Muestreo

Hilda A. Sánchez Millán, PhD

Teoría de Muestreo
• Seleccionar participantes para un estudio, típicamente
implica seleccionar muestras de una población de interés.
• La teoría de muestreo provee la base para entender el
proceso y las implicaciones de seleccionar participantes
para un estudio particular.
• La esencia de la teoría de muestreo implica seleccionar
muestras que reflejen un población mayor o total.

2
Teoría de Muestreo
• Las observaciones (puntuaciones) de las personas, no las
personas en sí, constituyen la población.
• Las conclusiones a las que se llega en base a la muestra
deben ser aplicables a la población.
• El objeto de la mayoría de las investigaciones es realizar
una inferencia sobre la población a partir de las
observaciones de la muestra.

3
Teoría de Muestreo
• El concepto de población, sin embargo, es esquivo.
• Algunas poblaciones son hipotéticas:
• Ejemplo: las puntuaciones de depresión de los estudiantes
• Esta población es infinita
• Surgen problemas al generalizar a poblaciones hipotéticas
infinitas, cuyas puntuaciones existen en el futuro.
• Similarmente, limitar las conclusiones a las poblaciones
existentes solo en un momento dado restringe la
generalización de los resultados.

4
Teoría de Muestreo
• Una muestra es un subgrupo de la población.
• Las observaciones de la muestra se toman del grupo de
observaciones que constituyen la población, a esto se le
llama muestreo.
• La validez de las inferencias sobre la población dependerá
de qué tan bien la muestra represente a la población.

5
Teoría de Muestreo
• Las muestras que difieren sistemáticamente de la
población están sesgadas.
• Una muestra sesgada es aquella que fue seleccionada de
tal forma que todas las observaciones en la población no
tienen la misma oportunidad de ser seleccionadas.
• Las muestras que no son sesgadas son las muestras
aleatoria, muestras en las que cada observación en la
población tiene la misma oportunidad de ser seleccionada.

6
Teoría de Muestreo
• Aunque la selección aleatoria elimina el sesgo sistemático,
no hay garantía que una muestra aleatoria será
representativa de la población.

7
Considere una población que tiene una media de 100. Por lo
general, esto se denota escribiendo μ = 100; el símbolo griego
μ (mu) indica un parámetro de población. Un investigador
selecciona una muestra aleatoria de 25; si la media M
obtenida de las 25 observaciones es cercana a 100 (digamos
M = 103,04), entonces, en cierto sentido, la muestra es
representativa. Si la media de las 25 observaciones está lejos
de 100 (digamos M = 91,64), entonces se podría decir que la
muestra no es representativa. Todo esto parece lógico; sin
embargo, la situación en el mundo real es que el parámetro de
población es desconocido para el investigador, y el
investigador selecciona solo una muestra. Por lo tanto, no está
claro qué tan representativa es, de hecho, una muestra dada.

8
 El rechazo de una hipótesis nula no
significa que la hipótesis nula sea falsa;
significa que los resultados obtenidos
serían muy inusuales si la nula hubiera
sido verdadera, y por lo tanto se toma la
decisión de rechazar la nula.
Sin embargo, todavía existe la pequeña
posibilidad de que el valor nulo sea
verdadero y que el error de muestreo (es
decir, el error de tipo I) sea el responsable
de los resultados obtenidos.
Consideraciones para muestreo
• Si fuera posible un verdadero muestreo aleatorio, el
investigador definiría la población objetivo, identificaría a
todas las personas de la población y seleccionaría
aleatoriamente de ese grupo de personas.
• Esto rara vez es posible
Definir la población de interés
• La población se refiere a un conjunto de observaciones, la
población se define típicamente en términos de las
características de las personas
• Las características que definen la población pueden incluir
la categoría de diagnóstico, el género, el origen étnico, la
edad, el problema de presentación, el estado civil y el nivel
socioeconómico, entre otros.

12
 Definir la población de interés
• Una cuestión importante en la definición de la población
objetivo es decidir qué tan heterogénea debe ser la
población.
• Las poblaciones heterogéneas son deseables porque
contienen una amplia variedad de características a las que
se pueden generalizar los resultados del estudio.
• Las poblaciones homogéneas limitan el grado de
generalización de los resultados.

