Está en la página 1de 25

INTRODUCCION

En las actividades de investigación científica y tecnológica es muy útil el empleo de


muestras. El análisis de una muestra permite inferir conclusiones susceptibles de
generalización a la población de estudio con cierto grado de certeza (Holguin y Hayashi,
1993).
Al desarrollar un proyecto de investigación “el total de observaciones en las cuales se
esta interesado, sea su número finito o infinito, constituye lo que se llama una
población,” (Walpole y Myers, 1996, p. 203). La muestra es una pequeña parte de la
población estudiada. La muestra debe caracterizarse por ser representativa de la
población.
De acuerdo con Briones (1995) “una muestra es representativa cuando reproduce las
distribuciones y los valores de las diferentes características de la población..., con
márgenes de error calculables”.
Los anteriores conceptos reflejan que al analizar una muestra se esta aplicando la
inferencia estadística con el propósito de “... conocer clases numerosas de objetos,
personas o eventos a partir de otras relativamente pequeñas, compuestas por los mismos
elementos,” (Glass y Stanley, 1994, p. 241). En términos generales la información que
arroja el análisis de una muestra es mas exacta incluso que la que pudiera arrojar el
estudio de la población completa.
OBJETIVOS

- Determinar las cualidades que caracterizan una buena muestra.

- Conocer como se hace la selección de una muestra.

- Seleccionar la muestra apropiada para ejemplos de investigación y describir el


procedimiento a seguir para conformar esa muestra.
- Aprender a reconocer si el grupo elegido es verdaderamente representativo del
conjunto.

- Conocer mediante teoría y ejemplo el significado del tamaño de la muestra y su


aplicación en la metodología de la investigación
DEFINICION

Muestra

Cuando no es conveniente considerar todos los elementos de la población, lo que se


hace es estudiar una parte de esa población. Una parte de la población se llama muestra.
La muestra siempre debe tener las mismas características del universo, ya que es
representativa de este.
Según algunos autores :
"Se llama muestra a una parte de la población a estudiar que sirve para representarla".
Murria R. Spiegel (1991).
"Una muestra es una colección de algunos elementos de la población, pero no de todos".
Levin & Rubin (1996).
"Una muestra debe ser definida en base de la población determinada, y las conclusiones
que se obtengan de dicha muestra solo podrán referirse a la población en referencia",
Cadenas (1974).
Ejemplo; El estudio realizado a 50 miembros del Colegio de Ingenieros del Estado
Cojedes.
El estudio de muestras es más sencillo que el estudio de la población completa; cuesta
menos y lleva menos tiempo. Por último se aprobado que el examen de una población
entera todavía permite la aceptación de elementos defectuosos, por tanto, en algunos
casos, el muestreo puede elevar el nivel de calidad.
Una muestra representativa contiene las características relevantes de la población en las
mismas proporciones que están incluidas en tal población.
Los expertos en estadística recogen datos de una muestra. Utilizan esta información
para hacer referencias sobre la población que está representada por la muestra. En
consecuencia muestra y población son conceptos relativos. Una población es un todo y
una muestra es una fracción o segmento de ese todo.

Una muestra puede ser de dos tipos: no probabilistica y probabilistica.


En la muestra no probabilistica la selección de las unidades de análisis dependen de
las características, criterios personales, etc. del investigador por lo que no son muy
confiables en una investigación con fines científicos o tecnológicos. Este tipo de
muestra adolece de fundamentación probabilistica, es decir, no se tiene la seguridad de
que cada unidad muestral integre a la población total en el proceso de selección de la
muestra. El muestreo no probabilistico comprende los procedimientos de muestreo
intencional y accidental:
a) Muestreo Intencional. El muestreo intencional es un procedimiento que permite
seleccionar los casos característicos de la población limitando la muestra a estos casos.
Se utiliza en situaciones en las que la población es muy variable y consecuentemente la
muestra es muy pequeña.
b) Muestreo Accidental: El muestreo accidental consiste en tomar casos hasta que se
completa el número de unidades de análisis que indica el tamaño de muestra deseado.
Los anteriores procedimientos de muestreo no son recomendables para una
investigación científica.

