Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MUESTREO
MUESTREO
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
DEDICATORIA
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
ÍNDICE
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
MUESTREO
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
Por ejemplo, un estudio que deba pedir voluntarios no es representativo de una
población. En tales casos, el investigador debe saber que no puede extrapolar los
resultados para representar a toda una población.
Un estudio sobre enfermedades cardíacas que sólo analiza hombres de mediana edad,
entre 40 y 60 años, dirá muy poco acerca de las enfermedades cardíacas en las mujeres u
hombres más jóvenes, aunque servirá como base para una investigación futura que
involucre otros grupos.
Aunque el diseño de la investigación sea fuerte, siempre hay una inexactitud inherente en
cualquier experimento basado en muestras, debido a las fluctuaciones del azar y la
variedad natural. La mayoría de las pruebas estadísticas tienen esto en cuenta y por eso
los resultados son evaluados a un nivel de significancia o se les da un margen de error.
El muestreo es una parte esencial de casi toda la investigación y los investigadores deben
saber cómo elegir los grupos de muestras que tengan la menor cantidad de sesgo posible
y saber hasta qué punto pueden extrapolar sus resultados a la población en general.
CONCEPTOS BÁSICOS
GRUPO DE MUESTRA
Antes de tomar una muestra, los miembros de la población de estudio deben ser
identificados en una lista llamada marco de muestreo. Cada miembro del marco de
muestreo se llama unidad de muestreo.
Por ejemplo, alguien puede querer saber detalles sobre las tendencias de compra de la
gente que concurre los domingos a una determinada tienda de comestibles.
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
Entonces, las personas que concurren a esa tienda los domingos constituyen un marco de
muestreo y cada cliente es una unidad de muestreo.
La fracción de muestreo es la proporción entre el tamaño de la muestra y el tamaño de la
población. Por ejemplo, si elegiste 10 clientes de un total de 1000 que concurren a la
tienda de comestibles, la fracción de muestreo será de 1%.
Las unidades de muestreo pueden ser individuos o grupos. Por ejemplo, en un estudio con
animales, puedes seleccionar animales o grupos de animales, como manadas, granjas o
regiones administrativas.
TIPOS DE MUESTREO
¿Cómo obtener el tan deseado grupo de muestra? Existen dos tipos de muestreo:
Muestreo No Probabilístico
En el muestreo no probabilístico, la elección del grupo de muestra queda en manos
del investigador, por lo que siempre aparece un elemento de sesgo en tales estudios.
Muestreo Probabilístico
En el muestreo probabilístico, la selección de la muestra se realiza mediante un
proceso deliberado e imparcial para que todas las unidades de muestra en un grupo
tengan las mismas oportunidades de ser seleccionadas. Ésta es la base del muestreo
aleatorio.
El muestreo probabilístico se utiliza con mayor frecuencia en la investigación
experimental. La aleatorización se realiza para elegir muestras de manera que cada
una tenga la misma probabilidad de ser seleccionada, minimizando o eliminando
el sesgo por completo.
POBLACIÓN DE LA INVESTIGACIÓN
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
Una población de la investigación también es conocida como una colección bien definida
de individuos u objetos que tienen características similares. Todas las personas u objetos
dentro de una determinada población por lo general tienen una característica o rasgo en
común.
Por lo general, la descripción de la población y las características comunes de sus
miembros son las mismas. "Los funcionarios del gobierno" constituyen un grupo bien
definido de personas que pueden ser consideradas una población y todos los miembros de
esta población son de hecho funcionarios del gobierno.
Población Accesible
La población accesible es la población en la investigación sobre la que los
investigadores pueden aplicar sus conclusiones. Esta población es un subconjunto
de la población objetivo y también se conoce como la población de estudio. Los
investigadores sacan sus muestras de la población accesible.
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
TAMAÑO DE LA MUESTRA
2. Nivel De Confianza
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
El intervalo de confianza es la medida estadística del número de veces de cada 100
que se espera que los resultados se encuentren dentro de un rango específico.
Por ejemplo, un intervalo de confianza de 90% significa que los resultados de una
acción probablemente cubrirán las expectativas el 90% de las veces.
La idea básica descripta en el Teorema del límite central es que cuando una
población se muestrea muchas veces, el valor promedio de un atributo obtenido es
igual al valor real de la población. En otras palabras, si un intervalo de confianza es
del 95%, significa que 95 de 100 muestras tendrán el valor real de la población
dentro del rango de precisión.
