Subjetividad y Procesos Cognitivos

ISSN: 1666-244X
dmaldavsky@gmail.com
Universidad de Ciencias Empresariales y
Sociales
Argentina

Argibay, Juan Carlos

MUESTRA EN INVESTIGACION CUANTITATIVA
Subjetividad y Procesos Cognitivos, vol. 13, nm. 1, 2009, pp. 13-29
Universidad de Ciencias Empresariales y Sociales
Buenos Aires, Argentina

Disponible en: http://www.redalyc.org/articulo.oa?id=339630252001

Cmo citar el artculo

Nmero completo
Sistema de Informacin Cientfica
Ms informacin del artculo Red de Revistas Cientficas de Amrica Latina, el Caribe, Espaa y Portugal
Pgina de la revista en redalyc.org Proyecto acadmico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto
 SUBJETIVIDAD Y PROCESOS COGNITIVOS, 2009
Pg. 13-29

MUESTRA EN INVESTIGACION CUANTITATIVA

THE SAMPLE IN QUANTITATIVE RESEARCH
Juan Carlos Argibay*

Resumen
En el siguiente artculo se abordan cuestiones relacionadas con el tema de la mues-
tra en investigaciones cuantitativas. Se comentan los requisitos necesarios para que
una muestra pueda ser considerada representativa. Se plantean las diferencias entre
muestreos probabilsticos y no probabilsticos, se analizan las cuestiones de orden
prctico que hacen que en investigacin muchas veces se utilicen muestras incidentales
y cmo esto puede afectar -o no- la validez externa de los distintos tipos de mtodos
de investigacin cuantitativos y qu otros recursos se pueden utilizar para minimizar
ese problema. Se discute tambin cmo el tamao de la muestra excede el tema de la
representatividad de la misma y se plantea cmo est vinculado con cuestiones meto-
dolgico-estadsticas. Se explica por qu la cantidad de sujetos que componen la mues-
tra es un tema importante en distintas investigaciones y cmo el tamao de la muestra
se vincula con la significacin estadstica.

Palabras clave: muestra, muestra representativa, tcnicas de muestreo, tamao de

muestra, diseo, significacin estadstica.

Summary
The following article deals with questions related to the subject of the sample in
quantitative researches. It shows the requirements to consider a sample representative.
Besides, the difference between probabilistic samples and not probabilistic ones is
explained. Moreover, the practical matters which explain the often used incidental
samples in research as well as how they can affect the external validity of the different
sorts of quantitative research methods (or not) and which other resources can be used
to minimize that problem are considered. The article also discusses how the size of the
sample exceeds the subject of its representativeness and explains how this is related to
methodological and statistical questions, why the number of people composing the
sample is an important issue in different researches and how the size of the sample is
connected with the statistical significance.

Key words: sample, representative sample, sample techniques, size of sample, design,
statistical significance.

* Licenciado en Psicologa. Profesor Adjunto en Metodologa de la Investigacin Psicolgica de la Licen-

ciatura en Psicologa UBA. Profesor Adjunto en Metodologa III, del Doctorado en Psicologa y Profesor
invitado en el Seminario de Metodologa de la Maestra en Problemas y Patologas del Desvalimiento UCES.
Profesor Titular de Estadstica Aplicada a la Educacin y Profesor Titular de Metodologa de la Investigacin
en la Licenciatura y en el Profesorado en Ciencias de la Educacin UCALP. Direccin: Lugones 4777 (1430),
Ciudad de Buenos Aires, Argentina. E-mail: jcargibay@hotmail.com

2009, 13 13
 SUBJETIVIDAD Y PROCESOS COGNITIVOS, 2009
Pg. 13-29

Introduccin
El objetivo de este artculo es plantear algunas cuestiones que tienen que ver con la
muestra de sujetos que participan en una investigacin. Especficamente me referir
a aquellas cuestiones que pueden surgir en investigaciones cuantitativas. No es objetivo
del artculo abordar las problemticas que se pueden dar en las investigaciones cuali-
tativas. Tampoco nos referiremos a las investigaciones cuantitativas de sujeto nico, ya
que a ellas no se aplican las cuestiones de muestreo tal cual las enfocaremos. Los di-
seos de sujeto nico, son una forma especial de diseo en los que se trabaja con un
solo sujeto, o si se hace con ms de uno, pero siempre en nmero limitado, como en
los diseos de lnea de base mltiple a travs de individuos, el enfoque sigue estando
en el la unidad.

Nos referiremos a varios temas, uno tiene que ver con las tcnicas de muestreo emple-
adas, y de qu manera estas nos aseguran la calidad de la muestra; otros estn vincu-
lados con el nmero de sujetos que participan de la investigacin. Esto ltimo en lo que
hace a que la muestra pueda ser considerada representativa; pero tambin en lo que
afecta a cuestiones metodolgicas y estadsticas, como ser por ejemplo la viabilidad de
determinados diseos de investigacin. El tamao de la muestra est directamente vin-
culado con el tema de la significacin estadstica y con que podamos corroborar o no
las hiptesis que planteamos en nuestras investigaciones. Abordaremos cmo, en in-
vestigaciones experimentales, la adecuada formacin al azar de los grupos experimen-
tales y de control, para garantizar la equivalencia inicial de los mismos, tambin guarda
relacin, con el tamao de la muestra.

Tcnicas de muestreo. Representatividad de la muestra. Validez externa

En cualquier investigacin que realicemos, debemos tomar una muestra de sujetos que
sern quienes participen de la misma. En general se habla mucho en estos casos acerca
de que la muestra que se tome debe ser representativa. Esto es as, ya que este es uno
de los aspectos que seran necesarios para asegurar la validez externa de la investiga-
cin. La validez externa se halla asociada a la generalizacin y representatividad
de los logros de la investigacin, Arnau Gras, J. (1982) (pg. 351). Si investigamos,
no es nicamente para enterarnos qu pasa con esa muestra de sujetos en particular,
sino que el objetivo es poder extender esos resultados a otros sujetos y situaciones, de
ah que resulte de fundamental importancia el tema de la validez externa y uno de sus
aspectos que es, si la muestra que hemos utilizado es suficientemente representativa de
la poblacin de referencia para poder extender los resultados obtenidos en aquella a
esta. Cabe aclarar que dentro de la validez externa tambin tenemos lo que se da en lla-
mar validez ecolgica, o sea, la posibilidad de generalizar a una situacin natural los
resultados obtenidos en otra artificial, Pereda Marn, S. (1987) (pg. 261).

