POBLACIÓN Y MUESTRA.

1. 2. Población y Universo. Muestreo. 2.1. 2.2. 2.3. Muestra. Etapas del proceso de muestreo. Condiciones que ha de cumplir la muestra.

3.

Tipos o técnicas de muestreo. 3.1 Probabilístico. A) Aleatorio simple. B) Aleatorio sistemático. C) Muestreo estratificado. S M. estratificado proporcional S M. estratificado constante. D) Muestreo por conglomerados o grupos. E) Muestreo por etapas o polietápico. 3.2. Muestreo no probabilístico. A) Accidental o casual. B) Intencional u opinativo. C) Muestreo por cuotas. Otros tipos de muestreo. B) Muestras superpuestas. C) M. sucesivas. D) M. compuestas. E) M. compensadas. F) M. de voluntarios.

3.3

4. 5.

Representavidad de la muestra. Tamaño de la muestra. 5.1 Determinación estadística del tamaño de la muestra. 5.2 Afijación de la muestra. Error muestral. 6.1 6.2 6.3 6.4 Bibliografía. Fundamento estadístico del error muestral. Estimación del error muestral en las muestras estratificadas y de clusters. Factores que intervienen en el error muestral. Error sistemático.

6.

7.

1

POBLACIÓN Y MUESTRA.
Una vez definido el problema a investigar, formulados los objetivos y delimitadas las variables se hace necesario determinar los elementos o individuos con quienes se va a llevar a cabo el estudio o investigación. Esta consideración nos conduce a delimitar el ámbito de la investigación definiendo una población y seleccionando la muestra. Cualquier característica medible de la población se denomina parámetro, los valores de los parámetros calculados sobre muestras se conocen como estadísticos o estadígrafos, utilizan letras latinas (0 , s2, r..., media, varianza, coeficiente de correlación) y describen a las citadas muestras. Se define tradicionalmente la población como “el conjunto de todos los individuos (objetos, personas, eventos, etc.) en los que se desea estudiar el fenómeno. Éstos deben reunir las características de lo que es objeto de estudio” (Latorre, Rincón y Arnal, 2003). El individuo, en esta acepción, hace referencia a cada uno de los elementos de los que se obtiene la información. Los individuos pueden ser personas, objetos o acontecimientos. Hoy se prefiere hablar de “unidad de observación” o “elemento” para referirse al objeto sobre el cual se realiza una medición. En los estudios con poblaciones humanas, con frecuencia ocurre que la unidad de observación son los individuos.

3.

POBLACIÓN Y UNIVERSO:

El diccionario de la RAE (2001) define la población, en su acepción sociológica, como “Conjunto de los individuos o cosas sometido a una evaluación estadística mediante muestreo”. En cualquier investigación, el primer problema que aparece, relacionado con este punto, es la frecuente imposibilidad de recoger datos de todos los sujetos o elementos que interesen a la misma. Los manuales clásicos de epistemología suelen definir la ‘población’ como el conjunto de todas las medidas o personas de un cierto tipo, y la hacen sinónima del concepto más antiguo de ‘universo’ (Jiménez Fernández, 1983; Sierra Bravo, 1988; Gil Pascual, 2004). Otros autores distinguen entre ‘universo’ y ‘población’ (Fox, 1981; Marín Ibáñez, 1985; Buendía, Colás y Hernández, 1998; Latorre, Rincón y Arnal, 2003). Estos autores consideran que el investigador casi nunca, o nunca, tiene acceso a todas las posibles medidas, elementos o personas y, por tanto, utilizan el término universo para designar “esa entidad que lo incluye todo”, reservando el concepto de población a la parte del universo de la que se selecciona la muestra y sobre la que deseamos hacer inferencia o aplicación de las generalizaciones que obtengamos de la investigación.
“El término universo designa a todos los posibles sujetos o medidas de un cierto tipo... La parte del universo a la que el investigador tiene acceso se denomina población”. (Fox, 1981: 368)

2

coste. las limitaciones propias del tipo de muestreo y tener que extraer una muestra de poblaciones que poseen pocos individuos con la 3 . 1998: 28) Marín Ibáñez (1985: 167) señala las diferencias entre ‘población’ o ‘universo general’ y ‘universo de trabajo. Esto se puede hacer así porque. los recursos y los medios para estudiar una población completa. Habitualmente. (Buendía. El proceso esencial del muestreo consiste en identificar la población que estará representada en el estudio. pocas veces en una investigación se cuenta con el tiempo. se elige una muestra representativa y los datos obtenidos en ella se utilizan para realizar pronósticos en poblaciones futuras de las mismas características. la reducción de costos y la posibilidad de mayor profundidad y exactitud en los resultados. otras veces la población total “aún no existe” como sucede en los estudios sobre predicción Estos motivos de tiempo. A veces ni siquiera podemos delimitar exactamente una población. Entre las ventajas que proporciona el muestreo (Latorre. una muestra mal seleccionada o sesgada distorsiona los resultados. Lohr (1999) habla de “población muestreada” para referirse a la población de la que se extrae la muestra y de “población objetivo”. 2003) suele señalarse: el ahorro de tiempo en la realización de la investigación. el investigador no trabaja con todos los elementos de la población que estudia sino sólo con una parte o fracción de ella. Salvo en el caso de poblaciones pequeñas. (1999: 3) advierte: “Por ejemplo. ésta puede aportarnos información representativa y exacta de toda la población. Latorre.. la elección de esta ‘población objetivo’ afectará profundamente al resultado de la investigación 2. haciendo sinónimo a este ultimo de ‘colectivo’ o ‘colectivo hipotético’. denominada muestra. Lohr. a veces. por que es muy grande y no es fácil abarcarla en su totalidad. Colás y Hernández.“Población es un conjunto definido. accesibilidad a los individuos y complejidad de las operaciones de recogida. si se selecciona correctamente la muestra. en una encuesta política. Es el grupo al que se intenta generalizar los resultados”. Por ello. mientras que el universo de trabajo “son los casos que de alguna manera tenemos consignados y de los que podemos extraer la muestra”. El primero hace referencia a toda la población a la que queremos extender las conclusiones de la muestra. entendida como la colección completa de observaciones que deseamos estudiar. y con frecuencia difícil. Rincón y Arnal. Sierra Bravo (1988) se refiere al universo de trabajo como ‘base de la muestra. En cualquier caso. MUESTREO. Rincón y Arnal (2003) también distinguen entre población y universo. Paralelamente. Se conoce con el nombre de muestreo al proceso de extracción de una muestra a partir de la población. del estudio. Los inconvenientes más comunes suelen ser: dificultad de utilización de la técnica de muestreo. clasificación y análisis de los datos hacen que la gran mayoría de los proyectos de investigación no estudien más que una parte representativa de la población. La definición de la población es una parte importante. ¿la población objetivo deberían ser todos los adultos que pueden votar? ¿Todos los votantes registrados? ¿Todas las personas que votaron en la última elección?”. limitado y accesible del universo que forma el referente para la elección de la muestra.

