UNIDAD 4

TCNICAS MUESTRALES APLICADAS

Concepto de Poblacin. Concepto de muestra
Tipos de muestreo: probabilstico, no probabilstica; no proporcional, proporcional, por
conglomerados.
Definicin del tamao de la muestra.
Confiabilidad de la muestra
Intervalo de confianza.

CONCEPTO DE POBLACIN

Una poblacin es un conjunto de todos los individuos que son objeto del estudio.
Kinnear & Taylor la definen como el Conjunto de elementos definidos antes de la
seleccin de la muestra

La poblacin o universo, debe definirse de manera que se ajuste a los objetivos del estudio.

Imaginemos que vamos a realizar estudios para conocer la siguiente informacin:

Objetivo de estudio:
Conocer el porcentaje de personas de un determinado lugar que tiene acceso a un servicio.

Objetivo de estudio:
Conocer la duracin media de una determinada marca de pilas.

Para el primer caso, la poblacin a la que debe preguntarse estar compuesta por aquellas que
viven en el lugar elegido, y que estn en condiciones de conocer una respuesta. Por ejemplo, si
son los habitantes de la ciudad de Salta, deber conocerse el dato censal de cuntos
habitantes tiene la ciudad, repartidos en edades y sexo, o identificados por barrios o zonas.

Tal poblacin, al ser grande en nmero, requerir la utilizacin de metodologas de muestreo,

ya que realizar una encuesta a la totalidad de la poblacin requerira un esfuerzo ms que
considerable y de un costo sumamente elevado. Se tratara, lisa y llanamente, de un censo.

En el segundo caso, la poblacin puede considerarse infinita, pues no hay una cantidad finita
de pilas que salen de una lnea de produccin, pues la empresa seguir produciendo pilas a lo
largo de muchos aos. Adems, el control del tiempo de vida de cada pila elegida, hace
necesario que la pila sea gastada, es decir, se destruye el elemento de la poblacin que se
eligi y tal pila no podr volver a usarse, de modo que si quisiramos probar todas las pilas,
no habra produccin para vender, por eso se usa slo una muestra (es decir una pequea
cantidad)

Por las razones anteriores, en muchos casos es conveniente el uso de muestras, y para que
puedan extraerse conclusiones, es importante que elijamos bien las muestras para nuestros
estudios.
CONCEPTO DE MUESTRA

Cuando se trata de estudiar poblaciones cuyas dimensiones dificultan el acceso a

cada uno de los elementos que la componen, se hace necesario y prudente utilizar muestras
de esa poblacin para evitar incurrir en demoras y costos excesivos.

DEFINICION
Definimos a una muestra como una parte del todo, que lo representa.

Una manera grfica de representar una muestra de una poblacin de estudiantes por carrera
que cursan, sera la siguiente:

Beneficios del muestreo:

1.- Una muestra ahorra dinero: El costo de una entrevista personal de algunos minutos de
duracin, pueden costar una suma considerable de dinero, pues requiere de un equipo de
encuestadores entrenados que recorran diferentes zonas geogrficas. Pero sin duda
ahorraramos dinero si se encuestaran por ejemplo a 500 personas, en lugar de encuestar
550.000, que conforman la poblacin de la ciudad de Salta.

2.- Una muestra ahorra tiempo: Si imaginamos el tiempo que llevara, sera demasiado para
recolectar la informacin y para procesarla, de modo que lo recomendable es trabajar con slo
una porcin pequea, pero representativa.

3.- Una muestra puede ser ms exacta: A pesar de lo sorprendente que pueda parecer, esto es
cierto. Es as como resultado de lo que podemos considerar varias fuentes de inexactitud, a las
que se denominan errores no muestrales que ocurren durante el proceso de la investigacin.
Por ejemplo, para realizar un censo se necesitan, adems de muchos recursos econmicos,
muchos encuestadores que deben ser capacitados, ms supervisores de campo, ms personal
de procesamiento, etc. ; El trabajar con muchas personas incrementa la posibilidad de que se
cometan errores que no tienen relacin con la exactitud que pudiera haberse alcanzado en la
muestra, por ejemplo, clasificar mal un resultado, tipear errneamente un dato, confundir un
registro con otro, duplicar ciertos datos, Todo ello porque al aumentar el equipo, la
supervisin se hace ms difcil. Mientras que si el estudio es sobre una muestra pequea, es
ms fcil capacitar a los encuestadores, y es ms fcil la supervisin. De todas maneras, un
muestra tambin puede contener errores no muestrales, al igual que un censo, pero
seguramente en mucha menor medida, por eso decimos que puede ser ms exacta