Hay que tener en cuenta entonces que el hecho de que la muestra de sujetos empleada
en la investigacin sea representativa, no asegura en un sentido amplio la posibilidad
de generalizacin de la misma, solo en lo que respecta a la posibilidad de generalizar
los resultados a determinada poblacin. Podra ocurrir por ejemplo, que la muestra sea
representativa, pero que tenga muy poca validez ecolgica, de manera que trasladados
los resultados a situaciones naturales, no sean reproducibles. Dicha investigacin ten-
dra, a pesar de la muestra representativa, problemas de validez externa. Cul sera la

14 2009, 13
 SUBJETIVIDAD Y PROCESOS COGNITIVOS, 2009
Pg. 13-29

importancia de saber que los sujetos que participaron de la investigacin son equiva-
lentes a los de la poblacin a la cual se pretende generalizar, si de todos modos, los re-
sultados obtenidos no seran trasladables a situaciones externas al contexto de la
investigacin? Del mismo modo, si la investigacin tuviera muy buena validez ecol-
gica, de manera que sus resultados fueran perfectamente reproducibles en situaciones
naturales, pero, nicamente para un grupo de personas con caractersticas muy espe-
cficas, por ser muy atpicos los sujetos que participaron de la muestra; el valor de
dicha investigacin tambin se vera menoscabado.

Ahora cmo conseguimos que la muestra que vamos a utilizar sea representativa. Un
punto importante para esto es de qu manera vamos a seleccionar a los sujetos que van
a formar parte de la muestra. Hay distintos procedimientos para hacerlo, a los que
vamos a denominar tcnicas de muestreo. Segn qu tcnica de muestreo utilicemos,
podremos tener mayor o menor seguridad, en cuanto a que la muestra sea representa-
tiva. Los procedimientos de muestreo los podemos dividir en dos grandes grupos,
muestreos probabilsticos (aleatorios) y muestreos no probabilsticos (no aleatorios).
Bsicamente la diferencia entre ambos estara dada por si se utiliza o no el azar para
la eleccin de los sujetos que compondrn la muestra. De manera que en las muestras
aleatorias cada elemento de poblacin tiene una probabilidad igual, o una probabili-
dad cuantificable, de ser seleccionado, Clark-Carter, D. (2002) (pg. 159). En prin-
cipio, los muestreos probabilsticos son los que nos garantizan de mejor manera que
la muestra sea representativa. Adems del elemento principal que es la eleccin al azar
de los sujetos, hay otros procedimientos que se pueden emplear para garantizar de
mejor manera la representatividad de la muestra, tal como menciona Pereda Marn, S.
(1987); estos son: la estratificacin y la proporcionalidad. De esta manera dentro de los
muestreos probabilsticos tenemos, como menciona Cortada de Kohan, N. (1994):
muestreo al azar simple, muestreo sistemtico, muestreo estatificado al azar, muestreo
estratificado proporcional, muestreo estratificado no proporcional y muestreo por con-
glomerados. En un muestreo al azar simple, utilizamos algn procedimiento al azar
para elegir a los sujetos de la poblacin que van a formar parte de la muestra. En el
muestreo sistemtico a partir de un primer caso elegido al azar, los restantes se eligen
de un listado a intervalos sistemticos. El muestreo por conglomerados se suele utilizar
cuando la poblacin tiene una distribucin geogrfica muy amplia, en ese caso en lugar
de elegir al azar directamente a los individuos que componen la poblacin, lo que se
hace primero es elegir al azar grupos ms amplios que se llaman conglomerados, como
por ejemplo Municipios; y despus se seleccionan al azar, de cada conglomerado, los
individuos que van a conformar la muestra. En el caso del muestreo estratificado lo que
se hace es dividir a la poblacin en subpoblaciones o estratos y se selecciona una
muestra para cada estrato, Hernndez Sampieri, R.; Fernndez Collado, C. y Lucio,
P.B. (1997) (pg. 217). Cuando de cada estrato se selecciona la misma cantidad de su-
jetos es un muestreo estratificado simple. Cuando la representacin de los estratos
es ponderada por su varianza en la variable bajo estudio; los estratos ms homogneos
aportan menos casos y los estratos menos homogneos ms casos, Len, O.G. y Mon-
tero, I. (2003) (pg. 112), estamos frente a un muestreo estratificado ptimo como lo
llaman Len, O.G. y Montero, I. (2003) o muestro estratificado no proporcional como lo
llama Cortada de Kohan, N. (1994). Este muestreo se suele aplicar cuando la variabili-
dad dentro de los estratos es muy desigual. En el caso del muestreo estratificado ptimo,

2009, 13 15
 SUBJETIVIDAD Y PROCESOS COGNITIVOS, 2009
Pg. 13-29

tenemos que tener mucho cuidado al generalizar los resultados, ya que la proporcin de
los sujetos en la muestra no respeta las existentes en la poblacin. De manera que, segn
el tipo de estudio, y en todos los casos en estudios descriptivos, para poder generalizar ha-
bra que hacer las correcciones correspondientes, para ajustar los valores obtenidos a las
proporciones reales que presentan los estratos en la poblacin.

Cuando en la muestra se mantienen las mismas proporciones de sujetos que existen

en la poblacin dentro de cada estrato, Pereda Marn, S. (1987) (pg. 127), estamos
frente a un muestreo estratificado proporcional, que rene las tres condiciones para
asegurar en forma plena que la muestra sea representativa: seleccin al azar, estratifi-
cacin y proporcionalidad.

Cuando hablamos de que una muestra es representativa, lo que estamos diciendo es que
los estadsticos que se obtienen en la muestra corresponden, representan, sin error
sistemtico, a los parmetros de la poblacin, Pereda Marn, S. (1987) (pg. 126).
Aclaremos un poco esto. Las medidas que obtenemos a partir de una muestra, por
ejemplo, si calculramos una media aritmtica de alguna variable, las denominamos es-
tadsticos. Si tomramos a toda la poblacin, para calcular dicha medida, eso sera un
parmetro. Como por lo general, por una imposibilidad practica, no realizamos un
censo de la poblacin, que sera tomar medidas de todos los componentes de la misma,
tratamos de aproximar al valor del parmetro por medio del estadstico obtenido a
partir de la muestra. Por lo general va ha haber una diferencia entre el valor que se ob-
tendra en la poblacin (el parmetro) y el valor obtenido en la muestra (el estadstico);
si bien en algn caso, podra ser que ambos coincidieran exactamente, aunque esto
sera altamente improbable. Pero como mencionamos lo ms usual es que esto no ocu-
rra y que haya una diferencia entre ambos. Cuanto ms cercanos estn el parmetro y
el estadstico ms representativa ser la muestra. Obviamente para que esto ocurra es
importante que en la muestra encontremos sujetos con caractersticas diferentes, tal
cual se hallan en la poblacin, de ah que el azar, al asegurarme que cada sujeto de la
poblacin puede ser elegido, nos da una mayor seguridad de que se cumpla lo anterior-
mente mencionado. Adems si le sumamos estratificacin y proporcionalidad, a partir
de variables previamente conocidas, que sean importantes para describir a la poblacin
de inters, podremos tener una mayor confianza en que la muestra sea adecuadamente
representativa.

Cabe aclarar que un muestreo en el que haya estratificacin y proporcionalidad, adems

de seleccin al azar, nos dara mayor seguridad de que la muestra sea representativa,
pero de todos modos, cualquier tipo de muestreo probabilstico nos permite tener con-
fianza sobre la representatividad de la muestra. Adems, hay que tener en cuenta que
la estratificacin requiere un mayor esfuerzo y un mayor tiempo que la simple alea-
torizacin, Pereda Marn, S. (1987) (pg. 130).

