Las diferencias entre el muestreo en la investigación cuantitativa y cualitativa

La selección de una muestra en la investigación cuantitativa y cualitativa se guía por

dos filosofías opuestas. En la investigación cuantitativa se intenta seleccionar una
muestra de una manera tal que es imparcial y representa la población de donde se
selecciona. En la investigación cualitativa, las consideraciones número puede influir
en la selección de una muestra, tales como: la facilidad para acceder a los
encuestados potenciales; el juicio de que la persona tiene un amplio conocimiento
acerca de un episodio, un evento o una situación de interés para usted; la forma
típica el caso es de una categoría de individuos o, simplemente, que es totalmente
diferente a los demás. Usted hace todo lo posible para seleccionar un caso que es
similar a la del resto del grupo o el que es totalmente diferente. Tales
consideraciones no son aceptables en la investigación cuantitativa.
El propósito del muestreo en la investigación cuantitativa es sacar conclusiones
sobre el grupo del que se ha seleccionado la muestra, mientras que en la
investigación cualitativa que está diseñado ya sea para obtener un conocimiento
profundo acerca de una situación / eventos / episodio o saber tanto como sea
posible sobre diferentes aspectos de un individuo en el supuesto de que el individuo
es típico del grupo y por lo tanto va a proporcionar la penetración en el grupo. Del
mismo modo, la determinación del tamaño de la muestra en la investigación
cuantitativa y cualitativa se basa en los dos filosofías diferentes. En la investigación
cuantitativa son guiados por un tamaño de muestra predeterminado que se basa en
una serie de otras consideraciones, además de los recursos disponibles. Sin
embargo, en la investigación cualitativa usted no tiene un tamaño de muestra
predeterminado, pero durante la fase de recogida de datos que espera llegar a un
punto de saturación de datos. Cuando usted no está recibiendo nueva información,
o si es insignificante, se supone que ha llegado a un punto de saturación de datos
y de dejar de recoger información adicional. importancia considerable se coloca en
el tamaño de la muestra en la investigación cuantitativa, dependiendo del tipo de
estudio y el posible uso de los hallazgos. Los estudios que están diseñados para
formular políticas, para poner a prueba las asociaciones o relaciones, o para
establecer evaluaciones de impacto hacen un énfasis considerable en el tamaño de
la muestra. Esto se basa en el principio de que una muestra de mayor tamaño se
asegurará la inclusión de personas con diversos orígenes, con lo que la muestra
representativa de la población de estudio. El tamaño de la muestra en la
investigación cualitativa no juega ningún papel importante ya que el objetivo es el
estudio de sólo uno o unos pocos casos con el fin de identificar la extensión de la
diversidad y no su magnitud. En tales situaciones, la etapa de saturación de los
datos durante la recogida de datos determina el tamaño de la muestra. En la
investigación cuantitativa, la asignación al azar se utiliza para evitar sesgos en la
selección de una muestra y se selecciona de tal manera que representa la población
de estudio. En la investigación cualitativa no se hace ningún intento de este tipo en
la selección de una muestra. Usted selecciona a propósito '' ricas en información
encuestados que le proporcionará la información que necesita. En la investigación
cuantitativa, esto se considera una muestra sesgada. La mayoría de las estrategias
de muestreo, incluyendo algunos no probabilísticos, que se describen en este
capítulo se pueden utilizar al llevar a cabo un estudio cuantitativo, siempre que
cumpla los requisitos. Sin embargo, cuando se realiza un estudio cualitativo sólo los
diseños de muestreo no probabilísticos pueden ser utilizados.