El muestreo probabilistico permite conocer la probabilidad que cada unidad de análisis


tiene de ser integrada a la muestra mediante la selección al azar. Este tipo de muestreo
comprende los procedimientos de muestreo simple o al azar, estratificado, sistemático y
por conglomerados o racimos.
a) Muestreo Simple: De acuerdo con Webster (1998) “una muestra aleatoria simple es la
que resulta de aplicar un método por el cual todas las muestras posibles de un
determinado tamaño tengan la misma probabilidad de ser elegidas”. Esta definición
refleja que la probabilidad de selección de la unidad de análisis A es independiente de la
probabilidad que tienen el resto de unidades de análisis que integran una población.
Esto significa que tiene implícita la condición de equiprobabilidad (Glass y Stanley,
1994).
Los pasos para obtener una muestra aleatoria simple son:
1 Definir la población de estudio.
2 Enumerar a todas las unidades de análisis que integran la población, asignándoles un
número de identidad o identificación.
3 Determinar el tamaño de muestra óptimo para el estudio.
4 Seleccionar la muestra de manera sistemática utilizando una tabla de números
aleatorios generada por medios computacionales para garantizar que se tiene un orden
aleatorio.
Por ejemplo, para obtener una muestra de alumnos del Instituto Tecnológico de Nuevo
Casas Grandes a los que se les aplicará una encuesta. Lo primero que se hace es
enumerar a todo el alumnado de la institución. Se obtiene una lista de los alumnos
matriculados y se les asigna un número a cada uno de ellos en orden alfabético y
ascendente. Suponiendo que el total de alumnos es de 700 se utilizan los números 000,
001, 002, 003,...,699. Se determina el tamaño de muestra, suponiendo que en este caso
es de tamaño 75. Enseguida se utiliza la tabla de números aleatorios formando números
de tres dígitos aceptando como unidad de análisis muestral a todos aquellos que esten
comprendidos entre el 000 y el 699.
b) Muestreo Estratificado. Este procedimiento de muestreo determina los estratos que
conforman una población de estudio para seleccionar y extraer de ellos la muestra. Se
entiende por estrato todo subgrupo de unidades de análisis que difieren en las
características que se van a analizar en una investigación. Por ejemplo, si se va a
realizar un estudio correlacional entre el tipo de perfil profesional y los ingresos
económicos de los egresados del Instituto Tecnológico de Cd. Cuauhtémoc que laboran
en las empresas instaladas en la Región Noroeste del Estado de Chihuahua y cuya edad
fluctúa entre 25 y 45 años se procede a dividir la población de estudio en cinco estratos.
Cada estrato representa una de las cinco carreras que ofrece esta institución educativa
(contaduría, administración, informática, ingeniería industrial e ingeniería en sistemas
computacionales). Como se puede deducir del anterior ejemplo, este procedimiento
integra unidades de análisis a la muestra provenientes de todos los estratos que
conforman la población.
La base de la estratificación adopta diversos criterios como edad, sexo, ocupación, etc.
Una modalidad muy precisa en este tipo de muestreo es el procedimiento de muestreo
estratificado proporcional. Procedimiento de muestreo que permite seleccionar a las
unidades de análisis que integrarán la muestra en proporción exacta al tamaño que tiene
el estrato en la población, es decir, “el estrato se encuentra representado en la muestra
en proporción exacta a su frecuencia en la población total,” (D´Ary, Jacobs y Razavieh,
1982, p. 138). Los pasos a seguir para seleccionar una muestra proporcionalmente
estratificada son:
1) Definir la población de estudio.
2) Determinar el tamaño de muestra requerido.
3) Establecer los estratos o subgrupos.
4) Determinar la fracción total de muestreo por estrato dividiendo el tamaño del estrato
entre el tamaño de la población de estudio.
5) Multiplicar la fracción total de muestreo por estrato por el tamaño de la muestra para
obtener la cantidad de unidades de análisis de cada estrato que se integrarán a la unidad
muestral.
6) Selección y extracción de la muestra aplicando el procedimiento de muestreo
aleatorio simple.
Al aplicar este procedimiento de muestreo al ejemplo: Si se tiene que seleccionar una
muestra de 500 personas, de una comunidad de 5000 habitantes repartidos en cinco
colonias, en donde el tamaño de cada estrato es: colonias A = 1000, B = 1500, C = 500,
D = 1250 y E = 750, la muestra es:
c) Muestreo Sistemático. Una muestra sistemática se obtiene determinando cada hésima
unidad o késimos casos. Un késimo caso representa el intervalo de selección de
unidades de análisis que serán integradas a la muestra, se obtiene mediante la expresión:
N :n por ejemplo si se va a encuestar a una muestra de tamaño 50 de una población de
500, el intervalo de selección es de tamaño 10. Este intervalo de selección indica que se
habrá de formar cada décimo caso de la población para integrarlo a la muestra. El
primer caso se selecciona arbitrariamente o al azar. Suponiendo que en este ejemplo el
primer caso seleccionado sea el número 13, el segundo será el 23 y así sucesivamente
hasta completar el tamaño de muestra deseado.
d) Muestreo por Racimos. Se utiliza cuando el investigador esta limitado por factores de
tiempo, distancia, fuentes de financiamiento, entre otros. Las unidades de análisis se
encuentran encapsuladas o encerradas en determinados lugares físicos o geográficos que
se denominan racimos.
En este tipo de muestreo es imprescindible diferenciar entre unidad de análisis
entendida como quiénes va a ser medidos y unidad muestral que se refiere al racimo a
través del cual se logra el acceso a la unidad de análisis.
Por ejemplo si se va a realizar una encuesta sobre las condiciones salariales en las
empresas industriales, la unidad muestral son las industrias y las unidades de análisis
estan representadas por los obreros que laboran en ellas.