se pueden encuestar grandes poblaciones y núcleos humanos. (Latorre. (Sierra Bravo. que se somete a observación científica en representación del conjunto. es una parte o subconjunto de una población normalmente seleccionada de tal modo que ponga de manifiesto las propiedades de la población. porque en la práctica no es necesario obtener datos de todos los posibles sujetos para comprender con exactitud la naturaleza del fenómeno que se estudia. de una muestra elegida correctamente y en proporción adecuada. se puede alcanzar esa comprensión con una parte de los sujetos. Las muestras presentan evidentes ventajas.. Con una muestra relativamente reducida en relación a la población.. es un proceso lógico. respecto del estudio de poblaciones. 2001) define la muestra. que son la reducción del coste de la investigación en tiempo y en dinero.. que se pueden determinar estadísticamente en cada caso. La importancia del muestreo radica en que no es necesario trabajar con los ‘N’ elementos de una población para comprender con un nivel “razonable” de exactitud la naturaleza del fenómeno estudiado. sino que. 1981: 367) 2. 1988: 174) Latorre.. una parte representativa de un conjunto o población debidamente elegida. (Fox. Muestra. como “parte o porción extraída de un conjunto por métodos que permiten considerarla como representativa de él”.característica que hay que estudiar. en su segunda acepción. 2003: 78) Las muestras tienen un fundamento matemático estadístico. El ahorro de tiempo o dinero mediante el muestreo sólo es lógico cuando se puede justificar el hecho de que los datos obtenidos a partir de la muestra proporcionarán una base firme para determinar con exactitud las características del fenómeno que se estudia”. seleccionados por algún método de muestreo”. con el propósito de obtener resultados válidos.. es decir. dentro de unos límites de error y probabilidad. Rincón y Arnal ponen especial énfasis en la metodología del muestreo: “Conjunto de casos extraídos de una población. se puede hacer la inferencia o generalización fundada matemáticamente de que dichos resultados son válidos para la población de la que se ha extraído la muestra. En el terreno epistemológico. que sea una parte típica de la población en la o las características que son relevantes para la investigación”. Este conocimiento se puede obtener a partir de una muestra que se considere representativa de aquella población. Éste consiste en que obtenidos unos determinados resultados. El Diccionario de la Lengua Española (RAE. que de otra manera sería muy difícil o prácticamente imposible investigar.1. se pueden aprovechar las ventajas del muestreo. Su característica más importante es la representatividad. 1983: 237) Sierra Bravo hace hincapié en la generalización de resultados: “.. Suponen una gran economía en las encuestas y la posibilidad de mayor 4 . Debido a esto. también para el universo total investigado”. (Jiménez Fernández. Rincón y Arnal. “Aunque la razón esencial por la que se muestrea es la imposibilidad de estudiar todos los sujetos. en general. Jiménez Fernández (1983) destaca la condición de representatividad que ha de tener la muestra: “.

una muestra puede ofrecer resultados más precisos que una encuesta total.) constituyen el ‘marco de muestreo’. La unidad de muestreo hace referencia a la unidad donde realizamos la muestra. los trabajadores de un sector de producción..rapidez en su ejecución.. 2. 5 . 3) Selección de la muestra invitada o conjunto de elementos de la población a los que se pide que participen en la investigación. El elemento o individuo (muestral) es un objeto en el cual se toman las mediciones. Fox (1981: 367-369) señala cinco etapas en el proceso de muestreo: 1) Definición o selección del universo o especificación de los posibles sujetos o elementos de un determinado tipo. empresas.. La lista de las ‘unidades de muestreo’ (familias.3. para Sierra Bravo. empresas. aunque esté afectada del error que resulta de limitar el todo a una parte”. 2) Determinación de la población o parte de ella a la que el investigador tiene acceso. según las unidades que comprende respecto al universo. pero no tenemos una lista de todos los individuos que pertenecen a la población. podríamos desear estudiar a un grupo de personas (una ciudad. podrían servir como unidades de muestreo.. Las unidades de observación o elementos muestrales serían los individuos que viven en una familia o que trabajan en una determinada empresa. Si esta elección 2.... así como la necesidad de determinar su tamaño óptimo. etc.). familias. la unidad más pequeña en que podemos descomponer la muestra. Esto conlleva utilizar unas técnicas específicas de selección de la muestra.. la parte que aceptó y que realmente produce datos. centros. Condiciones que ha de cumplir la muestra. cuatro: 1. A veces.2 Etapas del proceso de muestreo. Las condiciones fundamentales que ha de cumplir una muestra son. 1 Se considera unidad de muestreo a la unidad. una barriada. las empresas. (Sierra Bravo. con los que confeccionamos la muestra: personas. 3. o elementos. centros educativos.. los centros educativos. Que su amplitud sea estadísticamente proporcionada a la magnitud del universo. ‘unidad de muestreo1’ y ‘marco de muestreo’. un grupo de estudiantes de un determinado nivel educativo. 2 Para Sierra Bravo población y universo son sinónimos. En este proceso de selección hemos de distinguir entre ‘elemento muestral’. 5) Muestra productora de datos. En su lugar las familias.. Por ejemplo. 1988: 175) La selección correcta de la muestra implica crear una que represente a la población con la mayor fidelidad posible. La ausencia de distorsión en la elección de los elementos de la muestra. “Que comprendan parte del universo2 y no la totalidad de éste. Esta condición se halla en relación con el punto práctico de determinación del tamaño de la muestra y sirve para decidir si. 2. una muestra es o no admisible. “. está constituida por grupos excluyentes de elementos de la población que completan la misma. 4) Muestra aceptante o parte de la muestra invitada que acepta participar.

éste tiene 1/100 de posibilidad de ser elegido. 1988: 175) Para cumplir estas condiciones es necesario aplicar unas determinadas técnicas de selección de la muestra que garanticen su representatividad. Aunque no existe una única forma de clasificar las técnicas de muestreo. pudiéndose calcular de antemano la probabilidad de que cada elemento sea incluido en la muestra. de tal modo que reproduzca sus características básicas en orden a la investigación. es decir. 3 TIPOS O TÉCNICAS DE MUESTREO.1 Muestreo probabilístico. ‘n’. Esto quiere decir que si hay sectores diferenciados en la población que se supone ofrecen características especiales.4. y así sucesivamente. procediendo según la siguiente secuencia: a) definir la población. Para Marín Ibañez (1985) este tipo de muestreo es el que alcanza mayor rigor científico. La muestra quedará formada por los ‘n’ elementos obtenidos mediante sorteo de la población. asignándoles números consecutivos desde 1 hasta ‘n’. es frecuente clasificarlas en probabilísticas y no probabilísticas. En la práctica real puede haber diversos grados de probabilidad.. Que sea representativa o reflejo fiel del universo. la muestra resultará por este mismo hecho viciada. la muestra también deberá comprenderlos y precisamente en la misma proporción. los clásicos sistemas de lotería y otros procedimientos de extracción al azar. presenta alguna anomalía. 3. Es la modalidad de muestreo más conocida y que alcanza mayor rigor científico. Para que esto no hubiera ocurrido tendríamos que haber empleado el 6 .. incluidos las aplicaciones informáticas. confeccionar una lista de todos los elementos. Conocido también como muestreo de selección aleatoria. según el cual todos los elementos de la población tienen la misma probabilidad de salir elegidos en una muestra. (Sierra Bravo. y d) extraer al azar los elementos. a efectos de los objetivos de la investigación. del conjunto mayor ‘N’ o población. y se caracteriza porque se cumple el principio de la equiprobabilidad. Garantiza la equiprobabilidad de elección de cualquier elemento y la independencia de selección de cualquier otro. Los procedimientos más comunes de extracción de los elementos en este tipo de muestreo son: las tablas de números aleatorios. De hecho si de un listado de papeletas con cien personas seleccionamos uno. En este procedimiento se extraen al azar un número determinado de elementos. c) definir el tamaño de la muestra. El muestreo por azar o probabilístico presenta varias modalidades: A) MUESTREO ALEATORIO SIMPLE. En los apartados siguientes desarrollaremos estos aspectos. lo importante es que la conozcamos. utiliza el azar como instrumento de selección. el segundo 1/99. determinar el tamaño óptimo de la muestra y tener en cuenta el ‘error muestral’. deberá estar estratificada como el universo”. incluidas en los manuales de estadística. b) la unidad de base de la muestra debe ser la misma. Algunos autores exigen que todos los elementos tengan la misma probabilidad de ser seleccionados.