3. Grado De Variabilidad
Dependiendo de la población objetivo y los atributos a considerar, el grado
de variabilidad varía considerablemente. Cuanto más heterogénea sea una
población, mayor deberá ser el tamaño de la muestra para obtener un nivel
óptimo de precisión. Ten en cuenta que una proporción de 55% indica un nivel más
alto de variabilidad que un 10% o un 80%. Esto se debe a que 10% y 80% significa
que una gran mayoría no posee o posee el atributo en cuestión.
Existen muchos enfoques para determinar el tamaño de la muestra, incluyendo el uso de
un censo en el caso de poblaciones más pequeñas, el uso de tablas publicadas, imitar un
tamaño de muestra de estudios similares y aplicar fórmulas para calcular un tamaño de la
muestra.
ALEATORIEDAD
¿QUÉ ES LA ALEATORIEDAD?
Supongamos que tienes cinco barras de chocolates y un total de 8 amigos para repartirles
estos chocolates.
¿Cómo vas a hacerlo de modo que todo el proceso de distribución tenga el mínimo
de sesgo?
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
Puedes escribir los nombres de cada uno de tus amigos en un pequeño trozo de papel
diferente y doblarlos para que nadie sepa qué nombre está en cada papel. Luego le pides
a alguien que saque 5 nombres y les das un chocolate a esos 5. Así eliminarás el sesgo sin
lastimar los sentimientos de ningún amigo. La forma en que lo hiciste se llama
aleatoriedad.
En las pruebas controladas aleatorias, los participantes de la investigación son asignados
al azar, no por elección, tanto para el grupo experimental como para el grupo de control.
La aleatoriedad reduce el sesgo al máximo. La aleatoriedad es diseñada para "controlar"
(reducir o eliminar, si es posible) el sesgo.
El objetivo fundamental de la aleatoriedad es tener la certeza de que cada tratamiento
tenga la misma probabilidad de ser aplicado a todas las unidades experimentales.
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
En las pruebas de doble ciego, ni los participantes ni los investigadores saben a qué
grupo pertenece cada participante ni qué tratamiento está recibiendo hasta la
conclusión del estudio.
El sesgo es el elemento más indeseado en las pruebas controladas aleatorias y la
aleatoriedad brinda a los investigadores una herramienta excelente para reducir o
eliminar el sesgo al máximo. La ausencia de sesgo implica resultados del estudio más
fiables y brinda legitimidad tanto a la investigación como a los investigadores.
MUESTREO
TÉCNICAS DE MUESTREO DE POBLACIÓN
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
Las técnicas de muestreo estadístico son las estrategias aplicadas por los
investigadores durante el proceso de muestreo estadístico.
Practicabilidad
La practicabilidad de las técnicas de muestreo estadístico permite que los
investigadores estimen el número posible de sujetos que puedan ser incluidos en
la muestra, el tipo de técnica de muestreo, la duración del estudio, el número de
materiales, las preocupaciones éticas, la disponibilidad de los sujetos/muestras, la
necesidad del estudio y la cantidad de mano de obra que el estudio exija.
Todos estos factores contribuyen a las decisiones que tome el investigador con
respecto al diseño del estudio.
Riesgos de muestreo
Existen dos tipos de riesgos de muestreo: primero, el riesgo de aceptación
incorrecta de la hipótesis de investigación y segundo, el riesgo de rechazo
incorrecto. Estos riesgos se refieren a la posibilidad de que cuando se lleva a cabo
una prueba sobre una muestra, los resultados y conclusiones puedan ser
diferentes de los resultados y conclusiones cuando la prueba se lleva a cabo para
toda la población.
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
El riesgo de la aceptación incorrecta se refiere al riesgo de que la muestra pueda
arrojar una conclusión que apoye una teoría sobre la población cuando en realidad
no existe en la población. Por otro lado, el riesgo de un rechazo incorrecto se
refiere al riesgo de que la muestra pueda arrojar una conclusión que rechace una
teoría sobre la población cuando en realidad la teoría es cierta en la población.
