muestra no se elige al azar ni por «intuición». Existen fórmulas estadísticas que garantizan que tu muestra será suficientemente grande para detectar el efecto o la diferencia que buscas, con un nivel de confianza predefinido. Las dos referencias más usadas en tesis de grado de Latinoamérica son la fórmula de Cochran y la tabla de Krejcie y Morgan (1970).
Fórmula de Cochran con ejemplo numérico resuelto
La fórmula de Cochran para poblaciones finitas (es decir, cuando conoces el tamaño exacto de tu universo de estudio) es:
n = (Z² · p · q · N) / (e² · (N − 1) + Z² · p · q)
Donde:
- n = tamaño de la muestra (lo que queremos calcular)
- N = tamaño de la población total (lo conocemos)
- Z = valor crítico de la distribución normal estándar para el nivel de confianza elegido (1.96 para el 95 % de confianza, el más habitual en ciencias sociales)
- p = proporción esperada de la característica de interés en la población (cuando no se conoce, se usa 0.5 para maximizar el tamaño muestral y garantizar el margen de seguridad)
- q = complemento de p: q = 1 − p = 0.5
- e = margen de error aceptable (0.05 para un 5 %, que es el estándar en ciencias sociales)
Ejemplo numérico completamente resuelto
Supongamos que realizas una tesis sobre la percepción del cambio climático en estudiantes de la Facultad de Ciencias Políticas y Sociales de la UNAM, y la población total es de N = 1,200 estudiantes. Usas los parámetros estándar: Z = 1.96, p = 0.5, q = 0.5 y e = 0.05.
Paso 1 — Calcular el numerador:
Z² · p · q · N = (1.96)² × 0.5 × 0.5 × 1,200
= 3.8416 × 0.25 × 1,200 = 3.8416 × 300 = 1,152.48
Paso 2 — Calcular el denominador:
e² · (N − 1) + Z² · p · q
= (0.05)² × (1,200 − 1) + (1.96)² × 0.5 × 0.5
= 0.0025 × 1,199 + 3.8416 × 0.25
= 2.9975 + 0.9604 = 3.9579
Paso 3 — Dividir:
n = 1,152.48 / 3.9579 = 291.2 ≈ 292 estudiantes
Resultado: necesitas aplicar tu instrumento a 292 estudiantes como mínimo para obtener resultados con un 95 % de confianza y un 5 % de margen de error.
Siempre redondea el resultado hacia arriba (no hacia abajo) para no quedar por debajo del mínimo estadístico. Si por alguna razón pierdes cuestionarios o participantes durante la recolección (no respuestas, datos incompletos), es buena práctica añadir entre el 10 % y 15 % al tamaño calculado, lo que daría una muestra objetivo de 321-336 estudiantes en este caso.
Fórmula de Cochran para población infinita
Cuando no conoces el tamaño exacto de la población, o cuando la población es tan grande que la corrección finita tiene un efecto despreciable (N > 100,000 aproximadamente), se usa la versión simplificada para poblaciones infinitas o muy grandes:
n₀ = Z² · p · q / e²
Aplicando los parámetros estándar:
n₀ = (1.96)² × 0.5 × 0.5 / (0.05)² = 3.8416 × 0.25 / 0.0025 = 0.9604 / 0.0025 = 384.16 ≈ 385 personas
Este valor (385) es el tamaño mínimo de muestra que verás citado con frecuencia en estudios de ciencias sociales con población desconocida. Puedes luego aplicar el factor de corrección finita si conoces N: n_corregida = n₀ / (1 + (n₀ − 1)/N).
Tabla de Krejcie y Morgan (valores de referencia)
La tabla de Krejcie y Morgan (1970), publicada en Educational and Psychological Measurement, proporciona tamaños de muestra preestablecidos para poblaciones finitas con un nivel de confianza del 95 % y un margen de error del 5 %. Es la alternativa más rápida a la fórmula cuando necesitas una referencia inmediata para justificar el tamaño de tu muestra.