El muestreo en la investigación cuantitativa
El concepto de muestreo
Tomemos un ejemplo muy simple de explicar el concepto de muestreo. Suponga
que desea estimar la media de edad de los estudiantes en su clase. Hay dos
maneras de hacer esto. El primer método es poner en contacto a todos los
estudiantes en la clase, averiguar sus edades, sumarlas y luego dividir esto por el
número de estudiantes (el procedimiento para el cálculo de un promedio). El
segundo método consiste en seleccionar unos pocos estudiantes de la clase, les
piden a sus edades, sumarlas y luego dividir por el número de estudiantes que ya
haya planteado. De esto se puede hacer una estimación de la edad media de la
clase. Del mismo modo, supongamos que desea averiguar el ingreso promedio de
las familias que viven en una ciudad. Imagine la cantidad de esfuerzo y los recursos
necesarios para ir a todas las familias de la ciudad para averiguar sus ingresos! En
su lugar podría seleccionar algunas familias a ser la base de su consulta y, a
continuación, a partir de lo que ha encontrado a partir de las pocas familias, hacer
una estimación de los ingresos medios de las familias en la ciudad. Del mismo
modo, las encuestas de opinión electorales se pueden utilizar. Estos se basan en
un grupo muy pequeño de personas que se cuestionan acerca de sus preferencias
de voto y, sobre la base de estos resultados, se hace una predicción sobre el
resultado probable de una elección. El muestreo, por lo tanto, es el proceso de
seleccionar unos pocos (una muestra) de un grupo más grande (la población de
muestreo) para convertirse en la base para la estimación o predicción de la
prevalencia de una pieza desconocida de información, situación o el resultado en
relación con el grupo más grande. Una muestra es un subgrupo de la población le
interesa. Ver la figura 12.1. Este proceso de selección de una muestra de la
población total tiene ventajas y desventajas. Las ventajas son que se ahorra tiempo,
así como los recursos financieros y humanos. Sin embargo, la desventaja es que
usted no encuentra la información acerca de las características de la población de
interés para usted, pero sólo estimar o predecir ellos. Por lo tanto, existe la
posibilidad de un error en su estimación.
El muestreo, por lo tanto, es un compromiso entre ciertas ventajas y desventajas.
Mientras que, por un lado a ahorrar tiempo y recursos, por otra parte, es posible
poner en peligro el nivel de precisión en las conclusiones. A través de un muestreo
sólo hacer una estimación sobre la situación actual prevalente en la población total
de la que se extrae la muestra. Si a determinar una pieza de información de la
población total de muestreo, y si su método de investigación es correcta, sus
resultados deben ser razonablemente exacta. Sin embargo, si se selecciona una
muestra y utiliza esto como la base adecuada para estimar la situación de la
población total, un error es posible. La tolerancia de esta posibilidad de error es una
consideración importante en la selección de una muestra.
la terminología de muestreo
Veamos, una vez más, consideramos los ejemplos utilizados por encima de donde
nuestros principales objetivos son conocer la edad promedio de la clase, el ingreso
promedio de las familias que viven en la ciudad y el resultado de las elecciones
probable para un estado o país en particular. Supongamos que usted adopta el
método de muestreo - es decir, se selecciona un estudiantes, familias o pocos
electores para lograr estos objetivos. En este proceso hay una serie de aspectos:
• La clase, las familias que viven en la ciudad o electorados desde el que se
seleccionan a seleccionar la muestra que se llama la población o población de
estudio, y por lo general se señalan con la letra N. • El pequeño grupo de
estudiantes, familias o electores de quien recoja la información necesaria para
estimar la edad promedio de la clase, el ingreso promedio o el resultado de la
elección se llama la muestra. • El número de estudiantes, las familias o los electores
de los cuales se obtiene la información requerida se llama el tamaño de la muestra
y por lo general se denota con la letra n. • La forma de selección de los estudiantes,
familias o electores se llama el diseño de muestreo o estrategia de muestreo. • cada
estudiante, la familia o elector que se convierte en la base para la selección de la
muestra se llama la unidad de muestreo o elemento de toma de muestras. • una
lista que identifique a cada estudiante, la familia o elector en la población de estudio
se llama el marco de muestreo. Si todos los elementos de una población de
muestreo no pueden ser identificados individualmente, no se puede tener un marco
de muestreo para que la población de estudio. • Sus conclusiones sobre la base de
la información obtenida de los encuestados (muestra) se llaman estadísticas de la
muestra. sus estadísticas de la muestra se convierten en la base de la estimación
de la prevalencia de las características anteriores en la población estudiada. • Su
objetivo principal es encontrar respuestas a sus preguntas de investigación en la
población estudiada, no en la muestra que ha recopilado información de. A partir de
estadísticas de la muestra hacemos una estimación de las respuestas a nuestras
preguntas de investigación en la población de estudio. Las estimaciones realizadas
a partir de estadísticas de la muestra se denominan parámetros de la población o
de la media poblacional.
