Etapas del Proceso Investigador: Poblacin y Muestra.

POBLACIN Y MUESTRA.
Una vez definido el problema a investigar, formulados los objetivos y delimitadas las variables
se hace necesario determinar los elementos o individuos con quienes se va a llevar a cabo el estudio o
investigacin. Esta consideracin nos conduce a
delimitar el mbito de la investigacin
definiendo una poblacin y seleccionando la
muestra. Cualquier caracterstica medible de la poblacin se denomina parmetro, los valores de los
parmetros calculados sobre muestras se conocen como estadsticos o estadgrafos, utilizan letras
latinas !0, s
"
, r..., media, varianza, coeficiente de correlacin# y describen a las citadas muestras.

$e define tradicionalmente la poblacin como %el conjunto de todos los individuos
(objetos, personas, eventos, etc.) en los que se desea estudiar el fenmeno. stos deben reunir las
caractersticas de lo que es objeto de estudio& !'atorre, (incn y )rnal, "**+#. El individuo, en esta
acepcin, hace referencia a cada uno de los elementos de los que se obtiene la informacin. 'os
individuos pueden ser personas, objetos o acontecimientos.
,oy se prefiere hablar de %unidad de observacin& o %elemento& para referirse al objeto sobre el
cual se realiza una medicin. En los estudios con poblaciones humanas, con frecuencia ocurre que la
unidad de observacin son los individuos.
+. POBLACIN Y UNIVERSO:
El diccionario de la ()E !"**-# define la poblacin, en su
acepcin sociolgica, como %Conjunto de los individuos o cosas sometido a una evaluacin estadstica
mediante muestreo&. En cualquier investigacin, el primer problema que aparece, relacionado con este
punto, es la frecuente imposibilidad de recoger datos de todos los sujetos o elementos que interesen a la
misma.
'os manuales clsicos de epistemologa suelen definir la .poblacin/ como el conjunto de todas
las medidas o personas de un cierto tipo, y la hacen sinnima del concepto ms antiguo de .universo/
!0im1nez 2ernndez, -34+5 $ierra 6ravo, -3445 7il 8ascual, "**9#. :tros autores distinguen entre
.universo/ y .poblacin/ !2o;, -34-5 <arn =b>ez, -34?5 6uenda, Cols y ,ernndez, -3345 'atorre,
(incn y )rnal, "**+#. Estos autores consideran que el investigador casi nunca, o nunca, tiene acceso a
todas las posibles medidas, elementos o personas y, por tanto, utilizan el t1rmino universo para designar
%esa entidad que lo incluye todo&, reservando el concepto de poblacin a la parte del universo de la que
se selecciona la muestra y sobre la que deseamos hacer inferencia o aplicacin de las generalizaciones
que obtengamos de la investigacin.
%El t1rmino universo designa a todos los posibles sujetos o medidas de un cierto tipo... 'a parte del
universo a la que el investigador tiene acceso se denomina poblacin&. !2o;, -34-@ +A4#
%8oblacin es un conjunto definido, limitado y accesible del universo que forma el referente para la
eleccin de la muestra. Es el grupo al que se intenta generalizar los resultados. !6uenda, Cols y ,ernndez,
-
Etapas del Proceso Investigador: Poblacin y Muestra.
-334@ "4#
<arn =b>ez !-34?@ -AB# se>ala las diferencias entre .poblacin/ o .universo general/ y
.universo de trabajo. El primero hace referencia a toda la poblacin a la que queremos e;tender las
conclusiones de la muestra, mientras que el universo de trabajo %son los casos que de alguna manera
tenemos consignados y de los que podemos e;traer la muestra&. $ierra 6ravo !-344# se refiere al
universo de trabajo como .base de la muestra. 'atorre, (incn y )rnal !"**+# tambi1n distinguen entre
poblacin y universo, haciendo sinnimo a este ultimo de .colectivo/ o .colectivo hipot1tico/.
8aralelamente, 'ohr !-333# habla de %poblacin muestreada& para referirse a la poblacin de la que se
e;trae la muestra y de %poblacin objetivo&, entendida como la coleccin completa de observaciones
que deseamos estudiar.
'a definicin de la poblacin es una parte importante, y con frecuencia difcil, del estudio.
'ohr, !-333@ +# advierte@ %or ejemplo, en una encuesta poltica, !la poblacin objetivo deberan ser
todos los adultos que pueden votar" !#odos los votantes registrados" !#odas las personas que votaron
en la $ltima eleccin". En cualquier caso, la eleccin de esta .poblacin objetivo/ afectar
profundamente al resultado de la investigacin


