P. 1
Poblacion y Seleccion de La Muestra

Poblacion y Seleccion de La Muestra

|Views: 98|Likes:
Publicado porBernardo Otavo

More info:

Published by: Bernardo Otavo on Sep 20, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

09/20/2011

pdf

text

original

POBLACIÓN Y MUESTRA.

1. 2. Población y Universo. Muestreo. 2.1. 2.2. 2.3. Muestra. Etapas del proceso de muestreo. Condiciones que ha de cumplir la muestra.

3.

Tipos o técnicas de muestreo. 3.1 Probabilístico. A) Aleatorio simple. B) Aleatorio sistemático. C) Muestreo estratificado. S M. estratificado proporcional S M. estratificado constante. D) Muestreo por conglomerados o grupos. E) Muestreo por etapas o polietápico. 3.2. Muestreo no probabilístico. A) Accidental o casual. B) Intencional u opinativo. C) Muestreo por cuotas. Otros tipos de muestreo. B) Muestras superpuestas. C) M. sucesivas. D) M. compuestas. E) M. compensadas. F) M. de voluntarios.

3.3

4. 5.

Representavidad de la muestra. Tamaño de la muestra. 5.1 Determinación estadística del tamaño de la muestra. 5.2 Afijación de la muestra. Error muestral. 6.1 6.2 6.3 6.4 Bibliografía. Fundamento estadístico del error muestral. Estimación del error muestral en las muestras estratificadas y de clusters. Factores que intervienen en el error muestral. Error sistemático.

6.

7.

1

POBLACIÓN 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 investigación. Esta consideración nos conduce a delimitar el ámbito de la investigación definiendo una población y seleccionando la muestra. Cualquier característica medible de la población se denomina parámetro, los valores de los parámetros calculados sobre muestras se conocen como estadísticos o estadígrafos, utilizan letras latinas (0 , s2, r..., media, varianza, coeficiente de correlación) y describen a las citadas muestras. Se define tradicionalmente la población como “el conjunto de todos los individuos (objetos, personas, eventos, etc.) en los que se desea estudiar el fenómeno. Éstos deben reunir las características de lo que es objeto de estudio” (Latorre, Rincón y Arnal, 2003). El individuo, en esta acepción, hace referencia a cada uno de los elementos de los que se obtiene la información. Los individuos pueden ser personas, objetos o acontecimientos. Hoy se prefiere hablar de “unidad de observación” o “elemento” para referirse al objeto sobre el cual se realiza una medición. En los estudios con poblaciones humanas, con frecuencia ocurre que la unidad de observación son los individuos.

3.

POBLACIÓN Y UNIVERSO:

El diccionario de la RAE (2001) define la población, en su acepción sociológica, como “Conjunto de los individuos o cosas sometido a una evaluación estadística mediante muestreo”. En cualquier investigación, 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. Los manuales clásicos de epistemología suelen definir la ‘población’ como el conjunto de todas las medidas o personas de un cierto tipo, y la hacen sinónima del concepto más antiguo de ‘universo’ (Jiménez Fernández, 1983; Sierra Bravo, 1988; Gil Pascual, 2004). Otros autores distinguen entre ‘universo’ y ‘población’ (Fox, 1981; Marín Ibáñez, 1985; Buendía, Colás y Hernández, 1998; Latorre, Rincón y Arnal, 2003). 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 término universo para designar “esa entidad que lo incluye todo”, reservando el concepto de población a la parte del universo de la que se selecciona la muestra y sobre la que deseamos hacer inferencia o aplicación de las generalizaciones que obtengamos de la investigación.
“El término universo designa a todos los posibles sujetos o medidas de un cierto tipo... La parte del universo a la que el investigador tiene acceso se denomina población”. (Fox, 1981: 368)

2

Lohr (1999) habla de “población muestreada” para referirse a la población de la que se extrae la muestra y de “población objetivo”. Paralelamente. ésta puede aportarnos información representativa y exacta de toda la población. coste. (1999: 3) advierte: “Por ejemplo. por que es muy grande y no es fácil abarcarla en su totalidad. si se selecciona correctamente la muestra. Salvo en el caso de poblaciones pequeñas. (Buendía. la reducción de costos y la posibilidad de mayor profundidad y exactitud en los resultados. los recursos y los medios para estudiar una población completa. mientras que el universo de trabajo “son los casos que de alguna manera tenemos consignados y de los que podemos extraer la muestra”. pocas veces en una investigación se cuenta con el tiempo. haciendo sinónimo a este ultimo de ‘colectivo’ o ‘colectivo hipotético’. Colás y Hernández. La definición de la población es una parte importante. Rincón y Arnal (2003) también distinguen entre población y universo. Lohr. una muestra mal seleccionada o sesgada distorsiona los resultados. A veces ni siquiera podemos delimitar exactamente una población.. Se conoce con el nombre de muestreo al proceso de extracción de una muestra a partir de la población.“Población es un conjunto definido. y con frecuencia difícil. se elige una muestra representativa y los datos obtenidos en ella se utilizan para realizar pronósticos en poblaciones futuras de las mismas características. las limitaciones propias del tipo de muestreo y tener que extraer una muestra de poblaciones que poseen pocos individuos con la 3 . ¿la población objetivo deberían ser todos los adultos que pueden votar? ¿Todos los votantes registrados? ¿Todas las personas que votaron en la última elección?”. entendida como la colección completa de observaciones que deseamos estudiar. MUESTREO. Es el grupo al que se intenta generalizar los resultados”. Sierra Bravo (1988) se refiere al universo de trabajo como ‘base de la muestra. la elección de esta ‘población objetivo’ afectará profundamente al resultado de la investigación 2. clasificación y análisis de los datos hacen que la gran mayoría de los proyectos de investigación no estudien más que una parte representativa de la población. 1998: 28) Marín Ibáñez (1985: 167) señala las diferencias entre ‘población’ o ‘universo general’ y ‘universo de trabajo. 2003) suele señalarse: el ahorro de tiempo en la realización de la investigación. Rincón y Arnal. En cualquier caso. Por ello. El proceso esencial del muestreo consiste en identificar la población que estará representada en el estudio. Esto se puede hacer así porque. Los inconvenientes más comunes suelen ser: dificultad de utilización de la técnica de muestreo. el investigador no trabaja con todos los elementos de la población que estudia sino sólo con una parte o fracción de ella. accesibilidad a los individuos y complejidad de las operaciones de recogida. otras veces la población total “aún no existe” como sucede en los estudios sobre predicción Estos motivos de tiempo. limitado y accesible del universo que forma el referente para la elección de la muestra. en una encuesta política. El primero hace referencia a toda la población a la que queremos extender las conclusiones de la muestra. Habitualmente. Latorre. Entre las ventajas que proporciona el muestreo (Latorre. denominada muestra. a veces. del estudio.