Principios de muestreo
La teoría del muestreo se guía por tres principios. Para explicar de manera efectiva
estos, vamos a tomar un ejemplo muy sencillo. Supongamos que hay cuatro
individuos A, B, C y D. Además supongamos que A es de 18 años de edad, es de
20 B, C y D es de 23 es 25. Como saben sus edades, se puede averiguar (calcular)
su edad media por simple adición de 18 + 20 + 23 + 25 = 86 y dividiendo por 4. Esto
da la edad promedio (media) de A, B, C y D como 21,5 años. Ahora supongamos
que desea seleccionar una muestra de dos personas para hacer una estimación de
la edad media de los cuatro individuos. Para seleccionar una muestra no sesgada,
hay que asegurarse de que cada unidad tiene una oportunidad igual e independiente
de la selección de la muestra. La asignación al azar es un proceso que le permite
lograr esto. Con el fin de lograr la asignación al azar se utiliza la teoría de la
probabilidad en la formación de pares que nos proveerán con seis posibles
combinaciones de dos: A y B; A y C; A y D; B y C; B y D; y C y D. Tomemos cada
uno de estos pares para calcular la edad media de la muestra:
1 A + B = 18 + 20 = 38/2 = 19,0 años; 2 A + C = 18 + 23 = 41/2 = 20,5 años; 3 a +
d = 18 + 25 = 43/2 = 21,5 años; 4 B + C = 20 + 23 = 43/2 = 21,5 años; 5 B + D = 20
+ 25 = 45/2 = 22,5 años; 6 C + D = 23 + 25 = 48/2 = 24,0 años.
Observe que en la mayoría de los casos, la edad promedio calculado sobre la base
de estas muestras de dos (estadísticas de la muestra) es diferente. Ahora compare
estas estadísticas de la muestra con la media de los cuatro individuos - la media
poblacional (parámetro de la población) de 21,5 años. De un total de seis posibles
combinaciones de ejemplo, sólo en el caso de los dos no hay ninguna diferencia
entre las estadísticas de la muestra y la media poblacional. Cuando hay una
diferencia, esto se atribuye a la muestra y se conoce como error de muestreo. Una
vez más, el tamaño del error de muestreo varía notablemente. Consideremos la
diferencia en las estadísticas de la muestra y la población media para cada una de
las seis muestras

Estos principios son fundamentales a tener en cuenta cuando se está determinando

el tamaño de muestra necesario para un determinado nivel de precisión y en la
selección de la estrategia de muestreo más adecuado para su estudio.
Factores que afectan a las conclusiones extraídas de una muestra
Los principios anteriores sugieren que dos factores pueden influir en el grado de
certeza acerca de las inferencias extraídas de una muestra:
1 El tamaño de la muestra - Los resultados basados en muestras más grandes
tienen más certeza que los basados en los más pequeños. por regla general, cuanto
mayor sea el tamaño de la muestra, más precisos serán los resultados. 2 El grado
de variación en la población de muestreo - Cuanto mayor es la variación en la
población de estudio con respecto a las características bajo estudio, para un tamaño
de muestra dado, mayor será la incertidumbre. (En términos técnicos, mayor es la
desviación estándar, mayor es el error estándar para un tamaño de muestra dado
en sus estimaciones.) Si una población es homogénea (uniforme o similar) con
respecto a las características bajo estudio, una pequeña muestra puede
proporcionar una razonablemente buena estimación, pero si es heterogénea
(diferente o diversificada), es necesario seleccionar una muestra mayor para
obtener el mismo nivel de precisión. Por supuesto, si todos los elementos de una
población son idénticos, entonces la selección de una sola proporcionará una
estimación absolutamente precisa. Como regla general, cuanto mayor es la
variación con respecto a las características en estudio en la población de estudio,
mayor será la incertidumbre para un tamaño de muestra dado.