El estadstico es una estimacin del valor del parmetro y como con cualquier estimado,
nunca podemos estar totalmente seguros de que nuestro estimado de un parmetro es
exacto. Sin embargo, si podemos encontrar un rango de valores que nos d cierto nivel
de confianza de que el parmetro debe caer en l. Tal rango se llama intervalo de con-
fianza, Clark-Carter, D. (2002) (pg. 163).

16 2009, 13
 SUBJETIVIDAD Y PROCESOS COGNITIVOS, 2009
Pg. 13-29

Hasta ac hemos hablado de la importancia de que el muestreo sea probabilstico para

tener una mayor seguridad de la representatividad de la muestra. Pero por otro lado te-
nemos que muchas veces se hacen muestreos no probabilsticos. Estos muestreos son
ms proclives a generar muestras sesgadas, o sea, no representativas. De manera que
entre un muestreo probabilstico bien realizado y un muestreo no probabilstico, es
mucho ms probable que sea menos sesgada (ms representativa) la muestra que utiliz
el azar para la eleccin de los sujetos. Pero puede ocurrir, aunque sea ms improbable,
que una muestra no probabilstica, no presente mucho sesgo y en consecuencia sea re-
presentativa.

En el caso de los muestreos probabilsticos hay que estar tambin al tanto de la cantidad
de sujetos seleccionados que deciden no participar de la investigacin. Esto es espe-
rable, ya que uno selecciona los sujetos, pero despus depende de su buena voluntad
para que participen de la investigacin, y muchos optan por no hacerlo. Supongamos
que estamos haciendo una encuesta, ya sea telefnicamente, por correo, o entrevistando
personalmente a las personas. Al solicitarles que participen de la encuesta, muchos de
ellos, no querrn hacerlo. Y como dijimos, esto es esperable, y en principio, no tendra,
porque afectar la representatividad de la muestra; siempre y cuando ese porcentaje de
desercin sea bajo. Pero si es muy alto tendramos que replantearnos si la muestra es
realmente representativa, ya que no podramos saber, si la prdida de sujetos, se dio en
forma aleatoria, lo cual no afectara la representatividad de la muestra, o si por el con-
trario, respondi a algn o algunos factores sistemticos. Dando por resultado, que los
sujetos que terminaron participando de la muestra tengan en alguna o algunas variables,
caractersticas diferenciadas de los que no participaron y que justamente estas carac-
tersticas diferenciadas fueron las que dieron lugar a la no participacin de algunos de
los sujetos. Por ese motivo es importante, en aquellos casos en que se pueda hacer (por
ejemplo si el contacto es personal), identificar y registrar que caractersticas tienen los
sujetos que no quieren participar, por ejemplo: sexo, edad, etc. Esto permitira, aunque
sea mnimamente, analizar si en esas caractersticas tales sujetos se diferencian o no
del conjunto de los integrantes de la muestra. Y hacer entonces, de ser necesario, las
correcciones pertinentes o extraer conclusiones acerca de cmo se pudo haber visto
afectada la representatividad de la muestra.

En cuanto a encuestas tomadas utilizando muestras no probabilsticas o aleatorias,

segn como se realicen, se puede tener alguna idea sobre que presenten un mayor o
menor sesgo. Si al sujeto que participa se le solicita que lo haga, de manera que en
primera instancia es pasivo en cuanto a la voluntad de participar de la encuesta, sim-
plemente acepta hacerlo o no ante el pedido del entrevistador (por ejemplo que el en-
trevistador se ubique en algn lugar y les solicite a quienes entren o pasen por all si
quieren contestar la encuesta), seguramente tendr menor sesgo que si el sujeto decide
activamente participar de la misma; por ejemplo alguna encuesta por Internet o tele-
fnica donde es el sujeto el que tiene que llamar a algn nmero telefnico (ya que si
al sujeto lo llaman para hacerle la encuesta, ya sera como el primer caso, donde este
es pasivo, en cuanto a la iniciativa de participar). Por qu motivo se dara esta dife-
rencia en el mayor o menor sesgo de una y otras encuestas? Podemos decir que una
cosa es responder afirmativamente a una solicitud que alguien nos hace, y otra muy di-
ferente es tener la motivacin de participar por propia iniciativa, lo que ocurrira en los

2009, 13 17
 SUBJETIVIDAD Y PROCESOS COGNITIVOS, 2009
Pg. 13-29

casos mencionados de Internet o que el sujeto llame por telfono. En esa motivacin
siempre se encuentran intereses de la persona respecto de ese tema, experiencias po-
sitivas o negativas que lo mueven a participar y que lo diferencian del resto de la po-
blacin que no lo hace.

Del mismo modo, seguramente presentar menor sesgo una encuesta en la cual se di-
versifican las ubicaciones y los horarios donde se entrevista a los sujetos, o una en-
cuesta idntica que se hace en distintas pginas de Internet (que tengan temticas
diferentes), que si se recoge informacin en un solo lugar y horario, o en una sola p-
gina de Internet, programa de radio o televisin. En estos ltimos casos, seguramente,
la informacin que se recoge se limita a la poblacin que suele concurrir a ese lugar y
en ese horario, o que lee esa pgina de Internet, o escucha ese programa de radio, lee
esa revista o mira ese programa de televisin, en los cuales se realiza la encuesta; pero
es muy improbable que sea representativa de la poblacin general. Por ejemplo, supon-
gamos que quiero hacer una investigacin sobre estudiantes universitarios y realizo
un muestreo accidental ubicndome en la entrada de la Facultad de Psicologa de la
UBA, pidindoles a los alumnos que ingresan al edificio que contesten una encuesta.
Si mi poblacin de inters fueran los estudiantes de psicologa de la UBA, estara bien,
siempre y cuando se hubiera tenido el cuidado de cubrir los distintos horarios, ya que
el perfil del alumnado puede variar segn la banda horaria a la que asistan. Pero si mi
poblacin de inters fueran los estudiantes de psicologa en general, tendra que di-
versificar los lugares en los cuales recogiera informacin, tanto ms cuanto ms extensa
geogrficamente o cualitativamente sea la poblacin de inters. Por ejemplo: estudian-
tes de psicologa de una ciudad, de una provincia o de todo el pas; de universidades
pblicas, privadas o ambas. Segn la opcin que tome ms amplitud, tendr mi pobla-
cin, y en consecuencia habr que hacer una mayor diversificacin de los lugares de
seleccin de los sujetos de la muestra.

Otra forma de mejorar un muestreo no probabilstico es hacer una muestra de cuota,

en la cual hay cuotas establecidas para el nmero de personas que habrn de in-
cluirse en las submuestras. Por ejemplo, tal vez los investigadores deseen un nmero
igual de hombres y mujeres. Una vez que obtengan su cuota para un gnero, se acer-
carn solo a miembros del otro gnero, hasta que tengan los individuos suficientes,
Clark-Carter, D. (2002) (pg. 162). Se pueden establecer cuotas en funcin de varias
variables que interesen a los investigadores, lo cual mejora an ms el procedimiento
de muestreo.

Adems, si en el informe posterior donde se describe el trabajo realizado, se detalla

todo el procedimiento de muestreo realizado, quien lo lee tendr una idea acabada de
en cuanto y a quienes se puede generalizar esa investigacin.