4.- Una muestra es mejor cuando conlleva la destruccin del elemento muestreado para evitar
su contaminacin: Si se hace una prueba de uso de un producto, es necesario consumir o
destruir dicho producto, lo cual se tornara inviable si ello se hace mediante un ceso, pues
sera antieconmico. Del mismo modo, el proceso de entrevistar personas puede volverlas
sensibles al tema de la entrevista. En este ltimo caso podemos decir que esas personas
fueron contaminadas respecto del tema. ES posible que queramos volver a entrevistarlas
acerca del mismo tema, para conocer por ejemplo, qu impacto ha tenido una campaa de
publicidad y para ello preferiramos entrevistar a personas que antes no fueron contactadas. Si
se hiciera un censo previo, al volver a contactarlas ya estaran contaminadas. Esta es por
ejemplo la razn por la que no deben hacerse encuestas apersonas que trabajan en
investigacin de mercados, pues conocen las tcnicas y procedimientos y esto disminuye el
valor de sus respuestas.

Pasos para realizar un muestreo

En funcin de este cuadro, vamos a proporcionar algunos conceptos bsicos necesarios sobre
muestreo:

ELEMENTO:
Es la Unidad acerca de la cual se solicita cierta informacin. ste suministra la base del anlisis
que se llevar a cabo. Los elementos ms comunes del muestreo de investigacin de mercados
son los individuos, las personas. En otros casos, los elementos podran ser productos, negocios,
empresas, familias, etc., Los elementos de cualquier muestra especfica, dependern de los
objetivos que tenga el estudio.

POBLACIN:
Poblacin o Universo, es el conjunto de todos los elementos definidos antes de la seleccin de
la muestra. Una poblacin adecuadamente designada debe definirse en trminos de: 1)
elementos, 2) unidades de muestreo, 3) alcance, y 4) tiempo. Por ejemplo una encuesta de
consumidores podra especificar la poblacin pertinente como:

Elemento: Mujeres entre 18 y 50 aos

Unidades de muestreo: Mujeres entre 18 y 50 aos
Alcance: Ciudad de Salta
Tiempo: 1 al 15 de abril de 2013

Alternativamente, la poblacin para un estudio diseado para medir la reaccin del comprador
hacia un nuevo qumico industrial podra ser:

Elemento: Ingenieros Qumicos

Unidades de muestreo: Empresas que compran productos qumicos, y luego los
ingenieros
Alcance: Ciudad de Salta
Tiempo: abril y mayo de 2013

Otra alternativa para estudiar por ejemplo el consumo de ciertos productos por la poblacin:

Elemento: producto XX
Unidades de muestreo: Supermercados, farmacias, almacenes, luego vendra el
producto XX
Alcance: Ciudad de Salta
Tiempo: 1 al 15 de abril de 2013

ES muy importante definir la poblacin hasta este nivel de detalle, pues slo as es posible un
muestreo apropiado.

UNIDAD DE MUESTREO
En funcin de lo expresado, decimos entonces que

Unidad de muestreo es el elemento o los elementos disponibles para su seleccin en alguna

etapa del proceso de muestreo.

En el tipo de muestreo ms simple, el de una sola etapa, las unidades y los elementos de
muestreo son los mismos. Por ejemplo, en nuestro primer ejemplo sobre poblacin, tanto los
elementos como las unidades de muestreo eran mujeres con edades entre 18 y 50 aos. Esto
indica un proceso de muestreo directo y de una sola etapa. La muestra se seleccionara
directamente de mujeres entre 18 y 50 aos.

Con procedimientos de muestreos ms complejos pueden utilizarse diferentes niveles de

unidades de muestreo, y entonces las unidades de muestreo y los elementos difieren en todo,
menos en la ltima etapa. Considere el segundo ejemplo anterior. Los elementos de inters
son los Ingenieros Qumicos, sin embargo llegamos a estos ingenieros en forma indirecta, a
travs de un proceso de dos etapas. Primero seleccionamos una muestra de empresas que
compran productos qumicos. Luego, dentro de estas empresas seleccionadas, escogemos una
muestra de ingenieros qumicos. Este es un proceso de muestreo de dos etapas. Ntese que
slo en la etapa final, los elementos y las unidades de muestreo son idnticos. De igual forma,
el tercer ejemplo mencionado anteriormente es tambin un proceso de dos etapas, donde os
almacenes y supermercados constituyen la primera etapa y el producto XX es la segunda.

