Conceptos Genereales Acerca Del Muestreo

1
Conceptos generales
1.1. ¿QUÉ ES EL MUESTREO?
El muestreo es, antes que nada, una herramienta de la investi-

gación científica. En su formulación más general, puede decirse
que su función básica es determinar qué parte de una realidad en
estudio (a la que suele llamarse población o universo) debe exami-
narse con la finalidad de hacer inferencias sobre el todo de la que
procede.
En la vida común se usa con mucha frecuencia el recurso de
pronunciarse sobre un fenómeno o asunto sin haberlo observado
exhaustivamente; o sea, basándose en un conocimiento parcial del
mismo. Esta conducta abarca las más diversas esferas; por ejemplo,
luego de algunos contactos con un país, se vierten criterios sobre
sus habitantes o, partiendo de dos novelas de un escritor, se opina
Copyright © 1993. Ediciones Díaz de Santos. All rights reserved.
sobre su obra.
Naturalmente, un proceso inductivo de esta naturaleza (que va
de lo particular a lo general) se asocia inevitablemente a la posibili-
dad de cometer errores. Es claramente intuitivo que el error está
llamado a ser mayor en la medida que la parte observada sea más
pequeña y, sobre todo, en la medida que dicha parte no refleje o
«represente» la realidad sobre la que recaerán las conclusiones de
la inferencia.
El error que se comete debido al hecho de que se sacan conclu-
siones sobre cierta realidad, a partir de la observación de sólo una
parte de ella, se denomina error de muestreo.
El muestreo, como proceder científico, procura aportar méto-
dos que aseguren —en una medida razonable— la selección de
una parte del universo que le sirva de modelo. En efecto, debe
notarse que en el problema del universo y la muestra estamos ante
un excelente ejemplo del proceso de representación de la realidad
1
Silva, Ayçaguer, Luis Carlos. Muestreo para la investigación en ciencias de la salud, Ediciones Díaz de Santos, 1993.
ProQuest Ebook Central, http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3175129.
Created from unadsp on 2020-03-12 14:05:17.
2 MUESTREO PARA LA INVESTIGACIÓN EN CIENCIAS DE LA SALUD
objetiva mediante un modelo. Obtener una «buena muestra» signi-

fica, precisamente, obtener una versión simplificada de la pobla-
ción, que reproduzca de algún modo sus rasgos básicos (Silva,
1977). Kish (1989b) habla de que la muestra sería un «espejo» de la
población, o una «población en miniatura».
En rigor, la tarea del muestrista va más allá: además de determi-
nar el método de selección de la muestra y, por tanto, su tamaño,
ha de establecer los procedimientos que habrán de aplicarse a los
resultados para sacar conclusiones válidas.
Diversas razones prácticas pueden mencionarse para justificar
el uso de esta técnica. Sin embargo, en última instancia, la funda-
mental es la necesidad de ahorrar recursos.
Por lo general, resulta virtualmente imposible estudiar a todos
los individuos que integran una población (o sea, realizar un cen-
so). Este imperativo económico ha estado presente siempre, pero
no es hasta la década de 1930, con un célebre trabajo presentado
por J. Neyman en 1934 ante la Royal Statistical Society 1, cuando
se comienza a desarrollar una teoría orgánica de las técnicas que
permiten superar esa dificultad de manera científica. El impulso
vital se produjo fundamentalmente en Gran Bretaña, Estados Uni-
dos y, más tarde, en la India y los países escandinavos.
El uso del muestreo fue generalizándose y sus bases teóricas
experimentaron un proceso de cimentación, hasta hacer de esta

disciplina una rama con «personalidad» propia dentro de la esta-
dística. Los siguientes datos reflejan elocuentemente tanto la ju-
ventud de esta disciplina como su rápida universalización: mien-
tras que el International Statistical Institute (ISI) se fundó en el
siglo pasado y constituye una de las asociaciones científicas inter-
nacionales más antiguas que funcionan en la actualidad, no es has-
ta 1971 cuando se establece la Asociación Internacional de Mues-
tristas (International Association of Sampling Statisticians), como
sección del ISI. Pero en 1990 ya contaba con 1240 miembros de
119 países (ver IASS, 1990).
1
Algunos de los resultados allí expuestos, sin embargo, habían sido publicados 10 años
antes por el ruso A. A. Chuprov, según reseñan Azorín y Sánchez-Crespo (1986).
CONCEPTOS GENERALES 3
1.2. EL MUESTREO COMO HERRAMIENTA DEL MÉTODO