Tiene como objetivo en la selección de una muestra
Cuando se selecciona una muestra en los estudios cuantitativos que usted está
apuntando principalmente para lograr la máxima precisión en sus cálculos dentro
de un determinado tamaño de muestra, y evitar sesgos en la selección de la
muestra. El sesgo en la selección de una muestra puede ocurrir si:
• muestreo se realiza por un método no aleatorio - es decir, si la selección es
consciente o inconscientemente influenciado por la elección humana; índice de la
lista, u otros registros de población - - • el marco de muestreo, que sirve como base
de la selección, no cubre la población de muestreo precisa y completa; • una sección
de una población de muestreo es imposible encontrar o se niega a cooperar.
Tipos de muestreo
Las diversas estrategias de muestreo en la investigación cuantitativa se pueden
clasificar de la siguiente manera diseños de muestreo al azar / de probabilidad; •
muestreo no aleatorio / no probabilístico diseños seleccionar un tamaño de muestra
predeterminado; • "mixta" diseño de muestreo.
Para entender estos diseños, vamos a discutir cada una individualmente.
diseños de muestreo al azar / de probabilidad para un diseño a ser llamados
muestreo aleatorio o el muestreo probabilístico, es imprescindible que cada
elemento de la población tiene una oportunidad igual e independiente de la
selección de la muestra. Igualdad implica que la probabilidad de selección de cada
elemento de la población es la misma; es decir, la elección de un elemento en la
muestra no se ve influenciada por otras consideraciones, tales como la preferencia
personal. El concepto de independencia significa que la elección de un elemento no
depende de la elección de otro elemento en la toma de muestras; es decir, la
selección o el rechazo de un elemento no afecta a la inclusión o exclusión de la otra.
Para explicar estos conceptos volvamos a nuestro ejemplo de la clase. Supongamos
que hay 80 estudiantes en la clase. Suponga que 20 de ellos se niegan a participar
en el estudio. ¿Quieres toda la población de 80 estudiantes en su estudio, pero,
como 20 se niegan a participar, sólo se puede utilizar una muestra de 60
estudiantes. Los 20 estudiantes que se niegan a participar podrían tener fuertes
sentimientos acerca de las cuestiones que se quieren explorar, pero sus resultados
no reflejarán sus opiniones. Su exclusión de su estudio significa que cada uno de
los 80 estudiantes no tiene la misma probabilidad de selección. Por lo tanto, la
muestra no representa el total de la clase. Lo mismo podría aplicarse a una
comunidad. En una comunidad, además de la negativa a participar, vamos a
suponer que usted es incapaz de identificar a todos los residentes que viven en la
comunidad. Si una proporción importante de personas no puede ser incluida en la
población de muestreo, ya sea porque no pueden ser identificados o se niegan a
participar, entonces cualquier muestra extraída no se le dará a cada elemento de la
población de muestreo la misma probabilidad de ser seleccionado en la muestra.
Por lo tanto, la muestra no sea representativa de la comunidad total. Para entender
el concepto de una probabilidad independiente de la selección, supongamos que
hay cinco estudiantes en la clase que son muy buenos amigos. Si se selecciona uno
de ellos, pero se niega a participar porque los otros cuatro no son elegidos, y por lo
tanto se ven obligados a seleccionar los cinco o ninguno, a continuación, la muestra
no se considerará una muestra independiente desde la selección de uno depende
de la la selección de los demás. Lo mismo podría suceder en la comunidad donde
un pequeño grupo dice que, o bien todos ellos o ninguno de ellos va a participar en
el estudio. En estas situaciones en las que se ven obligados, ya sea para incluir o
excluir a una parte de la población de muestreo, la muestra no se considera que es
independiente, y por lo tanto no es representativa de la población de muestreo. Sin
embargo, si el número de rechazos es bastante pequeño, en términos prácticos, no
debería hacer la práctica non-representative.In muestra siempre hay algunas
personas que no quieran participar en el estudio, pero sólo tendrá que preocuparse
si el número es significativamente grande.