". MUESTREO.
,abitualmente, el investigador no trabaja con todos los elementos de la
poblacin que estudia sino slo con una parte o fraccin de ella5 a veces, por que es muy grande y no es
fcil abarcarla en su totalidad.. 8or ello, se elige una muestra representativa y los datos obtenidos en
ella se utilizan para realizar pronsticos en poblaciones futuras de las mismas caractersticas.
$alvo en el caso de poblaciones peque>as, pocas veces en una investigacin se cuenta con el
tiempo, los recursos y los medios para estudiar una poblacin completa. ) veces ni siquiera podemos
delimitar e;actamente una poblacin, otras veces la poblacin total %aCn no e;iste& como sucede en los
estudios sobre prediccin Estos motivos de tiempo, coste, accesibilidad a los individuos y complejidad
de las operaciones de recogida, clasificacin y anlisis de los datos hacen que la gran mayora de los
proyectos de investigacin no estudien ms que una parte representativa de la poblacin, denominada
muestra. Esto se puede hacer as porque, si se selecciona correctamente la muestra, 1sta puede
aportarnos informacin representativa y e;acta de toda la poblacin.
$e conoce con el nombre de muestreo al proceso de e;traccin de una muestra a partir de la
poblacin. El proceso esencial del muestreo consiste en identificar la poblacin que estar representada
en el estudio.
Entre las ventajas que proporciona el muestreo !'atorre, (incn y )rnal, "**+# suele se>alarse@
el ahorro de tiempo en la realizacin de la investigacin, la reduccin de costos y la posibilidad de
mayor profundidad y e;actitud en los resultados. 'os inconvenientes ms comunes suelen ser@
dificultad de utilizacin de la t1cnica de muestreo, una muestra mal seleccionada o sesgada distorsiona
los resultados, las limitaciones propias del tipo de muestreo y tener que e;traer una muestra de
poblaciones que poseen pocos individuos con la caracterstica que hay que estudiar.
'a importancia del muestreo radica en que no es necesario trabajar con los .D/ elementos de
"
Etapas del Proceso Investigador: Poblacin y Muestra.
una poblacin para comprender con un nivel %razonable& de e;actitud la naturaleza del fenmeno
estudiado. Este conocimiento se puede obtener a partir de una muestra que se considere representativa
de aquella poblacin.
%)unque la razn esencial por la que se muestrea es la imposibilidad de estudiar todos los sujetos, es un
proceso lgico, porque en la prctica no es necesario obtener datos de todos los posibles sujetos para comprender
con e;actitud la naturaleza del fenmeno que se estudia, sino que, en general, se puede alcanzar esa comprensin
con una parte de los sujetos. Eebido a esto, se pueden aprovechar las ventajas del muestreo, que son la reduccin
del coste de la investigacin en tiempo y en dinero... El ahorro de tiempo o dinero mediante el muestreo slo es
lgico cuando se puede justificar el hecho de que los datos obtenidos a partir de la muestra proporcionarn una
base firme para determinar con e;actitud las caractersticas del fenmeno que se estudia&. !2o;, -34-@ +AB#
+
2.1. Muestra.
El Eiccionario de la 'engua Espa>ola !()E, "**-# define la
muestra, en su segunda acepcin, como %parte o porcin e%trada de un conjunto por
m&todos que permiten considerarla como representativa de &l.
En el terreno epistemolgico, 0im1nez 2ernndez !-34+# destaca la condicin de
representatividad que ha de tener la muestra@
%... es una parte o subconjunto de una poblacin normalmente seleccionada de tal modo
que ponga de manifiesto las propiedades de la poblacin. $u caracterstica ms importante es la
representatividad, es decir, que sea una parte tpica de la poblacin en la o las caractersticas que
son relevantes para la investigacin&. !0im1nez 2ernndez, -34+@ "+B#
$ierra 6ravo hace hincapi1 en la generalizacin de resultados@
%... una parte representativa de un conjunto o poblacin debidamente elegida, que se
somete a observacin cientfica en representacin del conjunto, con el propsito de obtener
resultados vlidos, tambi1n para el universo total investigado&. !$ierra 6ravo, -344@ -B9#
'atorre, (incn y )rnal ponen especial 1nfasis en la metodologa del muestreo@
%Conjunto de casos e;trados de una poblacin, seleccionados por algCn m1todo de
muestreo&. !'atorre, (incn y )rnal, "**+@ B4#
'as muestras tienen un fundamento matemtico estadstico. Fste consiste en que
obtenidos unos determinados resultados, de una muestra elegida correctamente y en
proporcin adecuada, se puede hacer la inferencia o generalizacin fundada
matemticamente de que dichos resultados son vlidos para la poblacin de la que se ha
e;trado la muestra, dentro de unos limites de error y probabilidad, que se pueden
determinar estadsticamente en cada caso.
'as muestras presentan evidentes ventajas, respecto del estudio de poblaciones.
Con una muestra relativamente reducida en relacin a la poblacin, se pueden encuestar
grandes poblaciones y nCcleos humanos, que de otra manera sera muy difcil o
prcticamente imposible investigar. $uponen una gran economa en las encuestas y la
posibilidad de mayor rapidez en su ejecucin. ) veces, %... una muestra puede ofrecer
resultados ms precisos que una encuesta total, aunque est& afectada del error que
resulta de limitar el todo a una parte&. !$ierra 6ravo, -344@ -B?#
'a seleccin correcta de la muestra implica crear una que represente a la
poblacin con la mayor fidelidad posible. Esto conlleva utilizar unas t1cnicas especficas
de seleccin de la muestra, as como la necesidad de determinar su tama>o ptimo.
En este proceso de seleccin hemos de distinguir entre .elemento muestral/,
.unidad de muestreo
-
' y .marco de muestreo'. El elemento o individuo !muestral# es un
- $e considera unidad de muestreo a la unidad, o elementos, con los que confeccionamos la muestra@ personas,
familias, centros, empresas...
9
objeto en el cual se toman las mediciones, la unidad ms peque>a en que podemos
descomponer la muestra. 'a unidad de muestreo hace referencia a la unidad donde
realizamos la muestra, est constituida por grupos e;cluyentes de elementos de la
poblacin que completan la misma. 8or ejemplo, podramos desear estudiar a un grupo de
personas !una ciudad, una barriada, un grupo de estudiantes de un determinado nivel
educativo, los trabajadores de un sector de produccin, etc.#, pero no tenemos una lista de
todos los individuos que pertenecen a la poblacin. En su lugar las familias, los centros
educativos, las empresas... podran servir como unidades de muestreo. 'as unidades de
observacin o elementos muestrales seran los individuos que viven en una familia o que
trabajan en una determinada empresa... 'a lista de las .unidades de muestreo/ !familias,
centros educativos, empresas...# constituyen el .marco de muestreo/.
2.2 Etapas del pr!es de "uestre.
2o; !-34-@ +ABG+A3# se>ala cinco
etapas en el proceso de muestreo@
-# Eefinicin o seleccin del universo o especificacin de los posibles
sujetos o elementos de un determinado tipo5
"# Eeterminacin de la poblacin o parte de ella a la que el investigador tiene
acceso5
+# $eleccin de la muestra invitada o conjunto de elementos de la poblacin a
los que se pide que participen en la investigacin5
9# <uestra aceptante o parte de la muestra invitada que acepta participar5
?# <uestra productora de datos5 la parte que acept y que realmente produce
datos.
2.#. C$d%!%$es &ue 'a de !u"pl%r la "uestra.
'as condiciones
fundamentales que ha de cumplir una muestra son, para $ierra 6ravo, cuatro@
-. %Hue comprendan parte del universo
"
y no la totalidad de 1ste.
". Hue su amplitud sea estadsticamente proporcionada a la magnitud del universo. Esta
condicin se halla en relacin con el punto prctico de determinacin del tama>o de la
muestra y sirve para decidir si, segCn las unidades que comprende respecto al universo,
una muestra es o no admisible.
+. 'a ausencia de distorsin en la eleccin de los elementos de la muestra. $i esta eleccin
presenta alguna anomala, la muestra resultar por este mismo hecho viciada.
9. Hue sea representativa o reflejo fiel del universo, de tal modo que reproduzca sus
caractersticas bsicas en orden a la investigacin. Esto quiere decir que si hay sectores
diferenciados en la poblacin que se supone ofrecen caractersticas especiales, a efectos
de los objetivos de la investigacin, la muestra tambi1n deber comprenderlos y
precisamente en la misma proporcin, es decir, deber estar estratificada como el
universo&. !$ierra 6ravo, -344@ -B?#
" 8ara $ierra 6ravo poblacin y universo son sinnimos.
?
8ara cumplir estas condiciones es necesario aplicar unas determinadas t1cnicas de
seleccin de la muestra que garanticen su representatividad, determinar el tama>o ptimo
de la muestra y tener en cuenta el .error muestral/. En los apartados siguientes
desarrollaremos estos aspectos.
# TIPOS O T(CNICAS )E MUESTREO.
)unque no e;iste una Cnica forma de
clasificar las t1cnicas de muestreo, es frecuente clasificarlas en probabilsticas y no
probabilsticas.
#.1 Muestre pr*a*%l+st%!.
Conocido tambi1n como muestreo de
seleccin aleatoria, utiliza el azar como instrumento de seleccin, pudi1ndose calcular de
antemano la probabilidad de que cada elemento sea incluido en la muestra. 8ara <arn
=ba>ez !-34?# este tipo de muestreo es el que alcanza mayor rigor cientfico, y se
caracteriza porque se cumple el principio de la equiprobabilidad, segCn el cual todos los
elementos de la poblacin tienen la misma probabilidad de salir elegidos en una muestra.
El muestreo por azar o probabilstico presenta varias modalidades@
A, MUESTREO ALEATORIO SIMPLE.
Es la modalidad de muestreo ms conocida
y que alcanza mayor rigor cientfico. 7arantiza la equiprobabilidad de eleccin de
cualquier elemento y la independencia de seleccin de cualquier otro. En este
procedimiento se e;traen al azar un nCmero determinado de elementos, .n/, del conjunto
mayor .D/ o poblacin, procediendo segCn la siguiente secuencia@ a# definir la poblacin,
confeccionar una lista de todos los elementos, asignndoles nCmeros consecutivos desde
- hasta .n/5 b# la unidad de base de la muestra debe ser la misma5 c# definir el tama>o de
la muestra, y d# e;traer al azar los elementos.
'a muestra quedar formada por los .n/ elementos obtenidos mediante sorteo de
la poblacin. 'os procedimientos ms comunes de e;traccin de los elementos en este
tipo de muestreo son@ las tablas de nCmeros aleatorios, incluidas en los manuales de
estadstica5 los clsicos sistemas de lotera y otros procedimientos de e;traccin al azar,
incluidos las aplicaciones informticas.
)lgunos autores e;igen que todos los elementos tengan la misma probabilidad de
ser seleccionados. En la prctica real puede haber diversos grados de probabilidad, lo
importante es que la conozcamos. Ee hecho si de un listado de papeletas con cien
personas seleccionamos uno, 1ste tiene -I-** de posibilidad de ser elegido, el segundo
-I33, y as sucesivamente... 8ara que esto no hubiera ocurrido tendramos que haber
empleado el procedimiento que se conoce de obtencin de la muestra con reempla(o, es
decir volviendo a colocar los que salen, para que se mantuviera la proporcin del -I-**.
Este Cltimo caso puede tener inter1s en determinadas circunstancias, pero no en el caso
A
de consultar, por ejemplo, varias veces a un mismo alumno. 'o importante, para <arn
=b>ez !-34?# es que conozcamos el grado de probabilidad y, en lo posible, procurar que
sea la misma.
'a sencillez del procedimiento se complica cuando la poblacin es muy grande y
las ayudas mecanizadas no siempre se pueden o se deben utilizar. 8ensemos la dificultad
que tendra, por este procedimiento, obtener una muestra de la poblacin de <adrid.
6# MUESTREO ALEATORIO SISTEM-TICO.
El empleo de muestras sistemticas
consiste en una variante del anterior tipo de muestreo. 8rimero se calcula .=/ !frecuencia
de los casos# mediante la frmula =J DIn. Eespu1s se elige un nCmero menor o igual que
=, es decir, que cumpla la condicin@ -#a#=. 8or Cltimo se seleccionan los nCmeros en la
tabla de nCmero aleatorios, que sern@ a, aK=, aK"=, a K+=, etc.
$i tenemos la poblacin a estudiar, previamente inscrita en unas listas numeradas,
obtenida la frecuencia de los casos iremos eligiendo saltando los nCmeros que indique la
frecuencia. $i queremos obtener una muestra de "* sobre una poblacin de -** != J
-**I"* J ?#, podramos partir el muestreo del nL ?, el -*, el -?5 o el +, 4, -+... El primer
elemento !.a/# suele elegirse al azar usando las tablas de probabilidad y, a continuacin,
se le suma la frecuencia. $i el azar hizo que se partiera de un elemento de la lista mayor
que =, al llegar a D, se vuelve al principio de la lista hasta completar .n/ casos.
Cuando se trata de poblaciones numerosas, por ejemplo la gua telefnica o los
censos electorales, se seleccionan el primer yIo el Cltimo nombre de cada pgina o
columna. )unque es un procedimiento ms rudimentario, por razn de economa y
tiempo suele utilizarse.
'a eleccin sistemtica partiendo de listas es vlida si el orden no ha sido
establecido teniendo en cuenta la caracterstica que estudiamos. Do pueden servir, por
ejemplo, listas en orden de calificaciones acad1micas si 1sta es una de las variables de
investigacin.
Un peligro de este m1todo es el que se den periodicidades en la poblacin que
anulen la representatividad de la muestra. $upongamos que = J -* y trabajamos con
empleados de una empresa agrupados en Eepartamentos en los que el personal est
listado segCn categoras profesionales, por este orden@ - directivo, -9 profesionales
especializados, ? administrativos. )l elegir la muestra por este m1todo, 1sta quedar
sesgada porque elegir siempre, por ejemplo, un directivo por cada departamento o bien
porque no lo elegir nunca.
Este procedimiento es ms rpido que el anterior, sobre todo si la poblacin es
numerosa y est previamente ordenada. Es muy utilizado en los sondeos de opinin y de
%puerta a puerta&. ) los entrevistadores se les indica que paren a cada .=/ personas o
llamen a cada .=/ puertas.
B
C# MUESTREO ESTRATI.ICA)O.
Este muestreo se utiliza cuando la poblacin esta
constituida en estratos o conjuntos de la poblacin homog1neos con respecto a la
caracterstica que se estudia. Eentro de cada estrato se puede aplicar el muestreo aleatorio
o sistemtico. Consiste en subdividir la poblacin en subgrupos o estratos con arreglo a
laIs caractersticaIs que se consideren y en elegir la muestra de modo que est1n
representados los diferentes estratos.
8ara la obtencin de la muestra estratificada se siguen los siguientes pasos@
a# se divide la poblacin en estratos5 b# de cada estrato se e;trae una muestra por
algCn procedimiento de muestreo5 c# el nCmero de individuos de cada estrato se puede
decidir por paridad o proporcionalidad5 y d# la suma de las muestras de cada estrato
forman la muestra total .n/. !'atorre, (incn y )rnal, "**+#