CIENTÍFICO
Como se ha dicho, las técnicas muestrales son herramientas de

trabajo, fundamentalmente puestas en función de la investigación
científica, aunque también se utilizan bastante en otras áreas,
como la llamada indagación de mercado. Constituyendo la investi-
gación el ámbito natural en el que opera el muestreo y, siendo ella
una actividad que con más frecuencia de la deseada es objeto de
confusión, no resulta ocioso detenerse brevemente a caracterizarla
y adelantar algunas reflexiones.
La investigación científica es una actividad de naturaleza cog-
noscitiva; es decir, una acción destinada a obtener nuevos conoci-
mientos que cubran una laguna dejada por algo que se ignora, o
que contribuya a la comprensión de algo que se domina imperfec-
tamente (Silva, 1989).
Ello supone necesariamente, la existencia de preguntas clara-
mente definidas sobre un dominio concreto, o bien, si el alcance
del problema y la madurez del autor lo consienten, la formulación
de hipótesis que exijan del método científico para su evaluación
rigurosa (Silva, 1991).
El francés Jean Dausset, galardonado con el premio Nobel de
física en 1980, insiste en la necesidad de distinguir entre dos nocio-

nes que son objeto de frecuente confusión: ciencia y tecnología. En
su artículo Respetar el patrimonio genético del hombre, Dausset
(1988) escribe: La mera enunciación del tema «ciencia y tecnolo-
gía» pone de manifiesto la oposición que existe entre esos dos con-
ceptos: la ciencia guarda relación con los conocimientos, en tanto
que la tecnología se refiere más bien a la utilización de éstos.
La estructura del pensamiento y de la actuación de un investi-
gador en la fase de formulación del problema debe discurrir según
los siguientes elementos insoslayables:
1. Expresar el problema nítidamente (mediante preguntas o hi-

pótesis).
2. Fundamentar la necesidad de encararlo (beneficios espe-
rados).
3. Exponer tanto el marco teórico en que se inscribe como los
antecedentes en que reposa.
Ahora bien, los estudios que más se vinculan con la teoría

muestral que ocupa al presente libro son los llamados estudios des-
criptivos: aquellos que tienen por objeto básico describir cómo es
una población. Usualmente se quieren conocer datos generales en
términos resumidos (promedios, porcentajes, medidas de variabili-
dad, etc.), que ayuden a una interpretación más clara de sus
rasgos y, por lo general, que contribuyan a la formulación empíri-
camente fundamentada de hipótesis de causalidad sobre las leyes
que rigen los fenómenos asociados a dicha población.
Es preciso advertir que, en muchos estudios de tipo descriptivo,
las preguntas que se plantea el investigador no son suficientemente
explícitas y quedan subsumidas dentro de un planteamiento gene-
ral, con frecuencia borroso.
Supongamos que se plantea el problema en términos como los si-
guientes: «Estudiar la eficacia del actual modelo de atención prima-
ria de salud». No hay un problema planteado, sino solamente un do-
minio de interés. No comprender la diferencia entre una y otra
cosa garantiza el desconcierto futuro. El curso natural de un proce-
so de investigación con tal punto de partida suele ser como sigue:
a) Confección de un cuestionario en que se acumula de mane-
ra más bien caótica una serie de preguntas relacionadas con
ese dominio, pero cuya función se ignora o, a lo sumo, sólo
se intuye. Debe recordarse que no hay nada que sea «impor-

tante» en abstracto (la importancia de algo tiene-que estar
referida a algún efecto concreto), de modo que decir que se
incluye cierta pregunta en un cuestionario porque es impor-
tante es más o menos lo mismo que decir que se incluye
porque se incluye.
b) Acopio de un enorme monto de información llamada a ser
en gran parte desechada.
c) Acudir a un bioestadístico que supuestamente tendría que
«desfacer un entuerto» que, para colmo, no se puede saber
bien en qué consiste ya que el hecho de que haya trabajo de
terreno, datos, tablas, etc., no modifica el problema cardinal:
la formulación de preguntas rectoras sigue siendo un capítu-
lo pendiente.
El método a seguir para contestarse una pregunta de investiga-
ción sólo puede decidirse una vez formulada con toda nitidez la
pregunta en cuestión. El cuestionario que se deberá utilizar, por

tanto, sólo podrá ser diseñado de manera racional cuando todas las
preguntas a las que se quiere dar respuesta han sido explícitamente
planteadas y cuando las tablas donde se resumirán los datos estén
al menos bosquejadas; unas y otras configuran el único criterio
lógico para evaluar la pertinencia de las interrogantes incorporadas
al cuestionario que se planifica aplicar.
1.3. PROBLEMA DE MUESTREO
Un problema de muestreo, en el sentido que se da a la expresión