Muestra. que sea una parte típica de la población en la o las características que son relevantes para la investigación”. respecto del estudio de poblaciones. en general. Las muestras presentan evidentes ventajas. que se somete a observación científica en representación del conjunto.. Rincón y Arnal ponen especial énfasis en la metodología del muestreo: “Conjunto de casos extraídos de una población.. Jiménez Fernández (1983) destaca la condición de representatividad que ha de tener la muestra: “. se puede hacer la inferencia o generalización fundada matemáticamente de que dichos resultados son válidos para la población de la que se ha extraído la muestra.característica que hay que estudiar. (Sierra Bravo. 1983: 237) Sierra Bravo hace hincapié en la generalización de resultados: “. es una parte o subconjunto de una población normalmente seleccionada de tal modo que ponga de manifiesto las propiedades de la población. se pueden encuestar grandes poblaciones y núcleos humanos. 2001) define la muestra.. 1981: 367) 2. porque en la práctica no es necesario obtener datos de todos los posibles sujetos para comprender con exactitud la naturaleza del fenómeno que se estudia. El ahorro de tiempo o dinero mediante el muestreo sólo es lógico cuando se puede justificar el hecho de que los datos obtenidos a partir de la muestra proporcionarán una base firme para determinar con exactitud las características del fenómeno que se estudia”. Su característica más importante es la representatividad. La importancia del muestreo radica en que no es necesario trabajar con los ‘N’ elementos de una población para comprender con un nivel “razonable” de exactitud la naturaleza del fenómeno estudiado. se pueden aprovechar las ventajas del muestreo.. 1988: 174) Latorre. Este conocimiento se puede obtener a partir de una muestra que se considere representativa de aquella población. Con una muestra relativamente reducida en relación a la población. es decir. El Diccionario de la Lengua Española (RAE. en su segunda acepción. sino que.. seleccionados por algún método de muestreo”. que de otra manera sería muy difícil o prácticamente imposible investigar. (Fox. una parte representativa de un conjunto o población debidamente elegida. que son la reducción del coste de la investigación en tiempo y en dinero. es un proceso lógico. En el terreno epistemológico. se puede alcanzar esa comprensión con una parte de los sujetos. con el propósito de obtener resultados válidos. dentro de unos límites de error y probabilidad. que se pueden determinar estadísticamente en cada caso. 2003: 78) Las muestras tienen un fundamento matemático estadístico.. “Aunque la razón esencial por la que se muestrea es la imposibilidad de estudiar todos los sujetos. también para el universo total investigado”. (Latorre. como “parte o porción extraída de un conjunto por métodos que permiten considerarla como representativa de él”. Suponen una gran economía en las encuestas y la posibilidad de mayor 4 . (Jiménez Fernández. de una muestra elegida correctamente y en proporción adecuada. Debido a esto. Éste consiste en que obtenidos unos determinados resultados.1. Rincón y Arnal.

pero no tenemos una lista de todos los individuos que pertenecen a la población. 3) Selección de la muestra invitada o conjunto de elementos de la población a los que se pide que participen en la investigación. 5) Muestra productora de datos..)..3. 1 Se considera unidad de muestreo a la unidad. está constituida por grupos excluyentes de elementos de la población que completan la misma.. En este proceso de selección hemos de distinguir entre ‘elemento muestral’.rapidez en su ejecución. un grupo de estudiantes de un determinado nivel educativo. Condiciones que ha de cumplir la muestra. La ausencia de distorsión en la elección de los elementos de la muestra. empresas. 2) Determinación de la población o parte de ella a la que el investigador tiene acceso. la unidad más pequeña en que podemos descomponer la muestra. centros. una muestra es o no admisible. Que su amplitud sea estadísticamente proporcionada a la magnitud del universo. (Sierra Bravo. podríamos desear estudiar a un grupo de personas (una ciudad. 1988: 175) La selección correcta de la muestra implica crear una que represente a la población con la mayor fidelidad posible..2 Etapas del proceso de muestreo.. Por ejemplo.. A veces. con los que confeccionamos la muestra: personas. 2 Para Sierra Bravo población y universo son sinónimos. Esta condición se halla en relación con el punto práctico de determinación del tamaño de la muestra y sirve para decidir si. etc. centros educativos. 5 .. o elementos. aunque esté afectada del error que resulta de limitar el todo a una parte”. una muestra puede ofrecer resultados más precisos que una encuesta total. La lista de las ‘unidades de muestreo’ (familias. El elemento o individuo (muestral) es un objeto en el cual se toman las mediciones. cuatro: 1. empresas. una barriada. Si esta elección 2. podrían servir como unidades de muestreo.) constituyen el ‘marco de muestreo’.. 3. Las unidades de observación o elementos muestrales serían los individuos que viven en una familia o que trabajan en una determinada empresa.. según las unidades que comprende respecto al universo. “. 2. Esto conlleva utilizar unas técnicas específicas de selección de la muestra. ‘unidad de muestreo1’ y ‘marco de muestreo’. los centros educativos. las empresas. La unidad de muestreo hace referencia a la unidad donde realizamos la muestra. familias. Las condiciones fundamentales que ha de cumplir una muestra son. la parte que aceptó y que realmente produce datos. “Que comprendan parte del universo2 y no la totalidad de éste. Fox (1981: 367-369) señala cinco etapas en el proceso de muestreo: 1) Definición o selección del universo o especificación de los posibles sujetos o elementos de un determinado tipo. así como la necesidad de determinar su tamaño óptimo. los trabajadores de un sector de producción. En su lugar las familias. 4) Muestra aceptante o parte de la muestra invitada que acepta participar.. 2. para Sierra Bravo.

deberá estar estratificada como el universo”. Es la modalidad de muestreo más conocida y que alcanza mayor rigor científico. la muestra también deberá comprenderlos y precisamente en la misma proporción. En este procedimiento se extraen al azar un número determinado de elementos.1 Muestreo probabilístico. Que sea representativa o reflejo fiel del universo. de tal modo que reproduzca sus características básicas en orden a la investigación. es decir. asignándoles números consecutivos desde 1 hasta ‘n’. 1988: 175) Para cumplir estas condiciones es necesario aplicar unas determinadas técnicas de selección de la muestra que garanticen su representatividad. incluidas en los manuales de estadística. utiliza el azar como instrumento de selección. el segundo 1/99. En los apartados siguientes desarrollaremos estos aspectos. y así sucesivamente. lo importante es que la conozcamos. pudiéndose calcular de antemano la probabilidad de que cada elemento sea incluido en la muestra. c) definir el tamaño de la muestra. Para Marín Ibañez (1985) este tipo de muestreo es el que alcanza mayor rigor científico. Los procedimientos más comunes de extracción de los elementos en este tipo de muestreo son: las tablas de números aleatorios. y d) extraer al azar los elementos. El muestreo por azar o probabilístico presenta varias modalidades: A) MUESTREO ALEATORIO SIMPLE. los clásicos sistemas de lotería y otros procedimientos de extracción al azar. es frecuente clasificarlas en probabilísticas y no probabilísticas. procediendo según la siguiente secuencia: a) definir la población. del conjunto mayor ‘N’ o población. ‘n’. confeccionar una lista de todos los elementos. Esto quiere decir que si hay sectores diferenciados en la población que se supone ofrecen características especiales. éste tiene 1/100 de posibilidad de ser elegido. incluidos las aplicaciones informáticas. Para que esto no hubiera ocurrido tendríamos que haber empleado el 6 .4. 3 TIPOS O TÉCNICAS DE MUESTREO. y se caracteriza porque se cumple el principio de la equiprobabilidad. Aunque no existe una única forma de clasificar las técnicas de muestreo.. b) la unidad de base de la muestra debe ser la misma. En la práctica real puede haber diversos grados de probabilidad. determinar el tamaño óptimo de la muestra y tener en cuenta el ‘error muestral’. según el cual todos los elementos de la población tienen la misma probabilidad de salir elegidos en una muestra. presenta alguna anomalía.. De hecho si de un listado de papeletas con cien personas seleccionamos uno. Conocido también como muestreo de selección aleatoria. Garantiza la equiprobabilidad de elección de cualquier elemento y la independencia de selección de cualquier otro. (Sierra Bravo. a efectos de los objetivos de la investigación. La muestra quedará formada por los ‘n’ elementos obtenidos mediante sorteo de la población. la muestra resultará por este mismo hecho viciada. 3. Algunos autores exigen que todos los elementos tengan la misma probabilidad de ser seleccionados.

