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

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

En el terreno epistemológico. 1981: 367) 2. es decir.. que sea una parte típica de la población en la o las características que son relevantes para la investigación”. (Jiménez Fernández. (Fox. que son la reducción del coste de la investigación en tiempo y en dinero. El Diccionario de la Lengua Española (RAE. que se somete a observación científica en representación del conjunto.... de una muestra elegida correctamente y en proporción adecuada.característica que hay que estudiar. es una parte o subconjunto de una población normalmente seleccionada de tal modo que ponga de manifiesto las propiedades de la población. 2001) define la muestra. Con una muestra relativamente reducida en relación a la población.1. Suponen una gran economía en las encuestas y la posibilidad de mayor 4 . 2003: 78) Las muestras tienen un fundamento matemático estadístico. dentro de unos límites de error y probabilidad. Debido a esto. seleccionados por algún método de muestreo”. Muestra. Éste consiste en que obtenidos unos determinados resultados. Este conocimiento se puede obtener a partir de una muestra que se considere representativa de aquella población. es un proceso lógico. que se pueden determinar estadísticamente en cada caso. sino que. 1988: 174) Latorre. también para el universo total investigado”. una parte representativa de un conjunto o población debidamente elegida. 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”. se pueden aprovechar las ventajas del muestreo. “Aunque la razón esencial por la que se muestrea es la imposibilidad de estudiar todos los sujetos. en su segunda acepción. 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. Rincón y Arnal ponen especial énfasis en la metodología del muestreo: “Conjunto de casos extraídos de una población. con el propósito de obtener resultados válidos.. en general. se puede alcanzar esa comprensión con una parte de los sujetos. que de otra manera sería muy difícil o prácticamente imposible investigar. respecto del estudio de poblaciones. Jiménez Fernández (1983) destaca la condición de representatividad que ha de tener la muestra: “. (Sierra Bravo. 1983: 237) Sierra Bravo hace hincapié en la generalización de resultados: “. 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. Rincón y Arnal.. (Latorre. Las muestras presentan evidentes ventajas. Su característica más importante es la representatividad. 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. como “parte o porción extraída de un conjunto por métodos que permiten considerarla como representativa de él”. se pueden encuestar grandes poblaciones y núcleos humanos.

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

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

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

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

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

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

electorales.de varones y de mujeres.. Sierra Bravo (1988: 197 ss. porque puede ocurrir que precisamente la población no participante tenga alguna característica por la que no desee contestar. cuando se trabaja con entrevistas. 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.de 2. C) MUESTRAS COMPUESTAS. Esta técnica es aplicable cuando se conoce el valor medio que alcanza una de las características estudiadas en el universo.) presenta otros métodos menos utilizados. A) MUESTRAS SUPERPUESTAS. según las diferentes partes del fenómeno estudiado. en el caso de que sus valores acerquen más la media de la 11 . etc.001 a 5. Marín (1985) señala un riesgo muy generalizado. 3.000 habitantes.). Cuando interesa conocer la evolución del fenómeno estudiado con el paso del tiempo (estudios de mercardo. 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. se podría aplicar un muestreo aleatorio simple para el primero y el de clusters para zonas rurales. etc. 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. Una vez obtenida la muestra. hay una resistencia a consultar a población dispersa en caseríos distantes o a la que está en pisos elevados sin ascensor.. Es un procedimiento muy útil cuando se quiere lograr una valiosa corroboración o verificación de los resultados obtenidos en una encuesta. El riesgo radica en que seleccione a personas a quienes resulta más fácil. con lo cual queda excluida de la muestra y comprensiblemente mantendrá su rechazo en los nuevos casos que los sustituyan. común al muestreo probabilístico y no probabilístico. y es el del rechazo a participar en la investigación. El investigador ha fijado ‘n’ para la muestra y elige libremente los individuos hasta alcanzar esa cifra. pero hay que tener mucho cuidado para evitar el sesgo de la muestra. por ejemplo.3 Otros tipos de muestreo. D) MUESTRAS COMPENSADAS.000 habitantes. De hecho. La compensación consiste en sustituir unidades de la muestra por otras nuevas elegidas también al azar. B) MUESTRAS SUCESIVAS. la solución es repetir la encuesta a nuevas muestras cada cierto período de tiempo. por razones de localización. la talla. En un estudio que abarque población de hábitats urbanos y rurales. el peso. sería poco probable que su media coincidiera con la de la población. Por último. Se conoce con este nombre al sistema de muestreo que comprenden dos o más muestras distintas.