en esta obra, queda caracterizado del modo siguiente: supongamos
que hay una población finita cualquiera —o sea, un conjunto de
entes de cualquier naturaleza— de la que se quiere conocer una
característica general o parámetro, definido por el resultado numé-
rico de combinar los datos que se obtendrían en caso de que se
midiesen todos los elementos2 (por ejemplo, el porcentaje de an-
cianos capaces de valerse por sí mismos en una comunidad, el
salario promedio de los médicos de un país, el número de historias
clínicas deficientemente llenadas en un hospital, o la edad mediana
en que se produce la menarquía en las zonas urbanas de una pro-
vincia).
Si, en lugar de proceder a obtener el dato en cuestión para todas
y cada una de las unidades de la población de interés (todos los
ancianos de la comunidad, la totalidad de los médicos del país, el
conjunto completo de historias clínicas o todas las niñas y adoles-
centes de la parte urbana de la provincia), se decide medir sólo una
parte de ellas y estimar el número desconocido a partir de dicha
información, entonces decimos que se ha planteado un problema
de muestreo.
2
Aunque aquí, a fin de simplificar la exposición, nos estamos refiriendo a un parámetro,
en la práctica más común no hay un solo parámetro por estimar, sino varias decenas de
ellos. Por ejemplo, en un estudio sobre productividad médica en la asistencia de urgencia
puede ocurrir que el objetivo central sea estimar el número promedio de pacientes atendidos
por hora, pero difícilmente el interés se circunscribirá al conocimiento de ese número;
típicamente, se deseará obtener tablas que contemplen aspectos tales como el diagnóstico, la
edad del médico, los horarios de trabajo, etc.
Dejar solucionado tal problema supone —expresado esquemá-

ticamente— dar cumplimiento a las siguientes tareas:
i) Delimitar el número de unidades o elementos que se han de se-
leccionar.
ii) Establecer la forma en que se efectuará la selección.
iii) Determinar el modo en que se procesarán los datos para reali-
zar la estimación.
iv) Dar el procedimiento de cálculo del error que se comete en el
proceso de estimación; es decir, establecer la forma de cuantifi-
car la distancia máxima estimada entre la estimación efectuada
y el parámetro desconocido.
Lejos de lo que pudiera pensarse, estas cuatro tareas se condi-
cionan mutuamente, incluso en el sentido de que no es posible
abordarlas secuencialmente. Es necesaria una aproximación simul-
tánea e integral que, para cada nuevo problema de muestreo, pue-
de demandar un enfoque relativamente original.
1.4. EL CONCEPTO DE REPRESENTATIVIDAD
Un paso de cardinal importancia en el proceso histórico de

consolidación de la teoría del muestreo fue dado con la introdu-

ción del azar en el método de selección de la muestra. El azar
puede intervenir de muchos modos, pero se considera que se ha
conferido un carácter estadísticamente riguroso al mismo sólo
cuando se cumplen dos condiciones: que el método otorgue una
probabilidad conocida de integrar la muestra a cada elemento de la
población y que tal probabilidad no sea nula para elemento alguno.
En tal caso, se dice que se ha seguido un método probabilístico de
muestreo.
Las nociones de muestra representativa y de muestra probabi-
lística suelen identificarse erróneamente como una y la misma.
Como consecuencia de tal confusión puede ocurrir que, al ad-
mitir que la muestra no fue seleccionada por vía del azar, el investi-
gador sienta que su estudio carece del rigor científico necesario. Ese
sentimiento —o el afán de desarrollar acciones destinadas a evitar-
lo— no siempre se apoya en la justa evaluación metodológica de
los procedimientos aplicados; en ocasiones reposa simplemente en
la falta de comprensión cabal del contenido y alcance de los con-

ceptos en juego.
Los procedimientos probabilísticos satisfacen, por una parte,
algunas exigencias intuitivas puesto que eliminan —o mitigan al
menos— la carga subjetiva que podría influir en la elección de los
elementos que se van a estudiar (y, por ende, en las conclusiones);
por otra parte, y esto es lo realmente medular, sólo bajo tales pro-
cedimientos se podrá solucionar la tarea de medir el grado de preci-
sión con que se realizan las estimaciones.
Es necesario enfatizar que la noción de representatividad sólo
tiene un alcance intuitivo. En efecto, no existe una definición for-
mal que permita establecer el grado de representatividad de una
muestra o declarar si ella es o no representativa de la población de
la que se obtuvo. Esta noción intuitiva goza de amplio dominio, y
no es difícil hallar ejemplos de la vida cotidiana que ilustren su
uso.
En el terreno científico, sin embargo, es conveniente y posible
manejar estas ideas de manera menos vaga. En ese sentido puede
consultarse el libro de Stephan y McCarthy (1950) en el que, a la
vez que se alerta de que el término «muestra representativa» nunca
podrá tener un significado preciso, se sugieren algunas ideas en la
línea de aproximarse al que le confiere nuestro sentido común. La
noción que ajuicio nuestro mejor sintetiza la idea de la representa-