al llegar a N. 5 administrativos. a+2I. o el 3. por ejemplo. el 10. a+I. Aunque es un procedimiento más rudimentario. Si tenemos la población a estudiar. listas en orden de calificaciones académicas si ésta es una de las variables de investigación. El primer elemento (‘a’) suele elegirse al azar usando las tablas de probabilidad y. por este procedimiento. que serán: a. por este orden: 1 directivo.. por ejemplo la guía telefónica o los censos electorales. Este último caso puede tener interés en determinadas circunstancias. es decir. sobre todo si la población es numerosa y está previamente ordenada. por razón de economía y tiempo suele utilizarse. Si el azar hizo que se partiera de un elemento de la lista mayor que I. pero no en el caso de consultar. Este procedimiento es más rápido que el anterior. podríamos partir el muestreo del nº 5. el 15. Es muy utilizado en los sondeos de opinión y de “puerta a puerta”. se le suma la frecuencia. Un peligro de este método es el que se den periodicidades en la población que anulen la representatividad de la muestra. Pensemos la dificultad que tendría. ésta quedará sesgada porque elegirá siempre.. La sencillez del procedimiento se complica cuando la población es muy grande y las ayudas mecanizadas no siempre se pueden o se deben utilizar. Supongamos que I = 10 y trabajamos con empleados de una empresa agrupados en Departamentos en los que el personal está listado según categorías profesionales. un directivo por cada departamento o bien porque no lo elegirá nunca. para Marín Ibáñez (1985) es que conozcamos el grado de probabilidad y. No pueden servir. varias veces a un mismo alumno. Después se elige un número menor o igual que I. etc.procedimiento que se conoce de obtención de la muestra con reemplazo. 8. Dentro de cada estrato se puede aplicar el muestreo aleatorio o 7 . a +3I. B) MUESTREO ALEATORIO SISTEMÁTICO. Al elegir la muestra por este método. Cuando se trata de poblaciones numerosas. La elección sistemática partiendo de listas es válida si el orden no ha sido establecido teniendo en cuenta la característica que estudiamos. 14 profesionales especializados. en lo posible. se vuelve al principio de la lista hasta completar ‘n’ casos. por ejemplo. para que se mantuviera la proporción del 1/100. por ejemplo. obtener una muestra de la población de Madrid. Si queremos obtener una muestra de 20 sobre una población de 100 (I = 100/20 = 5). previamente inscrita en unas listas numeradas. El empleo de muestras sistemáticas consiste en una variante del anterior tipo de muestreo. se seleccionan el primer y/o el último nombre de cada página o columna. es decir volviendo a colocar los que salen. que cumpla la condición: 1# a# I. A los entrevistadores se les indica que paren a cada ‘I’ personas o llamen a cada ‘I’ puertas. Por último se seleccionan los números en la tabla de número aleatorios. 13. obtenida la frecuencia de los casos iremos eligiendo saltando los números que indique la frecuencia. Este muestreo se utiliza cuando la población esta constituida en estratos o conjuntos de la población homogéneos con respecto a la característica que se estudia. procurar que sea la misma. Lo importante. C) MUESTREO ESTRATIFICADO. a continuación. Primero se calcula ‘I’ (frecuencia de los casos) mediante la fórmula I= N/n.

Este tipo de muestreo se utiliza cuando los individuos de la población constituyen grupos naturales o conglomerados (distrito. 2003) Dentro del muestreo estratificado suele distinguirse: ← SMuestreo estratificado constante. y d) la suma de las muestras de cada estrato forman la muestra total ‘n’. empresas. si del total de alumnos matriculados en las facultades españolas seleccionamos a cincuenta de cada titulación. curso. S Por ejemplo. b) de cada estrato se extrae una muestra por algún procedimiento de muestreo. El muestreo individual resulta muchas veces inaplicable y hay que recurrir no a los elementos. 5. el muestreo estratificado proporcional es el aconsejado. apdo. Para la obtención de la muestra estratificada se siguen los siguientes pasos: a) se divide la población en estratos. Suponiendo que se estratifica la población por titulaciones. Estratificado proporcional. a todos los alumnos de Bachillerato de una determinada ciudad. aulas. Para esa muestra seleccionamos el mismo número. la muestra se obtiene seleccionando un número igual de individuos de cada estrato en que se ha dividido la población. Podríamos hacer una encuesta. pero de forma proporcional al número de alumnos matriculados en cada titulación. Las complicaciones y dificultades serían mucho menores estableciendo una muestra al azar que tomara como unidades base del muestreo las aulas. para estudiar las actitudes hacia la política de los universitarios españoles podemos dividir el total de alumnos en estratos para asegurarnos que estarán representadas las características que nos interesan. Posibles estratos podrían ser facultades. titulación cursada. En este caso se selecciona de cada estrato un número de elementos proporcional a su tamaño en el conjunto de la población (afijación proporcional). Consiste en subdividir la población en subgrupos o estratos con arreglo a la/s característica/s que se consideren y en elegir la muestra de modo que estén representados los diferentes estratos. Si sus varianzas son aproximadamente homogéneas. Rincón y Arnal. etc. con independencia del tamaño y variabilidad de los mismos dentro de la población. (Latorre. En este caso. M.) En el muestreo por grupos el proceso sigue estos pasos: la población se divide 3 Cfr. etc. en terminología sajona. mediante el sistema de muestreo aleatorio simple. sino a seleccionar por el sistema del azar determinados colectivos. debe tomarse un porcentaje mayor de elementos de los estratos que mayor varianza experimentan. por ejemplo.2 de este capítulo. si por el contrario difieren mucho entre sí. estamos ante una muestra estratificada proporcional. Jiménez Fernández (1983) considera que un criterio más útil para fijar la proporción de la muestra es atender a la variabilidad de los estratos en la característica que interesa (afijación óptima). c) el número de individuos de cada estrato se puede decidir por paridad o proporcionalidad. La muestra de grupos o racimos también se denomina conglomerados o clusters. también conocido como afijación simple3. MUESTREO POR CONGLOMERADOS (CLUSTERS) O GRUPOS. centros escolares.sistemático. 8 . el muestreo ha sido estratificado constante.