Hay un caso particular de muestreo no probabilstico que es el muestreo a propsito. En

ocasiones son expertos los que hacen una seleccin a propsito cumpliendo el objetivo
de que los integrantes de la muestra cumplan algn requisito. Suponga que estamos en
la fase inicial de construccin de un test que va a medir el grado de desarrollo de la es-
critura en nios. Necesitamos una muestra de los distintos niveles de desarrollo en el
grupo de edad para el que vamos a construir el test. Una forma de rastrear la variabilidad

18 2009, 13
 SUBJETIVIDAD Y PROCESOS COGNITIVOS, 2009
Pg. 13-29

de los nios es pedir a varios maestros, de distinto tipo de colegio y distinto tipo de en-
torno, que nos proporcionen los dos mejores nios, los dos peores y dos que estn en la
media, Len, O.G. y Montero, I. (2003) (pg. 116). En este caso lo que interesa no es
tanto elegir los sujetos al azar para que la muestra sea representativa, sino que los mismos
cumplan con ciertas caractersticas en funcin de necesidades de la investigacin.

Adems, en investigacin a veces se trabaja con muestras incidentales. Se denomina

muestra incidental a aquella que se emplea porque est a disposicin del investigador
en un momento determinado, Pereda Marn, S. (1987) (pg. 127).

Vamos a pasar a enfocar ahora la cuestin de otra manera. Hasta ac hemos venido
hablando de lo que sera ideal desde un punto de vista metodolgico. Pero la realidad
prctica de una investigacin a veces va por otros caminos. Entonces nos abocaremos
a analizar, cunto de lo que refiere a una muestra representativa se cumple en los dis-
tintos mtodos de investigacin cuantitativos, y en qu medida ciertas libertades en
cuanto al muestreo pueden repercutir o no en la calidad de la investigacin y en parti-
cular en su validez externa.

En general, en investigacin cuantitativa podemos hablar de los siguientes mtodos

de investigacin: descriptivo, correlacional y explicativo (experimento y cuasiexperi-
mento). No incluimos los diseos preexperimentales, los cuales a los fines de este tra-
bajo podemos tratarlos como cuasiexperimentos con menor validez interna; y como ya
comentramos con anterioridad, tampoco incluimos a los diseos de sujeto nico. Acla-
ramos que todos estos mtodos responden a una misma lgica metodolgica, que son
complementarios entre s, y que en ltima instancia, las diferencias estriban en cues-
tiones de diseo, validez y objetivos de la investigacin.

Cuando estamos frente a un mtodo descriptivo, el nico propsito es describir un fe-

nmeno en trminos cuantitativos, y aunque se utilice ms de una variable no se esta-
blece ningn nexo entre ellas. Por ejemplo si realizramos un estudio epidemiolgico
sobre la prevalencia de psicopatologas en determinada regin, pero sin vincular estas
con ninguna otra variable. Cuando un estudio es descriptivo es fundamental que la tc-
nica de muestreo empleada nos d seguridad de que la muestra sea representativa. Ya
que si el nico propsito de la investigacin es describir y la muestra estuviera sesgada,
de tal manera que los valores obtenidos de la misma no representaran a la poblacin a
la cual refieren, se informara mal lo nico que la investigacin pretende transmitir.

De todos modos, consideramos que en algunos casos donde no haya ninguna o muy
poca informacin descriptiva sobre un tema en particular; y considerando que cuanto
ms complicada la tcnica de muestreo requiere ms esfuerzo, tiempo y tiene mayor
costo; lo cual hace que a veces no se disponga de lo medios necesarios para un mues-
treo probabilstico. Una muestra no aleatoria es preferible a un vaco de informacin.
Siempre y cuando esa muestra no aleatoria sea realizada de la mejor forma posible, y
se informe adecuadamente sobre los procedimientos empleados, para que quienes lean
los resultaos puedan extraer sus propias conclusiones. Tambin sera importante si se
dispone de datos sobre el tema en estudio, pero de una investigacin realizada en otro
mbito geogrfico, comparar los resultados de ambas investigaciones.

2009, 13 19
 SUBJETIVIDAD Y PROCESOS COGNITIVOS, 2009
Pg. 13-29

Ahora, en los restantes tipos de investigaciones: correlacionales y explicativas, y es-

pecialmente en estas ltimas, el hecho concreto es que mayormente las muestras
que se toman no son probabilsticas. Como dice Pereda Marn, S. (1987) (pg. 127):
en Psicologa, la mayora de las investigaciones no se llevan a cabo con muestras
representativas, sino con muestras incidentales. Adems de eso, como menciona
el mismo autor, hay un uso generalizado de estudiantes de psicologa como sujetos
de las investigaciones: la mayora de las investigaciones que se llevan a cabo en
Psicologa emplean como sujetos a estudiantes de esta carrera, lo que constituye
un ejemplo masivo de muestras incidentales y da lugar a la no posibilidad de ge-
neralizacin de los resultados obtenidos en dichas investigaciones, Pereda Marn,
S. (1987) (pg. 128).

Vamos a analizar cmo se da lo anterior en cada caso y cmo podra afectar la validez
externa de los resultados, en cuanto a la generalizacin de los resultados a la poblacin.
Lo anteriormente expuesto se puede aplicar tal cual a las investigaciones experimen-
tales. Y este es el primer caso que vamos a analizar. Si bien el ideal metodolgico sera
tomar una muestra al azar, en un experimento uno se ve forzado a trabajar con volun-
tarios, la persona tiene que tener una voluntad de participacin, y esto hace que en la
prctica resulte casi imposible tomar una muestra aleatoria. Imaginemos la situacin,
elegimos al azar a determinada cantidad de sujetos de la poblacin, cmo hacemos
para que acepten participar de la investigacin?; ya que no se trata de contestar una en-
cuesta, sino de participar de determinados procedimientos experimentales, algunas
veces bastante complejos. La inmensa mayora de los sujetos seleccionados, simple-
mente nos diran que no desean participar de la investigacin; y con semejante perdida
de sujetos, la supuesta muestra representativa, no lo sera en lo ms mnimo. Adems
de la enorme dificultad que tendramos para poder formar una muestra con una acep-
table cantidad de sujetos.

Lo que s se hace en un experimento y, justamente, es un requisito indispensable para

que una investigacin sea considerada un experimento, es la asignacin al azar de los
sujetos a los grupos. Pero esto es completamente diferente a tomar una muestra al azar,
ya que simplemente se asigna mediante un procedimiento aleatorio, cada sujeto que ya
forma parte de la muestra, a alguno de los grupos existentes en el diseo de la inves-
tigacin, independientemente de la forma en que se haya constituido la muestra

La pregunta es: Qu los sujetos de la muestra no hayan sido seleccionados al azar

afecta realmente la capacidad de generalizar los resultados?, y de ser as, en cunto
compromete la validez externa de la investigacin?