Eentro del muestreo estratificado suele distinguirse@
*M SMuestre estrat%/%!ad !$sta$te. En este caso, tambi1n conocido como
afijacin simple
+
, la muestra se obtiene seleccionando un nCmero igual de
individuos de cada estrato en que se ha dividido la poblacin, con
independencia del tama>o y variabilidad de los mismos dentro de la
poblacin.
*M M. Estrat%/%!ad prpr!%$al. En este caso se selecciona de cada estrato
un nCmero de elementos proporcional a su tama>o en el conjunto de la
poblacin !afijacin proporcional#. 0im1nez 2ernndez !-34+# considera
que un criterio ms Ctil para fijar la proporcin de la muestra es atender a
la variabilidad de los estratos en la caracterstica que interesa !afijacin
ptima#. $i sus varianzas son apro;imadamente homog1neas, el muestreo
estratificado proporcional es el aconsejado5 si por el contrario difieren
mucho entre s, debe tomarse un porcentaje mayor de elementos de los
estratos que mayor varianza e;perimentan.

8or ejemplo, para estudiar las actitudes hacia la poltica de los universitarios
espa>oles podemos dividir el total de alumnos en estratos para asegurarnos que estarn
representadas las caractersticas que nos interesan. 8osibles estratos podran ser
facultades, titulacin cursada, curso, etc. $uponiendo que se estratifica la poblacin por
titulaciones, si del total de alumnos matriculados en las facultades espa>olas
seleccionamos a cincuenta de cada titulacin, el muestreo ha sido estratificado constante.
8ara esa muestra seleccionamos el mismo nCmero, pero de forma proporcional al nCmero
de alumnos matriculados en cada titulacin, estamos ante una muestra estratificada
proporcional.

MUESTREO POR CON0LOMERA)OS 1CLUSTERS, O 0RUPOS.
+ Cfr. apdo. ?." de este captulo.
4
El muestreo
individual resulta muchas veces inaplicable y hay que recurrir no a los elementos, sino a
seleccionar por el sistema del azar determinados colectivos. 8odramos hacer una
encuesta, por ejemplo, mediante el sistema de muestreo aleatorio simple, a todos los
alumnos de 6achillerato de una determinada ciudad. 'as complicaciones y dificultades
seran mucho menores estableciendo una muestra al azar que tomara como unidades base
del muestreo las aulas. 'a muestra de grupos o racimos tambi1n se denomina
conglomerados o clusters, en terminologa sajona. Este tipo de muestreo se utiliza cuando
los individuos de la poblacin constituyen grupos naturales o conglomerados !distrito,
centros escolares, aulas, empresas, etc.#
En el muestreo por grupos el proceso sigue estos pasos@ la poblacin se divide
previamente en grupos o conglomerados que contienen diversos elementos y, a
continuacin, se seleccionan aleatoriamente el nCmero de conglomerados y se trabaja con
el total de elementos pertenecientes a los conglomerados elegidos. 'a unidad muestral es
el conglomerado !cluster# o grupo y el proceso de seleccin aleatoria se aplica a la
seleccin de 1stos y no a los elementos menores que componen el conglomerado.
Una ventaja de esta t1cnica de muestreo radica en que no es necesario identificar
ni tener un listado de todos los elementos de la poblacin para seleccionarlos
aleatoriamente, sino que despu1s de seleccionados los conglomerados, se procede a
elaborar dicho listado slo para los elementos que componen los conglomerados elegidos.
E# MUESTREO POR ETAPAS O POLIET-PICO.
(elacionado con el tipo anterior. $e
procede dividiendo la poblacin en varios conglomerados y se selecciona un nCmero de
ellos, que constituyen las unidades muestrales primarias. En una segunda etapa se obtiene
una submuestra a partir de las anteriores, que constituyen las unidades muestrales
secundarias, y as sucesivamente. $e submuestrean las unidades anteriores hasta llegar a
la muestra final.
El proceso sigue una secuencia de etapas de seleccin de unidades muestrales de
mayor rango a otras de menor, hasta llegar a los individuos o elementos que constituyen
la muestra@ Comunidad )utnoma, distrito escolar, centros, aulas, alumnos. Este tipo de
muestreo slo necesita conocer los individuos que integran los conglomerados de la
Cltima etapa. En cada etapa puede aplicarse un muestreo aleatorio.
#.2 Muestre $ pr*a*%l+st%!.
En estas t1cnicas no se utiliza el muestreo al
azar sino que la muestra se obtiene atendiendo al criterio o criterios del investigador o
bien por razones de economa, comodidad, etc. Consecuentemente, estas t1cnicas no
utilizan el criterio de equiprobabilidad, sino que siguen otros criterios, procurando que la
3
muestra obtenida sea lo ms representativa posible. Estas muestras, al no utilizar el
muestreo al azar, no tienen la garanta de las muestras probabilsticas, pero en la prctica
son a menudo necesarias e inevitables, en opinin de Nerlinger !-3B?#. Eentro de este
tipo de muestreo se suele distinguir entre muestreo accidental, intencional o deliberado y
por cuotas.
-*
)# MUESTREO ACCI)ENTAL O CASUAL.
Este tipo de muestreo se caracteriza por
utilizar las muestras que tiene a su alcance. $e denominan accidentales porque no
responden a una planificacin previa en cuanto a los sujetos a elegir. Ee hecho, toma las
muestras disponibles sin introducir seleccin o modificacin alguna. 8or ejemplo,
empresas, centros completos, cursos o grupos dentro de un nivel, etc.
El criterio de seleccin de los individuos depende de la posibilidad de acceder a
ellos. Es frecuente utilizar sujetos que las condiciones nos permiten !muestras que
%proporcionan los amigos&#. 8or ejemplo, entrevistar a la salida del metro, o a las
personas que pasan por un calle.
Eesde el punto de vista de la investigacin este tipo de muestreo es ms d1bil. Do
obstante, puede usarse en estudios e;ploratorios cuando no se disponen de otras,
cuidando mucho el anlisis y la interpretacin de resultados.