distrito escolar. alumnos. se seleccionan aleatoriamente el número de conglomerados y se trabaja con el total de elementos pertenecientes a los conglomerados elegidos. De hecho. y así sucesivamente. empresas. 9 . A) MUESTREO ACCIDENTAL O CASUAL. toma las muestras disponibles sin introducir selección o modificación alguna. cursos o grupos dentro de un nivel. se procede a elaborar dicho listado sólo para los elementos que componen los conglomerados elegidos. entrevistar a la salida del metro. estas técnicas no utilizan el criterio de equiprobabilidad.2 Muestreo no probabilístico. intencional o deliberado y por cuotas. comodidad. etc. centros. en opinión de Kerlinger (1975). El criterio de selección de los individuos depende de la posibilidad de acceder a ellos. que constituyen las unidades muestrales secundarias. Es frecuente utilizar sujetos que las condiciones nos permiten (muestras que “proporcionan los amigos”). Una ventaja de esta técnica de muestreo radica en que no es necesario identificar ni tener un listado de todos los elementos de la población para seleccionarlos aleatoriamente. Dentro de este tipo de muestreo se suele distinguir entre muestreo accidental. etc. Por ejemplo. procurando que la muestra obtenida sea lo más representativa posible. Consecuentemente. Relacionado con el tipo anterior. En una segunda etapa se obtiene una submuestra a partir de las anteriores. En cada etapa puede aplicarse un muestreo aleatorio. Se procede dividiendo la población en varios conglomerados y se selecciona un número de ellos. En estas técnicas 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 economía. que constituyen las unidades muestrales primarias. Estas muestras. Este tipo de muestreo sólo necesita conocer los individuos que integran los conglomerados de la última etapa. o a las personas que pasan por un calle. Este tipo de muestreo se caracteriza por utilizar las muestras que tiene a su alcance. centros completos. aulas. Se submuestrean las unidades anteriores hasta llegar a la muestra final. no tienen la garantía de las muestras probabilísticas. La unidad muestral es el conglomerado (cluster) o grupo y el proceso de selección aleatoria se aplica a la selección de éstos y no a los elementos menores que componen el conglomerado. Por ejemplo. sino que siguen otros criterios. pero en la práctica son a menudo necesarias e inevitables.previamente en grupos o conglomerados que contienen diversos elementos y. a continuación. hasta llegar a los individuos o elementos que constituyen la muestra: Comunidad Autónoma. Se denominan accidentales porque no responden a una planificación previa en cuanto a los sujetos a elegir. al no utilizar el muestreo al azar. D) MUESTREO POR ETAPAS O POLIETÁPICO. El proceso sigue una secuencia de etapas de selección de unidades muestrales de mayor rango a otras de menor. sino que después de seleccionados los conglomerados. 3.

la edad y el lugar de residencia. buscamos deliberadamente los elementos de la muestra porque nos parece que pueden facilitarnos una información más válida. En España. la misma proporción de personas bajo la línea de la pobreza. La selección de las “cuotas” suele hacerse mediante “rutas” o “itinerarios”. Se sigue un criterio establecido por el experto o investigador. Grandview poseía exactamente la misma proporción de personas que votaban por los republicanos. Hay que convenir con Marín (1985) que no todas las opiniones son igualmente cualificadas. puede usarse en estudios exploratorios cuando no se disponen de otras. No dudando de su utilidad. que Jiménez Fernández (1983) califica de “deliberado”. y cuando nos interesa una información más válida. (Lohr. El sistema de cuotas consiste en fijar unas “cuotas”. Cada cuota consiste en un número de elementos que reúnen unas determinadas condiciones. es elegirlos intencionalmente. En esta técnica. ya determinadas. igual proporción de mecánicos automotrices. se justifica cuando se quieren estudiar elementos excepcionales de cierta población. Este método. a los centros penitenciarios o de rehabilitación social o a los propios reclusos. se presta a críticas porque las muestras obtenidas resultan inevitablemente sesgadas en el sentido del criterio que se ha usado para seleccionarla. B) MUESTREO INTENCIONAL U OPINATIVO. No obstante. la experiencia y la preparación pueden inducirnos a seleccionar deliberadamente la muestra de acuerdo con unas características no aleatorias. que Estados Unidos visto como un todo. Supongamos que queremos averiguar el nivel cultural de unos determinados profesionales de un área geográfica o de un sector productivo. En estas muestras opináticas (Latorre. ya que la forma de asegurarse de que se incluirán en dicho estudio. el investigador de opinión pública interpretado por James Stwart. en las Elecciones Generales se sabe que el escrutinio de apenas ocho decenas de mesas electorales. cuidando mucho el análisis y la interpretación de resultados. 2003).Desde el punto de vista de la investigación este tipo de muestreo es más débil. Rincón y Arnal. El personaje de Stewart sólo tenía que entrevistar a las personas de Grandview para saber cuál era la opinión pública en la Unión Americana”. Como el sexo. En este procedimiento se parte de una muestra estratificada cuyas proporciones debe conservar el investigador. tienen un valor extrapolable al resultado global de las citadas elecciones. parecen factores condicionantes. que no son naturalmente toda la población delincuente. descubrió un pueblo que tenía exactamente las mismas características que todo Estados Unidos. Se suelen seleccionar los sujetos que se estima que pueden facilitar la información necesaria. 1999: 2-3) C) MUESTREO POR CUOTAS. Si queremos datos sobre la población delincuente será interesante recurrir a los servicios policiales. Este tipo de muestras han sido ampliamente divulgado por los medios de comunicación: “En la película Magic Town. Se eligen los individuos o elementos que se estima que son representativos o típicos de la población. etcétera. deberemos establecer que haya un 50% 10 . Hay muestras intencionadas que parten de ‘elementos típicos’ o ‘representativos’ a los que ya públicamente se les ha reconocido tal rango. el investigador selecciona de modo directo los elementos de la muestra que desea participen en su estudio. pero cada uno de los casos queda a su arbitrio elegirlos.

por razones de localización. con lo cual queda excluida de la muestra y comprensiblemente mantendrá su rechazo en los nuevos casos que los sustituyan. un tanto por ciento aproximado por grupos de edad correspondientes a la población real y así mismo procuraremos que haya el mismo tanto por ciento en la muestra que en la realidad de quienes viven en poblaciones de menos de 2.de varones y de mujeres. Se conoce con este nombre al sistema de muestreo que comprenden dos o más muestras distintas. Esta técnica es aplicable cuando se conoce el valor medio que alcanza una de las características estudiadas en el universo. cuando se trabaja con entrevistas. la solución es repetir la encuesta a nuevas muestras cada cierto período de tiempo. por ejemplo.000 habitantes. Por último.001 a 5. porque puede ocurrir que precisamente la población no participante tenga alguna característica por la que no desee contestar. se podría aplicar un muestreo aleatorio simple para el primero y el de clusters para zonas rurales. En un estudio que abarque población de hábitats urbanos y rurales.000 habitantes. electorales.3 Otros tipos de muestreo. En este caso no hay más remedio que sustituir la población que no desea colaborar o a la que no tenemos acceso por otra de condiciones similares. D) MUESTRAS COMPENSADAS. El investigador ha fijado ‘n’ para la muestra y elige libremente los individuos hasta alcanzar esa cifra. hay una resistencia a consultar a población dispersa en caseríos distantes o a la que está en pisos elevados sin ascensor. el peso. La compensación consiste en sustituir unidades de la muestra por otras nuevas elegidas también al azar. Se seleccionan dos muestras distintas obtenidas de la misma base de la muestra mediante la realización de dos sorteos o dos sistemas de muestreo distintos. común al muestreo probabilístico y no probabilístico. Una vez obtenida la muestra. De hecho. sería poco probable que su media coincidiera con la de la población. y es el del rechazo a participar en la investigación. C) MUESTRAS COMPUESTAS. 3. El riesgo radica en que seleccione a personas a quienes resulta más fácil.de 2. etc.) presenta otros métodos menos utilizados. según las diferentes partes del fenómeno estudiado. Es un procedimiento muy útil cuando se quiere lograr una valiosa corroboración o verificación de los resultados obtenidos en una encuesta.. en el caso de que sus valores acerquen más la media de la 11 .). etc. la talla. Sierra Bravo (1988: 197 ss. pero hay que tener mucho cuidado para evitar el sesgo de la muestra. B) MUESTRAS SUCESIVAS. A) MUESTRAS SUPERPUESTAS.. Cuando interesa conocer la evolución del fenómeno estudiado con el paso del tiempo (estudios de mercardo. Marín (1985) señala un riesgo muy generalizado.