Comparando los dos tipos de riesgos, los investigadores temen más el riesgo de
rechazo correcto que el riesgo de aceptación incorrecta. Veamos este ejemplo: se
probó una droga experimental por sus efectos secundarios debilitantes. Con el
riesgo de la aceptación incorrecta, el investigador concluirá que la droga tiene
efectos secundarios negativos pero la verdad es que no es así. Entonces, toda la
población se abstendrá de tomar el medicamento. Pero con el riesgo de un
rechazo incorrecto, el investigador concluirá que la droga no tiene efectos
secundarios negativos. Luego, toda la población tomará la droga sabiendo que no
tiene efectos secundarios, pero todos sufrirán las consecuencias del error del
investigador.
DISTRIBUCIÓN DE MUESTREO
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
OTRAS DISTRIBUCIONES
Estas fórmulas son válidas únicamente cuando la población se distribuye normalmente. Si
éste no es el caso, entonces la media y la desviación estándar de la distribución de
muestreo serán diferentes y dependerán del tipo de distribución de la población.
La distribución normal es una de las distribuciones de probabilidad más simples, por lo
que es muy fácil de estudiar y analizar. Podemos encontrar fácilmente fórmulas
matemáticas para las estadísticas de distribución de muestreo que queremos encontrar.
Sin embargo, cuando la distribución no es normal, esto puede ser muy complicado y tales
formulaciones matemáticas sencillas podrían ser difíciles de encontrar o hasta imposibles
en algunos casos. En estos casos, usamos métodos aproximados porque encontrar el valor
exacto implicará el estudio de cada muestra de tamaño n tomada de la población, lo que
es muy difícil y requiere mucho tiempo.
ERROR DE MUESTREO
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
El error del proceso de muestreo ocurre cuando los investigadores toman diferentes
sujetos de la misma población, y, aun así, los sujetos tienen diferencias individuales. Debes
recordar que cuando tomas una muestra, se trata de un subconjunto de toda la población
y, por lo tanto, puede haber una diferencia entre la muestra y la población.
La causa más frecuente de dicho error es un procedimiento de muestreo sesgado. Todo
investigador debe tratar de establecer una muestra que esté libre de sesgos y sea
representativa de toda la población. Así, el investigador es capaz de minimizar o eliminar
el error de muestreo.
Otra causa posible de este error es la casualidad. Se lleva a cabo el proceso
de aleatorización y muestreo de probabilidad para minimizar el error del proceso de
muestreo, pero igualmente es posible que todos los sujetos asignados al azar no sean
representativos de la población.
El resultado más común de error de muestreo es el error sistemático en donde los
resultados de la muestra difieren significativamente de los resultados de toda la
población. Se entiende que, si la muestra no es representativa de toda la población, lo
más probable es que los resultados de la muestra difieran de los resultados de toda la
población.
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
Dados dos estudios exactamente iguales, dos métodos de muestreo iguales y la misma
población, el estudio con un tamaño de muestra más grande tendrá menos error del
proceso de muestreo que el estudio con un tamaño menor de la muestra. Debes recordar
que a medida que aumenta el tamaño de la muestra, se acerca al tamaño de toda la
población y, por lo tanto, se aproxima a todas las características de la población,
disminuyendo el error del proceso de muestreo.
ERROR DE ERROR DE
MUESTRA MUESTRA
MUESTREO MUESTREO
POBLACIÓN POBLACIÓN
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
Los errores de muestreo aleatorio son una clase de error experimental que todos
deberían conocer.
Cualquiera que lea encuestas en Internet o en los periódicos debe saber que los errores de
muestreopueden influir enormemente en los datos y llevar a la gente a
sacar conclusiones incorrectas.
Para agravar aún más los errores de muestreo aleatorio, muchas empresas de encuestas,
periódicos y expertos son conscientes de esto y manipulan las encuestas para mostrar
resultados favorables.
En cualquier experimento donde es imposible hacer un muestreo de toda una población,
generalmente debido a la practicidad y a los costos, se debe utilizar una muestra
representativa.
Por supuesto, un grupo de muestra nunca podrá coincidir plenamente con toda la
población y siempre habrá alguna probabilidad de error de muestreo aleatorio.
Cualquier investigador debe esforzarse por garantizar que la muestra sea lo más
representativa posible y las pruebas estadísticas tienen controles y equilibrios
incorporados para lograr esto.
Para mostrar cómo asegurarte de que tus estadísticas sean lo más precisas posible,
utilizaremos el ejemplo de una encuesta de opinión. Se trata de una de las
representaciones de datos más comúnmente malinterpretadas y el no tomar en cuenta
los matices de las estadísticas pueden brindar una imagen incorrecta.