Un procedimiento de muestreo puede tener tantas etapas como el investigador desee. Todo
lo que tiene que hacer es especificar la unidad de muestreo en cada etapa. Por ejemplo un
muestreo de cuatro etapas podra ser:

Etapa 1: Ciudades con una poblacin superior a 500.000 habitantes

Etapa 2: Manzanas de las ciudades
Etapa 3: Familias
Etapa 4: Hombres de 50 aos o ms.

Por supuesto que los elementos de inters en este estudio sern los hombres de 50 aos o
ms.
Con frecuencia los trminos unidades primarias de muestreo, unidades secundarias de
muestreo, unidades terciarias de muestreo y unidades finales de muestreo. Se utilizan
para designar las etapas sucesivas del proceso.

ALCANCE:
El alcance hace referencia al espacio y cobertura geogrfica donde se tomar la muestra. Su
definicin determina con exactitud el lugar donde se encuentra la poblacin de la que se ha de
sustraer la muestra y es til para que se acote la logstica de implementacin del proceso de
seleccin de los elementos muestrales, como as tambin le indica a quien lee el resultado de
la investigacin, cul fue el lugar o zona donde se realiz el estudio.

MARCO MUESTRAL:
Es una lista de todas las unidades de muestreo disponibles para su seleccin en una etapa del
proceso de muestreo. En la etapa final, la muestra se saca de una lista como sta. Uno de los
pensamientos ms creativos en u proyecto de investigacin de mercados puede relacionarse
con la especificacin de un marco muestral. Un marco muestral es una lista de alumnos, una
lista de votantes de un padrn, un directorio telefnico, una lista de empleados o incluso un
mapa. En el caso de un mapa se estaran muestreando partes geogrficas, por ejemplo una
manzana de una ciudad. La lista del marco muestral puede imprimirse o almacenarse en una
archivo de computadora. Una vez especificada la poblacin, despus se busca un buen marco
muestral. Con frecuencia, la disponibilidad de un marco muestral define la poblacin, cuando
no existe un ajuste perfecto entre poblacin y marco.

Cada etapa de un proceso de muestreo requiere su propio marco muestral. Por tanto, un
proceso muestral de cuatro etapas anteriormente especificado, necesitar de cuatro marcos
muestrales, como sigue: 1) una lista de las ciudades con una poblacin superior a 500.000
habitantes, 2) Una lista de las manzanas de las ciudades seleccionadas, 3) Una lista de hogares
de las manzanas seleccionadas de la ciudad y 4) una lista de hombres de 50 aos o ms dentro
de las familias seleccionadas.

U procedimiento de seleccin de muestreo directo de una etapa requerira un solo marco

muestral, el cual incluir a todos los elementos de la poblacin.

Es necesario mencionar que en una investigacin de mercados es posible que no exista (o

sea muy difcil de obtener) un marco muestral exacto y actualizado. Por ejemplo las listas de
ciertos grupos de consumidores objetivo, o de empresas objetivo para una investigacin de
mercados, son muy difciles. Considere por ejemplo que no exista una lista de personas que
sufre determinado tipo de patologa, o de empresas de produccin innovadora, etc. De esta
forma, el investigador de marketing debe tratar de crear un enfoque de muestreo para tratar
de encontrar estos tipos de grupos objetivo.

POBLACION DE ESTUDIO
La poblacin del estudio es el conjunto de elementos del cual se saca la muestra.
Anteriormente se defini poblacin como el conjunto de elementos definidos antes de
seleccionar la muestra. Infortunadamente surgen dificultades prcticas que hacen que la
muestra real se tome de una poblacin un tanto diferente de la que se defini a priori. Lo que
sucede es que los elementos de la poblacin se omiten del marco muestral. Por ejemplo una
lista de los miembros de un club puede estar incompleta, algunas personas tienen nmeros
telefnicos no registrados, es posible que un mapa no incluya una calle nueva, etc.