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. La representatividad es la característica más importante de una 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. Estas muestras presentan ciertos sesgos y suelen presentar determinadas características. Si se poseen datos sobre la población se pueden comparar con ellos la muestra 12 . la muestra aceptante y la muestra productora de datos. Para Fox (1981) otra forma de analizar el problema de la representatividad de la muestra consiste en distinguir entre la muestra invitada. E) MUESTRAS DE VOLUNTARIOS. en cambio. Se espera que sea representativa de las características relevantes de la población. lo que nos permitirá generalizar a la población los resultados obtenidos en la muestra”. Generalizar a la población a partir de la muestra sólo está justificado si ésta representa realmente a la población. 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. dado que por razones éticas o morales no pueden utilizar ninguno de los demás procedimientos. para algunas de las características. Capacidad para medir esas variables. pero no hay seguridad total. son más sociables. para que lo sea. 2003: 82) Fox (1981) señala que para lograr la representatividad se requiere: 1. Rincón y Arnal. los rasgos de los elementos o individuos elegidos para la muestra deben ser similares a los de toda la población (Marín Ibáñez. pero pudiera no serlo. 1985). (Latorre. es lo que aparece con más frecuencia. ya que lo típico. 4. REPRESENTATIVIDAD DE LA MUESTRA. 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 (Kerlinger. la segunda hace referencia al grupo de individuos que aceptan participar y la muestra productora de datos coincide con la muestra real del estudio. La selección aleatoria de la muestra garantiza la ausencia de sesgo en el proceso de selección de la misma. se pierde la capacidad de buscar deliberadamente la representatividad en cuanto a ella. 2. y 3. etc. la representatividad en cuanto a una o dos características (Jiménez Fernández. como por ejemplo: son sujetos con un mayor nivel cultural. son menos convencionales. ayuda a garantizar su representatividad. 1985). lo representativo de la población. tienen mejor estatus social. Conocer qué características (variables) están relacionadas con el problema que se estudia. 1983). Lo normal es que lo sea. son menos conformistas.muestra a la del universo. “Preservar la representatividad es el atributo más importante que debe reunir el muestreo. suelen ser más inteligentes. La primera corresponde al conjunto de individuos “invitados” del conjunto de la población. El muestreo estratificado proporcional asegura. En algunas investigaciones el autor se ve obligado a pedir voluntarios que quieran participar en su estudio.

En cualquier caso. pero nada se puede afirmar sobre la representatividad de la muestra respecto de cualquier otra variable Si. y que el porcentaje de la pérdida también depende. Un informe sobre los elementos que se negaron a participar. 2003: 83). 1983: 249). Sobre la muestra productora de datos siempre posee valores el investigador. Por último.invitada y/o la aceptante y. hemos supuesto que se tienen datos sobre ella. es necesario preguntarse qué pérdida puede tolerarse desde la selección de la muestra inicial hasta llegar a la que proporciona los datos. ya que su referente comparativo es la muestra aceptante. De hecho. se negaron a hacerlo al conocer más profundamente la investigación. Al mismo tiempo. No es igual un 48% de “sí” y un “52% de “no” ante determinada pregunta que un 16% y un 84% (Jiménez Fernández. con la esperanza de que una muestra mayor sí sea representativa. aunque el estudio tenga una muestra mayor de buscada inicialmente. demasiado extendida. por el contrario. de los que aceptaron participar pero luego no pudieron y de los que aceptando. no tiene fácil solución y va estrechamente unido a la representatividad. ni considerarlos como conclusiones válidas. TAMAÑO DE LA MUESTRA. con una menor 13 . Si no se tuvieran datos de la población. b) seleccionar más elementos de la población. y cuando la proporción es menor del 40% no se deberían dar a conocer los datos. para su representatividad. En principio hay que rechazar la idea. a medida que aumenta ésta. el investigador tiene dos opciones: a) trabajar con la muestra no representativa y contar con ese límite. lo que demuestra que esa/s característica/s no han sido consideradas para no participar. Si el contraste indica que no hay diferencias significativas en las variables consideradas. El tamaño de la muestra. de que la muestra debe ser proporcional a la población. orientará al investigador y al destinatario de la investigación sobre la posibilidades de sesgo en esta etapa del muestreo. mediante algún contraste de significación adecuado (por ejemplo chi-cuadrado). por el contrario. 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. aún cuando no existan diferencias estadísticamente significativas. Se suele considerar que una pérdida del 25% debe preocupar. no se puede realizar el contraste de la muestra invitada y/o aceptante con respecto a la población. no existe una única respuesta cuantitativa. Son útiles como estudios pilotos. determinar si difieren de ella en las características que interesa en una investigación dada. se puede admitir la representatividad de la muestra para las características en cuestión. Entonces se recurre a contrastar la muestra aceptante con la invitada. Rincón y Arnal. en un primer momento. no se ha logrado representatividad en una o varias variables. 5. 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. pero no se pueden aceptar sin hacer un estudio posterior más exhaustivo” (Latorre. de cómo se distribuyan las respuestas en la diferentes categorías de la variable. la muestra productora de datos sigue siendo representativa de la muestra aceptante. Para realizar el contraste de representatividad de las muestras respecto de la población. un tema que siempre preocupa. “cuando sea inferior al 50% «se debe leer y escribir con cuidado».