Una muestra sólo puede considerarse una muestra aleatoria / probabilidad (y por lo
tanto representativa de la población en estudio) si se cumplen estas dos
condiciones. De lo contrario, el sesgo se puede introducir en el estudio. Hay dos
ventajas principales de muestras al azar / de probabilidad:
1, ya que representan la población total de muestreo, las inferencias extraídas de
tales muestras se pueden generalizar a la población total de muestreo. 2 Algunas
pruebas estadísticas basadas en la teoría de la probabilidad se pueden aplicar
únicamente a los datos recogidos a partir de muestras aleatorias. Algunas de estas
pruebas son importantes para establecer correlaciones concluyentes.
Los métodos de extracción de una muestra aleatoria de los métodos que se pueden
adoptar para seleccionar una muestra aleatoria de los tres más comunes son:
1 La pecera dibujar - si su población total es pequeña, un procedimiento sencillo es
numerar cada elemento utilizando distintas tiras de papel para cada elemento, poner
todas las papeletas en una caja y luego recogerlos uno a uno sin mirar, hasta que
el número de resbalones seleccionados es igual al tamaño de la muestra que
decidido. Este método se utiliza en algunos loterías. 2 Programa de ordenador - hay
una serie de programas que pueden ayudar a seleccionar una muestra aleatoria. 3
Una tabla de números generados al azar - la mayoría de los libros sobre
metodología de la investigación y las estadísticas incluyen una tabla de números
generados al azar en sus apéndices (véase, por ejemplo, la Tabla 12.3). Puede
seleccionar su muestra el uso de estas tablas de acuerdo con el procedimiento
descrito en la figura 12.3.
El procedimiento de selección de la muestra mediante una tabla de números
aleatorios es el siguiente: Tomemos un ejemplo para ilustrar el uso de la Tabla 12.3
para los números aleatorios. Supongamos que su población de muestreo consiste
en 256 individuos. Número cada individuo de 1 a 256. aleatoriamente seleccionar la
página de inicio, ajuste de la columna (1 a 10) o fila de la tabla y luego identificar
tres columnas o filas de números. Supongamos que se identifique la novena
columna de números y los tres últimos dígitos de esta columna (subrayado).
Suponga que usted está seleccionando a 10 por ciento de la población total como
su muestra (25 elementos). Vayamos a través de los números subrayados en el
noveno juego de columnas. El primer número es 049, que está por debajo de 256
(población total); por lo tanto, el elemento número 49 se convierte en una parte de
su muestra. El segundo número, 319, es más que el total de los elementos en su
población (256); por lo tanto, no se puede aceptar el elemento 319 en la muestra.
Lo mismo se aplica al siguiente elemento, 758, y de hecho los próximos cinco
elementos, 589, 507, 483, 487 y 540. Después de 540 es 232, y que este número
se encuentra dentro del marco de muestreo, que pueden ser aceptadas como parte
de la muestra. Del mismo modo, si sigue por las mismas tres dígitos en la misma
columna, selecciona 052, 029, 065, 246 y 161, antes de llegar al elemento 029 de
nuevo. A medida que el elemento 29 ya ha sido seleccionado, vaya al siguiente
número, y así sucesivamente hasta que se hayan elegido 25 elementos. Una vez
que haya llegado al final de una columna, puede pasar al siguiente conjunto de
columnas o de forma aleatoria seleccionar otra con el fin de continuar el proceso de
selección. Por ejemplo, los 25 elementos que se muestran en la Tabla 12.4 se
seleccionan de entre las columnas noveno, décimo y segundo.
específico de muestreo aleatorio / probabilidad diseña Hay tres tipos más comunes
de diseño de muestreo aleatorio.
1 muestreo aleatorio simple (SRS) - El método más comúnmente utilizado para la
selección de una muestra de probabilidad. De acuerdo con la definición de la
asignación al azar, por lo que cada elemento de la población se le da una
oportunidad igual e independiente de la selección de una muestra aleatoria simple
es seleccionada por el procedimiento presentado en la figura 12.4. Para ilustrar esto,
de nuevo tomamos el ejemplo de la clase. Hay 80 estudiantes en la clase, por lo
que el primer paso es identificar a cada estudiante por un número del 1 al 80.