| N (Población) | n (Muestra) | N (Población) | n (Muestra) | N (Población) | n (Muestra) |
|---|---|---|---|---|---|
| 50 | 44 | 350 | 186 | 2,000 | 322 |
| 75 | 63 | 400 | 196 | 2,500 | 333 |
| 100 | 80 | 450 | 212 | 3,000 | 341 |
| 150 | 108 | 500 | 217 | 4,000 | 351 |
| 200 | 132 | 600 | 234 | 5,000 | 357 |
| 250 | 152 | 700 | 248 | 7,500 | 366 |
| 300 | 169 | 800 | 260 | 10,000 | 370 |
| 1,000 | 278 | 100,000 | 384 |
Observa un patrón muy importante en la tabla: a medida que N crece, el tamaño de muestra necesario crece muy lentamente y se aproxima asintóticamente al valor de la fórmula para poblaciones infinitas (384-385). Esto tiene una implicación práctica enorme: para una población de 5,000 personas necesitas 357 encuestados, pero para una de 100,000 necesitas apenas 384. El aumento marginal es de solo 27 personas aunque la población se multiplicó por 20. Esta es la lógica estadística detrás del poder de las muestras representativas.
Ejemplos de muestra y población en tesis reales de LATAM
La mejor forma de aprender a redactar esta sección es ver cómo lo hacen tesis aprobadas. A continuación presentamos tres reconstrucciones basadas en el patrón metodológico habitual de universidades latinoamericanas de primer nivel.
Ejemplo 1 — Ciencias Sociales (UNAM, México)
Título de la tesis: Impacto del uso de plataformas digitales en los hábitos de lectura de estudiantes universitarios
Campo: Sociología / Educación
Población: 6,400 estudiantes inscritos en la Facultad de Filosofía y Letras de la UNAM en el semestre 2025-1, de todas las licenciaturas y semestres.
Tipo de muestreo: probabilístico aleatorio estratificado por licenciatura (8 licenciaturas).
Cálculo: aplicando la tabla de Krejcie y Morgan (1970) para N = 6,400, se obtiene una muestra de n = 363 estudiantes. Aplicando el 10 % de contingencia por no respuesta, la muestra objetivo fue de 400 estudiantes (50 por licenciatura, proporcional al peso de cada carrera).
Instrumento: cuestionario autoadministrado en línea (Google Forms), enviado a través de las listas de correo institucionales con tres recordatorios.
Ejemplo 2 — Salud Pública (PUCP, Perú)
Título de la tesis: Factores asociados a la adherencia al tratamiento en pacientes diabéticos tipo 2 en Lima Norte
Campo: Salud Pública / Medicina
Población: 680 pacientes con diagnóstico de diabetes mellitus tipo 2 registrados en el programa de enfermedades no transmisibles del Centro de Salud Los Olivos entre enero y agosto de 2025, con al menos 6 meses de tratamiento activo.
Criterios de exclusión: pacientes con comorbilidades psiquiátricas graves, pacientes que no hablen español como lengua principal, pacientes hospitalizados durante el período de estudio.
Tipo de muestreo: probabilístico aleatorio simple mediante tabla de números aleatorios generada en SPSS.
Cálculo con fórmula de Cochran: con N = 680, Z = 1.96, p = 0.5, q = 0.5, e = 0.05 → n = (3.8416 × 0.25 × 680) / (0.0025 × 679 + 0.9604) = 652.07 / 2.6579 ≈ 245 pacientes. Con 15 % de contingencia: n final = 282 pacientes.
Ejemplo 3 — Educación (Universidad de Chile)
Título de la tesis: Percepción docente sobre el uso de tecnología en el aula en establecimientos municipales de la Región de La Araucanía
Campo: Pedagogía / Ciencias de la Educación
Población: 1,240 docentes de aula de establecimientos municipales de educación básica y media de la Región de La Araucanía que cuentan con conectividad a internet certificada según el MINEDUC (2024).
Tipo de muestreo: probabilístico por conglomerados bietápico: en la primera etapa se seleccionaron aleatoriamente 12 comunas de las 32 de la región; en la segunda etapa, todos los docentes de los establecimientos de esas comunas fueron incluidos.
Muestra final: 310 docentes, lo que representa el 25 % de la población y supera el mínimo calculado por Krejcie y Morgan (1970) para N = 1,240 → n = 291.
Para estructurar el capítulo de metodología completo de tu tesis, consulta nuestro artículo sobre protocolo de investigación con estructura detallada y secciones comentadas.
Cómo redactar la sección de muestra y población en tu tesis (plantilla comentada)
La sección de muestra y población forma parte del capítulo de metodología (Capítulo III en la mayoría de los formatos LATAM). Su extensión habitual en una tesis de licenciatura o grado es de 2 a 4 páginas. A continuación, una plantilla comentada que puedes adaptar:
3.3. Población y muestra
[Párrafo 1 — Define la población con precisión. Incluye N si lo conoces.]