En primer lugar, tenemos que tener en cuenta que en las investigaciones experimentales
estamos relacionando variables y explicando tericamente, no solo describiendo. Estas
explicaciones de por s ya plantean cierto grado de generalidad; adems no toda varia-
ble de sujeto ser relevante al fenmeno en estudio, y aquellas que s fueran relevantes,
deberan haber sido controladas adecuadamente, para preservar la validez interna de la
investigacin. Si fueron controladas adecuadamente, los resultados obtenidos y las ge-
neralizaciones que se hagan de los mismos ya las contemplan. Si no fueron controladas

20 2009, 13
 SUBJETIVIDAD Y PROCESOS COGNITIVOS, 2009
Pg. 13-29

adecuadamente, el problema no solo tendra que ver con la validez externa del expe-
rimento, sino con algo que es en tales investigaciones sumamente importante, su vali-
dez interna. De todos modos, para no volver a confundir lo ideal, con la realidad de la
prctica, el control de las variables contaminadoras es una cuestin de grado, y en ge-
neral, se est lejos de llegar al control absoluto de todas las variables potencialmente
relevantes.

Debemos considerar adems que en el informe de la investigacin se refiere con pre-

cisin en el apartado Sujetos, que caractersticas tena la muestra en cuanto a gnero,
edad, nivel socioeconmico, nivel de estudios alcanzado, etc. Esto nos da una clara idea
de a qu poblacin puede generalizarse la investigacin. Por ejemplo si la muestra es-
tuvo compuesta exclusivamente por mujeres, solo podremos generalizar a ese grupo
poblacional. Tambin en esto, debemos tener en cuenta el tema en estudio y cunto se
supone tericamente que este puede verse afectado por variables sociodemogrficas.
Si concluyramos que puede verse afectado por las mismas, deberamos ser muy cui-
dadosos en cuanto a quienes generalizamos. Si es muy improbable que dichas variables
sociodemogrficas afecten al fenmeno en estudio, el problema de generalizacin que
se planteara sera mucho ms limitado.

En ciencia es importante el tema de poder replicar las investigaciones. Indirectamente,

esto tambin colabora, en parte, a solucionar este problema de muestras no probabils-
ticas, aunque la replicacin no persigue bsicamente ese propsito, sino el de probar
si las hiptesis planteadas, pueden corroborarse. Al tomar distintas muestras, para re-
alizar distintas replicaciones, se aumenta la variedad de los sujetos que componen las
mismas, con la consiguiente probabilidad, de que en el conjunto de esas investigaciones
se aproxime ms a las caractersticas de la poblacin.

De tal manera podemos decir que, en general, el tema de que las muestras no sean pro-
babilsticas, no afectara tanto la validez externa de un experimento. En realidad el
problema de validez externa de los experimentos, no tiene que ver nicamente con la
representatividad de las muestras, sino tambin, y fundamentalmente con su validez
ecolgica.

Un comentario aparte merece la cuestin de que los integrantes de la muestra sean

exclusivamente estudiantes de psicologa. En este caso consideramos que deberan
manejarse los resultados obtenidos con precaucin, en cuanto a su generalizacin,
hasta tanto se pudieran replicar con muestras que incorporen sujetos que no sean
estudiantes de psicologa; o que se analice, si la categora estudiante de psicologa
forma parte de una variable relevante para el fenmeno en estudio, lo cual para
hacerlo, presupone tomar muestras que no estn formadas exclusivamente por es-
tudiantes de psicologa. Esto habra que tenerlo en cuenta principalmente si la o
las variables en estudio, pueden verse afectadas por variables sociodemogrficas,
o por variables de sujeto que puedan incidir en la eleccin de la carrera universi-
taria. De no ser as, no sera tan problemtico que la muestra estuviera constituida
exclusivamente por estudiantes de psicologa, lo cual no quita que replicar la in-
vestigacin con otros sujetos, seguira siendo sumamente til.

2009, 13 21
 SUBJETIVIDAD Y PROCESOS COGNITIVOS, 2009
Pg. 13-29

Lo anteriormente mencionado para los experimentos podemos extenderlo para los cua-
siexperimentos con manipulacin artificial de la variable independiente.

En el caso de los cuasiexperimentos con manipulacin natural de la variable in-

dependiente y en las investigaciones correlacionales, podemos decir que tambin
estamos relacionando variables y no solo describiendo; y especficamente en el
cuasiexperimento, adems, explicando tericamente. Tambin se describe con
precisin el perfil de la muestra. Dichas investigaciones tambin es deseable que
sean replicadas. De manera que en estos casos tambin podemos aplicar con las
adaptaciones a cada mtodo lo dicho para los trabajos experimentales. Cabe acla-
rar que una diferencia importante que tienen las investigaciones correlacionales,
respecto a los experimentos, en cuanto a su validez externa, estriba en que en las
investigaciones correlacionales se trabaja exclusivamente con operacionalizacio-
nes de medida. Una definicin operacional de medida describe cmo se medir
una variable. Indicar, por tanto, qu instrumentos se emplearn en la medida,
en que unidades se har, etc., Pereda Marn, S. (1987) (pg. 165). De tal manera
que, como en estas investigaciones (correlacionales), en el caso de todas las va-
riables se realiza tan solo una recogida de informacin para medirlas, pero en nin-
gn caso se las manipula artificialmente, el contexto del estudio es ms natural y
ms directamente trasladable a situaciones naturales, lo que hace que tengan una
mejor validez externa ecolgica. Lo mismo es aplicable a los cuasiexperimentos
con manipulacin natural, ya que al no ser la variable independiente manipulable
en forma artificial, solo se realiza de la misma una operacionalizacin de medida,
tendiente a medir la variable para posteriormente clasificar a los sujetos en fun-
cin de las categoras de la variable independiente. En el caso de la variable de-
pendiente siempre tiene una operacionalizacin de medida.

Podemos concluir entonces, que el hecho de que las muestras no sean probabilsticas,
tampoco afectara tanto la validez externa de las investigaciones anteriormente men-
cionadas; y que de hecho tendran ms validez externa que un experimento, gracias a
la buena validez ecolgica que tienen.

Tamao de la muestra
Hay una relacin entre el tamao de la muestra y la medida en que la misma es
representativa. Tener una muestra que contenga las caractersticas de la pobla-
cin no es suficiente. Necesita tener un cierto tamao para que quede libre de
esos errores que pueden ocurrir por azar y anularan la representacin de la
muestra, Len, O.G. y Montero, I. (2003) (pg. 110). Ciertamente, la nica
muestra igual a la poblacin es la poblacin misma. A medida que se aumenta el
tamao de la muestra, se irn incluyendo ms y ms sujetos con diferentes aspec-
tos que caracterizan a la poblacin Pereda Marn, S. (1987) (pg. 126). Adems
el tamao de la muestra tiene una directa relacin con el intervalo de confianza
que se plantea para las estimaciones de la muestra. Cuanto mayor sea la muestra,
tanto menor ser el rango del intervalo de confianza para el mismo nivel de con-
fianza; es decir, podemos determinar con mayor exactitud el parmetro de la po-
blacin, Clark-Carter, D. (2002) (pg. 165).