Supongamos que decide seleccionar una muestra de 20 usando la técnica de
muestreo aleatorio simple. Utilice el sorteo pecera, la tabla de números aleatorios o
un programa de ordenador para seleccionar los 20 alumnos. Estos 20 estudiantes
se convierten en la base de su consulta. 2 El muestreo aleatorio estratificado - como
se ha discutido, la precisión de la estimación depende en gran medida del grado de
variabilidad o heterogeneidad de la población estudiada con respecto a las
características que tienen una fuerte correlación con lo que está tratando de
determinar (Principio 3). De ello se desprende, por lo tanto, que si la heterogeneidad
de la población puede ser reducido por algunos medios para un determinado
tamaño de muestra se puede lograr una mayor precisión en la estimación. El
muestreo aleatorio estratificado se basa en esta lógica. En el muestreo aleatorio
estratificado los intentos investigador para estratificar la población de tal manera
que la población dentro de un estrato es homogéneo con respecto a la característica
sobre la base de la que se está estratificada. Es importante que las características
elegidas como la base de la estratificación son claramente identificables en la
población de estudio. Por ejemplo, es mucho más fácil para estratificar una
población sobre la base de género que sobre la base de la edad, ingresos o actitud.
También es importante para la característica que se convierte en la base de la
estratificación estar relacionada con la variable principal que se está explorando.
una vez que la población de muestreo se ha separado en grupos que no se solapan,
se selecciona el número necesario de elementos de cada estrato, utilizando la
técnica de muestreo aleatorio simple. Hay dos tipos de muestreo estratificado:
muestreo estratificado proporcional y muestreo estratificado desproporcionado. Con
el muestreo estratificado proporcional, se selecciona el número de elementos de
cada estrato en relación con su proporción en la población total, mientras que en el
muestreo estratificado desproporcionado, no se da cuenta que el tamaño del
estrato.
diseños de muestreo no probabilísticos / no aleatorios en la investigación
cuantitativa
diseños de muestreo no probabilístico no siguen la teoría de la probabilidad en la
elección de los elementos de la población de muestreo. diseños de muestreo no
probabilísticos se utilizan cuando el número de elementos en una población es
desconocido o no puede ser identificado individualmente. En tales situaciones, la
selección de elementos depende de otras consideraciones. Hay cinco diseños
utilizados comúnmente no aleatorias, cada uno basado en una consideración
diferente, que se utilizan comúnmente en la investigación cualitativa y cuantitativa.
Estos son:
muestreo de 1 cuota; 2 de muestreo accidental; 3 de muestreo de juicio o el
muestreo intencional; 4 muestreo de expertos; 5 bola de nieve.
Lo que diferencia a estos diseños están siendo tratados como cuantitativa o
cualitativa es el tamaño de la muestra predeterminada. En la investigación
cuantitativa se utilizan estos diseños para seleccionar un número predeterminado
de casos (tamaño de la muestra), mientras que en la investigación cualitativa usted
no decide el número de encuestados por adelantado, pero continúa para seleccionar
casos adicionales hasta llegar al punto de saturación de datos. Además, en la
investigación cualitativa, se le predominantemente utilizar estrategias de muestreo
de juicio y accidentales para seleccionar a los encuestados. Expertos de muestreo
es muy similar al muestreo de juicio de expertos, excepto que en el muestreo de la
población de muestreo comprende expertos en el campo de la investigación.
También puede utilizar las cuotas y el muestreo de bola de nieve en la investigación
cualitativa, pero sin tener un número predeterminado de casos en cuenta (tamaño
de la muestra).