La población objeto de estudio estuvo conformada por [descripción del perfil], en un total de N = [número] [unidades de análisis], registrados en [institución] durante el período [fechas]. Se aplicaron los siguientes criterios de inclusión: [lista]. Quedaron excluidos: [lista].
[Párrafo 2 — Justifica el tipo de muestreo seleccionado.]
Dado que la población es [finita / grande / de difícil acceso] y el diseño de la investigación es [cuantitativo-correlacional / exploratorio / etc.], se optó por un muestreo [tipo], el cual garantiza que cada unidad de análisis [tenga igual probabilidad de ser seleccionada / sea elegida según criterio intencional justificado].
[Párrafo 3 — Calcula el tamaño de muestra con la fórmula o la tabla. Muestra los valores.]
Para determinar el tamaño de la muestra se aplicó la fórmula de Cochran (1977) para poblaciones finitas, con los siguientes parámetros: nivel de confianza del 95 % (Z = 1.96), margen de error del 5 % (e = 0.05) y proporción esperada del 50 % (p = q = 0.5), obteniendo como resultado n = [número]. Para compensar posibles pérdidas durante la recolección de datos, se incrementó la muestra en un [10-15] %, resultando en una muestra definitiva de n = [número ajustado] [unidades de análisis].
[Párrafo 4 — Describe el procedimiento de selección.]
La selección de los participantes se realizó mediante [descripción del procedimiento: generación de números aleatorios en SPSS / listado ordenado con intervalo sistemático / selección de aulas completas / etc.]. Se solicitó consentimiento informado a todos los participantes conforme a los principios éticos de la Declaración de Helsinki (para estudios en salud) o al Código de Ética de la [asociación disciplinar].
Para complementar esta sección, asegúrate de que tus variables de investigación estén correctamente operacionalizadas antes de diseñar el instrumento de recolección de datos. El tipo de variable (nominal, ordinal, continua) también influye en la elección del tipo de muestreo y en el cálculo del tamaño muestral.
Igualmente, la sección de muestra se conecta directamente con la operacionalización de variables, ya que los indicadores operacionales determinan qué datos debes recolectar de cada unidad de la muestra.
Errores frecuentes al definir muestra y población
Estos son los problemas más recurrentes que detectan los comités de tesis y los asesores metodológicos al revisar el capítulo de metodología:
| Error | Ejemplo del error | Cómo corregirlo |
|---|---|---|
| Población demasiado vaga | «La población son los jóvenes de México» | Delimitar con institución, edad exacta, período y criterios de inclusión/exclusión |
| No se reporta N | «Se tomó una muestra de 150 estudiantes de la facultad» | Reportar siempre el N total de la población y justificar cómo se obtuvo ese número |
| Tamaño de muestra sin cálculo | «Se decidió trabajar con 100 personas» | Usar la fórmula de Cochran o la tabla de Krejcie-Morgan y mostrar el cálculo explícito |
| Confundir tipo de muestreo con procedimiento | «Se usó muestreo aleatorio porque se repartieron cuestionarios al azar» | El muestreo aleatorio requiere un marco muestral (listado) y un procedimiento formal de aleatorización |
| No especificar el procedimiento de selección | «La muestra fue seleccionada aleatoriamente» | Describir paso a paso: de dónde viene el listado, qué herramienta generó los números aleatorios, quién realizó la selección |
| No incluir consideraciones éticas | Omitir completamente el consentimiento informado | Siempre mencionar el consentimiento informado y, en estudios con menores o datos sensibles, el aval del comité de ética |
| No justificar el muestreo no probabilístico | «Se utilizó muestreo por conveniencia» (sin más explicación) | Argumentar por qué no era posible acceder a la población de forma probabilística y explicitar las limitaciones de generalización |
Para ver cómo aplicar correctamente el diseño metodológico desde el inicio del proyecto, revisa nuestro artículo sobre variables de investigación y el de instrumento de recolección de datos, que te ayudarán a construir una metodología coherente de principio a fin. Si estás escribiendo una investigación cuantitativa, también puedes apoyarte en la guía de metodologia para TCC no Brasil para comparar los estándares de distintas tradiciones académicas latinoamericanas.