tividad es la siguiente: para conseguirla, lo que debe procurarse es
que la muestra exhiba internamente el mismo grado de diversidad
que la población. Muchos procedimientos de muestreo han sido
ideados precisamente para conseguir tal variabilidad.
El proceso inferencial, por su propia naturaleza, siempre estará
sujeto a error. Una muestra puede considerarse representativa de
ciertos aspectos específicos de la población, cuando el error en que
se incurre al sacar conclusiones sobre esos aspectos no excede cier-
tos límites prefijados.
El investigador, naturalmente, desea dos cosas: en primer lugar
y sobre todo, que ese margen de imprecisión asociado a sus conclu-
siones sea pequeño y, en segundo lugar, tener una estimación de
cuan pequeño resultó o, más generalmente, de cuál fue su magni-
tud real. El carácter probabilístico del método de selección asegura
esto último —y en eso radica precisamente su virtud fundamen-
tal—, pero no necesariamente garantiza lo primero.
Este es el nudo conceptual de máximo interés: contrariamente

a una concepción muy extendida, lo cierto es que el azar no inyec-
ta representatividad a cada muestra específica que se obtenga por
su conducto.
Para fijar las ideas, consideremos el siguiente ejemplo. En una
escuela hay 100 alumnos de cada sexo y se quiere obtener una
muestra de 50 individuos del total de 200 a fin de estudiar el rendi-
miento académico. Si se permite que sea exclusivamente el azar el
que determine los 50 elementos de la muestra, bien puede ocurrir
que todos sean varones (aunque tal evento sea tan extraordinaria-
mente improbable que a todos los efectos prácticos pueda conside-
rarse imposible). En tal caso, naturalmente, la muestra no sería
representativa respecto del sexo y, consecuentemente, tampoco de
aquellos factores directa o indirectamente correlacionados con él.
Si se supiera que —como suele ocurrir— lo que se investiga es
algo asociado con el sexo, parecería justificado y prudente rechazar
esa muestra como fuente de eventual generalización. Sin embargo,
quizás tampoco sería deseable que la muestra contuviese al 90 % de
los alumnos zurdos que hay en la escuela, o que la proporción de
alumnos de la muestra cuyas madres posean un nivel superior al de
EGB, resulte mucho menor que la misma proporción entre los 200
alumnos del centro, pues también podrían existir nexos indirectos
(quizás desconocidos) entre el hecho de ser zurdo o la escolaridad

de la madre y el rendimiento escolar. Es evidente que si se descarta-
ran muestras «inconvenientes» una y otra vez hasta obtener una
que no lo parezca, el uso del azar se reduciría a un autoengaño. En
la práctica, luego de meditar cuidadosamente el procedimiento
muestral a seguir y de haberlo practicado correctamente, el estudio
debe continuarse con la muestra resultante sin que se admitan ma-
nipulaciones a posteriori, por muy razonables que pudieran pa-
recer.
Por otra parte, es evidente que el examen de la muestra propia-
mente dicha no puede servir para evaluar su calidad como modelo
integral del universo que se estudia. En primer lugar porque habría
que analizar un número virtualmente ilimitado de características
poblacionales que deberían quedar fidedignamente reflejadas en la
muestra y, en segundo lugar, porque las características poblaciona-
les —precisamente y como es obvio— se desconocen. Por esa ra-
zón, la confianza que pueda depositarse en una muestra depen-
de vitalmente de la que merezca el procedimiento que la produjo.