Lo importante. por ejemplo. varias veces a un mismo alumno. al llegar a N. que cumpla la condición: 1# a# I. Si el azar hizo que se partiera de un elemento de la lista mayor que I. Si queremos obtener una muestra de 20 sobre una población de 100 (I = 100/20 = 5). por razón de economía y tiempo suele utilizarse. Este muestreo se utiliza cuando la población esta constituida en estratos o conjuntos de la población homogéneos con respecto a la característica que se estudia.procedimiento que se conoce de obtención de la muestra con reemplazo. ésta quedará sesgada porque elegirá siempre. se seleccionan el primer y/o el último nombre de cada página o columna. para que se mantuviera la proporción del 1/100. 5 administrativos. el 15. A los entrevistadores se les indica que paren a cada ‘I’ personas o llamen a cada ‘I’ puertas. Aunque es un procedimiento más rudimentario. en lo posible. un directivo por cada departamento o bien porque no lo elegirá nunca. previamente inscrita en unas listas numeradas. procurar que sea la misma. C) MUESTREO ESTRATIFICADO. Cuando se trata de poblaciones numerosas. es decir volviendo a colocar los que salen. por ejemplo la guía telefónica o los censos electorales. La sencillez del procedimiento se complica cuando la población es muy grande y las ayudas mecanizadas no siempre se pueden o se deben utilizar. para Marín Ibáñez (1985) es que conozcamos el grado de probabilidad y. a+I. Este procedimiento es más rápido que el anterior. El empleo de muestras sistemáticas consiste en una variante del anterior tipo de muestreo. El primer elemento (‘a’) suele elegirse al azar usando las tablas de probabilidad y. por ejemplo. que serán: a. La elección sistemática partiendo de listas es válida si el orden no ha sido establecido teniendo en cuenta la característica que estudiamos. obtenida la frecuencia de los casos iremos eligiendo saltando los números que indique la frecuencia. Pensemos la dificultad que tendría. es decir. sobre todo si la población es numerosa y está previamente ordenada. a continuación. Primero se calcula ‘I’ (frecuencia de los casos) mediante la fórmula I= N/n. Dentro de cada estrato se puede aplicar el muestreo aleatorio o 7 . se vuelve al principio de la lista hasta completar ‘n’ casos. podríamos partir el muestreo del nº 5. Si tenemos la población a estudiar. Después se elige un número menor o igual que I. el 10. Es muy utilizado en los sondeos de opinión y de “puerta a puerta”. por este procedimiento. B) MUESTREO ALEATORIO SISTEMÁTICO. 13. Supongamos que I = 10 y trabajamos con empleados de una empresa agrupados en Departamentos en los que el personal está listado según categorías profesionales. o el 3. se le suma la frecuencia.. 8. a +3I. Al elegir la muestra por este método. a+2I. listas en orden de calificaciones académicas si ésta es una de las variables de investigación. por este orden: 1 directivo. 14 profesionales especializados. obtener una muestra de la población de Madrid. pero no en el caso de consultar. por ejemplo. Un peligro de este método es el que se den periodicidades en la población que anulen la representatividad de la muestra.. Este último caso puede tener interés en determinadas circunstancias. etc. No pueden servir. Por último se seleccionan los números en la tabla de número aleatorios.

Rincón y Arnal. si del total de alumnos matriculados en las facultades españolas seleccionamos a cincuenta de cada titulación. centros escolares. Las complicaciones y dificultades serían mucho menores estableciendo una muestra al azar que tomara como unidades base del muestreo las aulas. el muestreo estratificado proporcional es el aconsejado. El muestreo individual resulta muchas veces inaplicable y hay que recurrir no a los elementos. a todos los alumnos de Bachillerato de una determinada ciudad. también conocido como afijación simple3. 8 . En este caso se selecciona de cada estrato un número de elementos proporcional a su tamaño en el conjunto de la población (afijación proporcional). MUESTREO POR CONGLOMERADOS (CLUSTERS) O GRUPOS. la muestra se obtiene seleccionando un número igual de individuos de cada estrato en que se ha dividido la población. aulas. titulación cursada. (Latorre. empresas. si por el contrario difieren mucho entre sí. Si sus varianzas son aproximadamente homogéneas. Estratificado proporcional. para estudiar las actitudes hacia la política de los universitarios españoles podemos dividir el total de alumnos en estratos para asegurarnos que estarán representadas las características que nos interesan. Para la obtención de la muestra estratificada se siguen los siguientes pasos: a) se divide la población en estratos. debe tomarse un porcentaje mayor de elementos de los estratos que mayor varianza experimentan. con independencia del tamaño y variabilidad de los mismos dentro de la población.sistemático. el muestreo ha sido estratificado constante.2 de este capítulo. etc. apdo. S Por ejemplo. 5. curso. Podríamos hacer una encuesta. Suponiendo que se estratifica la población por titulaciones. Posibles estratos podrían ser facultades. c) el número de individuos de cada estrato se puede decidir por paridad o proporcionalidad. y d) la suma de las muestras de cada estrato forman la muestra total ‘n’. etc. en terminología sajona. pero de forma proporcional al número de alumnos matriculados en cada titulación. M. por ejemplo. estamos ante una muestra estratificada proporcional. En este caso. Para esa muestra seleccionamos el mismo número. mediante el sistema de muestreo aleatorio simple. Este tipo de muestreo se utiliza cuando los individuos de la población constituyen grupos naturales o conglomerados (distrito. b) de cada estrato se extrae una muestra por algún procedimiento de muestreo. 2003) Dentro del muestreo estratificado suele distinguirse: ← SMuestreo estratificado constante. Jiménez Fernández (1983) considera que un criterio más útil para fijar la proporción de la muestra es atender a la variabilidad de los estratos en la característica que interesa (afijación óptima).) En el muestreo por grupos el proceso sigue estos pasos: la población se divide 3 Cfr. sino a seleccionar por el sistema del azar determinados colectivos. La muestra de grupos o racimos también se denomina conglomerados o clusters. Consiste en subdividir la población en subgrupos o estratos con arreglo a la/s característica/s que se consideren y en elegir la muestra de modo que estén representados los diferentes estratos.