--
6# MUESTREO INTENCIONAL U OPINATIVO.
En esta t1cnica, el investigador
selecciona de modo directo los elementos de la muestra que desea participen en su
estudio. $e eligen los individuos o elementos que se estima que son representativos o
tpicos de la poblacin. $e sigue un criterio establecido por el e;perto o investigador. $e
suelen seleccionar los sujetos que se estima que pueden facilitar la informacin necesaria.
Este m1todo, que 0im1nez 2ernndez !-34+# califica de %deliberado&, se justifica
cuando se quieren estudiar elementos e;cepcionales de cierta poblacin, ya que la forma
de asegurarse de que se incluirn en dicho estudio, es elegirlos intencionalmente. Do
dudando de su utilidad, se presta a crticas porque las muestras obtenidas resultan
inevitablemente sesgadas en el sentido del criterio que se ha usado para seleccionarla.

En estas muestras opinticas !'atorre, (incn y )rnal5 "**+#, buscamos
deliberadamente los elementos de la muestra porque nos parece que pueden facilitarnos
una informacin ms vlida. $i queremos datos sobre la poblacin delincuente ser
interesante recurrir a los servicios policiales, a los centros penitenciarios o de
rehabilitacin social o a los propios reclusos, que no son naturalmente toda la poblacin
delincuente. ,ay que convenir con <arn !-34?# que no todas las opiniones son
igualmente cualificadas, y cuando nos interesa una informacin ms vlida, la
e;periencia y la preparacin pueden inducirnos a seleccionar deliberadamente la muestra
de acuerdo con unas caractersticas no aleatorias.
,ay muestras intencionadas que parten de .elementos tpicos/ o .representativos/
a los que ya pCblicamente se les ha reconocido tal rango. En Espa>a, en las Elecciones
7enerales se sabe que el escrutinio de apenas ocho decenas de mesas electorales, ya
determinadas, tienen un valor e;trapolable al resultado global de las citadas elecciones.
Este tipo de muestras han sido ampliamente divulgado por los medios de comunicacin@
%En la pelcula <agic OoPn, el investigador de opinin pCblica interpretado por 0ames
$tPart, descubri un pueblo que tena e;actamente las mismas caractersticas que todo Estados
Unidos. 7randvieP posea e;actamente la misma proporcin de personas que votaban por los
republicanos, la misma proporcin de personas bajo la lnea de la pobreza, igual proporcin de
mecnicos automotrices, etc1tera, que Estados Unidos visto como un todo. El personaje de
$tePart slo tena que entrevistar a las personas de 7randvieP para saber cul era la opinin
pCblica en la Unin )mericana&. !'ohr, -333@ "G+#
C# MUESTREO POR CUOTAS.
El sistema de cuotas consiste en fijar unas %cuotas&.
Cada cuota consiste en un nCmero de elementos que reCnen unas determinadas
condiciones. 'a seleccin de las %cuotas& suele hacerse mediante %rutas& o %itinerarios&.
En este procedimiento se parte de una muestra estratificada cuyas proporciones
debe conservar el investigador, pero cada uno de los casos queda a su arbitrio elegirlos.
$upongamos que queremos averiguar el nivel cultural de unos determinados
profesionales de un rea geogrfica o de un sector productivo. Como el se;o, la edad y el
-"
lugar de residencia, parecen factores condicionantes, deberemos establecer que haya un
?*Q de varones y de mujeres, un tanto por ciento apro;imado por grupos de edad
correspondientes a la poblacin real y as mismo procuraremos que haya el mismo tanto
por ciento en la muestra que en la realidad de quienes viven en poblaciones de menos de
".*** habitantes,de ".**- a ?.*** habitantes, etc. El investigador ha fijado .n/ para la
muestra y elige libremente los individuos hasta alcanzar esa cifra.
El riesgo radica en que seleccione a personas a quienes resulta ms fcil, por
razones de localizacin. Ee hecho, cuando se trabaja con entrevistas, hay una resistencia
a consultar a poblacin dispersa en caseros distantes o a la que est en pisos elevados sin
ascensor.
8or Cltimo, <arn !-34?# se>ala un riesgo muy generalizado, comCn al muestreo
probabilstico y no probabilstico, y es el del rechazo a participar en la investigacin. En
este caso no hay ms remedio que sustituir la poblacin que no desea colaborar o a la que
no tenemos acceso por otra de condiciones similares, pero hay que tener mucho cuidado
para evitar el sesgo de la muestra, porque puede ocurrir que precisamente la poblacin no
participante tenga alguna caracterstica por la que no desee contestar, con lo cual queda
e;cluida de la muestra y comprensiblemente mantendr su rechazo en los nuevos casos
que los sustituyan.
#.# Otrs t%ps de "uestre.
$ierra 6ravo !-344@ -3B ss.# presenta otros
m1todos menos utilizados.
-+
)# MUESTRAS SUPERPUESTAS.
$e seleccionan dos muestras distintas obtenidas de
la misma base de la muestra mediante la realizacin de dos sorteos o dos sistemas de
muestreo distintos. Es un procedimiento muy Ctil cuando se quiere lograr una valiosa
corroboracin o verificacin de los resultados obtenidos en una encuesta.
6# MUESTRAS SUCESIVAS.
Cuando interesa conocer la evolucin del fenmeno
estudiado con el paso del tiempo !estudios de mercardo, electorales...#, la solucin es
repetir la encuesta a nuevas muestras cada cierto perodo de tiempo.
C# MUESTRAS COMPUESTAS.
$e conoce con este nombre al sistema de muestreo
que comprenden dos o ms muestras distintas, segCn las diferentes partes del fenmeno
estudiado. En un estudio que abarque poblacin de hbitats urbanos y rurales, se podra
aplicar un muestreo aleatorio simple para el primero y el de clusters para zonas rurales.
E# MUESTRAS COMPENSA)AS.
Esta t1cnica es aplicable cuando se conoce el valor
medio que alcanza una de las caractersticas estudiadas en el universo, por ejemplo, la
talla, el peso, etc. Una vez obtenida la muestra, sera poco probable que su media
coincidiera con la de la poblacin. 'a compensacin consiste en sustituir unidades de la
muestra por otras nuevas elegidas tambi1n al azar, en el caso de que sus valores acerquen
ms la media de la muestra a la del universo.
E# MUESTRAS )E VOLUNTARIOS.
En algunas investigaciones el autor se ve obligado
a pedir voluntarios que quieran participar en su estudio, dado que por razones 1ticas o
morales no pueden utilizar ninguno de los dems procedimientos. Estas muestras
presentan ciertos sesgos y suelen presentar determinadas caractersticas, como por
ejemplo@ son sujetos con un mayor nivel cultural, tienen mejor estatus social, suelen ser
ms inteligentes, son ms sociables, son menos convencionales, son menos conformistas,
etc.
9. REPRESENTATIVI)A) )E LA MUESTRA.
Uno de los problemas
fundamentales que se le plantea al investigador en relacin con el muestreo consiste en
saber si el grupo elegido es verdaderamente representativo del conjunto5 para que lo sea,
los rasgos de los elementos o individuos elegidos para la muestra deben ser similares a
los de toda la poblacin !<arn =b>ez, -34?#.
'a representatividad es la caracterstica ms importante de una muestra. El
-9
muestreo adquiere todo su sentido en cuanto que garantiza que las caractersticas que se
quieren observar en la poblacin quedan reflejadas adecuadamente en la muestra.
7eneralizar a la poblacin a partir de la muestra slo est justificado si 1sta representa
realmente a la poblacin.
%8reservar la representatividad es el atributo ms importante que debe reunir el muestreo,
lo que nos permitir generalizar a la poblacin los resultados obtenidos en la muestra&. !'atorre,
(incn y )rnal, "**+@ 4"#
2o; !-34-# se>ala que para lograr la representatividad se requiere@ -. Conocer qu1
caractersticas !variables# estn relacionadas con el problema que se estudia5 ".
Capacidad para medir esas variables, y +. 8oseer datos de la poblacin sobre estas
caractersticas o variables para usarlos como variable de comparacin. El mismo autor
se>ala que si no se cumple alguna de estas condiciones, para algunas de las
caractersticas, se pierde la capacidad de buscar deliberadamente la representatividad en
cuanto a ella.
'a seleccin aleatoria de la muestra garantiza la ausencia de sesgo en el proceso
de seleccin de la misma, ayuda a garantizar su representatividad, pero esta circunstancia
no es garanta total para que estemos seguros de que la muestra al azar es representativa
de la poblacin de la que se ha e;trado !Nerlinger, -34?#. $e espera que sea
representativa de las caractersticas relevantes de la poblacin, pero pudiera no serlo. 'o
normal es que lo sea, ya que lo tpico, lo representativo de la poblacin, es lo que aparece
con ms frecuencia, pero no hay seguridad total. El muestreo estratificado proporcional
asegura, en cambio, la representatividad en cuanto a una o dos caractersticas !0im1nez
2ernndez, -34+#.
8ara 2o; !-34-# otra forma de analizar el problema de la representatividad de la
muestra consiste en distinguir entre la "uestra %$2%tada, la "uestra a!epta$te y la
"uestra prdu!tra de dats. 'a primera corresponde al conjunto de individuos
%invitados& del conjunto de la poblacin, la segunda hace referencia al grupo de
individuos que aceptan participar y la muestra productora de datos coincide con la
muestra real del estudio.
$i se poseen datos sobre la poblacin se pueden comparar con ellos la muestra
invitada yIo la aceptante y, mediante algCn contraste de significacin adecuado !por
ejemplo chiGcuadrado#, determinar si difieren de ella en las caractersticas que interesa en
una investigacin dada. $i el contraste indica que no hay diferencias significativas en las
variables consideradas, se puede admitir la representatividad de la muestra para las
caractersticas en cuestin, pero nada se puede afirmar sobre la representatividad de la
muestra respecto de cualquier otra variable