Tal estrategia conduce, sin embargo, a una paradoja que suele
soslayarse en los textos clásicos. Supongamos que el muestrista de-
cide tomar en calidad de muestra al conjunto de 50 estudiantes que
posean los índices académicos más altos de la escuela; al objetársele
el procedimiento, él puede argumentar que mediante el azar cual-
quier subconjunto de 50 alumnos podría haber resultado elegido
—entre ellos, aquél integrado por los mejores alumnos— y que, en
tal caso, exactamente las mismas conclusiones no serían entonces
objetadas.
Ahora bien, si en el altar de esa lógica fuese sacrificado el ins-
trumento de la aleatoriedad, entonces se estaría licitando cualquier
manipulación tendenciosa del objeto de estudio, en contradicción
con un principio elemental del proceder científico.
En síntesis, si bien el azar no necesariamente provee de repre-
sentatividad a la muestra obtenida, sí asegura la imparcialidad en
la conducta del investigador. Por otra parte, si los tamaños de la
población y de la muestra no son muy reducidos, entonces muy
probablemente se obtendría una muestra representativa a cual-
quier efecto de interés3.
Finalmente, debe recordarse que la verdad científica se abre
paso con carácter necesario, a pesar de los elementos casuales que
puedan coyunturalmente ocultarla. Vale decir: al permitir que el

azar determine la base de la generalización, se corre el riesgo de
que, en algunos casos particulares, esta última resulte equivocada;
pero en la medida que se siga esta práctica, la resultante de las
generalizaciones terminará por imponerse con fuerza de ley. El
azar juega el papel de seguro contra distorsiones sistemáticas, sean
o no deliberadas, y ese papel es en general insustituible.
1.5. UNIDADES DE ANÁLISIS, UNIDADES

DE MUESTREO Y MARCO MUESTRAL
Es necesario hacer aquí la distinción entre la población que se

desea estudiar, llamada población objeto, y la población realmente
3
De hecho, eso es lo que afirma a grandes rasgos la «ley de los grandes números»
descubierta por Bernoulli y bien conocida de los probabilistas.
estudiada, la población muestreada. Naturalmente, se desea que

ambas coincidan, pero ello no siempre es posible. Antes de selec-
cionar la muestra, la población se divide en unidades de muestreo,
las cuales deben cubrir por entero a la población sin intersectarse; o
sea, todo miembro de la población objeto o unidad de análisis
pertenece a una y sólo una unidad de muestreo. Una unidad de
muestreo puede contener un conjunto de unidades de análisis o,
incluso, un conjunto de unidades de muestreo correspondientes a
una etapa posterior de selección. La lista de las unidades de mues-
treo recibe el nombre de marco muestral.
Para fijar ideas, supongamos que se estudia una población de
escolares a fin de conocer la prevalencia de cierta dolencia. Cada
escolar es una unidad de análisis (el objeto que se interroga o mide),
pero, en lugar de contar con un listado de escolares, se tiene un
listado de escuelas, algunas de las cuales se elegirán para el estudio.
Hecha esta selección, se toman algunas aulas de las escuelas elegidas.
Finalmente, dentro de estas últimas se eligen alumnos, que integran
la muestra definitiva. El listado de escuelas primero, el de las aulas
que tiene cada escuela seleccionada y el de niños, correspondiente a
cada aula elegida dentro de las escuelas de la muestra, constituyen el
marco muestral del estudio. Puesto que hay tres procesos escalona-
dos de selección, existen en este caso las llamadas unidades de mues-
treo de primera, segunda y tercera etapa.
1.6. MUESTRAS NO PROBABILÍSTICAS
Un primer caso de interés que debe analizarse es el de las mues-

tras que, habiendo sido planificadas probabilísticamente, pierden
ese carácter en la fase de terreno. En ese caso puede introducirse un
fuerte sesgo que descalifique los resultados.
Imaginemos que se planifica un estudio de morbilidad bucal en
cierta área de salud; el procedimiento de selección establecido con-
siste en tomar sistemáticamente una de cada 5 viviendas a lo largo
de un listado en que se identifican todas las casas del área y en
examinar a todos los residentes de las que resulten seleccionadas.
Es fácil demostrar que en principio todo residente del área tiene
igual probabilidad de ser examinado; se supone sin embargo que,
en la práctica, se sigue la regla de realizar el reconocimiento esto-
matológico sólo a los individuos que se hallen en la vivienda en el

momento de la visita, en lugar de establecer que, si fuese menester,
se regrese una y otra vez a cada casa elegida hasta completar el
examen de todos sus habitantes.
De tal suerte, los adultos tendrán una probabilidad mucho más
alta que los niños de no estar presentes en el momento de la visita
y, por ende, de no ser investigados. Como el cuadro morboso típico
de un adulto es, en términos generales, cualitativa y cuantitativa-
mente diferente al de un niño, el panorama general brindado por la
muestra no permitirá obtener una visión real de lo que verdadera-
mente ocurre en el área de salud. Por otra parte, las probabilidades
reales de selección resultarían, en rigor, desconocidas pues el meca-
nismo de selección dejaría de estar controlado.
La segunda situación que suele presentarse es la que concierne
a los estudios analíticos: aquéllos donde se pretende detectar dife-
rencias, identificar asociaciones, estudiar relaciones causa-efecto,
etcétera. El uso de una serie de observaciones resultantes de un
conjunto numeroso de condiciones externas, y que se obtienen sin
intervención de las técnicas clásicas de muestreo, no sólo es común
sino inevitable en muchas —probablemente la mayoría— de las
investigaciones de este tipo. Un ejemplo típico es el caso en que se
quiere conocer el cuadro causal de una enfermedad; lo que se estu-
dia es la asociación de un conjunto de factores exógenos —tales