22 2009, 13
 SUBJETIVIDAD Y PROCESOS COGNITIVOS, 2009
Pg. 13-29

Para que una muestra sea representativa no bastara entonces con que los sujetos de la
misma sean elegidos al azar, se necesitara tambin contar con determinada cantidad
de sujetos que integren la muestra, especialmente si queremos reducir los mrgenes de
error de la misma. Para determinar en cada caso el tamao de muestra requerido se
utilizan procedimientos estadsticos, cuya exposicin no es objeto de este artculo.

Esto no quiere decir que siempre lo deseable sea, necesariamente, aumentar el tamao
de la muestra para reducir el rango del intervalo de confianza, y obtener medidas ms
precisas al tener un menor margen de error. En un sentido prctico se podra decir que
si se tiene una muestra con pocos sujetos, s sera deseable incrementar el tamao de
la misma, ya que eso reducira considerablemente el margen de error de las estimacio-
nes. Ahora, si el tamao de la muestra ya es grande, incrementar el tamao de la misma,
solo conseguira una pequea reduccin en el margen de error, y para reducir en ms
el margen de error se requerira un aumento realmente enorme en el tamao de la mues-
tra. Esto es as porque cuanto mayor sea la muestra, tanto mayor ser el aumento del
tamao de la muestra que se precisa para reducir el intervalo de confianza en una
cantidad equivalente, Clark-Carter, D. (2002) (pg. 165).

De manera que si tuviramos una muestra de 200 sujetos, con determinado intervalo
de confianza y el consiguiente margen de error (el margen de error es la mitad del in-
tervalo de confianza), y agregamos 300 sujetos ms a la muestra, pasando a tener 500
sujetos, conseguiramos una importante reduccin en el intervalo de confianza. Ahora
si volviramos a aumentar la muestra en 300 sujetos, pasando a tener una muestra de
800 sujetos, la reduccin que obtendramos en el intervalo de confianza sera mucho
menor. Si consideramos el esfuerzo que requiere conseguir una muestra grande; si uno
ya dispone de un tamao de muestra importante, y tcnicamente apropiado, habra que
plantearse si vale la pena realizar un gran esfuerzo adicional para incrementar el tamao
de la misma, si solo conseguiramos con ello una pequea reduccin en el margen de
error. Pero, como veremos ms adelante, el tamao de la muestra tiene otras ventajas
aparte de la reduccin en el margen de error de las estimaciones.

Pero hay que tener en cuenta, para diferenciar nuevamente entre lo ideal y la prctica, que
de hecho en psicologa en muchas investigaciones se trabaja con muestras pequeas, sin
mencionar el caso de los diseos de sujeto nico, que quedan por fuera de este artculo.
En lo que respecta a lo que esto afectara a la representatividad de la muestra, consideramos
que podemos aplicar los mismos criterios que habamos planteado previamente para el
caso de los muestreos aleatorios o no aleatorios. Si la investigacin es descriptiva el ta-
mao de muestra es sumamente importante, si la investigacin fuere correlacional o ex-
plicativa, un tamao de muestra importante sera deseable, pero no condicin excluyente
para la calidad de la investigacin en lo que hace a su validez externa.

Pero tenemos que tener en cuenta que el tamao de la muestra no es solo importante por
el tema de la representatividad sino que hay otras cuestiones metodolgicas y estadsticas
por las cuales un mayor tamao de muestra puede ser un requisito importante para una
investigacin y esto s se aplicara en forma exclusiva para las investigaciones correla-
cionales y explicativas, y no sera relevante para las investigaciones descriptivas.

2009, 13 23
 SUBJETIVIDAD Y PROCESOS COGNITIVOS, 2009
Pg. 13-29

Tamao de muestra y diseo de investigacin

Segn las caractersticas del diseo de investigacin que tengamos, vamos a precisar
tamaos de muestra mnimos para que los mismos puedan llevarse a cabo. Fundamen-
talmente por cuestiones estadsticas, ya que una vez implementados dichos diseos
tiene que llevarse a cabo el anlisis estadstico correspondiente y aqu nos encontrar-
amos en algunos casos con limitaciones tcnicas, si no contramos con el tamao de
muestra apropiado. Lo anterior se aplica fundamentalmente a diseos multivariados.
Por ejemplo:

Diseos que tienen ms de una variable independiente;

Tambin en el caso de trabajos correlacionales, donde se trabaje con conjuntos de

predictores;

Y donde se apliquen clculos tendientes a conseguir una reduccin de datos, como

por ejemplo, el anlisis factorial.

Tomaremos para ejemplificar los siguientes casos:

Por un lado, investigaciones que utilicen para el clculo estadstico regresin lineal
mltiple, o que utilicen, regresin logstica. En ambos casos para la confiabilidad del
clculo necesitamos tener determinada cantidad de sujetos en funcin de la cantidad
de predictores incluidos en el anlisis. Hay distintos criterios en cuanto a la cantidad
de sujetos necesarios para la regresin lineal mltiple. Como menciona Gardner, R.C.
(2003), los mismos van desde indicar una cantidad mnima de 5 sujetos por predictor,
hasta sugerencias de 30 sujetos por predictor, mientras que algunos sugieren que siem-
pre hay que tener por lo menos una muestra de 400 sujetos. Consideramos que un n-
mero mnimo conveniente podran ser diez sujetos por variable involucrada en el
anlisis, tanto para la regresin lineal mltiple, como para la regresin logstica. Hacer
el clculo con una muestra menor no sera aconsejable. Disponer de una muestra aun
mayor, a los fines estadsticos, siempre es mucho mejor, dado que los resultados se
vuelven ms estables. Hay que considerar que en este caso el tamao de la muestra es
relativo a la cantidad de predictores. Si tomamos dos muestras de igual tamao, pero
que pertenecen a investigaciones con distinta cantidad de predictores, la que tenga
menos predictores tendr un tamao de muestra relativamente ms importante.

Para la construccin de instrumentos psicomtricos se utiliza mucho el anlisis facto-

rial, que es una tcnica de reduccin de datos. El principal propsito del anlisis fac-
torial es reducir un conjunto amplio de variables a un reducido grupo de medidas ms
fcil de manipular. El anlisis factorial desentraa las complejas interrelaciones exis-
tentes entre variables e identifica cules de estas se enlazan en torno de conceptos
unificados. Las dimensiones fundamentales as identificadas se denominan factores,
Polit, D.F. y Hungler, B.P. (1997) (pg. 448).

En general las estructuras factoriales pueden tender a ser inestables y dependen

mucho del tamao de la muestra. El tamao necesario depende en parte de la cantidad
de tems involucrados en el anlisis, y hay diferentes criterios para establecer el n-
mero de sujetos indicado. Uno de los ms extendidos, es que el nmero de sujetos no

24 2009, 13
 SUBJETIVIDAD Y PROCESOS COGNITIVOS, 2009
Pg. 13-29

sea menor a cinco veces la cantidad de tems del instrumento. Aun con este nmero de
sujetos, las estructuras factoriales pueden seguir siendo inestables, Argibay, J.C.
(2006) (pg. 29). Justamente por este motivo es que hay criterios que indican todava
mayor cantidad de sujetos por variable, cinco sera el nmero mnimo requerido. An
con este nmero mnimo, si tuviramos que hacer el anlisis factorial de un test que tu-
viera 100 tems, requeriramos mnimo 500 sujetos.