que el porcentaje de mujeres y de hombres se equilibre. Por ejemplo. el error es menor que en las no estratificadas. Cuando tenemos una proporción de la característica del 50% estamos ante lo que se designa como ‘el caso más desfavorable’ porque exige la muestra mayor. aulas ya organizadas y recoger la información en días y horas lectivos que hacerlo a través de un cuestionario enviado por correo. seleccionada al azar una muestra de personas es más fácil. en igualdad de otras condiciones. El tamaño de la muestra también depende del tipo de muestreo que se ha llevado a cabo. Por ejemplo. se considera una muestra grande cuando n > 30. 1983). Cuanto más homogénea es una población en la/s característica/s objeto de estudio. Entre +2 y -2 sigmas de la curva de distribución normal de Gauss4. El tamaño de la muestra viene condicionado por el tanto por ciento de la característica que estamos estudiando. por ejemplo. Es decir. No existe un tamaño ideal de la muestra. a medida que aumenta el número de personas de la muestra. Una muestra debe ser lo suficientemente grande como para ser representativa. 6. entendiendo por error la desviación con respecto a los parámetros de la población. no porque sean buenas en sí mismas sino para dar al principio de distribución al azar una probabilidad de “actuar”. por ejemplo.5% de la población.proporción podemos alcanzar la representatividad. está incluido el 95. A efectos descriptivos.3 de este capítulo. en cuyo caso el riesgo de que exista diferencia entre los estadísticos de la muestra y los parámetros de la población sean distintos será de 997/100. el tamaño de la muestra está en relación directa con la desviación típica de las puntuaciones en la/s características de la variable a investigar. Si queremos alcanzar una mayor certidumbre hemos de abarcar entre +3 y -3 sigmas. No obstante. Si no conocemos la proporción se asigna el 50% como la opción más segura en los cálculos de la muestra. Cuando no se conoce es conveniente hacer algún pequeño estudio inicial con una muestra mucho menor para tener alguna idea de ese porcentaje. (Sierra Bravo. Así. 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 reducción de la muestra seleccionada (Jiménez Fernández. No es igual seleccionar. 14 . en las muestras estratificadas. pero una muestra representativa de 50 elementos es preferible a otra no representativa de 100 (Jiménez Fernández. más fácil resulta obtener muestras representativas sin necesidad de que sean grandes. y también lo es el tamaño de la muestra necesario. pero el número de elementos necesarios para lograr la representatividad varía de una investigación a otra. Consecuentemente este autor recomienda usar muestras grandes. El nivel de confianza que queramos que alcancen nuestros resultados también influye en el tamaño que debamos dar a la muestra. a partir de la media. Esto quiere decir que tenemos una probabilidad de que 955/1000 coincidan con los de la población total. 1988: 226) El tamaño de la muestra puede dilucidarse en parte preguntándose por la cuantía del error que es probable cometer al calcular diversos estadísticos partiendo de muestras de diferente tamaño. Se considera clásica la curva de error de Kerlinger (1975) en la que el error aumenta a medida que disminuye el tamaño de la muestra y a la inversa. 1983). pero naturalmente tendremos que elevar el 4 Cfr. apdo. los estadísticos calculados con muestras grandes son más precisos que los calculados con muestras pequeñas. alumnos que se matriculan en los programas de formación y después no asisten o abandonan.

según las siguientes ecuaciones: A) Determinación del tamaño de la muestra para poblaciones infinitas. Ya hemos hablado del uso de tablas. En este caso se aplica la fórmula: Z∀ 2 * p * q n = --------------------e2 z∀ n = número de elementos que debe poseer la muestra ∀ = riesgo o nivel de significación.1) Que conozcamos la proporción de elementos que posee la característica a través de estudios previos. De este modo. el número de elementos óptimo de una muestra. 5. Por tanto.000 elementos. representatividad. Conociendo el nivel de confianza que queremos que alcancen los datos se puede aplicar una ecuación matemática para estimar el tamaño de la muestra5. Para determinar el volumen de la muestra.1. estimando qué 5 6 Frecuentemente se opta por un nivel de confianza del 95% ó 99. y un error de estimación máximo del un 5% Se consideran muestras infinitas las que superan los 100. las variables (tipo de datos. Hemos de indicar el máximo error tolerable. el investigador habrá de tener en cuenta: la amplitud del universo (infinito o no).numero de elementos de la muestra.96) p = % estimado q = 100-p e = error permitido. los análisis estadísticos que se planifiquen. 15 . Con esta base se tendrán los referentes necesarios para determinar el tamaño de la muestra. valores de la misma. de acuerdo con el nivel de confianza. Bugeda (1974) recoge tablas que permiten determinar el volumen de la muestra y el nivel de estimación para los niveles de confianza del 99. Para seleccionar el tamaño de la muestra se suelen utilizar técnicas de tres tipos.6 En este caso pueden presentarse dos situaciones: A.7%. que suele establecerse en el 5%. la determinación variará.2. homogeneidad/variabilidad de los datos). el error de estimación y el nivel de confianza con el que deseemos trabajar entre otras consideraciones. pero también se pueden determinar mediante otros procedimientos: las “curvas de error” del tipo de las definidas por Kerlinger (1975: 132) o mediante cálculos estadísticos. el proceso y medios de recogida de datos. Según se trate de poblaciones infinitas o finitas. Otro dato determinante del tamaño de la muestra es el error de estimación. Es lógico pensar que no haya una coincidencia total entre los datos de la población y los de la muestra. Concluimos que determinar el tamaño de la muestra es un tema complejo. el tipo de muestreo. A. para un riesgo del 5%. = puntuación correspondiente al riesgo ∀ que se haya elegido. Pero si queremos rebajar ese error tendremos que aumentar el volumen de la muestra. el error muestral.05 (Z∀ = 1. existen tablas. Por ejemplo. ∀ = 0. Si desconocemos la proporción de individuos que poseen la característica. A continuación desarrollamos este último procedimiento. se toma p = 50% y q = 50%. Determinación estadística del tamaño de la muestra.7% y del 95%.

que representa cada estrato dentro del universo.000-1) + 4 * 50 * 50 En el caso de que la investigación requiera estimar una media la fórmula a utilizar quedaría así: N * Z∀ 2 * s2 n = ----------------------------Z∀ 2 * s2 + e2 * (N-1) Como conclusión de este apartado hemos de señalar que las fórmulas anteriores varían con el tipo de muestreo y con el sistema de afijación de la muestra (Sierra Bravo. al tamaño 16 . debe tener en cuenta que para garantizar la representatividad de la población. En este caso se emplea la siguiente fórmula: Z∀ 2 * p * q * N n = ----------------------------e2 (N-1) + Z∀ 2 p * q De este modo. denominado afijación de la muestra. o no. Además de la determinación del tamaño general de la muestra hay que especificar el volumen de cada estrato de la muestra.7% (3 Φ ) y un error de estimación admitido del 2%.= 5625 elementos.2 Afijación de la muestra. 9 (60.= 1091 individuos. estableciendo un nivel de confianza de 2Φ (95. 22 En el caso de que la investigación requiera estimar una media se utiliza la siguiente fórmula: Z2∀ * s2 s2 = Varianza. en la muestra deberán figurar los estratos según su proporción en el universo. el número óptimo para un estudio de 60. Este proceso. n = --------------------e2 B) Determinación del tamaño de la muestra para poblaciones finitas.000 personas inscritas en cursos de formación. Suponemos que la opción por inscribirse en cursos de formación. Cuando se trata de muestras estratificadas la determinación del tamaño de la muestra plantea un problema especial. La forma más utilizada y directa de realizar esta operación (afijación proporcional) consiste en aplicar el porcentaje. sería.proporción de sujetos poseen una característica al nivel de confianza del 99. 1988: 226) 5. 4 * 50 * 50 * 60.5%). es del 50%.000 N = ---------------------------------. y el margen de error en el 3%. será: 32*50*50 N = ------------------.