como hábito de fumar o régimen nutricional— con la presencia o
ausencia de la enfermedad. En una situación tal, el énfasis debe
ponerse en la comparabilidad del grupo de casos con el de contro-
les, más que en la representatividad que unos y otros exhiban en
relación con las respectivas poblaciones. Un trabajo particularmen-
te claro sobre este asunto se debe a Keller (1969).
Otra situación de interés que suele presentarse es aquélla en que
no se tiene acceso a una población de la cual extraer la muestra,
sino que se trabaja con los datos que se han podido obtener y el
proceso se invierte en cierto sentido: las inferencias recaerían sobre
aquella población de la que se supone que la muestra es representa-
tiva. Hay circunstancias en que ésta es la única alternativa (salvo la
de quedar paralizado). Una discusión de alto nivel conceptual al
respecto puede hallarse en el trabajo de Hagood (1970). En ciertos
casos, sin embargo, detrás de este procedimiento puede esconderse
sutilmente el carácter ilícito del paso inferencial.
Por ejemplo, se ha dicho (Wallis y Roberts, 1956) que, a juzgar

por las tasas de incidencia de ingreso en instituciones especializa-
das, en los Estados Unidos la incidencia de enfermedades mentales
y nerviosas severas es mayor entre hombres que entre mujeres. El
problema está en que la probabilidad de detección por esa vía es
mucho mayor entre hombres que entre mujeres. Es bien conocido
que el ingreso se produce con mayor frecuencia entre individuos
enfermos que no pueden ser mantenidos por sus familiares y de-
penden de sí mismos que entre aquellos que —aun en caso de estar
sanos— dependerían económicamente de sus familiares; y es claro
que esta última circunstancia es, a su vez, más frecuente entre las
mujeres que entre los hombres.
Un enfoque para interpretar el problema es el siguiente: se está
suponiendo —tácita pero erróneamente— que la muestra de enfer-
mos que ingresan es una muestra representativa de la población a
los efectos del sexo, y se pasa por alto que hay un tercer factor
(económico) que conecta la variable (sexo) con la probabilidad de
estar en la muestra (probabilidad de ingresar). Si ese factor se con-
trolase mediante una técnica adecuada, entonces, aunque no se
trabajara con un procedimiento probabilístico de muestreo, se po-
drían obtener conclusiones correctas.
Este tipo de falacias se discute y ejemplifica con especial lucidez
en el libro clásico de Bradford Hill (1971). Por su parte, los estudios

de índole descriptiva también pueden consentir —y ocasionalmen-
te demandar— el uso de muestras no probabilísticas.
El muestreo no probabilístico (que algunos autores llaman in-
debidamente «opinático») puede ser de varios tipos. Circunscri-
biéndonos al caso en que se tiene una población bien definida de la
que se va a obtener una muestra, pueden mencionarse cuatro for-
mas básicas de selección no probabilísticas:
a) Selección realizada sin método alguno.
b) Muestreo semiprobabilístico.
c) Muestreo por cuotas.
d) Selección según criterio de autoridad.
El primer método, en que los elementos se eligen sin reflexión
ni previsión alguna, es simplemente ajeno a la buena práctica
científica.
El muestreo semiprobabilístico es —como lo indica su nom-
bre— un procedimiento tal que el carácter probabilístico se man-