Entonces, la poblacin del estudio se convierte en el conjunto de elementos del cual se

selecciona realmente la muestra. Es con respecto a esta poblacin del estudio que podemos
hacer inferencias apropiada, an cuando nuestro inters real sea la poblacin inicial.

EL PROCESO DE MUESTREO

Por ejemplo, para el caso de el acceso a internet de los espanoles, elegir a 10 personas de 40
millones
es insuficiente, no es representativo. Tampoco lo sera preguntarle, por ejemplo a 100
personas de
Madrid, o elegir a todos tus amigos y tu familia. Hay cuestiones que debemos especificar a la
hora
de elegir una muestra:
1. El metodo de seleccion de los individuos de la poblacion (tipo de muestreo que se va a
utilizar).
2. El tamano de la muestra.
3. El grado de fiabilidad de las conclusiones que vamos a presentar, es decir, una estimacion
del
error que vamos a cometer (en terminos de probabilidad).
Como ya hemos dicho, la seleccion no adecuada de los elementos de la muestra provoca
errores
posteriores a la hora de estimar las correspondientes medidas en la poblacion. Pero podemos
encontrar
mas errores: el entrevistador podra no ser imparcial, es decir, favorecer que se den unas
respuestas mas que otras. Puede ocurrir tambien que, por ejemplo, la persona que vayamos
a entrevistar
no quiera contestar a ciertas preguntas (o no sepa contestar). Clasificamos todos estos
posibles errores de la siguiente manera:
1. Error de sesgo o de seleccion: si alguno de los miembros de la poblacion tiene mas
probabilidad
que otros de ser seleccionados. Imagina que queremos conocer el grado de satisfaccion
de los clientes de un gimnasio y para ello vamos a entrevistar a algunos de 10 a 12 de la
manana. Esto quiere decir que las personas que vayan por la tarde no se veran
representadas
por lo que la muestra no representara a todos los clientes del gimnasio. Una forma de evitar
este tipo de error es tomar la muestra de manera que todos los clientes tengan la misma
probabilidad de ser seleccionados.
2. Error o sesgo por no respuesta: es posible que algunos elementos de la poblacion no
quieran o no puedan responder a determinadas cuestiones. O tambien puede ocurrir, cuando
tenemos cuestionarios de tipo personal, que algunos miembros de la poblacion no contesten
3
sinceramente. Estos errores son, en general, difciles de evitar, pero en el caso de la
sinceridad,
se suelen incorporar cuestiones (preguntas filtro) para detectar si se esta contestando
sinceramente.
Despues de lo que acabamos de ver, podemos decir que una muestra es sesgada cuando no
es
representativa de la poblacion.ne acceso a internet.
2

Hay cuestiones que debemos especificar a la hora

de elegir una muestra:
1. El metodo de seleccion de los individuos de la poblacion (tipo de muestreo que se va a
utilizar).
2. El tamano de la muestra.
3. El grado de fiabilidad de las conclusiones que vamos a presentar, es decir, una estimacion
del
error que vamos a cometer (en terminos de probabilidad).
Como ya hemos dicho, la seleccion no adecuada de los elementos de la muestra provoca
errores
posteriores a la hora de estimar las correspondientes medidas en la poblacion. Pero podemos
encontrar
mas errores: el entrevistador podra no ser imparcial, es decir, favorecer que se den unas
respuestas mas que otras. Puede ocurrir tambien que, por ejemplo, la persona que vayamos
a entrevistar
no quiera contestar a ciertas preguntas (o no sepa contestar). Clasificamos todos estos
posibles errores de la siguiente manera:
1. Error de sesgo o de seleccion: si alguno de los miembros de la poblacion tiene mas
probabilidad
que otros de ser seleccionados. Imagina que queremos conocer el grado de satisfaccion
de los clientes de un gimnasio y para ello vamos a entrevistar a algunos de 10 a 12 de la
manana. Esto quiere decir que las personas que vayan por la tarde no se veran
representadas
por lo que la muestra no representara a todos los clientes del gimnasio. Una forma de evitar
este tipo de error es tomar la muestra de manera que todos los clientes tengan la misma
probabilidad de ser seleccionados.
2. Error o sesgo por no respuesta: es posible que algunos elementos de la poblacion no
quieran o no puedan responder a determinadas cuestiones. O tambien puede ocurrir, cuando
tenemos cuestionarios de tipo personal, que algunos miembros de la poblacion no contesten
3
sinceramente. Estos errores son, en general, difciles de evitar, pero en el caso de la
sinceridad,
se suelen incorporar cuestiones (preguntas filtro) para detectar si se esta contestando
sinceramente.
Despues de lo que acabamos de ver, podemos decir que una muestra es sesgada cuando no
es
representativa de la poblacion.

