2. Población y Muestra
Población objeto de estudio:
Conjunto de todos los casos que
concuerdan con determinadas
especificaciones. Es aquella sobre la
que se pretende recaigan las
conclusiones de estudio.
Muestra: parte de la población que
se observa directamente. Es un
subconjunto de esa población y debe
ser representativo de ésta.
3. • Para abordar una investigación hay
preguntas que siempre están presentes:
¿Cuántas personas, familias, animales,
etc. debo estudiar para que mi
investigación sirva o sea importante?
¿Tengo 100 sujetos para mi
investigación, serán suficientes para que
la muestra sea representativa? ¿Qué
clase o tipo de muestreo debo realizar
para escoger o seleccionar la parte de la
población que deseo estudiar?
4. El investigador una vez que ha formulado
el problema, construido el marco
teórico que lo sustenta, formulado los
objetivos y las hipótesis si proceden y
ha seleccionado las variables,
probablemente se percatará que es
imposible realizar el estudio debido a que el
número de sujetos, que potencialmente,
participará en éste para la obtención de los
datos es muy numerosa o sencillamente no
lo puede conocer, aunque lo conozca le es
imposible observar a todos. Esto puede
deberse a diversas limitaciones como: pocos
recursos, problema de financiación entre
otros.
5. Las situaciones planteadas así como las
interrogantes señaladas están relacionadas con la
teoría del muestreo probabilístico y tiene solución
con la aplicación de sus métodos.
Para resolver el problema de la muestra se debe:
• a) delimitar el número de unidades de análisis
(elemento de la población objeto de estudio) y qué
seleccionar (tamaño muestral)
• b) Establecer la forma en que efectuara la selección
(método de muestreo a emplear: probabilístico o no
probabilístico, etc.)
• c) Determinar el modo en que se procesara los
datos para realizar la estimación (análisis).
• d) Indicar el procedimiento del cálculo de error
que se comete en el proceso de estimación:
6. • Error de muestreo o aleatorio: sacar
conclusiones sobre una población, a
partir de una muestra de ésta.
(desviación de la muestra seleccionada de
las verdaderas características, rasgos,
comportamientos, cualidades o figuras de
toda la población)
• Probabilidad de inclusión: probabilidad
que tiene un elemento de la población,
objeto de estudio, de ser incluido en la
muestra que se observa.
7. • Muestra representativa: no existe una
definición formal sobre la
representatividad de una muestra. Para
conseguir la representatividad, se debe
procurar que la muestra exhiba
internamente el mismo grado de
variabilidad que la población. Una
muestra se considera representativa de
ciertos aspectos específicos de la
población, cuando el error en que se
incurra al sacar conclusiones sobre esos
aspectos no excede ciertos límites
prefijados.
• Por otro lado, el tamaño no hace
representativa una muestra sino la
aplicación de algún método probabilístico
utilizado y que sea aplicada
correctamente.
8. • Según Silva (2003) es improcedente
utilizar los giros “muestra significativa” o
“muestra estadística significativa” en el
caso del muestreo por la naturaleza del
asunto. Lo correcto es muestra
probabilística, si fuese el caso o muestra
simple aleatoria.
• Y nunca a firmar se obtuvo una muestra
significativa.
9. Por tanto, para seleccionar una muestra, lo
primero que hay que hacer es definir la
unidad de análisis (individuos, organizaciones,
periódicos, comunidades, situaciones, eventos,
etc.). Una vez definida la unidad de análisis se
delimita la población. Para el proceso
cuantitativo la muestra es un subgrupo de la
población de interés sobre el cual se
recolectarán datos, y que tiene que definirse o
delimitarse de antemano con precisión, éste
deberá ser representativo de dicha población.
El investigador pretende que los resultados
encontrados en la muestra logren generalizarse
o extrapolarse a la población.
10. • Una vez que se ha definido cuál será la unidad
de análisis, se procede a delimitar la población
que va a ser estudiada y sobre la cual se
pretende generalizar los resultados. Así, una
población es el conjunto de todos los casos que
concuerdan con una serie de especificaciones.
Una deficiencia que se presenta en algunos
trabajos de investigación es que no describen
lo suficiente las características de la población
o consideran que la muestra la representa de
manera automática.
• Es preferible entonces establecer con claridad
las características de la población, con la
finalidad de delimitar cuáles serán los
parámetros muestrales.