$i, 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 lmite5 b# seleccionar ms elementos de la poblacin, con la esperanza de que una
muestra mayor s sea representativa, aunque el estudio tenga una muestra mayor de
buscada inicialmente.
-?

8ara realizar el contraste de representatividad de las muestras respecto de la
poblacin, hemos supuesto que se tienen datos sobre ella. $i no se tuvieran datos de la
poblacin, no se puede realizar el contraste de la muestra invitada yIo aceptante con
respecto a la poblacin. Entonces se recurre a contrastar la muestra aceptante con la
invitada. $obre 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 ms
profundamente la investigacin5 orientar al investigador y al destinatario de la
investigacin sobre la posibilidades de sesgo en esta etapa del muestreo. Una prueba de
significacin adecuada entre estas dos muestras !aceptante y final# servira para ver si
difieren significativamente en algunas de las variables bsicas o si, por el contrario, la
muestra productora de datos sigue siendo representativa de la muestra aceptante, lo que
demuestra que esaIs caractersticaIs no han sido consideradas para no participar.
8or Cltimo, es necesario preguntarse qu1 p1rdida puede tolerarse desde la
seleccin de la muestra inicial hasta llegar a la que proporciona los datos. )l 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 responden5 y
que el porcentaje de la p1rdida tambi1n depende, para su representatividad, de cmo se
distribuyan las respuestas en la diferentes categoras de la variable. Do es igual un 94Q
de %s& y un %?"Q de %no& ante determinada pregunta que un -AQ y un 49Q !0im1nez
2ernndez, -34+@ "93#. En cualquier caso, no e;iste una Cnica respuesta cuantitativa. $e
suele considerar que una p1rdida del "?Q debe preocupar, aCn cuando no e;istan
diferencias estadsticamente significativas5 )cuando sea inferior al *+, -se debe leer .
escribir con cuidado/0 . cuando la proporcin es menor del 1+, no se deberan dar a
conocer los datos, ni considerarlos como conclusiones vlidas. 2on $tiles como estudios
pilotos, pero no se pueden aceptar sin 3acer un estudio posterior ms e%3austivo
!'atorre, (incn y )rnal, "**+@ 4+#.

?. TAMA3O )E LA MUESTRA.
El tama>o de la muestra, un tema que siempre
preocupa, no tiene fcil solucin y va estrechamente unido a la representatividad. En
principio hay que rechazar la idea, demasiado e;tendida, de que la muestra debe ser
proporcional a la poblacin. Ee hecho, a medida que aumenta 1sta, con una menor
proporcin podemos alcanzar la representatividad. Do obstante, en igualdad de otras
condiciones, los estadsticos calculados con muestras grandes son ms precisos que los
calculados con muestras peque>as, pero una muestra representativa de ?* elementos es
preferible a otra no representativa de -** !0im1nez 2ernndez, -34+#.
Do e;iste un tama>o ideal de la muestra. ) efectos descriptivos, se considera una
muestra grande cuando n R +*. Una muestra debe ser lo suficientemente grande como
-A
para ser representativa, pero el nCmero de elementos necesarios para lograr la
representatividad vara de una investigacin a otra. Cuanto ms homog1nea es una
poblacin en laIs caractersticaIs objeto de estudio, ms fcil resulta obtener muestras
representativas sin necesidad de que sean grandes. Es decir, el tama>o de la muestra est
en relacin directa con la desviacin tpica de las puntuaciones en laIs caractersticas de
la variable a investigar.
El tama>o de la muestra viene condicionado por el tanto por ciento de la
caracterstica que estamos estudiando. Cuando no se conoce es conveniente hacer algCn
peque>o estudio inicial con una muestra mucho menor para tener alguna idea de ese
porcentaje. 8or ejemplo, alumnos que se matriculan en los programas de formacin y
despu1s no asisten o abandonan. Cuando tenemos una proporcin de la caracterstica del
?*Q estamos ante lo que se designa como .el caso ms desfavorable/ porque e;ige la
muestra mayor. $i no conocemos la proporcin se asigna el ?*Q como la opcin ms
segura en los clculos de la muestra.
El tipo de datos que se desea recoger y el medio que para ello se va a emplear son
condicionantes que influyen en la menor o mayor reduccin de la muestra seleccionada
!0im1nez 2ernndez, -34+#. Do es igual seleccionar, por ejemplo, aulas ya organizadas y
recoger la informacin en das y horas lectivos que hacerlo a trav1s de un cuestionario
enviado por correo.
-B
El tama>o de la muestra tambi1n depende del tipo de muestreo que se ha llevado a
cabo. 8or ejemplo, en las muestras estratificadas, el error es menor que en las no
estratificadas, y tambi1n lo es el tama>o de la muestra necesario. !$ierra 6ravo, -344@
""A#
El tama>o de la muestra puede dilucidarse en parte preguntndose por la cuanta
del error que es probable cometer al calcular diversos estadsticos partiendo de muestras
de diferente tama>o. $e considera clsica la curva de error de Nerlinger !-3B?# en la que
el error aumenta a medida que disminuye el tama>o de la muestra y a la inversa,
entendiendo por error la desviacin con respecto a los parmetros de la poblacin.
Consecuentemente este autor recomienda usar muestras grandes, no porque sean buenas
en s mismas sino para dar al principio de distribucin al azar una probabilidad de
%actuar&. )s, por ejemplo, seleccionada al azar una muestra de personas es ms fcil, a
medida que aumenta el nCmero de personas de la muestra, que el porcentaje de mujeres y
de hombres se equilibre.