en opinión de Kerlinger (1975). que constituyen las unidades muestrales primarias. entrevistar a la salida del metro. intencional o deliberado y por cuotas. pero en la práctica son a menudo necesarias e inevitables. Se procede dividiendo la población en varios conglomerados y se selecciona un número de ellos. etc. El criterio de selección de los individuos depende de la posibilidad de acceder a ellos. Este tipo de muestreo se caracteriza por utilizar las muestras que tiene a su alcance. o a las personas que pasan por un calle. sino que después de seleccionados los conglomerados. centros. Dentro de este tipo de muestreo se suele distinguir entre muestreo accidental. En una segunda etapa se obtiene una submuestra a partir de las anteriores. al no utilizar el muestreo al azar. que constituyen las unidades muestrales secundarias. no tienen la garantía de las muestras probabilísticas. En estas técnicas no se utiliza el muestreo al azar sino que la muestra se obtiene atendiendo al criterio o criterios del investigador o bien por razones de economía.previamente en grupos o conglomerados que contienen diversos elementos y. D) MUESTREO POR ETAPAS O POLIETÁPICO. 3. Relacionado con el tipo anterior. cursos o grupos dentro de un nivel. empresas. Es frecuente utilizar sujetos que las condiciones nos permiten (muestras que “proporcionan los amigos”). centros completos. El proceso sigue una secuencia de etapas de selección de unidades muestrales de mayor rango a otras de menor. a continuación.2 Muestreo no probabilístico. se procede a elaborar dicho listado sólo para los elementos que componen los conglomerados elegidos. En cada etapa puede aplicarse un muestreo aleatorio. Por ejemplo. aulas. A) MUESTREO ACCIDENTAL O CASUAL. estas técnicas no utilizan el criterio de equiprobabilidad. se seleccionan aleatoriamente el número de conglomerados y se trabaja con el total de elementos pertenecientes a los conglomerados elegidos. 9 . Se denominan accidentales porque no responden a una planificación previa en cuanto a los sujetos a elegir. distrito escolar. procurando que la muestra obtenida sea lo más representativa posible. De hecho. y así sucesivamente. toma las muestras disponibles sin introducir selección o modificación alguna. La unidad muestral es el conglomerado (cluster) o grupo y el proceso de selección aleatoria se aplica a la selección de éstos y no a los elementos menores que componen el conglomerado. etc. hasta llegar a los individuos o elementos que constituyen la muestra: Comunidad Autónoma. Estas muestras. Por ejemplo. Consecuentemente. Una ventaja de esta técnica de muestreo radica en que no es necesario identificar ni tener un listado de todos los elementos de la población para seleccionarlos aleatoriamente. Este tipo de muestreo sólo necesita conocer los individuos que integran los conglomerados de la última etapa. alumnos. sino que siguen otros criterios. comodidad. Se submuestrean las unidades anteriores hasta llegar a la muestra final.

En estas muestras opináticas (Latorre. En este procedimiento se parte de una muestra estratificada cuyas proporciones debe conservar el investigador. Como el sexo. Hay que convenir con Marín (1985) que no todas las opiniones son igualmente cualificadas. y cuando nos interesa una información más válida. (Lohr. El sistema de cuotas consiste en fijar unas “cuotas”. se justifica cuando se quieren estudiar elementos excepcionales de cierta población. No dudando de su utilidad. tienen un valor extrapolable al resultado global de las citadas elecciones. B) MUESTREO INTENCIONAL U OPINATIVO. la edad y el lugar de residencia. Cada cuota consiste en un número de elementos que reúnen unas determinadas condiciones. el investigador de opinión pública interpretado por James Stwart. La selección de las “cuotas” suele hacerse mediante “rutas” o “itinerarios”. parecen factores condicionantes. el investigador selecciona de modo directo los elementos de la muestra que desea participen en su estudio. Se sigue un criterio establecido por el experto o investigador. Rincón y Arnal. deberemos establecer que haya un 50% 10 . la misma proporción de personas bajo la línea de la pobreza. que no son naturalmente toda la población delincuente. Se suelen seleccionar los sujetos que se estima que pueden facilitar la información necesaria. buscamos deliberadamente los elementos de la muestra porque nos parece que pueden facilitarnos una información más válida. Hay muestras intencionadas que parten de ‘elementos típicos’ o ‘representativos’ a los que ya públicamente se les ha reconocido tal rango. ya determinadas. Se eligen los individuos o elementos que se estima que son representativos o típicos de la población. igual proporción de mecánicos automotrices. Grandview poseía exactamente la misma proporción de personas que votaban por los republicanos. No obstante. Si queremos datos sobre la población delincuente será interesante recurrir a los servicios policiales. ya que la forma de asegurarse de que se incluirán en dicho estudio. En esta técnica. que Jiménez Fernández (1983) califica de “deliberado”. puede usarse en estudios exploratorios cuando no se disponen de otras. que Estados Unidos visto como un todo. es elegirlos intencionalmente.Desde el punto de vista de la investigación este tipo de muestreo es más débil. cuidando mucho el análisis y la interpretación de resultados. etcétera. a los centros penitenciarios o de rehabilitación social o a los propios reclusos. El personaje de Stewart sólo tenía que entrevistar a las personas de Grandview para saber cuál era la opinión pública en la Unión Americana”. 1999: 2-3) C) MUESTREO POR CUOTAS. descubrió un pueblo que tenía exactamente las mismas características que todo Estados Unidos. se presta a críticas porque las muestras obtenidas resultan inevitablemente sesgadas en el sentido del criterio que se ha usado para seleccionarla. 2003). En España. pero cada uno de los casos queda a su arbitrio elegirlos. Este tipo de muestras han sido ampliamente divulgado por los medios de comunicación: “En la película Magic Town. Este método. Supongamos que queremos averiguar el nivel cultural de unos determinados profesionales de un área geográfica o de un sector productivo. la experiencia y la preparación pueden inducirnos a seleccionar deliberadamente la muestra de acuerdo con unas características no aleatorias. en las Elecciones Generales se sabe que el escrutinio de apenas ocho decenas de mesas electorales.

cuando se trabaja con entrevistas. C) MUESTRAS COMPUESTAS. porque puede ocurrir que precisamente la población no participante tenga alguna característica por la que no desee contestar. el peso. por ejemplo. por razones de localización.. Esta técnica es aplicable cuando se conoce el valor medio que alcanza una de las características estudiadas en el universo. Se conoce con este nombre al sistema de muestreo que comprenden dos o más muestras distintas. común al muestreo probabilístico y no probabilístico. etc. hay una resistencia a consultar a población dispersa en caseríos distantes o a la que está en pisos elevados sin ascensor. según las diferentes partes del fenómeno estudiado.000 habitantes. un tanto por ciento aproximado por grupos de edad correspondientes a la población real y así mismo procuraremos que haya el mismo tanto por ciento en la muestra que en la realidad de quienes viven en poblaciones de menos de 2. la talla. Marín (1985) señala un riesgo muy generalizado.). Cuando interesa conocer la evolución del fenómeno estudiado con el paso del tiempo (estudios de mercardo. 3.de varones y de mujeres. De hecho. en el caso de que sus valores acerquen más la media de la 11 . Por último. con lo cual queda excluida de la muestra y comprensiblemente mantendrá su rechazo en los nuevos casos que los sustituyan. la solución es repetir la encuesta a nuevas muestras cada cierto período de tiempo. Es un procedimiento muy útil cuando se quiere lograr una valiosa corroboración o verificación de los resultados obtenidos en una encuesta. A) MUESTRAS SUPERPUESTAS. La compensación consiste en sustituir unidades de la muestra por otras nuevas elegidas también al azar.de 2. El investigador ha fijado ‘n’ para la muestra y elige libremente los individuos hasta alcanzar esa cifra. etc. D) MUESTRAS COMPENSADAS.000 habitantes. sería poco probable que su media coincidiera con la de la población. B) MUESTRAS SUCESIVAS. En este caso no hay más remedio que sustituir la población que no desea colaborar o a la que no tenemos acceso por otra de condiciones similares. Sierra Bravo (1988: 197 ss.) presenta otros métodos menos utilizados.. electorales. En un estudio que abarque población de hábitats urbanos y rurales. pero hay que tener mucho cuidado para evitar el sesgo de la muestra. y es el del rechazo a participar en la investigación. Se seleccionan dos muestras distintas obtenidas de la misma base de la muestra mediante la realización de dos sorteos o dos sistemas de muestreo distintos.3 Otros tipos de muestreo. se podría aplicar un muestreo aleatorio simple para el primero y el de clusters para zonas rurales.001 a 5. El riesgo radica en que seleccione a personas a quienes resulta más fácil. Una vez obtenida la muestra.