Universo poblacion y muestra

Universo

Universo es el conjunto de personas, cosas o fenómenos sujetos a investigación, que


tienen algunas características definitivas. Ante la posibilidad de investigar el conjunto
en su totalidad, se seleccionara un subconjunto al cual se denomina muestra.

Población
Se da el nombre de población a un conjunto de individuos y objetos acerca del cual se
quiere saber algo. Muchas veces no es conveniente considerar cada uno de los
elementos de la población para calcular ese promedio o ese porcentaje. En otros casos,
considerar todos lo elementos de la población no proporciona ninguna utilidad.
Población es el conjunto de todos los elementos que cumplen ciertas propiedades y
entre los cuales se desea estudiar un determinado fenómeno (pueden ser hogares,
número de tornillos producidos por una fábrica en un año, lanzamientos de una moneda,
etc. ). Llamamos población estadística o universo al conjunto de referencia sobre el cual
van a recaer las observaciones.
En Estadística la población, también llamada universo o colectivo es el conjunto de
elementos de referencia sobre el que se realizan las observaciones.
En epidemiología una población es un conjunto de sujetos o individuos con
determinadas características demográficas, de la que se obtiene la muestra o
participantes en un estudio epidemiológico a la que se quiere extrapolar los resultados
de dicho estudio (inferencia estadística).
El número de elementos o sujetos que componen una población estadística es igual o
mayor que el número de elementos que se obtienen de ella en una muestra (n).
Existen distintos tipos de poblaciones que son:
• Población base: es el grupo de personas designadas por características
personales, geográficas o temporales, que son elegibles para participar en el
estudio.
• Población muestreada: es la población base con criterios de viabilidad o
posibilidad de realizarse el muestreo.
• Muestra estudiada: es el grupo de sujetos en el que se recogen los datos y se
realizan las observaciones, siendo realmente un subgrupo de la población
muestreada y accesible. El número de muestras que se puede obtener de una
población es una o mayor de una.
• Población diana: es el grupo de personas a la que va proyectado dicho estudio,
la clasificación característica de los mismos, lo cual lo hace modelo de estudio
para el proyecto establecido.
EL TAMAÑO DE LA MUESTRA:

Al realizar un muestreo probabilística nos debemos preguntar ¿Cuál es el número


mínimo de unidades de análisis ( personas, organizaciones, capitulo de telenovelas, etc),

que se necesitan para conformar una muestra ( que me asegure un error estándar

menor que 0.01 ( fijado por el muestrista o investigador), dado que la población es
aproximadamente de tantos elementos.

En el tamaño de una muestra de una población tenemos que tener presente además si es
conocida o no la varianza poblacional.

Una muestra probabilistica depende de:

–Recursos disponibles,

–Heterogeneidad de las variables,

–Sujetos a estudiar, técnica de muestreo,

–Tipo de análisis, grado de precisión que deben tener los datos, entre otros.