El nivel de confian(a que queramos que alcancen nuestros resultados tambi1n
influye en el tama>o que debamos dar a la muestra. Entre K" y G" sigmas de la curva de
distribucin normal de 7auss
9
, a partir de la media, est incluido el 3?.?Q de la
poblacin. Esto quiere decir que tenemos una probabilidad de que 3??I-*** coincidan
con los de la poblacin total. $i queremos alcanzar una mayor certidumbre hemos de
abarcar entre K+ y G+ sigmas, en cuyo caso el riesgo de que e;ista diferencia entre los
estadsticos de la muestra y los parmetros de la poblacin sean distintos ser de 33BI-**,
pero naturalmente tendremos que elevar el numero de elementos de la muestra. 8ara
determinar el volumen de la muestra, de acuerdo con el nivel de confianza, e;isten tablas.
6ugeda !-3B9# recoge tablas que permiten determinar el volumen de la muestra y el nivel
de estimacin para los niveles de confianza del 33.BQ y del 3?Q.
:tro dato determinante del tama>o de la muestra es el error de estimacin. Es
lgico pensar que no haya una coincidencia total entre los datos de la poblacin y los de
la muestra. ,emos de indicar el m;imo error tolerable, que suele establecerse en el ?Q.
8ero si queremos rebajar ese error tendremos que aumentar el volumen de la muestra.
Concluimos que determinar el tama>o de la muestra es un tema complejo. 8or
tanto, el investigador habr de tener en cuenta@ la amplitud del universo !infinito o no#,
representatividad, las variables !tipo de datos, valores de la misma,
homogeneidadIvariabilidad de los datos#, el tipo de muestreo, el proceso y medios de
recogida de datos, los anlisis estadsticos que se planifiquen, el error muestral, el error
de estimacin y el nivel de confianza con el que deseemos trabajar entre otras
consideraciones. Con esta base se tendrn los referentes necesarios para determinar el
tama>o de la muestra.
8ara seleccionar el tama>o de la muestra se suelen utilizar t1cnicas de tres tipos.
Sa hemos hablado del uso de tablas, pero tambi1n se pueden determinar mediante otros
9 Cfr. apdo. A.+ de este captulo.
-4
procedimientos@ las %curvas de error& del tipo de las definidas por Nerlinger !-3B?@ -+"#
o mediante clculos estadsticos. ) continuacin desarrollamos este Cltimo
procedimiento.
4.1. )eter"%$a!%5$ estad+st%!a del ta"a6 de la "uestra.
Conociendo el nivel
de confianza que queremos que alcancen los datos se puede aplicar una ecuacin
matemtica para estimar el tama>o de la muestra
?
. $egCn se trate de poblaciones infinitas
o finitas, la determinacin variar, segCn las siguientes ecuaciones@
)# )eter"%$a!%5$ del ta"a6 de la "uestra para p*la!%$es %$/%$%tas.
A
En este
caso pueden presentarse dos situaciones@
).-# Hue conozcamos la proporcin de elementos que posee la
caracterstica a trav1s de estudios previos. En este caso se aplica la
frmula@
T
"
M p M q n J nCmero de elementos que debe poseer la muestra
n J GGGGGGGGGGGGGGGGGGGGG " J riesgo o nivel de significacin.
e
""
z" J puntuacin correspondiente al riesgo " que se haya
elegido.
8or ejemplo, para un riesgo del ?Q5 " J *.*? !T" J -.3A#
p J Q estimado
q J -**Gp
e J error permitido.
).". $i desconocemos la proporcin de individuos que poseen la
caracterstica, se toma p J ?*Q y q J ?*Q.
Ee este modo, el nCmero de elementos ptimo de una muestra, estimando
qu1 proporcin de sujetos poseen una caracterstica al nivel de confianza del
33.BQ !+ F# y un error de estimacin admitido del "Q, ser@
+
"
M?*M?*
D J GGGGGGGGGGGGGGGGGGG J ?A"? elementos.
"
"
En el caso de que la investigacin requiera estimar una media se utiliza la
siguiente frmula@
T
"
"
M s
"
s
"
J Uarianza.
n J GGGGGGGGGGGGGGGGGGGGG
e
"
? 2recuentemente se opta por un nivel de confianza del 3?Q 33.BQ, y un error de estimacin m;imo del un ?Q
A $e consideran muestras infinitas las que superan los -**.*** elementos.
-3
6# Eeterminacin del tama>o de la muestra para poblaciones finitas. En este caso se
emplea la siguiente frmula@
T
"
"
M p M q M D
n J GGGGGGGGGGGGGGGGGGGGGGGGGGGGG
e
"
!DG-# K T
"
"
p M q

Ee este modo, el nCmero ptimo para un estudio de A*.*** personas
inscritas en cursos de formacin, estableciendo un nivel de confianza de "F
!3?.?Q#, y el margen de error en el +Q, sera. $uponemos que la opcin por
inscribirse en cursos de formacin, o no, es del ?*Q.
9 M ?* M ?* M A*.***
D J GGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGG J -*3- individuos.
3 !A*.***G-# K 9 M ?* M ?*
En el caso de que la investigacin requiera estimar una media la frmula a utilizar
quedara as@
D M T
"
"
M s
"

n J GGGGGGGGGGGGGGGGGGGGGGGGGGGGG
T
"
"
M s
"
K e
"
M !DG-#
Como conclusin de este apartado hemos de se>alar que las frmulas anteriores
varan con el tipo de muestreo y con el sistema de afijacin de la muestra !$ierra 6ravo,
-344@ ""A#
4.2 A/%7a!%5$ de la "uestra.
Cuando se trata de muestras estratificadas la
determinacin del tama>o de la muestra plantea un problema especial. )dems de la
determinacin del tama>o general de la muestra hay que especificar el volumen de cada
estrato de la muestra. Este proceso, denominado afijacin de la muestra, debe tener en
cuenta que para garantizar la representatividad de la poblacin, en la muestra debern
figurar los estratos segCn su proporcin en el universo.
'a forma ms utilizada y directa de realizar esta operacin !afijacin
proporcional# consiste en aplicar el porcentaje, que representa cada estrato dentro del
universo, al tama>o general de la muestra, con lo que se obtendr el nCmero de elementos
de la muestra que se debe asignar a cada estrato. 8ara $nchez Crespo !-3BA# este
sistema, que es el ms utilizado, reCne las siguientes ventajas@ permite una moderada
ganancia global en precisin y mantiene la igualdad de probabilidad de eleccin de todas
las unidades del universo.
$i se conocieran las desviaciones tpicas o las proporciones de cada estrato en el
universo, o se han calculado %e;Gprofeso& , mediante un sondeo previo con relacin al
objeto de estudio de la muestra5 se suele utilizar otro procedimiento de afijar la muestra
"*
que consiste en multiplicar el porcentaje de cada estrato en el universo por su proporcin
o su desviacin tpica y repartir el tama>o de la muestra entre los estratos
proporcionalmente a dichos productos. Este procedimiento se denomina afijacin ptima,
y su aplicacin est justificada por razones econmicas en el caso de que con su empleo
se pueda reducir sensiblemente, por tener una varianza ms reducida, el tama>o de
estratos que resulte ms caro investigar. !$ierra 6ravo, -344#