Preguntas frecuentes
¿Cuál es la diferencia entre población y muestra en una tesis?
La población es el conjunto total de elementos que comparten la característica que estudias (por ejemplo, todos los estudiantes de medicina de una universidad). La muestra es un subconjunto representativo de esa población, seleccionado mediante un procedimiento estadístico, sobre el cual aplicas tu instrumento de recolección de datos. Los resultados de la muestra se generalizan a la población dentro de un margen de error y nivel de confianza establecidos.
¿Cómo se calcula el tamaño de muestra para una tesis?
El método más usado en tesis de ciencias sociales y salud de Latinoamérica es la fórmula de Cochran para poblaciones finitas: n = (Z² · p · q · N) / (e² · (N−1) + Z² · p · q). Con los parámetros estándar (Z = 1.96, p = q = 0.5, e = 0.05), calcula el numerador y el denominador por separado y luego divide. Como alternativa rápida, puedes consultar la tabla de Krejcie y Morgan (1970), que proporciona el tamaño de muestra para cada tamaño de población directamente.
¿Es válido usar muestreo por conveniencia en una tesis de grado?
Sí, pero con condiciones. El muestreo por conveniencia es metodológicamente aceptable en estudios exploratorios y cualitativos, o cuando el acceso a la población total es estructuralmente imposible. Si lo usas, debes: (1) reconocerlo explícitamente como limitación de la investigación, (2) aclarar que los resultados no son generalizables a toda la población, y (3) argumentar por qué no fue viable un muestreo probabilístico. Muchos comités de tesis lo aceptan cuando está bien justificado.
¿Cuándo se hace un censo en lugar de una muestra?
Se realiza un censo (estudiar a toda la población) cuando: la población es pequeña (generalmente N ≤ 100), cuando tienes acceso total y garantizado a todos sus elementos, cuando el costo y tiempo son viables, o cuando la investigación requiere datos exactos (no estimaciones). En poblaciones de 50 personas o menos, el esfuerzo de un censo es comparable al de una muestra, y elimina completamente el error de muestreo.
¿Qué nivel de confianza debo usar en mi tesis?
En ciencias sociales, educación y administración, el estándar es el 95 % de confianza (Z = 1.96) con un margen de error del 5 %. En ciencias de la salud o farmacología, donde la precisión es crítica, suele exigirse el 99 % de confianza (Z = 2.58) y un margen de error del 1 %. Usa siempre el nivel que sea convencional en tu disciplina y justifícalo con una referencia metodológica.
¿La tabla de Krejcie-Morgan da los mismos resultados que la fórmula de Cochran?
Sí, ambas están basadas en el mismo modelo estadístico (distribución chi-cuadrado con p = 0.5 y α = 0.05). La tabla de Krejcie y Morgan fue construida aplicando su propia fórmula equivalente a la de Cochran para los valores más comunes de N. Las pequeñas diferencias que puedes encontrar (1-3 unidades) se deben al redondeo. Cualquiera de las dos fuentes es metodológicamente válida; lo importante es citar cuál usaste.
¿El muestreo no probabilístico es válido en una tesis cuantitativa?
Su uso en investigación cuantitativa es debatido metodológicamente, pero ocurre frecuentemente en tesis de grado cuando el acceso a la población es restringido. Si lo utilizas en un estudio cuantitativo, debes: aplicar igualmente la fórmula de Cochran para justificar el tamaño de la muestra, indicar explícitamente en las limitaciones que «los resultados no son estadísticamente generalizables al universo de estudio» y discutir el posible sesgo de selección en la sección de discusión.
¿Cómo se escribe la sección de metodología con muestra y población en formato APA?
En APA 7.ª edición, la sección de participantes (o unidades de análisis) va dentro del capítulo de Método. Debes describir: (1) las características de la población y el tamaño N, (2) el procedimiento de muestreo y el tamaño de muestra n con el cálculo que lo justifica, (3) las características demográficas relevantes de la muestra resultante (edad media, distribución por género, etc.), y (4) cualquier consideración ética relevante. Las fórmulas se presentan en formato matemático dentro del texto o en un párrafo aparte con sangría de bloque.
¿Listo para escribir tu metodología sin errores?
Tesify te ayuda a redactar el capítulo de metodología de tu tesis — muestra, población, operacionalización de variables e instrumentos — con orientación basada en los estándares de UNAM, PUCP, U. de Chile y UBA.
Deja una respuesta