Por ejemplo, si una encuesta da al partido político (A) el 42% de los votos y
al (B) el 39%, esto abre una serie de resultados posibles. (A) podría tener
un 45% y (B) un 36%. Ambos podrían tener el 39% o (B) podría estar al
frente, 42% contra 39%. Obviamente, los resultados podrían mostrar
cualquier variación entre esos extremos. Bastante complicado, ¿no?
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
Para complicar todo aún más, incluso este error de muestreo aleatorio puede ser muy
impreciso. Cualquier encuesta de opinión puede dar el margen de error, pero esto puede
transmitir una sensación falsa de seguridad y hacer que la gente suponga que los
resultados "deben" estar en este rango.
De hecho, estas cifras podrían estar completamente equivocadas y los números ser
solamente estimativos.
Además, las familias pobres no siempre tienen una línea telefónica fija y utilizan celulares
no registrados, dejando de nuevo un gran margen para la inexactitud. En estos casos, los
márgenes de error serían perfectamente aceptables pero los resultados generales
seguirían estando muy equivocados.
Las empresas de sondeo modernas son muy hábiles para diseñar encuestas
para seleccionar muestras de muchos elementos de la población, por muchos medios. Por
eso, rara vez ocurren grandes errores. A pesar de esto, las encuestas de opinión siempre
deben ser tomadas como una guía solamente, no como una representación exacta de
cómo es probable que se desarrolle una elección.
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
Las estadísticas sólo pueden trabajar con los datos brindados y si tu diseño no está bien
pensado, no podrá cubrir estos errores. La basura que entra es sin duda basura que tiene
que salir.
MUESTREO PROBABILÍSTICO
MUESTREO PROBABILÍSTICO Y ALEATORIZACIÓN
En esta técnica de muestreo, el investigador debe garantizar que cada individuo tenga las
mismas oportunidades de ser seleccionado y esto se puede lograr si el investigador utiliza
la aleatorización.
La ventaja de utilizar una muestra aleatoria es la ausencia de sesgos de
muestreo y sistemáticos. Si la selección aleatoria se hace correctamente, la muestra será
representativa de toda la población.
El efecto de esto es un sesgo sistemático ausente o mínimo que es la diferencia entre los
resultados de la muestra y los resultados de la población. El sesgo de muestreo también se
elimina ya que los sujetos son elegidos al azar.
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
son inicialmente agrupados en diferentes categorías, tales como la edad, el nivel
socioeconómico o el género.
Luego, el investigador selecciona aleatoriamente la lista final de sujetos de los
distintos estratos. Es importante tener en cuenta que los estratos no se
superpongan.
Generalmente, los investigadores utilizan un muestreo aleatorio estratificado si
quieren estudiar un determinado subgrupo dentro de la población. También es
preferible el simple porque garantiza resultados estadísticos más precisos.
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
La mayoría de las investigaciones se realizan en diferentes etapas y en cada etapa se
aplica una técnica de muestreo aleatorio diferente.
MUESTREO ALEATORIO
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
Es importante tener en cuenta que los estratos no deben superponerse. Que los
subgrupos se superpongan dará a algunos individuos mayores probabilidades de ser
seleccionados como sujetos. Esto niega completamente el concepto de muestreo
estratificado como un tipo de muestreo probabilístico.
Igualmente importante es el hecho de que el investigador debe utilizar un muestreo
probabilístico simple dentro de los diferentes estratos.
Los estratos más comunes utilizados en el muestreo aleatorio estratificado son la edad, el
género, el nivel socioeconómico, la religión, la nacionalidad y el nivel de estudios
alcanzado.
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
población. Esto permite que los investigadores prueben a los extremos de la
población.
Con esta técnica, tienes una precisión estadística más elevada en comparación
con el muestreo aleatorio simple. Esto se debe a que la variabilidad dentro de los
subgrupos es menor en comparación con las variaciones cuando se trata de toda
la población. Debido a que esta técnica tiene una alta precisión estadística, exige
un tamaño de la muestra menor que puede ahorrar mucho tiempo, dinero y
esfuerzo de los investigadores.