A. ERROR MUESTRAL
Cuando se e;trae una muestra de una poblacin es
frecuente que los resultados obtenidos de la muestra no sean e;actamente los valores
reales de la poblacin. El error de muestreo ocurre al estudiar una muestra en lugar de la
poblacin total. 'a diferencia entre el valor del parmetro de una poblacin y el
estadstico de una muestra recibe el nombre de error muestral.
'a Cnica forma de poder conocer el error muestral real consiste en realizar
paralelamente la investigacin con la muestra y, a la vez, con toda la poblacin. Esta
realidad, a todas luces descartable en la prctica, nos advierte acerca de la imposibilidad
de conocer el error muestral real. En primer lugar, la muestra perdera su razn de ser. 8or
tanto, cuando nos referimos a error muestral no nos referimos al concepto se>alado en el
prrafo anterior, no conocido, sino a un error muestral determinado estadsticamente, de
tipo gen1rico, vlido para todas las muestras posibles, del mismo tama>o. Este error
muestral, estadstico, sirve para darnos no un error especfico y determinado, sino
Cnicamente para establecer el intervalo de confianza dentro del que nos movemos en la
muestra5 para se>alarnos %los lmites formados por la media de la muestra, mas o menos
el error en cuestin, dentro del que se debe encontrar la media del universo, con el
grado de probabilidad con que se trabaje, dos o tres sigmas&. !$ierra 6ravo, -344@ "*B#
'os errores de muestreo o .fluctuaciones de muestra a muestra/ son aleatorios y
%no 3an de considerarse como equivocaciones, fallos, etc., sino como variaciones
debidas al 3ec3o de que no 3a. jams dos muestras que sean e%actamente iguales&
!7arret, -3BA@ "+4#. 'os estadsticos obtenidos en estas muestras al azar son estimaciones
de los parmetros y sus errores tpicos miden la bondad de la estimacin.
8.1 .u$da"e$t estad+st%! del errr "uestral.
'a base estadstica del error
muestral es la siguiente. Eenominemos .0/ a la media de la muestra y ./ a la media de la
poblacin. $upongamos que se obtuvieran todas las muestras posibles de, .n/ unidades
cada una, de la misma poblacin y se calculasen las para cada una de ellas. Entonces las
estimaciones de variarn en torno a ./ en la forma de la curva de distribucin normal.
Esa curva de %distribucin muestral& e;presara grfica y matemticamente la
distribucin de todas las medias de las muestras obtenidas del universo. En ella se
pondra de manifiesto que habra muchas medidas de iguales o muy cercanas a la
"-
poblacin y muy pocas alejadas de , siguiendo una distribucin normal.
Oomando estos referentes, el error muestral o .error tpico/
B
, sera la desviacin
tpica de las distintas medias obtenidas alrededor de la media de la poblacin, suele
designarse por F y mide la importancia de las variaciones de las o medias muestrales en
torno a la de la poblacin. 'a frmula que e;presa esta relacin es@
s F J desviacin tpica de la muestra
e 9 :::::::::: eJ error tpico de la media o error
muestral.
/$ n J tama>o de la muestra.
'os errores de medicin se refieren a los fallos de los instrumentos de medida, as
como del que los aplica y corrige. Estos errores, que actCan de modo incontrolado,
pueden aumentar considerablemente el error tpico de un estadstico. 8or ello, un error
muestral grande no implica necesariamente falta de representatividad de la muestra, pues
la variacin puede estar causada por los errores de medicin. $i 1stos son peque>os, un
error tpico grande s indica un considerable error de muestreo..
'os errores muestrales son debidos a dos causas principales. El primero,
denominado errr de ses;< es debido a que la muestra no es representativa de la
poblacin5 el segundo, debido al azar, se conoce como error aleatorio. )mbos se
relacionan matemticamente mediante la siguiente e;presin@
(Error total) = (error por sesgo)
22
+ (error de muestreo)
2

8ara estimar el error muestral e;isten varias t1cnicas denominadas de
submuestreo !subsample# o remuestreo !resample# que se basan en dividir la muestra total
en dos o ms submuestras aleatorias y a partir de ellas estimar los estadsticos y
determinar las propiedades del estimador !Vilson, -344#.
Ee entre las t1cnicas de submuestreo se>alaremos como las ms usuales, las
siguientes !(oss, -3445 en 'atorre, (incn y )rnal, "**+@ 4+#@
a# 'a t1cnica de la replicacin independiente, que consiste en que la muestra se divide en
dos submuestras independientes.
b# O1cnica del ja44nife !.navaja/#, que consiste en cortar la muestra en varias partes
no mutuamente e;cluyentes, es decir, con reposicin.
c# 5eplicacin repetida balanceada.

'as frmulas generales que nos permiten estimar el error muestral son@
B El error tpico se define en estadstica como la desviacin tpica de la distribucin muestral de un estadstico.
!0im1nez 2ernndez, -34+#
""
e
p p
n
=
! # -
"+
s
e 9 ::::::::::
/$
Estas frmulas generales presentan modalidades diversas segCn se trate de
muestras con desviacin tpica o muestras con proporciones, o poblaciones finitas I
infinitas@
2rmulas del error muestral para@.
<uestras 8oblaciones infinitas. 8oblaciones finitas.
e
s
n
6 n
6
=

"
-
e
s
n
=
"
Ee intervalo@
e
p p
n
=
! # -
e
s
n
6 n
6
=

"
-
e
s
n
=
"
"9
e
p q
n
=
M
"?
Ee proporciones@
s
"
J varianza !cuadrado de la desviacin tpica# D J el tama>o de la poblacin
n J tama>o de la muestra. !DGnI DG-# t1rmino de correccin utilizado para
poblaciones finitas y muestras sin reemplazamiento.
p J proporcin de elementos que posee la caracterstica investigada@ !q J - G p#
Dota@ )l numerador Ws
"
X o al Wp M qX hay que multiplicarlos por el cuadrado de .nivel de confianza/ elegido@ "
"
+
"
para
" + F !sigmas#, respectivamente.

8.2 Est%"a!%5$ del errr "uestral e$ las "uestras estrat%/%!adas = de
!lusters.

e
n p p
n
i i i
=

! # -
En las muestras estratificadas habr que considerar que, normalmente, el Q de la
caracterstica o la desviacin tpica, en su caso, sern distintas para cada estrato.
Consecuentemente, la formula a utilizar ser@
e
p q
n
=
M
e
p q
n
6 n
6
=

M
-
e
n p p
n
i i i
=

! # -
"A
ni J elementos del estrato %i&. pi J proporcin del atributo muestral en el estrato %i&
n J nCmero total de elementos de la muestra. 3 J sumatorio de todos los estratos.
e
n s
n
i i
=

! #
"
"
En el caso de medias@
En las muestras de clusters la frmula del error muestral es@
e
s
m
m
6
=
"
- ! #
m J nCmero de clusters de la muestra
< J nCmero de clusters del universo.
s J desviacin tpica de las medias de los clusters de la muestra.
8.# .a!tres &ue %$ter2%e$e$ e$ el errr "uestral.
Ee acuerdo con las
e;presiones matemticas que calculan el error muestral, los factores que intervienen en 1l
son !$ierra 6ravo, -344@ "*3#@
e
n s
n
i i
=

! #
"
"
e
s
m
m
6
=
"
- ! #
"B
)# 'a amplitud del universo, finito o infinito.
6# El tama>o, n, de la muestra.
C# El nivel de confianza adoptado.
E# 'a desviacin tpica.
El hecho de que se estime el universo como infinito supone que su amplitud no
influye para nada en la frmula a aplicar.
El tama>o de la muestra es, en las frmulas del error muestral, un dato que nos
dan o elegimos. Do obstante, si al calcular el error 1ste resulta demasiado elevado Gpor
ejemplo, superior al AQG, entonces estamos obligado a aumentar el tama>o de la muestra
para reducir el error. ,ay una relacin inversa entre tama>o de la muestra y error
muestral.

El nivel de confianza adoptado es tambi1n otro dato que nos puede venir dado o
que podemos elegir. 'as pruebas empricas realizadas muestran que las distribucin
muestral de medias de diferentes muestras se ajusta generalmente a una distribucin
normal o curva de 7auss. $upuesto esto, el nivel de confianza ser la proporcin de las
medias muestrales que forman el rea de esta curva de distribucin normal del universo
que se piensa abarcar. El rea abarcada por Y - sigma !A4Q#, por Y " !3?.?Q# por Y +
!33.B#, que nosotros adoptemos, recibe el nombre de nivel de confianza, porque
representa el Q de seguridad o probabilidad que elegimos. Es decir, que de las medias de
todas las muestras posibles que forman en su conjunto la curva muestral, slo
consideramos como probables el 3?.?Q, por ejemplo, por lo que prescindimos del otro
9.?Q, por estimar que es muy improbable su obtencin, y por creer que el indicativo
3?.?Q nos proporciona una seguridad no total pero suficiente en la prctica. En
consecuencia, con esta eleccin adoptamos un riesgo razonable de equivocarnos.
El nivel de confianza ms corriente con el que se trabaja en muestras de
investigaciones educativas es el de dos sigmas.
(especto a la desviacin tpica hay que distinguir las muestras referentes a
variables cuantitativas !con escalas de intervalos o de razn#, de las que se refieren a
variables cualitativas !con escalas nominales u ordinales, de las que son tipo la variables
dicotmicas del tipo $IDo#
"4
p p M ! # -
Estas Cltimas variables es posible cuantificarlas, en cierto modo, recurriendo al
lgebra de 6oole, asignndole los valores -I* !positivaInegativa5 apareceIno aparece...#.
En este caso la media es igual a .p/ !proporcin en que se da el atributo en cuestin en la
poblacin#. En ese caso la desviacin tpica es igual a
s
% % n
n
i
i
i
=