Lo normal es que lo sea. 1985). la representatividad en cuanto a una o dos características (Jiménez Fernández. pero esta circunstancia no es garantía total para que estemos seguros de que la muestra al azar es representativa de la población de la que se ha extraído (Kerlinger. ayuda a garantizar su representatividad. Si se poseen datos sobre la población se pueden comparar con ellos la muestra 12 . “Preservar la representatividad es el atributo más importante que debe reunir el muestreo. Uno de los problemas fundamentales que se le plantea al investigador en relación con el muestreo consiste en saber si el grupo elegido es verdaderamente representativo del conjunto. son menos conformistas. como por ejemplo: son sujetos con un mayor nivel cultural. La representatividad es la característica más importante de una muestra. 1983). suelen ser más inteligentes.muestra a la del universo. la segunda hace referencia al grupo de individuos que aceptan participar y la muestra productora de datos coincide con la muestra real del estudio. Capacidad para medir esas variables. El muestreo estratificado proporcional asegura. es lo que aparece con más frecuencia. para algunas de las características. ya que lo típico. E) MUESTRAS DE VOLUNTARIOS. dado que por razones éticas o morales no pueden utilizar ninguno de los demás procedimientos. Rincón y Arnal. tienen mejor estatus social. 2. la muestra aceptante y la muestra productora de datos. 4. (Latorre. En algunas investigaciones el autor se ve obligado a pedir voluntarios que quieran participar en su estudio. 2003: 82) Fox (1981) señala que para lograr la representatividad se requiere: 1. y 3. REPRESENTATIVIDAD DE LA MUESTRA. para que lo sea. 1985). los rasgos de los elementos o individuos elegidos para la muestra deben ser similares a los de toda la población (Marín Ibáñez. Generalizar a la población a partir de la muestra sólo está justificado si ésta representa realmente a la población. Conocer qué características (variables) están relacionadas con el problema que se estudia. El mismo autor señala que si no se cumple alguna de estas condiciones. son menos convencionales. lo que nos permitirá generalizar a la población los resultados obtenidos en la muestra”. La selección aleatoria de la muestra garantiza la ausencia de sesgo en el proceso de selección de la misma. Estas muestras presentan ciertos sesgos y suelen presentar determinadas características. son más sociables. La primera corresponde al conjunto de individuos “invitados” del conjunto de la población. Poseer datos de la población sobre estas características o variables para usarlos como variable de comparación. Se espera que sea representativa de las características relevantes de la población. se pierde la capacidad de buscar deliberadamente la representatividad en cuanto a ella. lo representativo de la población. pero no hay seguridad total. Para Fox (1981) otra forma de analizar el problema de la representatividad de la muestra consiste en distinguir entre la muestra invitada. El muestreo adquiere todo su sentido en cuanto que garantiza que las características que se quieren observar en la población quedan reflejadas adecuadamente en la muestra. pero pudiera no serlo. etc. en cambio.

lo que demuestra que esa/s característica/s no han sido consideradas para no participar. mediante algún contraste de significación adecuado (por ejemplo chi-cuadrado). “cuando sea inferior al 50% «se debe leer y escribir con cuidado». por el contrario. Sobre la muestra productora de datos siempre posee valores el investigador. 2003: 83).invitada y/o la aceptante y. es necesario preguntarse qué pérdida puede tolerarse desde la selección de la muestra inicial hasta llegar a la que proporciona los datos. De hecho. un tema que siempre preocupa. En principio hay que rechazar la idea. En cualquier caso. hay que tener en cuenta que se tiene constancia probada de que las personas que no responden tienen opiniones o patrones de conducta distintos de las que responden. se puede admitir la representatividad de la muestra para las características en cuestión. de cómo se distribuyan las respuestas en la diferentes categorías de la variable. para su representatividad. hemos supuesto que se tienen datos sobre ella. Para realizar el contraste de representatividad de las muestras respecto de la población. ni considerarlos como conclusiones válidas. pero no se pueden aceptar sin hacer un estudio posterior más exhaustivo” (Latorre. no se puede realizar el contraste de la muestra invitada y/o aceptante con respecto a la población. no se ha logrado representatividad en una o varias variables. Un informe sobre los elementos que se negaron a participar. y que el porcentaje de la pérdida también depende. 5. Una prueba de significación adecuada entre estas dos muestras (aceptante y final) serviría para ver si difieren significativamente en algunas de las variables básicas o si. Por último. b) seleccionar más elementos de la población. TAMAÑO DE LA MUESTRA. Rincón y Arnal. no existe una única respuesta cuantitativa. No es igual un 48% de “sí” y un “52% de “no” ante determinada pregunta que un 16% y un 84% (Jiménez Fernández. en un primer momento. Al mismo tiempo. la muestra productora de datos sigue siendo representativa de la muestra aceptante. Si el contraste indica que no hay diferencias significativas en las variables consideradas. Se suele considerar que una pérdida del 25% debe preocupar. pero nada se puede afirmar sobre la representatividad de la muestra respecto de cualquier otra variable Si. por el contrario. no tiene fácil solución y va estrechamente unido a la representatividad. se negaron a hacerlo al conocer más profundamente la investigación. Si no se tuvieran datos de la población. ya que su referente comparativo es la muestra aceptante. aún cuando no existan diferencias estadísticamente significativas. con una menor 13 . El tamaño de la muestra. 1983: 249). orientará al investigador y al destinatario de la investigación sobre la posibilidades de sesgo en esta etapa del muestreo. el investigador tiene dos opciones: a) trabajar con la muestra no representativa y contar con ese límite. Son útiles como estudios pilotos. Entonces se recurre a contrastar la muestra aceptante con la invitada. y cuando la proporción es menor del 40% no se deberían dar a conocer los datos. aunque el estudio tenga una muestra mayor de buscada inicialmente. de que la muestra debe ser proporcional a la población. con la esperanza de que una muestra mayor sí sea representativa. a medida que aumenta ésta. demasiado extendida. de los que aceptaron participar pero luego no pudieron y de los que aceptando. determinar si difieren de ella en las características que interesa en una investigación dada.