Supongamos que tienes 3 estratos con 100, 200 y 300 tamaños de la población,
respectivamente. El investigador eligió una fracción de muestreo de ½. Luego, el
investigador debe probar al azar 50, 100 y 150 sujetos de cada estrato,
respectivamente.
ESTRATO A B C
TAMAÑO DE LA POBLACIÓN 100 20 300
0
FRACCIÓN DE MUESTREO ½ ½ ½
En esta TAMAÑO FINAL DE LA 50 10 150 técnica, lo
MUESTRA 0 importante es
recordar el uso de la misma fracción de muestreo en cada estrato,
independientemente de las diferencias en el tamaño de la población de los
estratos. Es muy parecido a reunir una población más pequeña que sea específica
de las proporciones relativas de los subgrupos dentro de la población.
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
La precisión de este diseño es altamente dependiente de la asignación de fracción
de muestreo del investigador. Si el investigador comete errores en la asignación de
fracciones de muestreo, un estrato puede ser representado en exceso o
insuficientemente y dará resultados sesgados.
MUESTREO SISTEMÁTICO
Número de inicio:
El investigador selecciona un número entero que debe ser menor al número total
de individuos en la población. Este número entero corresponderá al primer sujeto.
Intervalo:
El investigador elige otro número entero que servirá como la diferencia constante
entre dos números consecutivos en la progresión.
El número entero se selecciona típicamente de modo que el investigador obtenga el
tamaño de la muestra correcto.
Por ejemplo, el investigador tiene una población total de 100 individuos y necesita 12
sujetos. Primero elige su número de partida, 5.
Luego, el investigador elige su intervalo, 8. Los miembros de su muestra serán los
individuos 5, 13, 21, 29, 37, 45, 53, 61, 69, 77, 85, 93.
Otros investigadores utilizan una técnica de muestreo aleatorio sistemático modificada en
donde primero identifican el tamaño de la muestra necesario. A continuación, dividen el
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
número total de la población por el tamaño de la muestra para obtener la fracción de
muestreo. La fracción de muestreo luego se utiliza como la diferencia constante entre los
sujetos.
NOTAS
Dado que el muestreo aleatorio sistemático es un tipo de muestreo probabilístico,
el investigador debe garantizar que todos los miembros de la población tengan las
mismas posibilidades de ser seleccionados como el punto de partida o sujeto
inicial.
El investigador debe estar seguro de que el intervalo constante elegido entre los
sujetos no refleje un cierto patrón de rasgos presentes en la población. Si existe un
patrón en la población y coincide con el intervalo establecido por el investigador, la
aleatoriedad de la técnica de muestreo se ve comprometida.
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
En primer lugar, el investigador selecciona grupos o conglomerados y de cada grupo
selecciona a los sujetos individuales, ya sea por muestreo aleatorio simple o muestreo
aleatorio sistemático.
El investigador también puede optar por incluir a todo el conglomerado, no sólo a un
subconjunto.
El conglomerado más utilizado en la investigación es un conglomerado geográfico.
Por ejemplo, un investigador desea estudiar el rendimiento académico de los estudiantes
secundarios en España.
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
En el muestreo aleatorio estratificado, se realiza el muestreo en todos los estratos de la
población, mientras que en el muestreo por conglomerados el investigador sólo
selecciona aleatoriamente un número de conglomerados de la colección de
conglomerados de toda la población. Por lo tanto, sólo se realiza una muestra sobre una
cantidad de conglomerados. Los demás quedan sin representación.
MUESTREO DESPROPORCIONADO
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
MUESTREO NO PROBABILÍSTICO
MUESTREO NO PROBABILÍSTICO
Muestreo Consecutivo
El muestreo consecutivo es muy similar al muestreo por conveniencia, excepto que
intenta incluir a TODOS los sujetos accesibles como parte de la muestra. Esta
técnica de muestreo no probabilístico puede ser considerada la mejor muestra no
probabilística, ya que incluye a todos los sujetos que están disponibles, lo que hace
que la muestra represente mejor a toda la población.
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
Muestreo Discrecional
El muestreo discrecional es más comúnmente conocido como muestreo
intencional. En este tipo de toma de muestras, los sujetos son elegidos para formar
parte de la muestra con un objetivo específico. Con el muestreo discrecional, el
investigador cree que algunos sujetos son más adecuados para la investigación que
otros. Por esta razón, aquellos son elegidos deliberadamente como sujetos.