La representatividad de la muestra est determinada por las caractersticas de los

elementos de la poblacin que esta muestra contiene. Por ejemplo si en una poblacin
existen personas altas, y bajas, gordas y flacas, varones y mujeres, con estudios y sin ellos,
en la muestra deberan estar presentes todas esas caractersticas.
Tipos de muestreo.

Muestreo aleatorio

Las principales ventajas de estudiar una poblacin a partir de una muestra son:

- Costo reducido:
Si los datos que buscamos los podemos obtener a partir de una pequea parte del
total de la poblacin, los gastos de recoleccin y tratamiento de los datos sern menores. Por
ejemplo, cuando se realizan encuestas previas a unas elecciones, es ms barato preguntar a
4.000 personas su intencin de voto, que a 30.000.000, aparte que entrevistar a todo el censo
electoral supone una duracin excesiva en tiempo del trabajo de campo.

- Mayor rapidez:
Estamos acostumbrados a ver cmo con los resultados del escrutinio de las primeras
mesas electorales, se obtiene una aproximacin bastante buena del resultado final de unas
elecciones, muchas horas antes de que el recuento final de votos haya finalizado;

- Ms posibilidades:
Para hacer cierto tipo de estudios, por ejemplo el de la duracin de un cierto tipo de
bombillas hasta que dejan de funcionar, no es posible en la prctica destruirlas todas para
conocer su vida media, ya que no quedara nada que vender. Es mejor destruir slo una
pequea parte de ellas y sacar conclusiones sobre las dems.

- Se puede conseguir el nivel deseado de precisin en los resultados obtenidos.

De este modo se ve que al hacer estadstica inferencial debemos enfrentarnos con dos
problemas:

- Eleccin de la muestra (muestreo), que es a lo que nos dedicaremos en este tema.

- Extrapolacin de las conclusiones obtenidas sobre la muestra, al resto de la poblacin
(inferencia), es lo que haremos en los temas siguientes.

El tipo de muestreo ms importante es el muestreo aleatorio, en el que todas las

unidades del universo tienen la misma probabilidad de ser seleccionadas.

MUESTREO ALEATORIO

Consideremos una poblacin finita, de la que deseamos extraer una muestra. Cuando
el proceso de extraccin es tal que garantiza a cada uno de los elementos del universo la
misma oportunidad de ser incluidos en dicha muestra, denominamos al proceso de seleccin
muestreo aleatorio.

El muestreo aleatorio se puede plantear bajo dos puntos de vista:

- Sin reposicin de los elementos;

- Con reposicin.

Muestreo aleatorio con reposicin o muestreo aleatorio simple

 Sobre una poblacin de tamao N podemos realizar extracciones de n elementos, pero
de modo que cada vez el elemento extrado es repuesto al total del universo. De esta forma un
elemento puede ser extrado varias veces.

El muestreo aleatorio con reposicin es tambin denominado muestreo aleatorio

simple que, como hemos mencionado se caracteriza porque:

- cada elemento del universo tiene la misma probabilidad de ser elegido,

- Las observaciones se realizan con reemplazamiento. De este modo, cada
observacin es realizada sobre el mismo universo (no disminuye con las
extracciones sucesivas).
- Se garantiza la independencia entre las unidades seleccionadas.

Desventaja del muestreo con reposicin: una misma unidad puede ser seleccionada varias
veces en una misma muestra, por lo que no se incrementa la informacin. Sin embargo, si el
universo es muy grande la probabilidad de que esto ocurra es muy pequea.

P (obtener una determinada muestra) = P(x1, x2,..,xn)= 1/N 1/N 1/N

Muestreo aleatorio sin reposicin o muestreo irrestricto

Cada vez que se hace una extraccin, la unidad seleccionada no se devuelve al universo. Por lo
tanto, no se permite que una misma unidad sea seleccionada ms de una vez. Esto hace variar
la probabilidad de obtener una determinada muestra:

P (obtener una determinada muestra) = P(x1,x2,..,xn)= 1/N 1/N-1 1/N-n

Cuando la poblacin sea muy grande, las diferencias entre estos dos tipos de muestreo van a
ser mnimas.