Cuota de muestreo La principal consideración dirigir el muestreo por cuotas es la
facilidad de acceso a la población de la muestra del investigador. Además de la
comodidad, se le guiará por alguna característica visible, como el sexo o la raza, de
la población de estudio que es de interés para usted. La muestra se selecciona de
un lugar conveniente para usted como investigador, y cada vez que una persona
con esta característica relevante visible es visto se le pide a esa persona a participar
en el estudio. El proceso continúa hasta que haya sido capaz de ponerse en
contacto con el número requerido de los encuestados (cuota). Supongamos que
desea seleccionar una muestra de 20 estudiantes de sexo masculino con el fin de
averiguar la edad media de los estudiantes de sexo masculino en su clase. Usted
decide hasta situarse en la entrada de la sala de clase, ya que esto es conveniente,
y cada vez que un alumno entra en el aula, se pregunta su edad. Este proceso
continúa hasta que haya pedido a 20 estudiantes de su edad. Alternativamente, es
posible que desee obtener información sobre las actitudes de los estudiantes
aborígenes e isleños hacia las instalaciones previstas para ellos en su universidad.
Es posible que situarse en un lugar conveniente y, cada vez que vea un estudiante
tales, recopilar la información requerida a través de cualquier método de recolección
de datos (como la entrevista, cuestionario) que haya adoptado para el estudio. Las
ventajas de utilizar este diseño son: es la forma menos costosa de selección de una
muestra; usted no necesita ninguna información, tales como marco de muestreo, el
número total de elementos,
Capítulo 12: selección de una muestra 207
su localización, u otra información acerca de la población de muestreo; y garantiza
la inclusión de la clase de gente que necesita. Las desventajas son: que la muestra
resultante no es una probabilidad, los resultados no pueden ser generalizados a la
población total de muestreo; y los individuos más accesibles podrían tener
características que son únicas para ellos y, por tanto, podría no ser verdaderamente
representativa de la población total de muestreo. Usted puede hacer su muestra
más representativa de la población de estudio, seleccionándolo desde varios
lugares donde las personas de interés para que puedan estar disponibles.
muestreo accidental de muestreo accidental también se basa en la comodidad en
el acceso a la población de muestreo. Mientras que el muestreo por cuotas intenta
incluir a las personas que poseen una característica evidente / visible, el muestreo
accidental no hace tal intento. Dejas de la recogida de datos cuando se alcanza el
número necesario de los encuestados que decidieron tener en su muestra. Este
método de muestreo es común entre los periodistas de investigación de mercado y
de periódicos. Tiene más o menos las mismas ventajas y desventajas que el
muestreo por cuotas, pero, además, ya que no son guiados por ningún cas de
carácter obvias, algunas personas pueden no tener contacto con la información
requerida.
Judgemental o intencional muestreo La consideración primordial en el muestreo
intencional es su criterio en cuanto a que puede proporcionar la mejor información
para alcanzar los objetivos de su estudio. Usted como investigador va solamente a
aquellas personas que, en su opinión puedan tener la información necesaria y estar
dispuestos a compartirlo con ustedes. Este tipo de muestreo es de gran utilidad
cuando se quiere construir una realidad histórica, describir un fenómeno o
desarrollar algo de lo que se conoce muy poco. Esta estrategia de muestreo es más
común en la investigación cualitativa, pero cuando lo utiliza en la investigación
cuantitativa que seleccionar un número predeterminado de personas que, a su
juicio, están mejor posicionados para proporcionarle la información necesaria para
su estudio.
Expertos de muestreo La única diferencia entre el muestreo y toma de muestras de
juicio de expertos es que en el caso del primero es enteramente su criterio en cuanto
a la capacidad de los participantes para contribuir al estudio. Pero en el caso de
muestreo de expertos, los encuestados deben ser conocidos expertos en el campo
de su interés. Esto se utiliza de nuevo en ambos tipos de investigación, pero más
aún en estudios de investigación cualitativa. Cuando se utiliza en la investigación
cualitativa, el número de personas con las que hable con depende del punto de
saturación de datos, mientras que en la investigación cuantitativa a decidir sobre el
número de expertos para ser contactado sin tener en cuenta el punto de saturación.