tiene sólo hasta un punto del proceso de selección. Por ejemplo,
Cochran, Mosteller y Tukey (1954) lo ilustran del modo siguiente:
se quiere una muestra de hojas de una plantación para su control
fitosanitario; se hace una selección rigurosa al azar de una muestra
de árboles, pero dentro de cada árbol elegido se toma un grupo de
hojas según el criterio del técnico que selecciona la muestra.
El muestreo por cuotas —muy usado actualmente en las en-
cuestas de opinión y de mercado— apunta fundamentalmente a la
investigación con poblaciones humanas. Parte del principio de que
la muestra debe estar dispersa por toda la población y ha de conte-
ner la misma proporción de individuos con ciertas características
que la población entera. Según los intereses que se consideren rele-
vantes, se divide la población en subclases mutuamente excluyen-
tes y —a partir de datos censales— se obtienen las proporciones
abarcadas por cada una de dichas subclases. Se establece entonces
que la muestra tenga sus elementos distribuidos por las subclases
de manera tal que las proporciones muestrales coincidan con las de
la población. Para lograrlo, se le asigna a cada enumerador una
zona específica (por ejemplo, una manzana) y se le permite que allí
entreviste a los individuos que él escoja, dentro de ciertas restric-
ciones determinadas por las cuotas de muestreo estipuladas. Así,
por ejemplo, se le indica hacer 10 encuestas: 5 hombres y 5 muje-

res; que uno de los 10 debe ser profesional; que 2 encuestados
deben ser mayores de 50 años, 6 deben estar entre 25 y 50 y los
otros 2 entre 15 y 25.
Finalmente, se tiene el caso en que la muestra es determinada
mediante el criterio razonado de autoridades en la materia que se
estudia. En la aplicación de este método, el investigador sopesa
cuidadosamente los elementos de la población (de los cuales debe
tener suficiente información) para elegir aquellos que a su juicio
pueden conformar el mejor modelo de la realidad en estudio dados
los objetivos del trabajo.
Es importante destacar la existencia de situaciones en que, pre-
cisamente, lo único razonable es optar por este tipo de elección, en
lugar de por un método probabilístico. Se trata fundamentalmente
de situaciones en las que el tamaño de muestra planificado es muy
pequeño (sobre todo si también el tamaño poblacional lo es).
Por ejemplo, imaginemos que se quiere estudiar el funciona-
miento del conjunto de los 25 hospitales de una provincia, y que el

estudio se hará a través de una evaluación exhaustiva de 4 de ellos.
Es mejor seleccionar los 4 que sean considerados más representati-
vos que permitir que sea el azar el que los determine. La clave de
esa preferencia radica en que, si bien los errores de las estimaciones
no pueden ser objetivamente medidos, éstos van a resultar meno-
res, que es, en última instancia, lo que prioritariamente se desea.
Adviértase que el azar bien podría producir (y no con baja pro-
babilidad) muestras totalmente inconvenientes, del tipo en que to-
dos los hospitales sean de la capital provincial o que ninguno sea
docente.
1.7. LA ENCUESTA
Aunque las técnicas muestrales son en principio utilizables en

cualquier situación como las descritas, lo cierto es que su aplica-
ción se verifica predominantemente sobre poblaciones humanas,
ya sea para medir individuos (registrar resultados observados con o
sin instrumentos) como para interrogarlos. Esta es la situación típi-
ca que sin duda se presenta en las investigaciones relacionadas con
la Salud Pública y la Epidemiología.
Para dar solución a un problema de muestreo en tal tipo de

situación es necesario programar una encuesta, actividad compleja
que exige un alto grado de organización y la participación de diver-
sos especialistas y personal técnico eventual. La Figura 1 presenta
la secuencia e interrelaciones de los pasos a seguir en la organiza-
ción y desarrollo de una encuesta por muestreo.
Las saetas del diagrama establecen el orden de precedencia de
las acciones. Por ejemplo, al considerar la encuesta piloto, impor-
tante nudo del proceso, se observa que hay dos actividades previas
que habrán de ser medulares para su preparación: el proyecto de
cuestionario y la forma en que se planifica tomar en terreno la
información primaria. A su vez, desarrollado este pilotaje, sus re-
sultados permitirán ajustar el cuestionario (básicamente, modificar
la redacción u orden de las preguntas), definir las formas de trabajo
en la práctica (selección de horarios, estimación del tiempo que
supone esta tarea, identificación de aspectos cuya calidad debe ser
especialmente controlada, etc.) y concluir el diseño muestral.
Como se ve, el proceso completo incluye un amplio conjunto