Uno de los métodos para definir la muestra lo aporta Fisher; para lo cuál elige dos
criterios:

–Los recursos disponibles; fija el tamaño máximo de la muestra, siempre tomar la


muestra mayor posible, mientras más grande mas posibilidad de ser representativa y
menor será el error de muestreo.

–Plan de análisis de los datos; fija tamaño mínimo de la muestra, el tamaño de la


muestra deberá ser suficiente para permitir un análisis confiable de los cruces de
variables, para probar si las diferencias entre proporciones son estadísticamente
significativas.

Para determinar el tamaño de muestra necesario para estimar con un error máximo

permisible prefijado y conocida la varianza poblacional ( ) podemos utilizar la


formula:
(1)

que se obtiene de reconocer que es el error estándar o error máximo prefijado y está

dado por la expresión para el nivel de confianza y constituye una


medida de la precisión de la estimación, por lo que podemos inferir además que

Ejemplo 1.2

Se desea estimar el peso promedio de los sacos que son llenados por un nuevo
instrumento en una industria. Se conoce que el peso de un saco que se llena con este
instrumento es una variable aleatoria con distribución normal. Si se supone que la
desviación típica del peso es de 0,5 kg. Determine el tamaño de muestra aleatoria
necesaria para determinar una probabilidad igual a 0,95 de que el estimado y el
parámetro se diferencien modularmente en menos de 0,1 kg.

Solución:

Evidentemente un tamaño de muestra no puede ser fraccionario por lo que se debe


aproximar por exceso. El tamaño de muestra sería de 97.

Si la varianza de la población es desconocida, que es lo que mas frecuente se ve en la


práctica el tratamiento será diferente, no es posible encontrar una fórmula cuando la
varianza poblacional es desconocida por lo que para ello aconsejamos utilizar el
siguiente procedimiento-
Primeramente, se toma una pequeña muestra, que se le llama muestra piloto, con ella se

estima la varianza poblacional ( ) y con este valor se evalúa en la formula (1),

sustituyendo ( ) por su estimación ( ). El valor de obtenido será


aproximadamente el valor necesario, nuevamente con ese valor de se extrae una
muestra de este tamaño de la población se le determina la varianza a esa muestra, como

una segunda estimación de ( ) y se aplica de nuevo la formula (1), tomando la


muestra con el obtenido como muestra piloto para la siguiente iteración, se llegará a

cumplir con las restricciones prefijadas. Se puede plantear esta afirmación ya que la

de tiende a estabilizarse a medida que aumenta alrededor de la por lo que


llegará el momento en que se encuentre el tamaño de muestra conveniente, sin embargo,
en la práctica es mucho más sencillo pues, a lo sumo con tres iteraciones se obtiene el
tamaño de muestra deseado, este procedimiento para obtener el tamaño de muestra
deseado se puede realizar utilizando en Microsoft Excel en la opción análisis de datos
las opciones estadística descriptiva para ir hallando la varianza de cada una de las
muestras y la opción muestra para ir determinado las muestras pilotos. Para obtener el
tamaño de la muestra utilizando este método recomendamos la utilización de un paquete
de computo como por ejemplo el Microsoft Excel, aplicando las opciones muestra y
estadística descriptiva.

Para determinar el tamaño de la muestra cuando los datos son cualitativos es decir para
el análisis de fenómenos sociales o cuando se utilizan escalas nominales para verificar
la ausencia o presencia del fenómeno a estudiar, se recomienda la utilización de la
siguiente formula:

(2)

siendo sabiendo que:


es la varianza de la población respecto a determinadas variables.

es la varianza de la muestra, la cual podrá determinarse en términos de probabilidad

como

es error estandar que está dado por la diferencia entre ( ) la media poblacional
y la media muestral.

es el error estandar al cuadrado, que nos servirá para determinar , por lo que

= es la varianza
SELECCIÓN DE LA MUESTRA

•La selección depende del objetivo del estudio y de la hipótesis inicial


•Factores variables independientes como sexo, edad, nivel educacional, lugar de origen,
etc. deberán estar representados en la muestra

Muestreo al azar

•Asignación de números a los individuos y selección de aquellos que aparezcan en la


tabla de muestreo al azar o uno de cada X individuos

•Desventaja
–Inclusión de números desiguales de individuos
Muestreo intencionado

•Establecer de antemano las categorías sociales y el número de individuos que se desea


incluir.

