Академический Документы
Профессиональный Документы
Культура Документы
1
El propósito de un estudio estadístico suele ser, extraer conclusiones acerca de la
naturaleza de una población. Al ser la población grande y no poder ser estudiada en su
integridad en la mayoría de los casos, las conclusiones obtenidas deben basarse en el
examen de solamente una parte de esta, lo que conlleva, en primer lugar a la
justificación, necesidad y definición de las diferentes técnicas de muestreo.
Para que una muestra sea representativa, y por lo tanto útil, debe de reflejar las
similitudes y diferencias encontradas en la población, es decir ejemplificar las
características de ésta.
Los puntos a tratar serán los siguientes. En primer lugar, algunas definiciones y
conceptos previos sobre muestra, muestreo, marco muestral, universo, población,
elementos de una población, parámetro, así como de unidades de muestreo y de análisis;
luego se dará a conocer algunas ideas sobre el procedimiento para el cálculo del tamaño
de muestra. En tercer lugar se tocará el tema de los tipos de muestreo en donde de
manera sucinta se abordaran tanto el muestro probabilístico como el no probabilístico,
dando a conocer las ventajas y desventajas de los mismos.
Este trabajo de investigación adquiere importancia dado que es necesario conocer los
diferentes métodos de muestreo porque de ese modo se asegura la representatividad de
la muestra extraída y la confiabilidad de los resultados obtenidos. Ya que el objetivo de
la estadística es inferir conclusiones válidas aplicables a toda la población a partir de
una muestra, es decir, la generalización de los resultados que estarán relacionados con la
representatividad de la muestra.
2
Este tema se aborda tomando en cuenta que, como estudiantes de la carrera de
Psicología Clínica, se debe estar en conocimiento de estos métodos puesto que en
psicología se aplican a todos los organismos que tienen una conducta similar y están
interrelacionados entre sí, por eso es conveniente saber a cuales sujetos escoger de
modo tal que el resultado pueda ser generalizado a una población.
Por otra parte, se justifica esta investigación por ser un requerimiento académico que
tiene carácter normativo en la Universidad UTE.
3
CAPITULO II: FUNDAMENTACIÓN TEÓRICA
4
2.1. Definición y conceptos previos
Muestra: Porción de la población que se selecciona para fines de análisis, siempre debe
de ser representativa de la población total.
Unidades de análisis: Objeto o individuo del que hay que obtener la información.
5
2.1.1 Muestra
El uso de una muestra como guía para una población, es exigible que sea
verdaderamente representativa de ella en general. De manera que se asegure que las
inferencias y las conclusiones pueden extenderse desde la muestra a la población o
universo en su conjunto.
6
Ocasionalmente el muestreo puede ser más exacto que el estudio de toda una población
o universo. Y esto se debe a que manejar menor cantidad de datos provoca menos
errores en su manipulación. Porque, en todo caso, el conjunto de elementos de la
muestra son los sujetos que realmente se estudian.
2. 1.2 Muestreo
7
Puede decirse sin temor a errar, que el muestreo es una herramienta de investigación
científica que tiene la función de determinar qué parte de una población debe ser
examinada, con el fin de hacer inferencias sobre ella.
Ahora bien, esa generalización añade, indefectiblemente, cierto nivel de error. Para
ilustrar esta afirmación, supongamos que se toma una muestra al azar de mil personas,
del universo de 3,000,000 de pobladores de una ciudad “X” y se les pregunta si padecen
de depresión. Las respuestas revelarán que el 25% de tal muestra tiene el padecimiento.
Por lógica simple podemos deducir que si ese porcentaje condujo a tal revelación, el
dato debe ser indicativo de lo que se conseguiría si la misma pregunta es hecha a la
totalidad de los referidos pobladores.
Cuando se elige la última opción, se habla de “muestreo”, que podemos definir como el
proceso de seleccionar un conjunto de elementos de la población o universo para
enfocar sobre ellos el estudio y caracterizar con sus resultados el total de los mismos.