Por ltimo vamos a referirnos al tamao de la muestra en diseos factoriales. Un diseo

factorial es una investigacin en la cual tenemos ms de una variable independiente.
En un diseo factorial se analizan tanto los efectos aislados que producen las variables
independientes, como los efectos combinados que producen las mismas. Las variables
independientes involucradas en el diseo factorial pueden ser tanto de manipulacin
artificial, como de manipulacin natural. En aquellos casos que alguna de las variables
independientes tuviera manipulacin natural, estaramos frente a una investigacin
cuasiexperimental, caso contrario sera una investigacin experimental.

En un diseo factorial con medidas independientes, aquellos en que los efectos de

cada tratamiento experimental son probados en un grupo diferente de sujetos, Pereda
Marn, S. (1987) (pg. 355); vamos a tener tantos grupos como combinaciones de los
niveles de las variables independientes. Hay que tener en cuenta que para la correcta
aplicacin del anlisis estadstico correspondiente, sera recomendable tener como m-
nimo diez sujetos por grupo. Esto muchas veces establece una limitacin en cuanto a
la cantidad de niveles a utilizar por factor (variable independiente). Ya que si tomamos
muchos valores para cada uno de ellos, el nmero de combinaciones aumenta mucho,
con la consiguiente necesidad de tener mayor cantidad de grupos, y la necesidad en-
tonces de disponer de una muestra ms grande. Por ejemplo: si tuviramos un diseo
factorial con tres factores de medidas independientes, y para cada uno de ellos quisi-
ramos tomar tres niveles, tendramos 27 grupos resultantes de la combinacin de los
factores y precisaramos 270 sujetos mnimo, para poder implementar adecuadamente
el diseo. Si no dispusiramos de tal tamao de muestra, tendramos que adjudicar a
los factores menos valores. Esto es aplicable directamente como dijimos a los diseos
factoriales con medidas independientes en todos los factores, ya que si el diseo fac-
torial fuera de medidas repetidas en todos o en algunos factores, el tema de la cantidad
de grupos resultante de la combinacin de los factores sera diferente.

El tamao de la muestra, si es pequeo, tambin impondra limitaciones a la cantidad

de factores que se podran incluir en el diseo. Aunque vale aclarar en este caso que
por caractersticas del diseo mismo no se suelen usar diseos factoriales que tengan
ms de cuatro factores.

Si el diseo factorial fuera cuasiexperimental por ser todos los factores o alguno de
ellos de manipulacin natural, el tema se complica an ms; principalmente cuando
todos los factores o ms de uno de ellos solo permitieran un nivel de manipulacin na-
tural. Cuando la manipulacin es artificial, uno decide qu sujetos de la muestra va a
asignar a cada grupo, y de esa manera suelen quedar grupos con igual cantidad de su-
jetos. Pero cuando la manipulacin es natural, tomamos una muestra y luego clasifi-
camos a los sujetos segn los valores que presentan, o sea, que la asignacin a cada

2009, 13 25
 SUBJETIVIDAD Y PROCESOS COGNITIVOS, 2009
Pg. 13-29

grupo viene dada naturalmente y no por decisin del investigador, lo cual hace que los
grupos, por lo general, queden integrados por un nmero desigual de sujetos. De ma-
nera que si decidimos el tamao de muestra que vamos a necesitar mnimamente, de
la manera anteriormente expuesta, cantidad de grupos por diez, seguramente ocurrira
que tendramos varios grupos con sujetos de ms y otros grupos con menor cantidad
de sujetos que los requeridos, ya que esto sera resultado de cmo se den naturalmente
en cada sujeto la/s caracterstica/s que usemos como variables independientes en la in-
vestigacin. Esto hace que en estos casos, se tenga que tomar una muestra bastante
mayor, que la establecida segn la cantidad de grupos, para disponer en cada grupo,
como mnimo, del nmero de sujetos requerido.

Tamao de muestra y significacin estadstica

Al analizar los resultados de una investigacin tomamos decisiones sobre si corrobo-
ramos o no, la o las hiptesis planteadas en la investigacin, y en investigaciones ex-
ploratorias, simplemente si las variables en estudio estn relacionadas. Para ello
tenemos que recurrir a una decisin estadstica, que implica la prueba de la hiptesis
estadstica. En este modelo de decisin estadstica, un paso importante es comparar el
valor de significacin obtenido por medio de los anlisis estadsticos correspondientes,
con el nivel de significacin o probabilidad crtica (alfa), establecido previamente. De
manera que dependemos para poder corroborar nuestras hiptesis o relaciones entre va-
riables, de que la probabilidad de que nuestro resultado haya ocurrido por azar (signi-
ficacin), obtenida en los clculos estadsticos realizados, sea igual o menor que alfa.
De manera que el valor de significacin obtenido en los clculos estadsticos, es de fun-
damental importancia para poder corroborar lo planteado en las investigaciones que re-
alicemos. Pero ocurre que la significacin que obtengamos esta muy condicionada por
el tamao de muestra que empleemos. De manera que dos estudios conducidos de la
misma manera en todos los aspectos, excepto el tamao de la muestra, pueden llevar
a conclusiones diferentes. El que tiene la mayor muestra puede alcanzar un resultado
estadsticamente significativo, mientras que el otro no... De acuerdo con esto, cuanto
ms pequeo sea el tamao de la muestra, tanto ms probable resultar que cometa-
mos un error tipo II (rechazando la hiptesis de investigacin cuando en realidad es
correcta), Clark-Carter, D. (2002) (pg. 186).

De manera que el hecho de que podamos corroborar nuestras hiptesis, adems de que
sean correctas, depende bastante del tamao de muestra que empleemos. Obviamente,
esto esta condicionado tambin por el tamao del efecto, o sea, si la variable indepen-
diente que estamos estudiando produce un efecto considerable o un efecto pequeo
sobre la variable dependiente, o si, la relacin entre las variables que estudiamos es
grande, mediana o pequea. Esto podramos traducirlo a porcentaje, diciendo cunto
es el porcentaje que una variable est explicando de la variabilidad de otra. Cuando el
porcentaje de varianza explicada es alto, una muestra aunque sea de tamao pequeo
puede detectarlo; ahora, cuando el porcentaje de varianza explicada es bajo, se reque-
rirn muestras grandes para poder alcanzar valores de significacin estadstica que nos
permitan corroborar las hiptesis planteadas.

Podemos decir, entonces, que los valores de significacin obtenidos en dos investiga-
ciones diferentes, con tamaos de muestra diferentes, no son comparables entre s,

26 2009, 13
 SUBJETIVIDAD Y PROCESOS COGNITIVOS, 2009
Pg. 13-29

para determinar cul investigacin tiene un resultado de mayor magnitud. Para ello
debemos usar las medidas de tamao del efecto que son independientes del tamao de
la muestra.