para señalarnos “los límites formados por la media de la muestra. el tamaño de estratos que resulte más caro investigar. El error de muestreo ocurre al estudiar una muestra en lugar de la población total. Esta realidad. sino únicamente para establecer el intervalo de confianza dentro del que nos movemos en la muestra. dos o tres sigmas”. por tener una varianza más reducida. (Sierra Bravo. mas o menos el error en cuestión.. (Sierra Bravo. sino a un error muestral determinado estadísticamente. 6. la muestra perdería su razón de ser. La base estadística del error muestral es la siguiente. de tipo genérico. ‘n’ unidades cada una. ERROR MUESTRAL Cuando se extrae una muestra de una población es frecuente que los resultados obtenidos de la muestra no sean exactamente los valores reales de la población. Si se conocieran las desviaciones típicas o las proporciones de cada estrato en el universo. Entonces las estimaciones de variarán en torno a ‘’ en la forma de la curva de distribución normal. Este procedimiento se denomina afijación óptima. Por tanto. dentro del que se debe encontrar la media del universo. que es el más utilizado. reúne las siguientes ventajas: permite una moderada ganancia global en precisión y mantiene la igualdad de probabilidad de elección de todas las unidades del universo. cuando nos referimos a error muestral no nos referimos al concepto señalado en el párrafo anterior.1 Fundamento estadístico del error muestral. a la vez. o se han calculado “ex-profeso” . mediante un sondeo previo con relación al objeto de estudio de la muestra. En primer lugar. etc. a todas luces descartable en la práctica. La única forma de poder conocer el error muestral real consiste en realizar paralelamente la investigación con la muestra y. 1976: 238). y su aplicación está justificada por razones económicas en el caso de que con su empleo se pueda reducir sensiblemente. Este error muestral. de la misma población y se calculasen las para cada una de ellas. válido para todas las muestras posibles. Para Sánchez Crespo (1976) este sistema. sirve para darnos no un error específico y determinado. Supongamos que se obtuvieran todas las muestras posibles de.general de la muestra. se suele utilizar otro procedimiento de afijar la muestra que consiste en multiplicar el porcentaje de cada estrato en el universo por su proporción o su desviación típica y repartir el tamaño de la muestra entre los estratos proporcionalmente a dichos productos. 1988) 6. Denominemos ‘0 ’ a la media de la muestra y ‘’ a la media de la población. La diferencia entre el valor del parámetro de una población y el estadístico de una muestra recibe el nombre de error muestral. sino como variaciones debidas al hecho de que no hay jamás dos muestras que sean exactamente iguales” (Garret. estadístico. no conocido. con toda la población. nos advierte acerca de la imposibilidad de conocer el error muestral real. 1988: 207) Los errores de muestreo o ‘fluctuaciones de muestra a muestra’ son aleatorios y “no han de considerarse como equivocaciones. 17 . Los estadísticos obtenidos en estas muestras al azar son estimaciones de los parámetros y sus errores típicos miden la bondad de la estimación. del mismo tamaño. con lo que se obtendrá el número de elementos de la muestra que se debe asignar a cada estrato. fallos. con el grado de probabilidad con que se trabaje.

De entre las técnicas de submuestreo señalaremos como las más usuales. debido al azar. 1988. que actúan de modo incontrolado. 2003: 83): a) La técnica de la replicación independiente. se conoce como error aleatorio. un error típico grande sí indica un considerable error de muestreo. denominado error de sesgo. La fórmula que expresa esta relación es: s e = ---------muestral. 1983) 18 . el error muestral o ‘error típico’ 7. Los errores muestrales son debidos a dos causas principales. Tomando estos referentes. suele designarse por Φ y mide la importancia de las variaciones de las o medias muestrales en torno a la de la población. un error muestral grande no implica necesariamente falta de representatividad de la muestra. Rincón y Arnal. Por ello.Esa curva de “distribución muestral” expresaría gráfica y matemáticamente la distribución de todas las medias de las muestras obtenidas del universo. el segundo. pueden muestreo)2 aumentar considerablemente el error típico de un estadístico. Ambos se relacionan matemáticamente mediante la siguiente expresión: Para estimar el error muestral existen varias técnicas denominadas de submuestreo (subsample) o remuestreo (resample) que se basan en dividir la muestra total en dos o más submuestras aleatorias y a partir de ellas estimar los estadísticos y determinar las propiedades del estimador (Wilson. Estos errores. es debido a que la muestra no es representativa de la población. en Latorre. 1988). (Jiménez Fernández. pues la variación puede estar causada por los errores de medición. que consiste en cortar la muestra en varias partes no El error típico se define en estadística como la desviación típica de la distribución muestral de un estadístico. las siguientes (Ross. b) 7 Técnica del jakknife (‘navaja’). El primero. así como del que los aplica y corrige. siguiendo una distribución normal. sería la desviación típica de las distintas medias obtenidas alrededor de la media de la población. que consiste en que la muestra se divide en dos submuestras independientes. / n Los errores de medición2 se refieren por sesgo)2 + (error de (Error total) = (error a los fallos de los instrumentos de medida. En ella se pondría de manifiesto que habría muchas medidas de iguales o muy cercanas a la población y muy pocas alejadas de . Φ = desviación típica de la muestra e= error típico de la media o error n = tamaño de la muestra. Si éstos son pequeños..

c) Replicación repetida balanceada.p) Nota: Al numerador [s2] o al [p * q] hay que multiplicarlos por el cuadrado de ‘nivel de confianza’ elegido: 22 ó 32 para 2 ó 3 Φ (sigmas). pi = proporción del atributo muestral en el estrato “i” n = número total de elementos de la muestra. En el caso de medias: e = En las muestras de clusters la p * q n fórmula del error muestral es: m = número de clusters de la muestra M = número de clusters del universo. s = desviación típica de las medias de los clusters de la muestra. respectivamente.mutuamente excluyentes. En las muestras estratificadas habrá que considerar que. 19 . Consecuentemente. es decir. p = proporción de elementos que posee la característica investigada: (q = 1 . s e = ---------/ n e = ∑ De intervalo: De proporciones: s2 = varianza (cuadrado de la desviación típica) población n = tamaño de la muestra. e = e = (N-n/ N-1) término de corrección utilizado para poblaciones finitas y muestras sin reemplazamiento. el % de la característica o la desviación típica. Poblaciones infinitas. Las fórmulas generales que nos permiten estimar el error muestral son: p (1 − p ) n ∑ n i p i (1 − p i ) e = n Estas fórmulas generales presentan modalidades diversas según se trate de muestras con desviación típica o muestras con proporciones. con reposición. o poblaciones finitas / infinitas: e = Muestras Poblaciones finitas.2 Estimación del error muestral en las muestras estratificadas y de clusters. 3 = sumatorio de todos los estratos. la formula a utilizar será: ni = elementos del estrato “i”. en su caso. e = s2 m (1 − ) m N s2 N − n × n N −1 p * q N − n × n N −1 N = el tamaño de la 6. serán distintas para cada estrato. ( n isi ) 2 n2 s2 e = n Fórmulas del error muestral para:. normalmente.