•Elección al azar de los hablantes para completar cada subgrupo


Número de individuos

•Asegurar validez y representatividad de la muestra


–Idealmente = 25/100.000 hablantes
–5 hablantes por subgrupo socialmente homogéneo
–Muestra proporcional al número de individuos por subgrupo social
Estratificación socioeconómica

•Estudio sociológico que establezca los estratos sociales


•Método objetivo
–Medición de parámetros
•Método subjetivo
–Evaluación subjetiva del investigador
Muestra socioeconómica homogénea

•No incluye clase social como variable independiente


•Ejemplos
–Considerar solamente sexo y edad
–Concentrarse en un determinado sector urbano
CUALIDADES DE UNA BUENA MUESTRA

Para que una muestra posea validez técnico estadística es necesario que cumpla con los
siguientes requisitos:

• Ser representativa o reflejo general del conjunto o universo que se va a estudiar,


reproduciendo de la manera más exacta posible las características de éste.
• Que su tamaño sea estadísticamente proporcional al tamaño de la población.
• Que el error muestral se mantenga dentro de límites aceptables.

VENTAJAS Y LIMITACIONES DEL USO DE MUESTRAS

Ventajas:

• Costo reducido: resulta obvio que si no se estudia la totalidad de sujetos sino una
muestra de ellos, los recursos financieros, materiales, personal, etc necesarios para
hacer la investigación serán menores.
• Mayor rapidez: de igual forma, la recolección de la información se hará en menos
tiempo.
• Mayor exactitud: al estudiar una muestra se reduce el volumen de trabajo, por lo cual
es posible entonces emplear personal más capacitado, supervisar con mayor cuidado
las actividades de campo, el procesamiento de los datos, y de esta forma obtener
resultados más exactos que los que obtendríamos de estudiar toda la población.
• Mayores posibilidades: Existen casos en los cuales no es posible estudiar toda la
población, como por ejemplo, cuando ésta es infinita o muy grande o cuando el
proceso de medida para estudiar la característica deseada es destructivo (determinar
la dosis letal de una droga por ejemplo, o al consumir un artículo para juzgar sobre
su calidad). En ese caso solo es posible estudiar una muestra.

Limitaciones:

• No se debe emplear muestras cuando la población es muy pequeña


• La teoría del muestreo es compleja y no es del dominio de la mayoría de los
investigadores, por lo que con frecuencia deben buscar apoyo en especialistas en la
materia.

TIPOS DE MUESTREO

Se conoce como muestreo el proceso de obtención de la muestra. Puede ser


probabilístico y no probabilístico. Hablamos de un muestreo probabilístico cuando los
integrantes de la muestra se escogen al azar y por lo tanto, puede calcularse con
antelación la probabilidad de obtener cada una de las muestras que pueden formarse de
esa población o la probabilidad que tiene cada elemento de la población de ser incluido
en la muestra.

• Un procedimiento tal, que al escoger un grupo pequeño de una población se


pueda tener un grado de probabilidad de que ese pequeño grupo efectivamente
posee las características del universo que estamos estudiando. Pardinas.
• Muestreo es el proceso utilizado para escoger y extraer una parte del universo o
población de estudio con el fin de que represente al total.
• Todo subgrupo de una población constituye una muestra, PERO;
o NO TODOS SON REPRESENTATIVOS DE ELLA.
o TAMPOCO TIENEN LA MISMA PROBABILIDAD DE SER
ESCOGIDOS.
• Existen dos tipos:

1- Muestreo Aleatorio Simple y


2- Muestro No-Probabilistico.

MUESTREO PROBABILISTICO

• Es el método que consiste en extraer una parte o muestra de una población o


universo, de tal forma que todas las muestras posibles de tamaño fijo tengan la
misma posibilidad de ser seleccionadas.
o En el caso anterior se indica sacar más de una muestra debido a la
dificultad para asegurar que una muestra al azar sea representativa.
o Atendidos ciertos criterios se puede confiar en que la muestra será
representativa.
• Para que el muestreo sea probabilístico o aleatorio es requisito que todos y cada
uno de los elementos de la población tenga la misma probabilidad de ser
seleccionado, además esa probabilidad es conocida.