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

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

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

5.96) p = % estimado q = 100-p e = error permitido. para un riesgo del 5%. y un error de estimación máximo del un 5% Se consideran muestras infinitas las que superan los 100. el proceso y medios de recogida de datos. el investigador habrá de tener en cuenta: la amplitud del universo (infinito o no). el número de elementos óptimo de una muestra. se toma p = 50% y q = 50%. según las siguientes ecuaciones: A) Determinación del tamaño de la muestra para poblaciones infinitas.7% y del 95%. Si desconocemos la proporción de individuos que poseen la característica. 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. = puntuación correspondiente al riesgo ∀ que se haya elegido. el error de estimación y el nivel de confianza con el que deseemos trabajar entre otras consideraciones. Con esta base se tendrán los referentes necesarios para determinar el tamaño de la muestra. representatividad. Para determinar el volumen de la muestra. estimando qué 5 6 Frecuentemente se opta por un nivel de confianza del 95% ó 99. Concluimos que determinar el tamaño de la muestra es un tema complejo. Conociendo el nivel de confianza que queremos que alcancen los datos se puede aplicar una ecuación matemática para estimar el tamaño de la muestra5.000 elementos.05 (Z∀ = 1.6 En este caso pueden presentarse dos situaciones: A. las variables (tipo de datos.1) Que conozcamos la proporción de elementos que posee la característica a través de estudios previos. el error muestral. Por tanto. el tipo de muestreo. de acuerdo con el nivel de confianza. ∀ = 0. Por ejemplo. los análisis estadísticos que se planifiquen.2.numero de elementos de la muestra. Pero si queremos rebajar ese error tendremos que aumentar el volumen de la muestra. 15 . Otro dato determinante del tamaño de la muestra es el error de estimación. la determinación variará. A continuación desarrollamos este último procedimiento. Según se trate de poblaciones infinitas o finitas. Determinación estadística del tamaño de la muestra. A. homogeneidad/variabilidad de los datos). Bugeda (1974) recoge tablas que permiten determinar el volumen de la muestra y el nivel de estimación para los niveles de confianza del 99. existen tablas. 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. Ya hemos hablado del uso de tablas. que suele establecerse en el 5%. De este modo.7%. Para seleccionar el tamaño de la muestra se suelen utilizar técnicas de tres tipos. valores de la misma. Hemos de indicar el máximo error tolerable. Es lógico pensar que no haya una coincidencia total entre los datos de la población y los de la muestra.1.

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

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

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

o poblaciones finitas / infinitas: e = Muestras Poblaciones finitas. es decir. 3 = sumatorio de todos los estratos. s e = ---------/ n e = ∑ De intervalo: De proporciones: s2 = varianza (cuadrado de la desviación típica) población n = tamaño de la muestra.2 Estimación del error muestral en las muestras estratificadas y de clusters. c) Replicación repetida balanceada. e = e = (N-n/ N-1) término de corrección utilizado para poblaciones finitas y muestras sin reemplazamiento. ( n isi ) 2 n2 s2 e = n Fórmulas del error muestral para:. p = proporción de elementos que posee la característica investigada: (q = 1 .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). 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. con reposición. Poblaciones infinitas. en su caso. el % de la característica o la desviación típica. respectivamente.mutuamente excluyentes. Consecuentemente. la formula a utilizar será: ni = elementos del estrato “i”. 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. 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. pi = proporción del atributo muestral en el estrato “i” n = número total de elementos de la muestra. serán distintas para cada estrato. 19 . normalmente. En las muestras estratificadas habrá que considerar que. s = desviación típica de las medias de los clusters de la muestra.

5%. El tamaño. La desviación típica.5%) ó por ± 3 (99. por ± 2 (95.5% nos proporciona una seguridad no total pero suficiente en la práctica. de las que son tipo la variables dicotómicas del tipo Sí/No) Estas últimas variables es posible cuantificarlas. Es decir.. En consecuencia. en las fórmulas del error muestral.. En este caso la media es igual a ‘p’ (proporción en que se da el atributo en cuestión en la población). con esta elección adoptamos un riesgo razonable de equivocarnos. asignándole los valores 1/0 (positiva/negativa. El nivel de confianza adoptado. El nivel de confianza más corriente con el que se trabaja en muestras de investigaciones educativas es el de dos sigmas. si al calcular el error éste resulta demasiado elevado -por ejemplo. por estimar que es muy improbable su obtención. De acuerdo con las expresiones matemáticas que calculan el error muestral. 1988: 209): A) B) C) D) La amplitud del universo. El tamaño de la muestra es. de las que se refieren a variables cualitativas (con escalas nominales u ordinales.7). No obstante. finito o infinito. un dato que nos dan o elegimos. por ejemplo. Supuesto esto.). de la muestra. Hay una relación inversa entre tamaño de la muestra y error muestral. que nosotros adoptemos. recurriendo al álgebra de Boole. 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. entonces estamos obligado a aumentar el tamaño de la muestra para reducir el error. recibe el nombre de nivel de confianza.5%. aparece/no aparece. superior al 6%-. porque representa el % de seguridad o probabilidad que elegimos. n. sólo consideramos como probables el 95. 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.6.3 Factores que intervienen en el error muestral. en cierto modo. los factores que intervienen en él son (Sierra Bravo. El nivel de confianza adoptado es también otro dato que nos puede venir dado o que podemos elegir. y por creer que el indicativo 95. En ese caso la desviación típica es igual a 20 . El área abarcada por ± 1 sigma (68%). El hecho de que se estime el universo como infinito supone que su amplitud no influye para nada en la fórmula a aplicar. que de las medias de todas las muestras posibles que forman en su conjunto la curva muestral. por lo que prescindimos del otro 4. Respecto a la desviación típica hay que distinguir las muestras referentes a variables cuantitativas (con escalas de intervalos o de razón).

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

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

Paraninfo. Madrid. 23 .

Sign up to vote on this title
UsefulNot useful