el tamaño de la muestra está en relación directa con la desviación típica de las puntuaciones en la/s características de la variable a investigar. pero el número de elementos necesarios para lograr la representatividad varía de una investigación a otra. Cuanto más homogénea es una población en la/s característica/s objeto de estudio. Una muestra debe ser lo suficientemente grande como para ser representativa. No es igual seleccionar. alumnos que se matriculan en los programas de formación y después no asisten o abandonan. no porque sean buenas en sí mismas sino para dar al principio de distribución al azar una probabilidad de “actuar”. está incluido el 95. Por ejemplo. por ejemplo. Si queremos alcanzar una mayor certidumbre hemos de abarcar entre +3 y -3 sigmas. Consecuentemente este autor recomienda usar muestras grandes. Así. Por ejemplo. se considera una muestra grande cuando n > 30. 1983). pero naturalmente tendremos que elevar el 4 Cfr. Si no conocemos la proporción se asigna el 50% como la opción más segura en los cálculos de la muestra.proporción podemos alcanzar la representatividad. 1983). seleccionada al azar una muestra de personas es más fácil.3 de este capítulo. Cuando no se conoce es conveniente hacer algún pequeño estudio inicial con una muestra mucho menor para tener alguna idea de ese porcentaje. a partir de la media. apdo. No obstante. 6. a medida que aumenta el número de personas de la muestra. El nivel de confianza que queramos que alcancen nuestros resultados también influye en el tamaño que debamos dar a la muestra. los estadísticos calculados con muestras grandes son más precisos que los calculados con muestras pequeñas. 1988: 226) El tamaño de la muestra puede dilucidarse en parte preguntándose por la cuantía del error que es probable cometer al calcular diversos estadísticos partiendo de muestras de diferente tamaño. Entre +2 y -2 sigmas de la curva de distribución normal de Gauss4. en igualdad de otras condiciones. el error es menor que en las no estratificadas. más fácil resulta obtener muestras representativas sin necesidad de que sean grandes. en las muestras estratificadas. (Sierra Bravo. 14 . Se considera clásica la curva de error de Kerlinger (1975) en la que el error aumenta a medida que disminuye el tamaño de la muestra y a la inversa. Es decir. en cuyo caso el riesgo de que exista diferencia entre los estadísticos de la muestra y los parámetros de la población sean distintos será de 997/100. que el porcentaje de mujeres y de hombres se equilibre.5% de la población. El tamaño de la muestra viene condicionado por el tanto por ciento de la característica que estamos estudiando. El tipo de datos que se desea recoger y el medio que para ello se va a emplear son condicionantes que influyen en la menor o mayor reducción de la muestra seleccionada (Jiménez Fernández. entendiendo por error la desviación con respecto a los parámetros de la población. pero una muestra representativa de 50 elementos es preferible a otra no representativa de 100 (Jiménez Fernández. y también lo es el tamaño de la muestra necesario. El tamaño de la muestra también depende del tipo de muestreo que se ha llevado a cabo. A efectos descriptivos. Esto quiere decir que tenemos una probabilidad de que 955/1000 coincidan con los de la población total. No existe un tamaño ideal de la muestra. por ejemplo. Cuando tenemos una proporción de la característica del 50% estamos ante lo que se designa como ‘el caso más desfavorable’ porque exige la muestra mayor. aulas ya organizadas y recoger la información en días y horas lectivos que hacerlo a través de un cuestionario enviado por correo.

15 . ∀ = 0. De este modo.7% y del 95%. el número de elementos óptimo de una muestra. la determinación variará. Con esta base se tendrán los referentes necesarios para determinar el tamaño de la muestra.numero de elementos de la muestra. Bugeda (1974) recoge tablas que permiten determinar el volumen de la muestra y el nivel de estimación para los niveles de confianza del 99. el error de estimación y el nivel de confianza con el que deseemos trabajar entre otras consideraciones.1) Que conozcamos la proporción de elementos que posee la característica a través de estudios previos. el investigador habrá de tener en cuenta: la amplitud del universo (infinito o no). existen tablas. el tipo de muestreo. Es lógico pensar que no haya una coincidencia total entre los datos de la población y los de la muestra. Pero si queremos rebajar ese error tendremos que aumentar el volumen de la muestra. A. Para determinar el volumen de la muestra. de acuerdo con el nivel de confianza. el proceso y medios de recogida de datos.000 elementos. las variables (tipo de datos. representatividad. según las siguientes ecuaciones: A) Determinación del tamaño de la muestra para poblaciones infinitas. Conociendo el nivel de confianza que queremos que alcancen los datos se puede aplicar una ecuación matemática para estimar el tamaño de la muestra5. 5.2. = puntuación correspondiente al riesgo ∀ que se haya elegido. Para seleccionar el tamaño de la muestra se suelen utilizar técnicas de tres tipos.96) p = % estimado q = 100-p e = error permitido. los análisis estadísticos que se planifiquen. Si desconocemos la proporción de individuos que poseen la característica. valores de la misma. el error muestral. para un riesgo del 5%. pero también se pueden determinar mediante otros procedimientos: las “curvas de error” del tipo de las definidas por Kerlinger (1975: 132) o mediante cálculos estadísticos. estimando qué 5 6 Frecuentemente se opta por un nivel de confianza del 95% ó 99. Determinación estadística del tamaño de la muestra. Otro dato determinante del tamaño de la muestra es el error de estimación. y un error de estimación máximo del un 5% Se consideran muestras infinitas las que superan los 100. A continuación desarrollamos este último procedimiento. que suele establecerse en el 5%. se toma p = 50% y q = 50%.7%.1. Concluimos que determinar el tamaño de la muestra es un tema complejo.05 (Z∀ = 1. Por ejemplo.6 En este caso pueden presentarse dos situaciones: A. Según se trate de poblaciones infinitas o finitas. homogeneidad/variabilidad de los datos). Hemos de indicar el máximo error tolerable. En este caso se aplica la fórmula: Z∀ 2 * p * q n = --------------------e2 z∀ n = número de elementos que debe poseer la muestra ∀ = riesgo o nivel de significación. Por tanto. Ya hemos hablado del uso de tablas.

denominado afijación de la muestra. el número óptimo para un estudio de 60.= 5625 elementos. Además de la determinación del tamaño general de la muestra hay que especificar el volumen de cada estrato de la muestra.000 personas inscritas en cursos de formación. Este proceso. Suponemos que la opción por inscribirse en cursos de formación. en la muestra deberán figurar los estratos según su proporción en el universo. n = --------------------e2 B) Determinación del tamaño de la muestra para poblaciones finitas.5%).proporción de sujetos poseen una característica al nivel de confianza del 99. En este caso se emplea la siguiente fórmula: Z∀ 2 * p * q * N n = ----------------------------e2 (N-1) + Z∀ 2 p * q De este modo. 4 * 50 * 50 * 60. debe tener en cuenta que para garantizar la representatividad de la población. o no. Cuando se trata de muestras estratificadas la determinación del tamaño de la muestra plantea un problema especial. al tamaño 16 .7% (3 Φ ) y un error de estimación admitido del 2%. y el margen de error en el 3%. sería. será: 32*50*50 N = ------------------.000-1) + 4 * 50 * 50 En el caso de que la investigación requiera estimar una media la fórmula a utilizar quedaría así: N * Z∀ 2 * s2 n = ----------------------------Z∀ 2 * s2 + e2 * (N-1) Como conclusión de este apartado hemos de señalar que las fórmulas anteriores varían con el tipo de muestreo y con el sistema de afijación de la muestra (Sierra Bravo. que representa cada estrato dentro del universo.= 1091 individuos. 9 (60.000 N = ---------------------------------. La forma más utilizada y directa de realizar esta operación (afijación proporcional) consiste en aplicar el porcentaje. estableciendo un nivel de confianza de 2Φ (95. 1988: 226) 5. 22 En el caso de que la investigación requiera estimar una media se utiliza la siguiente fórmula: Z2∀ * s2 s2 = Varianza. es del 50%.2 Afijación de la muestra.