MUESTREO ALEATORIO SIMPLE

• Más sencillo, más usado. Se caracteriza porque cada unidad tiene la misma
probabilidad de ser incluida en la muestra.

EXISTEN VARIAS MODALIDADES:

a)- Por medio del uso de tabla de números aleatorios.

b)- Muestreo sistemático.

c)- Muestreo estratificado.

d)- Muestreo por conglomerado

I- SORTEO: Se coloca en un recipiente tarjetas o fichas que representen a cada


unidad del universo y luego seguir la siguiente secuencia:

1- Identificar y definir la población.

2- Establecer la estructura muestral; lista real de las unidades o elementos de la


población.

3- Determinar el numero que conformará la muestra.

4- Anote la secuencia individual en tarjetas, hasta completar el Universo, luego


depositelo en un recipiente.

5- Extraer una a una las unidades correspondientes a la muestra.

6- Controle el tamaño de la muestra seleccionada.

También puede realizarse el muestreo de otra forma, como escoger de manera aleatoria
de números.

Desventajas: No se puede utilizar si el universo es muy grande.


II- TABLA DE NÚMEROS ALEATORIOS: más rápido y práctico.

Consiste en disponer el universo distribuido como números en varias columnas y filas,


de los que se seleccionará la muestra:

1- Identifique y defina la población.

2- Establezca el listado real de las unidades o elementos del universo.

3- Determine el numero de unidades que será la muestra.

4- Asegurar la enumeración de cada unidad del universo.

5- Determine el orden en que se usará la tabla, definiendo las combinaciones que se


harán.

6- Seleccione las unidades muestrales, listandolas para eliminar las repeticiones.

7- Asegúrese de la cantidad de unidades seleccionadas hasta completar la muestra,


puede necesitarse en caso que no se hallen o desaparezcan números ya listados.
III- MUESTREO SISTEMATICO: Cada unidad tiene igual probabilidad de ser
seleccionada.Varia el proceso de selección de las muestra.

1- Seleccione el numero de unidades que conformará la muestra.

2- Asegure la cantidad del universo y que todas las unidades están numeradas.

3- Calcule el “Número de selección sistemática”, intervalo numérico que servirá para la


selección de la muestra. N:n; 500/100= 5 (intervalo de selección muestral).

4- Determine la unidad por donde se iniciará la selección de la muestra, azar o sorteo,


definiendo las primeras 5 por la que se iniciará.

5- Conforme la muestras; si el primer numero es 4, los siguientes serán 9, 14, 19, hasta
completar la muestra. Hasta completar 100.

IV- MUESTREO ESTRATIFICADO: Se caracteriza por subdividir a la población en


subgrupos o estratos, debido a la variabilidad que presentan las variables principales del
estudio.

Ej: Presión arterial, debe medirse en hombres y mujeres.

* Muestreo estratificado proporcional, es en el que se elige una proporción por cada


estrato.

Ej: Si se toma una muestra de una población en que el 15% fuma y el 85% no, se
deberá mantener la misma proporción.

* Muestreo estratificado no proporcional, Es en el que no se mantiene la proporción,


esto es más conveniente cuando se intenta comparar estratos. Ej: se selecciona el 50%
que fuma y el 50% que no fuma.
• Tener en cuenta que:
o No hacer muchos estratos.
o No estratificar con respecto a muchas variables.

1- Seleccione el numero de unidades que conformará la muestra.

2- Determine los estratos o subgrupos que hará, según la variable que está estudiando.

3- Asegurese del número que compone cada estrato, numerados y fácilmente


identificables.

4- Calcule el porcentaje que constituirá la muestra Con el ejemplo anterior; 500...100%,


entonces 100...20%., por lo tanto 20.

5- Calcule el 20% de cada estrato y seleccionelo.

6- Al hacer la selección puede hacerlo por azar simple o usando una tabla.

* Secuencia utilizable para un muestreo estratificado proporcional.

* Los estratos se dan en forma natural (hombres-mujeres, viejos-jóvenes, etc.

V- MUESTREO POR CONGLOMERADO: Se utiliza cuando no se cuenta con un


listado detallado de las unidades del universo.

Se procede a tomar grupos o conjuntos de unidades (conglomerados).

Por la dificultad de organizar las unidades muestrales, el investigador define los


estratos, tampoco conoce la distribución de la variable.

1- Definir y seleccionar los conglomerados a estudiar.