De manera que el valor de significacin que podamos obtener esta muy condicionado
por el tamao de la muestra. Muestras ms grandes hacen ms difcil que podamos co-
meter un error de tipo II, al extraer conclusiones sobre una investigacin a partir del
anlisis de datos. Por eso, se puede analizar el poder de la prueba estadstica para de-
cidir, durante la etapa de diseo de la investigacin, el tamao de muestra requerido
para reducir la probabilidad de cometer un error de tipo II.

Tambin hay que tener en cuenta que muestras muy grandes, a veces, nos permiten de-
tectar efectos que, si bien son vlidos, pueden implicar magnitudes de efecto muy peque-
as. Es importante, entonces, al hacer el anlisis de datos, calcular adems de la
significacin (que nos permite decidir sobre la hiptesis planteada), el tamao del efecto,
que nos permite saber cunto explican una o varias variables de la variabilidad de otra.

Tamao de muestra y formacin de los grupos por aleatorizacin

En las investigaciones experimentales, un requisito bsico, cuando se trabaja con di-
seos que incluyen variables con medidas independientes, es que los grupos que haya
que formar para la aplicacin del diseo de investigacin, sean lo mas homogneos po-
sible, previo a los tratamientos (aplicacin de los valores de la variable independiente
o de las combinaciones de los niveles de varias variables independientes). Esto se hace
para que las diferencias que uno encuentre con posterioridad puedan ser atribuidas a
los tratamientos y no al hecho de que ya existieran previamente. Para poder tener esa
seguridad sobre la equivalencia inicial de los grupos, se utiliza la aleatorizacin, o sea,
asignar los sujetos a los grupos utilizando algn procedimiento al azar. Ahora para que
esto ocurra adecuadamente, de manera que el azar pueda servir para repartir en forma
equivalente a los sujetos en los grupos, dependemos tambin del tamao de la muestra,
ya que cuando son pocos casos, uno puede esperar una mayor variabilidad, de manera
que el azar no nos dara tanta seguridad de que los sujetos fueron repartidos homog-
neamente en los grupos. Para que el uso del azar nos de una mayor garanta de que los
grupos son inicialmente homogneos, se requieren muestras grandes. De disponer ni-
camente de pocos sujetos, es ms conveniente no confiar tanto en la equivalencia inicial
de los grupos, y emplear adems de la aleatorizacin, medidas pretratamiento, o un
diseo de bloques o un diseo de grupos apareados.

Conclusiones
Como hemos visto, el tema de la muestra es importante por distintos motivos. Por
un lado, y que es quiz la primera cuestin que se piensa cuando se trata con muestras,
que los valores que obtengamos de esa muestra nos permitan conocer los valores que
encontraramos en determinada poblacin. Cuestiones como la forma en que se selec-
cionen los sujetos y el tamao de la muestra, tienen una importancia fundamental al
momento de poder determinar en qu medida esa muestra es representativa de la po-
blacin a la cual refiere. Que el muestreo sea probabilstico, es un tema sumamente im-
portante en el proceso de garantizar una muestra no sesgada, lo cual, en principio, se
vincula con la validez externa de la investigacin.

2009, 13 27
 SUBJETIVIDAD Y PROCESOS COGNITIVOS, 2009
Pg. 13-29

Consideramos importante diferenciar entre lo que sera ideal desde un punto de vista
tcnico metodolgico, y aquello que ocurre de hecho en la tarea de investigar. Mencio-
namos, que suele ocurrir, que el muestreo no sea probablilstico en las investigaciones
correlacionales y principalmente en las explicativas (experimento y cuasiexperimento).
Podemos considerar que en realidad esto no afectara demasiado la validez externa de
las mismas, siempre y cuando se tomen algunas precauciones, y a partir del perfil de
la muestra y del tema de investigacin se pueda determinar a qu poblacin, que tenga
cuales caractersticas, se puede generalizar la investigacin. Tenemos que tener en
cuenta que en este caso nos referimos exclusivamente al aspecto de la validez externa,
que tiene que ver con determinar a qu sujetos se pueden generalizar los resultados de
la investigacin. No nos referimos a la validez externa, en su aspecto ecolgico, que
hace a la posibilidad de generalizar a situaciones naturales los resultados obtenidos.

Es importante considerar que, si bien el tema del tamao de la muestra es sumamente

relevante, al momento de determinar que esta sea representativa, no es menos cierto
que la cuestin del tamao de la muestra excede esta cuestin, e involucra cuestiones
muy importantes que hacen a la realizacin de una investigacin.

Hay que tener en cuenta el tamao de muestra con el que se va a contar y cul es el que
se requiere para poder implementar adecuadamente determinados diseos de investi-
gacin. Adems, en lo que hace a una adecuada equivalencia inicial de los grupos de
una investigacin, conseguida mediante asignacin al azar de los sujetos a los grupos
(que es fundamental en un trabajo experimental); el tamao de la muestra, si es ade-
cuadamente grande, nos permite tener una mayor garanta de que se haya conseguido
que los grupos sean homogneos.

Por ltimo, si queremos poder corroborar nuestras hiptesis de investigacin. Adems

de que sean correctas, dependemos para poder hacerlo del tamao de la muestra, ya que
la significacin estadstica, que es necesaria para poder corroborar o no dichas hip-
tesis, depende y en mucho de la cantidad de sujetos que se incluyan en el anlisis de
datos. Al tener muestras con un tamao insuficiente, corremos el riesgo de cometer un
error de tipo II, o sea, rechazar la hiptesis de investigacin, siendo esta realmente
cierta. Cuando la muestra es muy pequea, corroborar la hiptesis de investigacin se
hace sumamente difcil, ms all de que esta sea correcta. Lo cual nos da una clara
idea de la ventaja de trabajar con muestras grandes.

Bibliografa
Argibay, J.C. (2006), Tcnicas psicomtricas. Cuestiones de validez y confiabilidad.
En: Subjetividad y Procesos Cognitivos, 8, 15-33.

Arnau Gras, J. (1982), Psicologa experimental, Mxico, Trillas.

Clark-Carter, D. (2002), Investigacin cuantitativa en psicologa. Del diseo experi-

mental al reporte de investigacin, Mxico, Oxford University Press.

Cortada de Kohan, N. (1994), Diseo estadstico, Buenos Aires, Editorial Universitaria

de Buenos Aires.

28 2009, 13
 SUBJETIVIDAD Y PROCESOS COGNITIVOS, 2009
Pg. 13-29

Gardner, R.C. (2003), Estadstica para Psicologa usando SPSS para Windows,
Mxico, Pearson Educacin de Mxico.

Hernndez Sampieri, R.; Fernndez Collado, C. y Lucio, P.B. (1997), Metodologa de

la Investigacin, Colombia, McGraw-Hill.

Len, O.G. y Montero, I. (2003), Mtodos de investigacin en psicologa y educacin.

Madrid, McGraw-Hill/Interamericana de Espaa.

Pereda Marin, S. (1987), Psicologa experimental. I. Metodologa, Madrid, Ediciones

Pirmide.

Polit, D.F. y Hungler, B.P. (1997), Investigacin cientfica. En ciencias de la salud,

Mxico, McGraw-Hill Interamericana.

Fecha de recepcin: 19/02/09

Fecha de aceptacin: 02/04/09

2009, 13 29