8
Si el propósito del estudio es determinar cuántos de dichos 3,000,000 de pobladores
padecen de depresión, podemos notar que se trata de un universo extremadamente
amplio, significando esta característica una seria dificultad para recoger información
satisfactoria para los fines de la investigación. Una dificultad que puede implicar alto
coste o tiempo excesivo. Es en este momento cuando puede seleccionarse un
subconjunto de esos pobladores para someterlos a estudio, resultando útil la
información recogida como una aproximación a lo que se procura.
Cada estudio tiene un tamaño muestral idóneo, que permite comprobar lo que se
pretende con una seguridad aceptable y el mínimo esfuerzo posible. Para el cálculo del
tamaño muestral en cada tipo de estudio existe una fórmula estadística apropiada.
Se basa en el error estándar, que mide el intervalo de confianza de cada parámetro que
se analiza (media aritmética, porcentaje, diferencia de medias, entre otros). La precisión
estadística aumenta (el error estándar disminuye) cuando el tamaño muestral crece. Para
cada caso concreto, será más fácil utilizar algún programa como STATS®
9
Para lo segundo (elementos muéstrales), se requiere un marco de selección adecuado y
un procedimiento que permita la aleatoriedad en la selección.
Cuando se hace una muestra probabilística, debe de preguntarse: dado que una
población es de N tamaño, ¿cuál es el menor número de unidades muéstrales (personas,
organizaciones, entre otros.) que se necesita para conformar una muestra (n) que
asegure un determinado nivel de error estándar, dígase 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, el cual se pretende minimizar, y
nivel de confianza (maximizar), así como probabilidad.
Supongamos que hay 2200 (número ficticio, solo para ilustrar el ejemplo) de ellas. Al
abrir el subprograma “Tamaño de la muestra” en STATS®4 el programa va a pedir los
siguientes datos:
El tamaño del universo o población se dijo que es de 2 200. Este dato se debe conocer o
uno aproximado,
Los más comunes son 5 y 1% (uno implica tolerar muy poco error, 1 en 100, por así
decirlo; mientras que 5%, es aceptar en 100, 5 posibilidades de equivocación (en
ciencias sociales el más usual es el primero).
10
El porcentaje estimado de la muestra es la probabilidad de ocurrencia del fenómeno
(representatividad de la muestra versus no representatividad, la cual se estima sobre
marcos de muestreo previos o se define, la certeza total siempre es igual a uno, las
posibilidades a partir de esto son “p” de que sí ocurra y “q” de que no ocurra (p + q =
1). Cuando no se tiene marcos de muestreo previo, se usa un porcentaje estimado de
50% (que es la opción por ”default” que brinda STATS, es decir, se asume que “p” y
“q” serán de 50%, y que resulta lo mas común, particularmente cuando se selecciona
por vez primera una muestra en una población.
En el ejemplo sería:
11
constituirán la muestra. Así, se distingue entre muestreo probabilístico y muestreo no
probabilísticos.
12
Se asigna un número a cada individuo de la población; y
A través de algún medio mecánico (bolas dentro de una bolsa, tablas de números
aleatorios, números aleatorios generados con una calculadora u ordenador, entre
otros) se eligen tantos sujetos como sea necesario para completar el tamaño de
muestra requerido.
Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad práctica cuando
la población que estamos manejando es muy grande.
Usado para estudios relativos a poblaciones o universos infinitos, en los que el tamaño
de la muestra es determinado gracias a una fórmula y se le asigna un salto o una
frecuencia.
Procedimiento:
El número i que empleamos como punto de partida será un número al azar entre 1 y k.