2- Hacer listado de las unidades que componen los conglomerados.

3- Seleccionar la muestra con alguno de los métodos antes mencionados.


Ej: Si se estudiará las escuelas primarias, sobre un fenómeno, 1º se seleccionan las
escuelas luego, se determinan los cursos que se estudiarán, y finalmente los alumnos,
con método aleatorio.

* No es tan confiable con muestreo aleatorio.

MUESTREO NO PROBABILISTICO

• También conocido como “muestreo por conveniencia”, No es aleatorio, por ello


se deconoce la probabilidad de selección de cada unidad, esto hace que pierda
credibilidad.
• Su característica principal es que el investigador utiliza algunos criterios para
seleccionar la muestra.

EXISTEN DOS TIPOS FUNDAMENTALES:

1- Muestreo Intencional o Deliberado y


2- Muestreo Accidental o por Comodidad.

1- MUESTREO INTENCIONAL O DELIBERADO:

• El investigador decide, según los objetivos, los elementos que integrarán la


muestra, considerando aquellas unidades supuestamente “típicas” de la
población que se desea conocer.
• El investigador conoce la población y sus características que pueden ser
utilizadas para seleccionar la muestra.

2- MUESTREO ACCIDENTAL O POR COMODIDAD:

• Se toman las unidades o casos que están disponibles en un momento dado;


consultantes en box, asistentes a un curso, etc.
• El muestreo por “cuota”, es en el que el investigador selecciona la muestra de
acuerdo a fenómenos a estudiar, solo les interesa cumplir con la cuota muestral.
* En general no se recomienda el uso de muestreo no estratificado para investigaciones
cuantitativas, debido a que no permite calcular el error del muestreo.
ADECUACIÓN Y REPRESENTATIVIDAD DE LA MUESTRA

Uno de los problemas fundamentales que se le plantea al investigador en relación con el


muestreo consiste en saber si el grupo elegido es verdaderamente representativo del
conjunto; para que lo sea, los rasgos de los elementos o individuos elegidos para la
muestra deben ser similares a los de toda la población.

La representatividad es la característica más importante de una muestra. El muestreo


adquiere todo su sentido en cuanto que garantiza que las características que se quieren
observar en la población quedan reflejadas adecuadamente en la muestra. Generalizar a
la población a partir de la muestra sólo está justificado si ésta representa realmente a la
población.

“Preservar la representatividad es el atributo más importante que debe reunir el


muestreo, lo que nos permitirá generalizar a la población los resultados obtenidos en la
muestra”.

Fox señala que para lograr la representatividad se requiere:

1. Conocer qué características (variables) están relacionadas con el problema que se


estudia;
2. Capacidad para medir esas variables, y
3. Poseer datos de la población sobre estas características o variables para usarlos como
variable de comparación.

El mismo autor señala que si no se cumple alguna de estas condiciones, para algunas de
las características, se pierde la capacidad de buscar deliberadamente la representatividad
en cuanto a ella.

La selección aleatoria de la muestra garantiza la ausencia de sesgo en el proceso de


selección de la misma, ayuda a garantizar su representatividad, pero esta circunstancia
no es garantía total para que estemos seguros de que la muestra al azar es representativa
de la población de la que se ha extraído.
Se espera que sea representativa de las características relevantes de la población, pero
pudiera no serlo. Lo normal es que lo sea, ya que lo típico, lo representativo de la
población, es lo que aparece con más frecuencia, pero no hay seguridad total. El
muestreo estratificado proporcional asegura, en cambio, la representatividad en cuanto a
una o dos características (Jiménez Fernández, 1983).

Si se poseen datos sobre la población se pueden comparar con ellos la muestra invitada
y/o la aceptante y, mediante algún contraste de significación adecuado (por ejemplo chi-
cuadrado), determinar si difieren de ella en las características que interesa en una
investigación dada. Si el contraste indica que no hay diferencias significativas en las
variables consideradas, se puede admitir la representatividad de la muestra para las
características en cuestión, pero nada se puede afirmar sobre la representatividad de la
muestra respecto de cualquier otra variable

Si, por el contrario, no se ha logrado representatividad en una o varias variables, el


investigador tiene dos opciones: a) trabajar con la muestra no representativa y contar
con ese límite; b) seleccionar más elementos de la población, con la esperanza de que
una muestra mayor sí sea representativa, aunque el estudio tenga una muestra mayor de
buscada inicialmente.