11. Cálculo del tamaño de muestra
Cuando se hace una muestra probabilística,
uno debe preguntarse: dado que una población
es de N tamaño, ¿cuál es el menor número de
unidades muestrales (personas,
organizaciones, capítulos de telenovelas, etc.)
que necesito para conformar una muestra (n)
que me asegure un determinado nivel de error
estándar, digamos menor de 0.01? La
respuesta a esta pregunta busca encontrar una
muestra que sea representativa del universo o
población con cierta posibilidad de error (se
pretende minimizar) y nivel de confianza
(maximizar), así como probabilidad.
12. Entonces, lo primero es conocer el
tamaño de la población.
Generalmente un programa
informático donde se pueda calcular
el tamaño muestral le va a pedir los
siguientes datos:
• ¿Tamaño del universo?
• ¿Error máximo aceptable?
• ¿Porcentaje estimado de la muestra?
• ¿Nivel deseado de confianza?
13. Tamaño óptimo de una
muestra
Precisar adecuadamente el tamaño de la
muestra puede tornarse complejo, esto
depende del problema de investigación y la
población a estudiar. Para el investigador
que se inicia, será muy útil comparar qué
tamaño de muestra han empleado otros
investigadores, a la luz de la revisión de la
literatura. Vemos algunos ejemplos que
indican los tamaños de muestra más
utilizados por los investigadores, según sus
poblaciones (nacionales o regionales).
14. Muestras utilizadas con frecuencia en
investigaciones nacionales y
regionales según área de estudio
Tipos de
estudio
Nacionales Regionales
Económicos 1000+ 100
Médicos 1000+ 500
Conductas 1000+ 700-300
Actitudes 1000+ 700-400
Experimentos
de laboratorio
– – – 100
15. Tamaños de muestra mínimos en estudios
cuantitativos de acuerdo con el propósito de estudio
Tipo de estudio Tamaño mínimo de
muestra
Transeccional descriptivo o
correlacional
30 casos por grupo o
segmento del universo.
Encuesta a gran escala 100 casos para el grupo o
segmento más importante
del universo y de 20 a 50
casos para los menos
importantes.
Causal 15 casos por variable
independiente.
Experimental o
cuasiexperimental
15 por grupo.
16. Clases de muestra
Básicamente categorizamos las
muestras en dos grandes
ramas: las muestras no
probabilísticas y las
muestras probabilísticas.
17. El muestreo probabilístico
En las muestras probabilísticas
todos los elementos de la
población tienen la misma
posibilidad de ser escogidos y se
obtienen definiendo las
características de la población y el
tamaño de la muestra, y por
medio de una selección aleatoria o
mecánica de las unidades de
análisis.
18. Ejemplo: medir la satisfacción de los clientes de
una empresa. Para poder generar un marco
muestral, podríamos acceder al sistema
informático de la empresa y extraer una lista de
todas las personas que han contratado un
producto en el último año. Cada una de las
personas de esa lista serían unidades
muestrales. Seleccionando un conjunto de estos
clientes, obtendría una muestra.
O el procedimiento para obtener el número
premiado en un sorteo de lotería. Este número
se va formando en el momento del sorteo. En las
loterías tradicionales, a partir de las esferas con
un dígito que se extraen (después de revolverlas
mecánicamente) hasta formar el número, de
manera que todos los números tienen la misma
probabilidad de ser elegidos.
19. Muestreo no probabilístico
• En las muestras no probabilísticas, la
elección de los elementos no depende de la
probabilidad, sino de causas relacionadas
con las características de la investigación
o de quien hace la muestra. Aquí el
procedimiento no es mecánico ni con base
en fórmulas de probabilidad, sino que
depende del proceso de toma de decisiones
de un investigador o de un grupo de
investigadores y, desde luego, las
muestras seleccionadas obedecen a otros
criterios de investigación.
20. • Elegir entre una muestra
probabilística o una no
probabilística depende de los
objetivos del estudio, del
esquema de investigación y de la
contribución que se piensa hacer
con ella.
21. EJEMPLO. Una investigación a nivel
nacional, para saber cuántos niños han
sido vacunados y cuántos no, y las
variables asociadas (nivel
socioeconómico, lugar donde viven,
educación) con esta conducta y sus
motivaciones. Se haría una muestra
probabilística nacional de, por ej.: 1600
infantes, y de los datos obtenidos se
tomarían decisiones para formular
estrategias de vacunación, así como
mensajes dirigidos a persuadir la
pronta y oportuna vacunación de los
niños.