de acciones que, por desbordar el espíritu del libro, no serán discu-
tidas aquí pero a cuya eficiencia se subordina en buena medida la
calidad de los resultados finales.
En efecto, en el desarrollo de la encuesta puede introducirse un
conjunto de errores ajenos al hecho de que se trate de una muestra
(y no de un censo). Son errores no inherentes al proceso inferen-
cial, sino a los diversos pasos prácticos que deben realizarse. Estos
errores reciben el nombre de errores no muestrales y se producen
ya sea por deficiencias del cuestionario, como en la fase de codifi-
cación, durante el registro de la información, etc.
De particular importancia es el fenómeno de la llamada no-
respuesta, que se introduce cuando un individuo seleccionado no
puede hallarse, la información que se obtuvo de él se extravía o,
simplemente, cuando alguien se niega a ser encuestado. Esta fuente
de distorsión debe evitarse tanto como sea posible dentro de los
recursos disponibles (por ejemplo, intentando una y otra vez la
realización de la entrevista). De presentarse en una magnitud apre-
ciable —por ejemplo, si el 30 % de los individuos seleccionados no
responden— entonces los resultados serían en extremo inseguros.
En este terreno, y en general cuando hay falta de rigor en la toma
del dato primario, vale recordar que es preferible no tener informa-
ción alguna que poseer datos que conduzcan a conclusiones equi-
vocadas. Cabe recordar el viejo adagio de los informáticos: «garba-
ge in, garbage out». (Si entra basura, sale basura).
A fin de disminuir el margen de información primaria inservi-
ble, vale la pena detenerse siquiera brevemente, en las técnicas de
confección de cuestionarios.
1.8. EL CUESTIONARIO
Un cuestionario es un documento concebido para ayudar en el

proceso de obtener y registrar información a través de una secuen-
cia de preguntas o aspectos a indagar.
Estas preguntas pueden ser cerradas, abiertas o cuantitativas.
Las primeras son aquellas formuladas de manera tal que todas
las respuestas posibles han sido previstas por el investigador y son
ofrecidas al encuestado para que él elija la que mejor se ajusta a su
situación.
Cuando la pregunta es abierta el entrevistado responde redac-
tando (o exponiendo, según el caso) su repuesta de manera libre.
Las que hemos llamado cuantitativas son aquéllas en que la
respuesta consiste en un número. Por una parte están las más in-
mediatas: años cumplidos, número de hijos, circunferencia cefáli-
ca, etc.

Conceptos Genereales Acerca Del Muestreo

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Conceptos Genereales Acerca Del Muestreo

Cargado por

Copyright:

Formatos disponibles

1

El muestreo es, antes que nada, una herramienta de la investi-

objetiva mediante un modelo. Obtener una «buena muestra» signi-

experimentaron un proceso de cimentación, hasta hacer de esta

1.2. EL MUESTREO COMO HERRAMIENTA DEL MÉTODO

Como se ha dicho, las técnicas muestrales son herramientas de

física en 1980, insiste en la necesidad de distinguir entre dos nocio-

1. Expresar el problema nítidamente (mediante preguntas o hi-

Ahora bien, los estudios que más se vinculan con la teoría

se intuye. Debe recordarse que no hay nada que sea «impor-

pregunta en cuestión. El cuestionario que se deberá utilizar, por

1.3. PROBLEMA DE MUESTREO

Un problema de muestreo, en el sentido que se da a la expresión

Dejar solucionado tal problema supone —expresado esquemá-

1.4. EL CONCEPTO DE REPRESENTATIVIDAD

Un paso de cardinal importancia en el proceso histórico de

consolidación de la teoría del muestreo fue dado con la introdu-

la falta de comprensión cabal del contenido y alcance de los con-

noción que ajuicio nuestro mejor sintetiza la idea de la representa-

Este es el nudo conceptual de máximo interés: contrariamente

(quizás desconocidos) entre el hecho de ser zurdo o la escolaridad

de vitalmente de la que merezca el procedimiento que la produjo.

puedan coyunturalmente ocultarla. Vale decir: al permitir que el

1.5. UNIDADES DE ANÁLISIS, UNIDADES

Es necesario hacer aquí la distinción entre la población que se

estudiada, la población muestreada. Naturalmente, se desea que

treo de primera, segunda y tercera etapa.

1.6. MUESTRAS NO PROBABILÍSTICAS

Un primer caso de interés que debe analizarse es el de las mues-

matológico sólo a los individuos que se hallen en la vivienda en el

dia es la asociación de un conjunto de factores exógenos —tales

Por ejemplo, se ha dicho (Wallis y Roberts, 1956) que, a juzgar

en el libro clásico de Bradford Hill (1971). Por su parte, los estudios

bre— un procedimiento tal que el carácter probabilístico se man-

por ejemplo, se le indica hacer 10 encuestas: 5 hombres y 5 muje-

miento del conjunto de los 25 hospitales de una provincia, y que el

Aunque las técnicas muestrales son en principio utilizables en

Para dar solución a un problema de muestreo en tal tipo de

Como se ve, el proceso completo incluye un amplio conjunto

Un cuestionario es un documento concebido para ayudar en el

También podría gustarte