El error de muestreo ocurre al estudiar una muestra en lugar de la población total. a todas luces descartable en la práctica. Esta realidad. La base estadística del error muestral es la siguiente. Este procedimiento se denomina afijación óptima. el tamaño de estratos que resulte más caro investigar. dos o tres sigmas”. válido para todas las muestras posibles.general de la muestra. mediante un sondeo previo con relación al objeto de estudio de la muestra. la muestra perdería su razón de ser. etc. del mismo tamaño. con toda la población. cuando nos referimos a error muestral no nos referimos al concepto señalado en el párrafo anterior. con lo que se obtendrá el número de elementos de la muestra que se debe asignar a cada estrato. fallos. (Sierra Bravo. de tipo genérico. sino únicamente para establecer el intervalo de confianza dentro del que nos movemos en la muestra. mas o menos el error en cuestión. (Sierra Bravo. sirve para darnos no un error específico y determinado. y su aplicación está justificada por razones económicas en el caso de que con su empleo se pueda reducir sensiblemente. sino como variaciones debidas al hecho de que no hay jamás dos muestras que sean exactamente iguales” (Garret. ERROR MUESTRAL Cuando se extrae una muestra de una población es frecuente que los resultados obtenidos de la muestra no sean exactamente los valores reales de la población.1 Fundamento estadístico del error muestral. 1988: 207) Los errores de muestreo o ‘fluctuaciones de muestra a muestra’ son aleatorios y “no han de considerarse como equivocaciones. dentro del que se debe encontrar la media del universo. Por tanto. se suele utilizar otro procedimiento de afijar la muestra que consiste en multiplicar el porcentaje de cada estrato en el universo por su proporción o su desviación típica y repartir el tamaño de la muestra entre los estratos proporcionalmente a dichos productos. Para Sánchez Crespo (1976) este sistema. que es el más utilizado. estadístico. La diferencia entre el valor del parámetro de una población y el estadístico de una muestra recibe el nombre de error muestral. La única forma de poder conocer el error muestral real consiste en realizar paralelamente la investigación con la muestra y. reúne las siguientes ventajas: permite una moderada ganancia global en precisión y mantiene la igualdad de probabilidad de elección de todas las unidades del universo. 17 . por tener una varianza más reducida. 1988) 6. con el grado de probabilidad con que se trabaje. Denominemos ‘0 ’ a la media de la muestra y ‘’ a la media de la población. Si se conocieran las desviaciones típicas o las proporciones de cada estrato en el universo. o se han calculado “ex-profeso” . 1976: 238). Entonces las estimaciones de variarán en torno a ‘’ en la forma de la curva de distribución normal. 6. sino a un error muestral determinado estadísticamente. Supongamos que se obtuvieran todas las muestras posibles de. nos advierte acerca de la imposibilidad de conocer el error muestral real. Los estadísticos obtenidos en estas muestras al azar son estimaciones de los parámetros y sus errores típicos miden la bondad de la estimación.. En primer lugar. a la vez. ‘n’ unidades cada una. para señalarnos “los límites formados por la media de la muestra. de la misma población y se calculasen las para cada una de ellas. Este error muestral. no conocido.

en Latorre. b) 7 Técnica del jakknife (‘navaja’). De entre las técnicas de submuestreo señalaremos como las más usuales. / n Los errores de medición2 se refieren por sesgo)2 + (error de (Error total) = (error a los fallos de los instrumentos de medida. debido al azar. Si éstos son pequeños. que consiste en cortar la muestra en varias partes no El error típico se define en estadística como la desviación típica de la distribución muestral de un estadístico. denominado error de sesgo. 2003: 83): a) La técnica de la replicación independiente. que actúan de modo incontrolado. Estos errores. sería la desviación típica de las distintas medias obtenidas alrededor de la media de la población. Ambos se relacionan matemáticamente mediante la siguiente expresión: Para estimar el error muestral existen varias técnicas denominadas de submuestreo (subsample) o remuestreo (resample) que se basan en dividir la muestra total en dos o más submuestras aleatorias y a partir de ellas estimar los estadísticos y determinar las propiedades del estimador (Wilson. (Jiménez Fernández. es debido a que la muestra no es representativa de la población. 1988. pues la variación puede estar causada por los errores de medición. siguiendo una distribución normal. el segundo. así como del que los aplica y corrige. Los errores muestrales son debidos a dos causas principales. suele designarse por Φ y mide la importancia de las variaciones de las o medias muestrales en torno a la de la población. En ella se pondría de manifiesto que habría muchas medidas de iguales o muy cercanas a la población y muy pocas alejadas de .Esa curva de “distribución muestral” expresaría gráfica y matemáticamente la distribución de todas las medias de las muestras obtenidas del universo.. Rincón y Arnal. el error muestral o ‘error típico’ 7. Por ello. pueden muestreo)2 aumentar considerablemente el error típico de un estadístico. un error típico grande sí indica un considerable error de muestreo. se conoce como error aleatorio. Φ = desviación típica de la muestra e= error típico de la media o error n = tamaño de la muestra. La fórmula que expresa esta relación es: s e = ---------muestral. 1988). las siguientes (Ross. que consiste en que la muestra se divide en dos submuestras independientes. 1983) 18 . un error muestral grande no implica necesariamente falta de representatividad de la muestra. El primero. Tomando estos referentes.

s e = ---------/ n e = ∑ De intervalo: De proporciones: s2 = varianza (cuadrado de la desviación típica) población n = tamaño de la muestra. la formula a utilizar será: ni = elementos del estrato “i”. o poblaciones finitas / infinitas: e = Muestras Poblaciones finitas. pi = proporción del atributo muestral en el estrato “i” n = número total de elementos de la muestra. c) Replicación repetida balanceada. es decir. En las muestras estratificadas habrá que considerar que. Poblaciones infinitas. serán distintas para cada estrato. 3 = sumatorio de todos los estratos. ( n isi ) 2 n2 s2 e = n Fórmulas del error muestral para:. con reposición. e = s2 m (1 − ) m N s2 N − n × n N −1 p * q N − n × n N −1 N = el tamaño de la 6. s = desviación típica de las medias de los clusters de la muestra. p = proporción de elementos que posee la característica investigada: (q = 1 . en su caso. e = e = (N-n/ N-1) término de corrección utilizado para poblaciones finitas y muestras sin reemplazamiento. Consecuentemente. normalmente.mutuamente excluyentes.2 Estimación del error muestral en las muestras estratificadas y de clusters. En el caso de medias: e = En las muestras de clusters la p * q n fórmula del error muestral es: m = número de clusters de la muestra M = número de clusters del universo. 19 .p) Nota: Al numerador [s2] o al [p * q] hay que multiplicarlos por el cuadrado de ‘nivel de confianza’ elegido: 22 ó 32 para 2 ó 3 Φ (sigmas). respectivamente. Las fórmulas generales que nos permiten estimar el error muestral son: p (1 − p ) n ∑ n i p i (1 − p i ) e = n Estas fórmulas generales presentan modalidades diversas según se trate de muestras con desviación típica o muestras con proporciones. el % de la característica o la desviación típica.