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
Los sujetos de una investigación específica, son seleccionados para el estudio sólo porque
son más fáciles de reclutar y el investigador no está considerando las características de
inclusión de los sujetos que los hace representativos de toda la población.
En todas las formas de investigación, sería ideal generalizar los resultados a la totalidad de
la población, pero en la mayoría de los casos, la población es demasiado grande y resulta
imposible incluir cada individuo. Esta es la razón por la cual la mayoría de los
investigadores utilizan técnicas de muestreo, como el muestreo de conveniencia, la más
común de todas las técnicas de muestreo. Muchos investigadores prefieren esta técnica
de muestreo, ya que es rápida, barata, fácil y, sobre todo, los sujetos están disponibles.
EJEMPLOS
Uno de los ejemplos más comunes de muestreo de conveniencia se realiza utilizando
estudiantes voluntarios como sujetos de la investigación. Otro ejemplo es el uso de
sujetos que se han seleccionado de una clínica, una clase o una institución ya que para el
investigador es de fácil el acceso a estas instituciones. Un ejemplo más concreto es la
selección de cinco personas de una clase o incluso la selección de los cinco primeros
nombres de la lista de pacientes de una lista en una institución médica.
En estos ejemplos, el investigador inadvertidamente excluye una gran proporción de la
población. Una muestra de conveniencia es o bien una selección de sujetos que son
accesibles para el investigador o una selección de personas que deseen participar como
voluntarios.
USOS
Los investigadores utilizan el muestreo de conveniencia no sólo porque es fácil de usar,
sino porque también tiene otras ventajas para la investigación.
En Pruebas Piloto, la muestra de conveniencia se suele utilizar ya que permite al
investigador obtener los datos básicos y las tendencias con respecto a su estudio, sin las
complicaciones del uso de una muestra aleatoria.
Esta técnica de muestreo es también útil para documentar que una calidad particular de
una sustancia o fenómeno se produce dentro de una muestra dada. Tales pruebas piloto,
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
o de prueba inicial son también muy útiles para la detección de relaciones entre los
fenómenos diferentes.
NOTAS
Cuando se utiliza el muestreo por/ de conveniencia, es necesario describir cómo la
muestra de las pruebas en la investigación actual sería diferente de la muestra ideal,
seleccionada al azar. También es necesario describir los individuos que podrían quedar por
fuera durante el proceso de selección o los individuos que están sobrerrepresentados en
la muestra.
En relación a esto, es mejor si se pueden describir los posibles efectos que, los sujetos no-
incluidos en la muestra o los que están sobrerrepresentados, pueden proporcionar a los
resultados. Esto permitirá a los lectores de la investigación obtener una buena
comprensión de la muestra que se prueba. También les permitirá estimar la posible
diferencia entre los resultados en ésta prueba piloto y los resultados que se podrían dar si
representada correctamente toda la población.
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
socioeconómico. Luego, toma nota de las proporciones de estos subgrupos en toda la
población y a continuación hace un muestreo de cada subgrupo.
MUESTREO DISCRECIONAL
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
Los investigadores utilizan este método de muestreo si la muestra para el estudio es muy
rara o si está limitada a un subgrupo muy pequeño de la población. Este tipo de técnica de
muestreo funciona en cadena. Luego de observar al primer sujeto, el investigador le pide
ayuda a él para identificar a otras personas que tengan un rasgo de interés similar.
El proceso de muestreo de bola de nieve es como pedirles a tus sujetos que designen a
otra persona con el mismo rasgo como el próximo sujeto. Luego, el investigador observa a
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
los sujetos designados y sigue de la misma manera hasta obtener el número suficiente de
sujetos.
Por ejemplo, para obtener sujetos para un estudio que quiere analizar una enfermedad
rara, el investigador puede elegir utilizar el muestreo de bola de nieve, ya que será difícil
obtener sujetos. También es posible que los pacientes con la misma enfermedad tengan
un grupo de apoyo, y si uno de sus miembros es tu primer sujeto, lo más probable es que
allí encuentres más sujetos para el estudio.
21
UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA” DE ICA
El proceso en cadena permite que el investigador llegue a poblaciones que son
difíciles de probar cuando se utilizan otros métodos de muestreo.
El proceso es barato, simple y rentable.
Esta técnica de muestreo necesita poca planificación y menos mano de obra que
otras técnicas de muestreo.
21