El hecho de que se estime el universo como infinito supone que su amplitud no influye para nada en la fórmula a aplicar. En ese caso la desviación típica es igual a 20 . recurriendo al álgebra de Boole. En consecuencia.6. El nivel de confianza adoptado es también otro dato que nos puede venir dado o que podemos elegir.5%. por estimar que es muy improbable su obtención. En este caso la media es igual a ‘p’ (proporción en que se da el atributo en cuestión en la población). El tamaño de la muestra es. recibe el nombre de nivel de confianza. El nivel de confianza adoptado. que de las medias de todas las muestras posibles que forman en su conjunto la curva muestral. el nivel de confianza será la proporción de las p * (1 − p ) medias muestrales que forman el área de esta curva de distribución normal del universo que se piensa abarcar. superior al 6%-. finito o infinito. sólo consideramos como probables el 95. No obstante.5%) ó por ± 3 (99. por lo que prescindimos del otro 4. con esta elección adoptamos un riesgo razonable de equivocarnos.7).). Las pruebas empíricas realizadas muestran que las distribución muestral de medias de diferentes muestras se ajusta generalmente a una distribución normal o curva de Gauss. si al calcular el error éste resulta demasiado elevado -por ejemplo. Es decir. de las que son tipo la variables dicotómicas del tipo Sí/No) Estas últimas variables es posible cuantificarlas. El nivel de confianza más corriente con el que se trabaja en muestras de investigaciones educativas es el de dos sigmas. Respecto a la desviación típica hay que distinguir las muestras referentes a variables cuantitativas (con escalas de intervalos o de razón). Hay una relación inversa entre tamaño de la muestra y error muestral.. La desviación típica. en las fórmulas del error muestral.3 Factores que intervienen en el error muestral. El tamaño. 1988: 209): A) B) C) D) La amplitud del universo. de las que se refieren a variables cualitativas (con escalas nominales u ordinales. Supuesto esto. en cierto modo. de la muestra. De acuerdo con las expresiones matemáticas que calculan el error muestral.. aparece/no aparece. por ejemplo. entonces estamos obligado a aumentar el tamaño de la muestra para reducir el error. y por creer que el indicativo 95. porque representa el % de seguridad o probabilidad que elegimos.5%.5% nos proporciona una seguridad no total pero suficiente en la práctica. que nosotros adoptemos. los factores que intervienen en él son (Sierra Bravo. por ± 2 (95. n. asignándole los valores 1/0 (positiva/negativa. El área abarcada por ± 1 sigma (68%). un dato que nos dan o elegimos.

y quedarían fuera los menos rápidos. en su sentido y magnitud. en que la muestra deberá ser mayor. en Sierra Bravo. se utiliza en su lugar la ‘cuasivarianza’. en las encuestas por correo se estima necesario reiterarlas hasta tres veces. aleatorios y muestrales. Así. . la encuesta sólo abarcaría un tipo de gente. especialmente presente en las encuestas por cuestionario escrito. para hallar la desviación típica es necesario hallar.4 ∑ (xi − x )2 n i 3. o sea la varianza estimada mediante una pequeña muestra tomada de la población. Respecto de este motivo. es decir. Este sería el caso de un muestreo aleatorio sistemático realizado cada cinco elementos. Insuficiente observación del conjunto de la muestra. Las tendencias subjetivas conscientes o inconscientes del investigador. 1988: 213) las principales vías de penetración del error sistemático o de distorsión son las siguientes: 1. según criterio propio del investigador. aunque sea de manera aproximada. en cada caso distinto. 4. Modo de elección defectuoso de una muestra que hace que ésta i s = no sea representativa. n −1 La dependencia del método de muestreo de una característica de las unidades del universo a elegir. El error aleatorio no se suele ajustar a ninguna pauta. Sustituciones. varía normalmente. la proporción o porcentaje que expresa el nivel estimado de la extensión en el universo de la característica sobre la que se desea obtener información. 5. cuando en la base de la muestra también uno de cada cinco son individuos con una característica determinada. los rápidos en contestar. 2. al repetirse los casos. El error muestral. si no se conoce ‘p’. que lleva a atenerse a los primeros resultados. Ello puede llevar a una hiper/subrepresentatividad de la muestra.En las muestras con variables cuantitativas la desviación típica ( s ) se calcula según: Los datos obtenidos por una u otra fórmula se refieren a la varianza del universo a la que representan. según su carácter. Para Bugeda (1974. El error sistemático se suele ajustar a una pauta determinada en su sentido y magnitud. que es el caso más desfavorable. es un error de tipo aleatorio estadístico. su magnitud aumenta acumulativamente. visto más arriba. de unidades de la muestra que habían sido elegidas al azar. Por ello. Los errores se clasifican. ya que está comprobado que éste parámetro es muy estable. Error sistemático. y por ello tiende a anularse cuando se trata de un número elevado de casos. que seguramente constituyen un grupo de características diferentes de los primeros. en una encuesta sobre la extensión del consumo de una determinada marca de tabaco se deberá estimar con anterioridad. Por ello. la proporción de fumadores y no fumadores dentro del total de la población. se ha constatado que los que contestan primero son los más interesados en la encuesta. que tiene lugar cuando se utilizan muestras y se basa en las fluctuaciones aleatorias del muestreo. Cuando el sondeo sea imposible habrá que partir de la suposición del 50%. en las muestras referidas a variables cualitativas. Cuando ésta no es conocida. pues de otro modo ademas de quedar modificado el tamaño de la muestra. y por lo tanto. a través de un sondeo previo. como suele ocurrir. en sistemáticos. 21 6.

P. K. Interamericana. (2004): Bases Metodológicas de la Investigación Educativa. J. S. (1988): Sampling errors. R. International. 22 . F. México. An international handbook. McGraw-Hill.). : Pedagogía Experimental II. (1999): Muestreo: Diseño y Análisis. El muestreo”. Madrid. Pamplona. COLÁS BRAVO. En MARÍN IBÁÑEZ y PÉREZ SERRANO. A. J. KERLINGER. M. A. L. G. (1984): La investigación del profesor en el aula.rae. Experiencia S. R. J. N. Madrid. y HERNÁNDEZ PINA. UNED. D. L. México. GARRET. Madrid. N. F. pp. (1998): Métodos de investigación en Psicopedagogía. En JIMÉNEZ FERNÁNDEZ. C. Escuela Española.. MARÍN IBÁÑEZ. Eunsa. (1976): Estadística en Psicología y Educación. J. Paidós. 229-258. LOHR. 22ª Edición. H.. Oxford. (1988): Técnicas de investigación Social. Pergamon Press.(1985): Enfoque conceptual de la investigación del comportamiento. C. E. En KEEVES. del y ARNAL.: Pedagogía Social y Sociología de la Educación. R.L. and measurement. y PÉREZ JUSTE. SIERRA BRAVO. . Buenos Aires.P. GARCÍA HOZ. R. Diccionario de la Lengua Española. (1983): “Población y muestra. (1985): “El muestreo”. FOX. pp. Interamericana. 161-186 LATORRE. BUGEDA. RINCÓN D. (1975): Investigación del comportamiento. (1981): El proceso de investigación en Educación. RAE (2001): “Población” / “Muestra” [en linea]. Disponible en: http://www. J. 2 y 3. LÓPEZ-BARAJAS ZAYAS.Técnicas y Metodología. Educational research..29 de septiembre] ROSS. Teoría y Ejercicios. Madrid. Barcelona. (Análisis de datos). methodology. V. Tomo I.es/ [consulta 2005. UNED.7. y PÉREZ JUSTE. Unidades Didácticas 1. GIL PASCUAL. BIBLIOGRAFÍA. Madrid. Madrid. Thomson Editores. UNED. (1974): Manual de técnicas de investigación social. Tema 6. (2003): Bases Metodológicas de la Investigación Educativa. Madrid. BUENDÍA EISMAN. Instituto de Estudios Políticos.. JIMENEZ FERNÁNDEZ. (ed. E.

Madrid.Paraninfo. 23 .

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->