Vamos a considerar que trabajamos con poblaciones grandes, por lo que slo vamos a
considerar el muestreo aleatorio simple.

Aunque dependiendo del problema y con el objetivo de reducir los costos o aumentar la
precisin, otros tipos de muestreo aleatorios pueden ser considerados: muestreo sistemtico,
muestreo estratificado, muestreo por conglomerados y muestreo polietpico.

Muestreo sistemtico

Cuando los elementos de la poblacin estn ordenados de 1 a N en fichas o en una lista, una
manera de muestrear consiste en:

- Elegir al azar un nmero m entre 1 y N, para empezar a seleccionar la muestra.

- Tomar como muestra los elementos de la lista a partir de ese m, tomados de k en k

(por ejemplo de 20 en 20) hasta completar una muestra de tamao n. (k es el n entero ms

cercano a N/n) y teniendo en cuenta que la lista sea circular, es decir que el elemento N+1
coincide con el primero. De esta forma, con una lista circular, todos los elementos tiene la
misma probabilidad de ser seleccionados.
Cuando el criterio de ordenacin de los elementos en la lista es tal que los elementos ms
parecidos tienden a estar ms cercanos, el muestreo sistemtico suele ser ms preciso que el
aleatorio simple, ya que recorre la poblacin de un modo ms uniforme.

Por otro lado, es a menudo ms fcil no cometer errores con un muestreo sistemtico que con
este ltimo. Sin embargo, se corre el riesgo de obtener resultados sesgados si en la poblacin
se dan periodicidades o rachas.

Muestreo aleatorio estratificado

Un muestreo aleatorio estratificado es aquel en el que se divide la poblacin de N
individuos, en k sub poblaciones o estratos, atendiendo a criterios que puedan ser importantes
en el estudio (sexo, grupo de edad, nivel de estudios, lugar geogrfico, tamao del municipio,
etc.), de tamaos respectivos N1, ..., Nk, y realizando en cada una de estas sub poblaciones
muestreos aleatorios simples de tamao ni.

A continuacin nos planteamos el problema de cuantos elementos de la muestra se

han de elegir de cada uno de los estratos. Es decir, determinar los tamaos muestrales ni de
cada uno de los estratos. Esto lo decide quien hace el muestreo. Para ello tenemos
fundamentalmente tres tcnicas:

La asignacin simple,
La asignacin proporcional y
La asignacin optima

- Asignacin simple:
A cada estrato le corresponden el mismo n de unidades muestrales. Por ejemplo, una
poblacin dividida en dos estratos en funcin del sexo, la asignacin simple sera: 50%
hombres y 50% mujeres.

- Asignacin proporcional:
El tamao de la muestra de cada estrato es proporcional al tamao del estrato
correspondiente con respecto a la poblacin total. As en un estrato dado, se tiende a
tomar una muestra ms grande cuando el estrato es ms grande Por ejemplo, una
poblacin divida en 2 estratos: 60% hombres y 40% mujeres. Si obtenemos una
muestra de 10 individuos, la asignacin proporcional al tamao del estrato har que 6
sean hombres y 4 mujeres.

- Asignacin ptima:
Se asigna mayor tamao muestral en el estrato que presenta mayor variabilidad
interna (varianza) de la caracterstica a estudiar. Es decir, el estrato donde hay ms
heterogeneidad. Sin embargo, esto supone tener un conocimiento previo de la
poblacin estratificada, cosa que raramente sucede. Por eso, a veces, si hay
presupuesto, se obtiene una muestra previa o muestra piloto (muestra reducida) para
obtener informacin sobre en qu estrato se observa mayor variabilidad.

Muestreo por conglomerados

Si intentamos hacer un estudio en un mbito con mucha dispersin geogrfica, por
ejemplo, sobre los habitantes de una ciudad, el muestreo aleatorio simple puede resultar muy
costoso, ya que estudiar una muestra de tamao n implica enviar a los encuestadores a n
puntos distintos de la misma, de modo que en cada uno de ellos slo se realiza una entrevista.
En esta situacin es ms econmico realizar el denominado muestreo por conglomerados, que
consiste en dividir la poblacin en unidades pequeas y geogrficamente compactas
denominadas conglomerados. Por ejemplo, en el muestreo de los habitantes de una ciudad,
elegir aleatoriamente ciertos barrios, para despus elegir calles y edificios. Una vez
seleccionados aleatoriamente una muestra de edificios, en cada uno de ellos se entrevista a
todos los vecinos. En esta tcnica de muestreo la unidad muestral es el conglomerado, donde
se supone que presenta un comportamiento interno muy heterogneo (varianza grande) pero
presumiblemente un comportamiento homogneo o similar al de otros conglomerados
(varianza entre conglomerados pequea).