El riesgo este tipo de muestreo está en los casos en que se dan periodicidades en la
13
población ya que al elegir a los miembros de la muestra con una periodicidad constante
(k) podemos introducir una homogeneidad que no se da en la población. Imaginemos
que estamos seleccionando una muestra sobre listas de 10 individuos en los que los 5
primeros son varones y los 5 últimos mujeres, si empleamos un muestreo aleatorio
sistemático con k=10 siempre seleccionaríamos o sólo hombres o sólo mujeres, no
podría haber una representación de los dos sexos.
Trata de obviar las dificultades que presentan los anteriores ya que simplifican los
procesos y suelen reducir el error muestral para un tamaño dado de la muestra. Consiste
en considerar categorías típicas diferentes entre sí (estratos) que poseen gran
homogeneidad respecto a alguna característica (se puede estratificar, por ejemplo, según
la profesión, el municipio de residencia, el sexo, el estado civil, entre otros).
Lo que se pretende con este tipo de muestreo es asegurarse de que todos los estratos de
interés estarán representados adecuadamente en la muestra. Cada estrato funciona
independientemente, pudiendo aplicarse dentro de ellos el muestreo aleatorio simple o
el estratificado para elegir los elementos concretos que formarán parte de la muestra.
En ocasiones las dificultades que plantean son demasiado grandes, pues exige un
conocimiento detallado de la población. (Tamaño geográfico, sexos, edades,...). La
distribución de la muestra en función de los diferentes estratos se denomina afijación, y
puede ser de diferentes tipos:
14
Afijación Proporcional: La distribución se hace de acuerdo con el peso (tamaño)
de la población en cada estrato.
Afijación Optima: Se tiene en cuenta la previsible dispersión de los resultados,
de modo que se considera la proporción y la desviación típica. Tiene poca
aplicación ya que no se suele conocer la desviación.
Cuando los conglomerados son áreas geográficas suele hablarse de "muestreo por
áreas". El muestreo por conglomerados consiste en seleccionar aleatoriamente un cierto
numero de conglomerados (el necesario para alcanzar el tamaño muestral establecido) y
en investigar después todos los elementos pertenecientes a los conglomerados elegidos.
15
2.2.1.5 Ventajas y desventajas de los distintos tipos de muestreo probabilístico
Aleatorio
Simple Se selecciona una muestra Sencillo y de fácil Requiere que se posea de
de tamaño n de una comprensión antemano un listado
poblacion de N unidades, Cálculo rápido de completo de la población.
cada elemento tiene una media y varianzas Cuando se trabaja con
probabilidad de inclusión Se basa en la muestras pequeñas es
igual y conocidad de n/N teoría estadística posible que no represente a
y por tanto la población
existen paquetes adecuadamente.
informáticos para
analizar los datos.
16
tamaño muestral muestra lo más
apropiado, este se reparte semejante posible
de manera proporcional a la población en
entre los distintos estratos lo que a la o las
definidos en la población variables
usando una simple regla estratificadoras se
de tres. refiere
17
representatividad aun en situaciones de muestreo no probabilístico, por ejemplo los
estudios de caso-control, donde los casos no son seleccionados aleatoriamente de la
población.
Ejemplos:
18
Este método de muestreo es aconsejable cuando el responsable del estudio conoce
estudios anteriores similares o identicos y sabe con precisión que la muestra que
utilizaron fue útil para el estudio. Ademas cuando la población es muy reducida y
conocida por el investigador.
Mantiene, por tanto, semejanzas con el muestreo aleatorio estratificado, pero no tiene el
carácter de aleatoriedad de aquél. En este tipo de muestreo se fijan unas "cuotas" que
consisten en un número de individuos que reúnen unas determinadas condiciones, por
ejemplo: 20 individuos de 25 a 40 años, de sexo femenino y residentes en Santiago de
los Caballeros.
El muestreo por cuotas se diferencia del muestreo estratificado en que la elección de los
sujetos en cada estrato se realiza a criterio del investigador, y no aleatoriamente.