Para realizar el contraste de representatividad de las muestras respecto de la población,


hemos supuesto que se tienen datos sobre ella. Si no se tuvieran datos de la población,
no se puede realizar el contraste de la muestra invitada y/o aceptante con respecto a la
población.

Entonces se recurre a contrastar la muestra aceptante con la invitada. Sobre la muestra


productora de datos siempre posee valores el investigador, ya que su referente
comparativo es la muestra aceptante. Un informe sobre los elementos que se negaron a
participar, de los que aceptaron participar pero luego no pudieron y de los que
aceptando, en un primer momento, se negaron a hacerlo al conocer más profundamente
la investigación; orientará al investigador y al destinatario de la investigación sobre la
posibilidades de sesgo en esta etapa del muestreo.
Una prueba de significación adecuada entre estas dos muestras (aceptante y final)
serviría para ver si difieren significativamente en algunas de las variables básicas o si,
por el contrario, la muestra productora de datos sigue siendo representativa de la
muestra aceptante, lo que demuestra que esa/s característica/s no han sido consideradas
para no participar.

Por último, es necesario preguntarse qué pérdida puede tolerarse desde la selección de la
muestra inicial hasta llegar a la que proporciona los datos. Al mismo tiempo, hay que
tener en cuenta que se tiene constancia probada de que las personas que no responden
tienen opiniones o patrones de conducta distintos de las que responden; y que el
porcentaje de la pérdida también depende, para su representatividad, de cómo se
distribuyan las respuestas en la diferentes categorías de la variable. No es igual un 48%
de “sí” y un “52% de “no” ante determinada pregunta que un 16% y un 84% (Jiménez
Fernández, 1983: 249). En cualquier caso, no existe una única respuesta cuantitativa. Se
suele considerar que una pérdida del 25% debe preocupar, aún cuando no existan
diferencias estadísticamente significativas; “cuando sea inferior al 50% «se debe leer y
escribir con cuidado»; y cuando la proporción es menor del 40% no se deberían dar a
conocer los datos, ni considerarlos como conclusiones válidas. Son útiles como estudios
pilotos, pero no se pueden aceptar sin hacer un estudio posterior más exhaustivo”
CONCLUSIÓNES

- Para que una muestra proporcione datos confiables, éstos deben ser representativos de
la población, es decir, que los errores del muestreo deben ser relativamente pequeños
para que ésta no pierda su validez. Ninguna muestra da garantía absoluta en relación
con la población de donde ha sido extraída, de ahí, la importancia de poder determinar
el posible margen de error y la frecuencia de los mismos dentro del conjunto.

- La selección de la muestra es uno de los pilares de la investigación.

- Existen diferentes ventajas que ofrece el uso de una muestra como un bajo costo,
mayor rapidez en la obtención de datos, así como una mayor exactitud

- Para poder estudiar todos los elementos o sujetos a los cuales se refiere el problema es
necesario que la cantidad de sujetos y la forma como son seleccionados, sean adecuada.

- Es importante apuntar que mediante este trabajo se le muestra a los investigadores


cómo poder seleccionar el tamaño de una muestra para que sea representativa con
relación a la población a trabajar.
BIBLIOGRAFÍA

GIL PASCUAL, J. A. (2004): Bases Metodológicas de la Investigación Educativa.


(Análisis de datos). UNED, Madrid.

BUENDÍA EISMAN, L.; COLÁS BRAVO, M.P. y HERNÁNDEZ PINA, F. (1998):


Métodos de investigación en Psicopedagogía. McGraw-Hill, Madrid.

www.angelfire.com/emo/tomaustin/Met/metinacap.htm - 134k -
books.google.com.pe/books?isbn=9685748667...

http://74.125.47.132/search?q=cache:rCOS_XKU4WoJ:www.ucla.edu.ve/dme
dicin/departamentos/medicinapreventivasocial/SEB/investigacion/muestreo.
pdf+Ventajas+y+limitaciones+del+uso+de+una+muestra&hl=es&ct=clnk
&cd=10&gl=pe

www.ucla.edu.ve/dmedicin/departamentos/medicinapreventivasocial/SEB/investigacion
/muestreo.pdf

También podría gustarte