! #
"
-
En las muestras con variables cuantitativas
la desviacin tpica ! s # se calcula segCn@


'os datos obtenidos por una u otra frmula se refieren a la varianza del universo a
la que representan. Cuando 1sta no es conocida, como suele ocurrir, se utiliza en su lugar
la .cuasivarianza/, o sea la varianza estimada mediante una peque>a muestra tomada de la
poblacin, ya que est comprobado que 1ste parmetro es muy estable. 8or ello, en las
p p M ! # -
s
% % n
n
i
i
i
=

! #
"
-
"3
muestras referidas a variables cualitativas, para hallar la desviacin tpica es necesario
hallar, si no se conoce .p/, la proporcin o porcentaje que e;presa el nivel estimado de la
e;tensin en el universo de la caracterstica sobre la que se desea obtener informacin.
)s, en una encuesta sobre la e;tensin del consumo de una determinada marca de tabaco
se deber estimar con anterioridad, aunque sea de manera apro;imada, a trav1s de un
sondeo previo, la proporcin de fumadores y no fumadores dentro del total de la
poblacin. Cuando el sondeo sea imposible habr que partir de la suposicin del ?*Q,
que es el caso ms desfavorable5 es decir, en que la muestra deber ser mayor.
8.> Errr s%ste"?t%!.
'os errores se clasifican, segCn su carcter, en
sistemticos, aleatorios y muestrales. El error aleatorio no se suele ajustar a ninguna
pauta, vara normalmente, en cada caso distinto, en su sentido y magnitud, y por ello
tiende a anularse cuando se trata de un nCmero elevado de casos. El error muestral, visto
ms arriba, es un error de tipo aleatorio estadstico, que tiene lugar cuando se utilizan
muestras y se basa en las fluctuaciones aleatorias del muestreo.

El error sistemtico se suele ajustar a una pauta determinada en su sentido y
magnitud, y por lo tanto, al repetirse los casos, su magnitud aumenta acumulativamente.
8ara 6ugeda !-3B95 en $ierra 6ravo, -344@ "-+# las principales vas de
penetracin del error sistemtico o de distorsin son las siguientes@
+*
-. <odo de eleccin defectuoso de una muestra que hace que 1sta no sea
representativa.
". 'a dependencia del m1todo de muestreo de una caracterstica de las unidades del
universo a elegir. Ello puede llevar a una hiperIsubGrepresentatividad de la
muestra. Este sera el caso de un muestreo aleatorio sistemtico realizado cada
cinco elementos, cuando en la base de la muestra tambi1n uno de cada cinco son
individuos con una caracterstica determinada.
+. 'as tendencias subjetivas conscientes o inconscientes del investigador.
9. $ustituciones, segCn criterio propio del investigador, de unidades de la muestra
que haban sido elegidas al azar.
?. =nsuficiente observacin del conjunto de la muestra, que lleva a atenerse a los
primeros resultados. (especto de este motivo, especialmente presente en las
encuestas por cuestionario escrito, se ha constatado que los que contestan primero
son los ms interesados en la encuesta. 8or ello, en las encuestas por correo se
estima necesario reiterarlas hasta tres veces, pues de otro modo ademas de quedar
modificado el tama>o de la muestra, la encuesta slo abarcara un tipo de gente,
los rpidos en contestar, y quedaran fuera los menos rpidos, que seguramente
constituyen un grupo de caractersticas diferentes de los primeros.

B. BIBLIO0RA.@A.
6UEDEZ) E=$<)D, '.5 C:'[$ 6()U:, <.8. y ,E(D[DEET 8=D), 2. !-334#@
7&todos de investigacin en sicopedagoga. <c7raPG,ill, <adrid.
6U7EE), 0. !-3B9#@ 7anual de t&cnicas de investigacin social. =nstituto de Estudios
8olticos, <adrid.
+-
2:\, E. 0. !-34-#@ 8l proceso de investigacin en 8ducacin. Eunsa, 8amplona.
7)(CZ) ,:T, U. y 8F(ET 0U$OE, (. !-349#@ 9a investigacin del profesor en el aula.
Escuela Espa>ola, <adrid.
7)((EO, ,. E. !-3BA#@ 8stadstica en sicologa . 8ducacin. 8aids, 6uenos )ires.
7=' 8)$CU)', 0. ). !"**9#@ :ases 7etodolgicas de la ;nvestigacin 8ducativa.
(<nlisis de datos). UDEE, <adrid.
0=<EDET 2E(D[DEET, C. !-34+#@ %8oblacin y muestra. El muestreo&. En 0=<FDET
2E(D[DEET, C., ']8ETG6)()0)$ T)S)$, E. y 8F(ET 0U$OE, (. @ edagoga
8%perimental ;;. #omo ;. UDEE. <adrid. pp. ""3G"?4.
NE('=D7E(, 2. D. !-3B?#@ ;nvestigacin del comportamiento.#&cnicas . 7etodologa.
=nteramericana, <1;ico.
G !-34?#@ 8nfoque conceptual de la investigacin del comportamiento.
=nteramericana, <1;ico.
':,(, $. '. !-333#@ 7uestreo= >ise?o . <nlisis. ;nternational. Ohomson Editores,
<adrid.
<)(ZD =6[^ET, (. !-34?#@ %El muestreo&. Oema A. En <)(ZD =6[^ET y 8F(ET
$E(()D:, 7.@ edagoga 2ocial . 2ociologa de la 8ducacin. @nidades >idcticas A,
B . C. UDEE, <adrid. pp. -A-G-4A
')O:((E, )., (=DC]D E. del y )(D)', 0. !"**+#@ :ases 7etodolgicas de la
;nvestigacin 8ducativa. E;periencia $.'., 6arcelona.
()E !"**-#@ %8oblacin& I %<uestra& Wen lineaX. Eiccionario de la 'engua Espa>ola, ""_
Edicin. Eisponible en@ http@IIPPP.rae.esI Wconsulta "**?,"3 de septiembreX
(:$$, N. D. !-344#@ $ampling errors. En NEEUE$, 0. 8. !ed.#. 8ducational researc3,
met3odolog., and measurement. <n international 3andboo4. 8ergamon 8ress, :;ford.
$=E(() 6()U:, (. !-344#@ #&cnicas de investigacin 2ocial. #eora . 8jercicios.
8araninfo, <adrid.

Toms Garca Muoz.
Almendralejo, 200

Esquema@
+"
POBLACIN Y MUESTRA.
++
-. P*la!%5$ = U$%2ers.
". Muestre.
".-. <uestra.
".". Etapas del proceso de muestreo.
".+. Condiciones que ha de cumplir la muestra.
+. T%ps tA!$%!as de "uestre.
+.- 8robabilstico.
)# )leatorio simple.
+9
6# )leatorio sistemtico.
C# <uestreo estratificado.
-M <. estratificado proporcional
"M <. estratificado constante.
E# <uestreo por conglomerados o grupos.
E# <uestreo por etapas o polietpico.
+.". <uestreo no probabilstico.
+?
)# )ccidental o casual.
6# =ntencional u opinativo.
C# <uestreo por cuotas.
+.+ :tros tipos de muestreo.
6# <uestras superpuestas.
C# <. sucesivas.
E# <. compuestas.
E# <. compensadas.
2# <. de voluntarios.
+A
9. Represe$ta2%dad de la "uestra.
?. Ta"a6 de la "uestra.
?.- Eeterminacin estadstica del tama>o de la muestra.
?." )fijacin de la muestra.
A. Errr "uestral.
A.- 2undamento estadstico del error muestral.
A." Estimacin del error muestral en las muestras estratificadas y de clusters.
A.+ 2actores que intervienen en el error muestral.
A.9 Error sistemtico.
B. B%*l%;ra/+a.
Toms Garca Muoz.
Almendralejo, 200
+B