El muestreo por cuotas se utiliza cuando se tienen datos adicionales de los individuos
(edad, sexo, entre otros) y se pueden utilizar ya que el investigador considera que estos
datos pueden influenciar en las características que se estudian. El análisis por estratos
permite un posterior análisis de las diferencias entre grupos.
La principal ventaja del muestreo por cuotas es que ofrece resultados útiles a un coste
efectivo y, si se han elegido correctamente las variables sobre las que segmentar, dichos
resultados suelen ser fiables.
19
El riesgo de obviar una cuota relevante en un estudio.
El muestreo por bola de nieve es una técnica de muestreo no probabilística en la que los
individuos seleccionados para ser estudiados reclutan a nuevos participantes entre sus
conocidos. El nombre de "bola de nieve" proviene justamente de esta idea: del mismo
modo que una bola de nieve al rodar por una ladera se va haciendo más y más grande,
esta técnica permite que el tamaño de la muestra vaya creciendo a medida que los
individuos seleccionados invitan a participar a sus conocidos.
La bola de nieve se usa con frecuencia para acceder a poblaciones de baja incidencia y a
individuos de difícil acceso por parte del investigador. En estudios en los que se quiere
estudiar un colectivo muy específico (por ejemplo, personas aficionadas a la filatelia o
coleccionismo de sellos), puede resultar mucho más efectivo obtener una muestra a
través de conocidos y amigos de los propios coleccionistas, que mediante una selección
puramente aleatoria, en la que una gran cantidad de individuos candidatos a participar
serían descartados.
20
Obtener contactos iniciales y pedirles su participación. Esta parte sería similar a
una técnica de muestreo convencional, pero destinada a obtener un tamaño de
muestra reducido.
Solicitar a los participantes, una vez finalizada la entrevista, el acceso a otros
contactos.
Asegurar la diversidad de contactos mediante una correcta selección de los
individuos iniciales y promoviendo que la recomendación no se limite a
contactos muy cercanos.
21
2.2.2.4 Muestreo casual
Se utiliza el muestreo casual o accidental únicamente para tener una idea de cual es la
opinión de la gente respecto a algún producto o tema de actualidad.
22
CONCLUSIONES
23
Según lo afirmado precedentemente, es necesario formular algunas consideraciones
sobre el muestreo estadístico:
24
Todo procedimiento de selección depende de listados o bases de datos, ya sea
existentes o construidas ad hoc. Los listados pueden ser: la guía telefónica, listas
de asociaciones, listas de escuelas oficiales, entre otras.
Cuando no existen listas de elementos de la población, se recurre a otros marcos
de referencia que contengan descripciones del material, organizaciones o
participantes seleccionados como unidades de análisis. Algunos de éstos pueden
ser archivos, hemerotecas y mapas, así como internet.
Las muestras no probabilísticas pueden también llamarse muestras dirigidas,
pues la elección de casos depende del criterio del investigador.
25
BIBLIOGRAFÍA
26
Hernández Sampieri, R. (2010). Metodología de la Investigación. Quinta edición.
Interamericana Editores, S.A. de C.V., México, D.F.
Otras fuentes
Psicología y Mente (s/f). Los 7 Tipos de Muestreo y su uso en las Ciencias. Información
obtenida el 2 de febrero del 2018. Disponible en:
https://psicologiaymente.net/miscelanea/tipos-de-muestreo
27
GLOSARIO
28
Estadística inferencial: La estadística inferencial se ocupa de extender o extrapolar a
toda una población, informaciones obtenidas de una muestra, así como de la toma de
decisiones.
Unidades de análisis: Objeto o individuo del que hay que obtener la información.
Variable: se entiende por variable a una magnitud que asume distintos valores. En
particular, varía en un rango de valores conocidos. Una variable aleatoria esta definida
por un conjunto de valores y, además, por una función de probabilidad que expresa para
cada valor la probabilidad de ocurrencia.
Error máximo admisible: valor decidido por el investigador que define la precisión de
la inferencia.
30