En primer lugar, identificar a las personas con experiencia demostrada o conocido
en un área de interés para usted, obtener su consentimiento para la participación, y
luego recoger la información, ya sea individual o colectivamente, en forma de un
grupo.
bola de nieve bola de nieve es el proceso de selección de una muestra utilizando
redes. Para empezar, unos pocos individuos en un grupo u organización son
seleccionados y la información requerida se obtenga de ellos. Luego se les pide
identificar a otras personas en el grupo u organización, y las personas
seleccionadas por ellos se convierten en una parte de la muestra. La información
se obtiene de ellos, y luego se les pide a estas personas a identificar a otros
miembros del grupo y, a su vez, los identificados se convierten en la base de una
mayor recolección de datos (Figura 12.7). Este proceso se continúa hasta que se
ha alcanzado el número requerido o un punto de saturación, en términos de la
información que se busca. Esta técnica de muestreo es útil si se sabe poco sobre el
grupo u organización que desea estudiar, ya que sólo se necesita para hacer
contacto con algunas personas, que a continuación se pueden dirigir a los demás
miembros del grupo. Este método de selección de una muestra es útil para estudiar
los patrones de comunicación, toma de decisiones o la difusión del conocimiento
dentro de un grupo. Hay desventajas de esta técnica, sin embargo. La elección de
la totalidad de la muestra se basa en la elección de los individuos en la primera
etapa. Si pertenecen a una facción determinada o tienen fuertes prejuicios, el
estudio puede estar sesgada. Además, es difícil utilizar esta técnica cuando la
muestra se vuelve bastante grande.
diseño de muestreo sistemático: un diseño "mixto"
El muestreo sistemático se ha clasificado como un diseño de muestreo "mixto", ya
que tiene las características de ambos diseños de muestreo aleatorios y no
aleatorios. En el muestreo sistemático del marco de muestreo se divide primero en
un número de segmentos llamados intervalos. Entonces, desde el primer intervalo,
utilizando la técnica de SRS, se selecciona un elemento. La selección de los
elementos posteriores de otros intervalos depende del orden del elemento
seleccionado en el primer intervalo. Si en el primer intervalo es el quinto elemento,
el quinto elemento
Capítulo 12: selección de una muestra
de cada intervalo siguiente será elegido. Note que desde el primer intervalo de la
elección de un elemento es de forma aleatoria, pero la elección de los elementos de
intervalos posteriores depende de la elección de la primera, y por lo tanto no puede
ser clasificado como una muestra aleatoria. El procedimiento utilizado en el
muestreo sistemático se presenta en la figura 12.8.
Aunque el procedimiento general para la selección de una muestra mediante la
técnica de muestreo sistemático se ha descrito anteriormente, puede desviarse de
él mediante la selección de un elemento diferente de cada intervalo con la técnica
SRS. Con la adopción de esta, el muestreo sistemático puede clasificarse en los
diseños de muestreo probabilístico. Para seleccionar una muestra aleatoria debe
tener un marco de muestreo (Figura 12.9). A veces esto no es posible, o la obtención
de uno puede ser demasiado caro. Sin embargo, en la vida real, hay situaciones en
las que existe una especie de marco de muestreo, por ejemplo, registros de clientes
en una agencia, las listas de inscripción de alumnos de un colegio o universidad, las
listas electorales de las personas que viven en un área, o un registro del personal
empleado en una organización. Todos estos pueden ser utilizados como un marco
de muestreo para seleccionar una muestra con la técnica de muestreo sistemático.
Esta conveniencia de contar con un marco de muestreo 'ready-made' puede ser un
precio: en algunos casos puede no ser realmente una lista aleatoria. Mayormente
estas listas están en orden alfabético, en base a un número asignado a un caso, o
dispuesto de manera que sea conveniente para los usuarios de los registros. Si el
'ancho de un intervalo' es grande, digamos, 1 de cada 30 casos, y si los casos están
dispuestos en orden alfabético, se podía impedir algunos cuyos apellidos comenzar
con la misma letra o alguna letra contigua pueden no estar incluidas en absoluto.
Supongamos que hay 50 estudiantes en una clase y desea seleccionar 10
estudiantes utilizando la técnica de muestreo sistemático. El primer paso es
determinar la amplitud del intervalo de (50/10 = 5). Esto significa que de cada cinco
es necesario seleccionar un elemento. Utilizando la técnica de SRS, desde el primer
intervalo (1-5 elementos), seleccione uno de los elementos. Supongamos que ha
seleccionado el tercer elemento. Del resto de los intervalos se seleccionaría cada
tercer elemento.