• La inferencia estadística es un tipo de razonamiento que procede de lo concreto a
lo general, intentando extraer conclusiones sobre los parámetros de una población a partir de la información contenida en los estadísticos de una muestra de esa población (Pardo y San Martín, 2001). • Obtener datos de una muestra de la población objeto de interés, en vez de obtenerlos de todas las unidades que componen esa población, entraña importantes ventajas, la más importante la economía de recursos que ello implica pero, no menos relevante, la posibilidad de promover una mejor calidad en los datos recogidos. Tema 1. Inferencia estadística: muestreo y estimación de parámetros J. Gabriel Molina y María F. Rodrigo, 2014 1 • Ahora bien, una condición esencial para que a partir de la información contenida en una muestra se puedan describir las propiedades de la población es que la muestra sea representativa de esa población. • Pero, ¿qué significa en la práctica que una muestra sea representativa de una población? Pues, como podemos intuir, que las propiedades que caracterizan a la población se distribuyan de forma análoga en la muestra. Por ejemplo, sea la población de los estudiantes de la Facultad: si el 27% son de primero, el 25% de segundo (y así...), que en la muestra ídem; si en la población la mitad son varones y la otra mitad mujeres, pues que en la muestra ídem.; etc. • A continuación vamos a tratar 3 factores que van a determinar la representatividad de una muestra: a) El procedimiento de muestreo • Muestreo: conjunto de técnicas asociadas a la selección de los elementos de una población. • Subrayar que el muestreo no es algo exclusivo de la estadística; es, en realidad, una estrategia muy utilizada en la vida cotidiana. El conocimiento que nos formamos del mundo está con frecuencia basado en el muestreo, y es razonable que así lo hagamos por economía de recursos. A modo de ejemplo, la cata de una cucharada de un guiso que estamos realizando es una forma de muestreo del guiso. Ello nos va a permitir tener una idea del sabor del mismo sin tener que probarlo todo. • Existen diferentes procedimientos o técnicas que satisfacen -con mayor o menor éxito- los dos objetivos que podemos considerar básicos del muestreo: (1) obtener una muestra que sea tan representativa de la población como sea posible; y (2) plantear una forma de recogida de datos que se ajuste a los recursos (económicos, temporales…) con que se cuente. • A las distintas estrategias que se puede seguir en la selección de los elementos de una población se les conoce como técnicas de muestreo, existiendo un extenso repertorio de ellas, algunas de gran sofisticación. Entorno a su estudio y aplicación se ha desarrollado un área de conocimiento conocida como Teoría del Muestreo. • En términos matemáticos, ¿la satisfacción de qué criterio va a determinar la selección de una muestra representativa? El que todos los elementos de la población tengan la misma probabilidad de formar parte de la muestra o, si no la misma, que sea conocida esa probabilidad para todos los elementos de la población.
Tema 1. Inferencia estadística: muestreo y estimación de parámetros
J. Gabriel Molina y María F. Rodrigo, 2014 2
• A las técnicas de muestreo que satisfacen el criterio anteriormente planteado se
les conoce como técnicas de muestreo probabilístico, siendo la más conocida por su sencillez y eficacia, el muestreo aleatorio simple. Algunas variantes de la anterior de mayor utilización en la práctica son el muestreo aleatorio estratificado y el muestreo por conglomerados. El muestreo aleatorio simple (m.a.s.) − Los elementos de la muestra son elegidos al azar de de entre todos los de la población. Utilizando este procedimiento, todos los elementos de la población tienen la misma probabilidad de formar parte de la muestra. − Requiere la identificación y listado de todos los elementos de la población, algo no siempre factible, por lo que su utilización resulta limitada en la práctica. El muestreo aleatorio estratificado − Supone forzar que, para una determinada variable(s), se mantenga en la muestra la misma distribución que la misma tiene en la población. Por ejemplo, si en la población de
estudiantes de la UVEG hay un 60% de mujeres y un 40% de varones, en una muestra de
la misma se forzaría para que se mantuviesen esos porcentajes. Se llaman estratos a las categorías de la variable en función de la que se estratifique el muestreo –mujeres y varones para la variable sexo, en nuestro ejemplo. Por supuesto, cada elemento de la población debe pertenecer a un único estrato. − Pasos principales: determinar la proporción de cada estrato en la población para la variable de estratificación; fijar el número de elementos que se deben seleccionar de cada estrato en la muestra (afijación); extraer mediante m.a.s. de cada estrato de la población el nº de casos establecido en el paso anterior
Muestreo significa seleccionar un grupo o muestra en particular para representar a
toda la población. Los métodos de muestreo se dividen principalmente en dos categorías: muestreo probabilístico y muestreo no probabilístico. En el primer caso, cada miembro tiene una oportunidad fija y conocida de pertenecer a la muestra, mientras que en el segundo caso, no existe una probabilidad específica de que un individuo sea parte de la muestra. Para un lego, estos dos conceptos son iguales, pero en realidad, son diferentes en el sentido de que, en el muestreo probabilístico, cada miembro de la población tiene una buena oportunidad de selección, lo que no ocurre en el caso del muestreo no probabilístico . Definición de muestreo probabilístico En las estadísticas, el muestreo probabilístico se refiere al método de muestreo en el que todos los miembros de la población tienen una especificación previa y la misma posibilidad de ser parte de la muestra. Esta técnica se basa en el principio de aleatorización, en el que el procedimiento está diseñado de tal manera, que garantiza que todos y cada uno de los individuos de la población tengan la misma oportunidad de selección. Esto ayuda a reducir la posibilidad de sesgo.