Muestreo por etapas o muestreo polietpico

El costo del muestreo se incrementa mucho por la dispersin geogrfica de las

unidades, siendo ms deseable obtener la muestra de un modo menos disperso. Cuando
ocurre esto, se recomienda el uso del muestreo polietpico, que se caracteriza por obtener la
muestra en sucesivas etapas. Para un ejemplo de esta tcnica de muestreo, veamos la
siguiente ficha tcnica de la "Encuesta sobre la opinin respecto a la intervencin militar
contra Irak" (publicada por EL PAS 2-2-2003):

mbito geogrfico: Salta

Recogida de informacin: mediante entrevista telefnica.
Universo de anlisis: poblacin mayor de 18 aos residente en hogares con telfono.
Tamao de la muestra: 1000 entrevistas proporcionales.
Error muestral: el margen de error para el total de la muestra es de 2,78% para un margen de
confianza del 95% y bajo el supuesto de mxima indeterminacin (p=q=50%).

Procedimiento de muestreo: seleccin polietpica del entrevistado:

-Unidades primarias de muestreo (MUNICIPIOS) seleccionadas de forma aleatoria proporcional
para cada provincia.
-Unidades secundarias (HOGARES) mediante la seleccin aleatoria de nmeros de telfono.
-Unidades ltimas (INDIVIDUOS) segn cuotas cruzadas de sexo, edad y recuerdo de voto de
las elecciones generales de 2000.

MTODOS DE MUESTREO NO PROBABILSTICOS

A veces, para estudios exploratorios, el muestreo probabilstico resulta excesivamente

costoso y se acude a mtodos no probabilsticos, aun siendo conscientes de que no sirven para
realizar generalizaciones, pues no se tiene certeza de que la muestra extrada sea
representativa, ya que no todos los sujetos de la poblacin tienen la misma probabilidad de ser
elegidos.

En general se seleccionan a los sujetos siguiendo determinados criterios procurando

que la muestra sea representativa. Sin embargo, las inferencias realizadas a partir de estos
mtodos no probabilsticos no tienen validez estadstica.

- Muestreo por cuotas: (tambin denominado muestreo proporcional o por prorrateo)

Tambin denominado en ocasiones "accidental". Se asienta generalmente sobre la base de un
buen conocimiento de los estratos de la poblacin y/o de los individuos ms "representativos"
o "adecuados" para los fines de la investigacin. Mantiene, por tanto, semejanzas con el
muestreo aleatorio estratificado, pero no tiene el carcter de aleatoriedad de aqul. En este
tipo de muestreo se fijan unas "cuotas" que consisten en un nmero de individuos que renen
unas determinadas condiciones, por ejemplo: 30 individuos entre 18 y 35 aos, universitarios y
residentes en capitales provinciales. Una vez determinada la cuota se eligen los primeros que
se encuentren que cumplan esas caractersticas. Este mtodo se utiliza mucho en las encuestas
de opinin.

- Muestreo opintico o intencional: (Tambin denominado muestreo por juicios)

Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener muestras
"representativas" mediante la inclusin en la muestra de grupos supuestamente tpicos. Es
muy frecuente su utilizacin en sondeos preelectorales de zonas que en anteriores votaciones
han marcado tendencias de voto.

- Muestreo casual o incidental: (Tambin denominado muestreo intencionado)

Se trata de un proceso en el que el investigador selecciona directa e intencionadamente los
individuos de la poblacin. El caso ms frecuente de este procedimiento el utilizar como
muestra los individuos a los que se tiene fcil acceso (los profesores de universidad emplean
con mucha frecuencia a sus propios alumnos).

- Bola de nieve: Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y
as hasta conseguir una muestra suficiente. Este tipo se emplea muy frecuentemente cuando
se hacen estudios con poblaciones "marginales", delincuentes, sectas, determinados tipos de
enfermos, etc.