22. Comentario: este tipo de estudio,
donde se hace una asociación entre
variables y cuyos resultados servirán
de base para tomar decisiones políticas
que afectarán a una población, se logra
por medio de una investigación por
encuestas y, definitivamente, por
medio de una muestra probabilística,
diseñada de tal manera que los datos
lleguen a ser generalizados a la
población con una estimación precisa
del error que pudiera cometerse al
realizar tales generalizaciones.
23. ¿Cómo se selecciona una
muestra probabilística?
• Para hacer una muestra probabilística
son necesarios dos procedimientos:
• 1. Calcular un tamaño de muestra que
sea representativo de la población;
• 2. Seleccionar los elementos
muestrales (casos) de manera que al
inicio todos tengan la misma
posibilidad de ser elegidos.
24. Tipos de muestreo
probabilístico
• Muestreo aleatorio simple: a cada
elemento o unidad de la población
se le asigna un número único, y a
partir de esta lista se hace un
sorteo, seleccionando los casos
hasta llegar al tamaño de la
muestra deseada. Es un
procedimiento largo y tedioso
cuando la población es grande.
25. • Muestreo estratificado: se divide a la
población en los estratos o subgrupos
homogéneos, por ejemplo: edad y sexo,
y se obtiene aleatoriamente, una
muestra separada de cada estrato. Se
puede utilizar el muestreo aleatorio
simple.
• Muestreo sistemático: es la selección de
un persona por cada cierto número de
casos de una lista o grupo.
26. • Muestreo por conglomerados: se escogen
conglomerados que pueden incluir por
ejemplo un grupo de personas
perteneciente a escuelas, hospitales,
áreas geográficas, municipios,
organizaciones, etc. Estos conglomerados
son seleccionados aleatoriamente, y se
procede a estudiar cada uno de los
elementos que lo integran.
27. Por ejemplo: si se pretende investigar el
comportamiento de los focos de Aedes
Aegyptis, en un municipio, se
seleccionará áreas del municipio según
las condiciones higiénicos-sanitarias, y
dentro de los conglomerados
seleccionados se estudian todas las
viviendas para buscar focos.
• Un procedimiento más complejo puede
incluir la selección inicial de los
conglomerados, su estratificación en el
supuesto caso de sean grupos de gran
tamaño, y posteriormente se determina
la muestra por cada estrato.
28. Muestreo no probabilístico
• No aseguran la probabilidad que tiene cada
unidad de la población para ser incluida en la
muestra.
• En lo posible, no es alternativo ni
espontáneo, responde a un diseño dirigido a
conocer como se producen los procesos, a una
explicación de la percepciones, creencias,
actitudes y otros atributos que no se pueden
alcanzar por otro tipo de técnicas.
• La fuerza de ésta técnica radica en la
selección de casos ricos en información de los
cuales se puede extraer conclusiones de gran
relevancia en relación con aspectos centrales
a los propósitos de la investigación. Se utiliza
información obtenida de sujetos, documentos,
artefactos u otros soportes.
29. a) El muestreo accidental o de
conveniencia: entraña el uso de las
personas u objetos, de los que fácilmente
se cuenta, para sujetos de estudio.
b) El muestreo por cuota divide a la
población de en estratos o subpoblaciones
homogéneas para asegurar la existencia
de proporciones representativas en los
estratos dentro de la muestra.
c) En el muestreo intencionado se escogen
sujetos u objetos para incluir en la
muestra, con base en el conocimiento que
tiene el investigador de la población.
30. • d) Muestreo de caso crítico: son
aquellos de los cuales se suele decir si
le sucedió a él (ella) le sucedería a
cualquiera o recíprocamente si no le
sucedió a él (ella) no le sucedería a
nadie, o en si tal grupo hay problema
podemos estar seguro de que los hay en
todos los grupos. Se utiliza cuando se
dispone de escaso recursos o es
necesario elegir el caso o el grupo más
informativo en términos del impacto
sobre el conocimiento.
31. e) Muestreo en cascada: se utiliza para
identificar casos críticos o informantes
claves. El proceso comienza con una
interrogante del tipo .. A quién me
recomiendan para..? O quién esta bien
informado en relación con..? Desde aquí se
recluta una masa crítica de informantes
clave.
Los diseños no probabilísticos tienen
la ventaja de ser cómodos y
económicos, pero su principal
desventaja es la gran posibilidad que
tienen de generar errores de gran
magnitud.