Los investigadores pueden hacer inferencias estadísticas utilizando esta técnica,
es decir, el resultado obtenido se puede generalizar de la muestra encuestada a la población objetivo. Los métodos de muestreo probabilístico, se detallan a continuación:
Muestreo aleatorio simple
Muestreo estratificado Muestreo en grupo Muestreo Sistemático Definición de muestreo no probabilístico Cuando en un método de muestreo, a todos los individuos del universo no se les da la misma oportunidad de formar parte de la muestra, se dice que el método es un muestreo no probabilístico. Bajo esta técnica como tal, no hay probabilidad adjunta a la unidad de la población y la selección se basa en el juicio subjetivo del investigador. Por lo tanto, las conclusiones extraídas por la muestra no pueden inferirse de la muestra a toda la población. Los métodos de muestreo no probabilístico se enumeran a continuación:
Muestreo de conveniencia Muestreo de cuotas Juicio o muestreo intencional Muestreo de bolas de nieve
Diferencias clave entre muestreo probabilístico y no probabilístico
Las diferencias significativas entre muestreo probabilístico y no probabilístico.
La técnica de muestreo, en la que los sujetos de la población tienen la misma
oportunidad de ser seleccionados como una muestra representativa, se conoce como muestreo probabilístico. Un método de muestreo en el que no se sabe qué individuo de la población se elegirá como muestra, se denomina muestreo de no probabilidad. La base del muestreo probabilístico es la aleatorización o el azar, por lo que también se conoce como muestreo aleatorio. Por el contrario, en la técnica de aleatorización de muestreo no probabilístico no se aplica para seleccionar una muestra. Por lo tanto, se considera como muestreo no aleatorio. En el muestreo probabilístico, el muestreador elige al representante como parte de la muestra al azar, mientras que, en el muestreo no probabilístico, el sujeto es elegido arbitrariamente para pertenecer a la muestra por el investigador. Las posibilidades de selección en el muestreo probabilístico son fijas y conocidas. A diferencia del muestreo no probabilístico, la probabilidad de selección es cero, es decir, no se especifica ni se desconoce. El muestreo probabilístico se utiliza cuando la investigación es de naturaleza concluyente. Por otro lado, cuando la investigación es exploratoria, se debe utilizar un muestreo no probabilístico. Los resultados generados por el muestreo probabilístico están libres de sesgos, mientras que los resultados del muestreo no probabilístico están más o menos sesgados. Como los investigadores son seleccionados al azar por el investigador en el muestreo probabilístico, el grado en que representa a toda la población es mayor en comparación con el muestreo no probabilístico. Es por eso que la extrapolación de resultados a toda la población es posible en el muestreo probabilístico pero no en el muestreo no probabilístico. Hipótesis de prueba de muestreo probabilístico, pero el muestreo no probabilístico lo genera. Conclusión Si bien el muestreo probabilístico se basa en el principio de aleatorización, en el que cada entidad tiene una probabilidad justa de ser parte de la muestra, el muestreo no probabilístico se basa en el supuesto de que las características están distribuidas equitativamente dentro de la población, lo que hace que la muestra crea que La muestra así seleccionada representaría a toda la población y los resultados obtenidos serían precisos.