El tamaño de la muestra es. que nosotros adoptemos. aparece/no aparece. El nivel de confianza más corriente con el que se trabaja en muestras de investigaciones educativas es el de dos sigmas.6. 1988: 209): A) B) C) D) La amplitud del universo. No obstante.. asignándole los valores 1/0 (positiva/negativa. Es decir. En ese caso la desviación típica es igual a 20 . con esta elección adoptamos un riesgo razonable de equivocarnos. n. El nivel de confianza adoptado es también otro dato que nos puede venir dado o que podemos elegir. por lo que prescindimos del otro 4. Supuesto esto.). un dato que nos dan o elegimos. superior al 6%-. por ± 2 (95. Hay una relación inversa entre tamaño de la muestra y error muestral. En consecuencia. en cierto modo.. recibe el nombre de nivel de confianza. por ejemplo. de las que se refieren a variables cualitativas (con escalas nominales u ordinales. recurriendo al álgebra de Boole.5%. y por creer que el indicativo 95.3 Factores que intervienen en el error muestral. que de las medias de todas las muestras posibles que forman en su conjunto la curva muestral. sólo consideramos como probables el 95. finito o infinito. porque representa el % de seguridad o probabilidad que elegimos. los factores que intervienen en él son (Sierra Bravo. El área abarcada por ± 1 sigma (68%).5%. el nivel de confianza será la proporción de las p * (1 − p ) medias muestrales que forman el área de esta curva de distribución normal del universo que se piensa abarcar. por estimar que es muy improbable su obtención. El tamaño. si al calcular el error éste resulta demasiado elevado -por ejemplo. De acuerdo con las expresiones matemáticas que calculan el error muestral. El nivel de confianza adoptado.7). Las pruebas empíricas realizadas muestran que las distribución muestral de medias de diferentes muestras se ajusta generalmente a una distribución normal o curva de Gauss. entonces estamos obligado a aumentar el tamaño de la muestra para reducir el error. En este caso la media es igual a ‘p’ (proporción en que se da el atributo en cuestión en la población). en las fórmulas del error muestral. La desviación típica.5%) ó por ± 3 (99. El hecho de que se estime el universo como infinito supone que su amplitud no influye para nada en la fórmula a aplicar. de las que son tipo la variables dicotómicas del tipo Sí/No) Estas últimas variables es posible cuantificarlas. de la muestra. Respecto a la desviación típica hay que distinguir las muestras referentes a variables cuantitativas (con escalas de intervalos o de razón).5% nos proporciona una seguridad no total pero suficiente en la práctica.

se utiliza en su lugar la ‘cuasivarianza’. 21 6. Modo de elección defectuoso de una muestra que hace que ésta i s = no sea representativa. de unidades de la muestra que habían sido elegidas al azar. Error sistemático. pues de otro modo ademas de quedar modificado el tamaño de la muestra. 4. 2. Cuando ésta no es conocida. y quedarían fuera los menos rápidos. cuando en la base de la muestra también uno de cada cinco son individuos con una característica determinada. o sea la varianza estimada mediante una pequeña muestra tomada de la población. Sustituciones. Por ello. Ello puede llevar a una hiper/subrepresentatividad de la muestra. Insuficiente observación del conjunto de la muestra. Los errores se clasifican. según criterio propio del investigador. en las encuestas por correo se estima necesario reiterarlas hasta tres veces. si no se conoce ‘p’. Las tendencias subjetivas conscientes o inconscientes del investigador. como suele ocurrir. El error sistemático se suele ajustar a una pauta determinada en su sentido y magnitud. Para Bugeda (1974.En las muestras con variables cuantitativas la desviación típica ( s ) se calcula según: Los datos obtenidos por una u otra fórmula se refieren a la varianza del universo a la que representan. ya que está comprobado que éste parámetro es muy estable. se ha constatado que los que contestan primero son los más interesados en la encuesta. visto más arriba. en cada caso distinto. al repetirse los casos. El error aleatorio no se suele ajustar a ninguna pauta. que es el caso más desfavorable. es un error de tipo aleatorio estadístico. y por lo tanto. en Sierra Bravo. la proporción o porcentaje que expresa el nivel estimado de la extensión en el universo de la característica sobre la que se desea obtener información.4 ∑ (xi − x )2 n i 3. 5. según su carácter. que lleva a atenerse a los primeros resultados. Respecto de este motivo. El error muestral. en las muestras referidas a variables cualitativas. a través de un sondeo previo. su magnitud aumenta acumulativamente. 1988: 213) las principales vías de penetración del error sistemático o de distorsión son las siguientes: 1. en su sentido y magnitud. varía normalmente. especialmente presente en las encuestas por cuestionario escrito. en sistemáticos. Así. en una encuesta sobre la extensión del consumo de una determinada marca de tabaco se deberá estimar con anterioridad. Por ello. es decir. para hallar la desviación típica es necesario hallar. la proporción de fumadores y no fumadores dentro del total de la población. y por ello tiende a anularse cuando se trata de un número elevado de casos. que seguramente constituyen un grupo de características diferentes de los primeros. que tiene lugar cuando se utilizan muestras y se basa en las fluctuaciones aleatorias del muestreo. la encuesta sólo abarcaría un tipo de gente. en que la muestra deberá ser mayor. los rápidos en contestar. Cuando el sondeo sea imposible habrá que partir de la suposición del 50%. aleatorios y muestrales. . aunque sea de manera aproximada. n −1 La dependencia del método de muestreo de una característica de las unidades del universo a elegir. Este sería el caso de un muestreo aleatorio sistemático realizado cada cinco elementos.

COLÁS BRAVO. FOX. México. and measurement. Madrid. J. F. Barcelona. V. Eunsa. y PÉREZ JUSTE. R.7. Buenos Aires. K. Madrid. Thomson Editores. (1998): Métodos de investigación en Psicopedagogía. LOHR. E. C. J. International. 2 y 3. (1981): El proceso de investigación en Educación.Técnicas y Metodología. Tomo I. pp. SIERRA BRAVO. R. En MARÍN IBÁÑEZ y PÉREZ SERRANO. S. H.P. (Análisis de datos). RAE (2001): “Población” / “Muestra” [en linea]. BUENDÍA EISMAN. L. 161-186 LATORRE. (1984): La investigación del profesor en el aula. y HERNÁNDEZ PINA. Diccionario de la Lengua Española. Madrid. UNED. En KEEVES. GARRET. 229-258. N. (ed. J. (1975): Investigación del comportamiento. (1985): “El muestreo”. 22ª Edición. Instituto de Estudios Políticos.). C. RINCÓN D. Pergamon Press. Pamplona. (1976): Estadística en Psicología y Educación. KERLINGER. Disponible en: http://www. MARÍN IBÁÑEZ. A.L. M. GIL PASCUAL. LÓPEZ-BARAJAS ZAYAS. (2004): Bases Metodológicas de la Investigación Educativa. G. UNED. P. (1999): Muestreo: Diseño y Análisis. R. (1974): Manual de técnicas de investigación social. Madrid. methodology. (1983): “Población y muestra. y PÉREZ JUSTE. : Pedagogía Experimental II. En JIMÉNEZ FERNÁNDEZ. Madrid. BUGEDA. México. . Experiencia S. J.: Pedagogía Social y Sociología de la Educación. Madrid. J. Tema 6.(1985): Enfoque conceptual de la investigación del comportamiento. A. Madrid. BIBLIOGRAFÍA. 22 . (2003): Bases Metodológicas de la Investigación Educativa. El muestreo”. (1988): Técnicas de investigación Social. Paidós. L. D. E..es/ [consulta 2005. Educational research. McGraw-Hill. Teoría y Ejercicios. N. F. Interamericana. Escuela Española. (1988): Sampling errors.. Unidades Didácticas 1. UNED. pp..rae. R. del y ARNAL. GARCÍA HOZ.. Interamericana. JIMENEZ FERNÁNDEZ.29 de septiembre] ROSS. Oxford. An international handbook.

Paraninfo. Madrid. 23 .

Sign up to vote on this title
UsefulNot useful