2/15/2023 PRESENTATION TITLE 13

Problemas con poblaciones
heterogéneas
• No está claro cómo se aplican los resultados de un estudio
a varios subgrupos de una población heterogénea
• Por su propia naturaleza, las poblaciones heterogéneas
muestran mucha variabilidad en la respuesta, de modo que
la varianza del error es mayor de lo que sería para
poblaciones homogéneas
• Determinar el grado óptimo de heterogeneidad de la
población de un estudio depende de la naturaleza del
problema que se investiga

14
Crear un grupo de participantes
• Después de definir la población objetivo, el investigador
necesita identificar un grupo de personas que se ajusten a
esta definición y que sean accesibles; este grupo se llama
grupo de participantes.
• Restringir el grupo de participantes a un subconjunto de
todos los participantes posibles introduce varios tipos de
sesgo
• Restringir el grupo de participantes restringe la población

15
Crear un grupo de participantes
• No existe una forma empírica de determinar si la
restricción de un grupo de participantes en particular limita
la generalización de un estudio, aparte de investigar a los
posibles participantes excluidos del grupo de participantes.
• El conocimiento previo y la investigación previa son
cruciales para tomar la decisión de restringir el grupo de
participantes.

16
Crear un grupo de participantes
• Debido a que se requiere que los participantes de la
investigación participen voluntariamente, todos los grupos
de participantes están restringidos a participantes que
cumplan con la definición de la población objetivo y se
ofrezcan como voluntarios para participar.
• Aquí se introduce un sesgo porque se ha descubierto que
los participantes voluntarios son bastante diferentes de los
no voluntarios.

17
Crear un grupo de participantes
• Otro factor que complica la composición de los grupos de
participantes es que debido a que la presencia o la
magnitud de las características contenidas en la definición
de la población objetivo pueden no ser fácilmente
evidentes, es posible que se requieran pruebas.

18
Seleccionar participantes
• Idealmente los participantes son seleccionados de manera
aleatoria del grupo de participantes.
• Si no hay suficientes clientes calificados, el investigador
puede solicitar participantes a medida que estén
disponibles

19
 GRUPO DE PARTICIPANTES

MUESTRA

POBLACIÓN

20
Establecer validez ante la ausencia
de muestra aleatoria
• Las muestras no aleatorias pueden tener características
tales que la generalización a una determinada población
sea razonable.
• Cuando las muestras se obtienen por algún medio que no
sea el muestreo aleatorio se puede hacer una inferencia
válida a una población hipotética que se parece a la
muestra.
• La generalización se hace racionalmente en lugar de
estadísticamente.
Esto requiere cuidado
21
Establecer validez ante la ausencia
de muestra aleatoria
• Por lo tanto, en ausencia de un muestreo aleatorio, los
investigadores deben tener mucho cuidado al identificar las
características de los participantes del estudio.
• La carga de la prueba recae en el investigador para
establecer que las características de los participantes son
tales que las generalizaciones a una población hipotética
relevante son válidas.

22
Establecer validez ante la ausencia
de muestra aleatoria
• Cuando se utilizan variables de estado, surgen problemas
de validez interna y externa, mientras que si un estudio
involucra una verdadera variable independiente, solo la
validez externa es problemática.
• Debido a que la generalización de los resultados depende
de las características de los participantes, los
investigadores deben documentar cuidadosamente las
características importantes de la muestra.

23
Determinar la cantidad de
participantes
• A mayor cantidad de participantes mayor probabilidad de
que la muestra sea representativa.
• ¿Cuántos participantes necesito?
• Depende del poder estadístico
• El poder es la probabilidad de rechazar la hipótesis nula
cuando la alternativa es verdadera, o la probabilidad de
detectar un efecto cuando el efecto está verdaderamente
presente.

25
Poder estadístico
El poder depende de:
• la prueba estadística utilizada
• el nivel alfa
• la direccionalidad de la prueba estadística
• el tamaño del efecto
• el número de participantes.

26
 Poder estadístico
• Antes de poder determinar la potencia, el investigador
debe seleccionar una prueba estadística
• Otro factor que afecta el poder es el nivel alfa.
• Si un investigador establece alfa de forma conservadora,
digamos en 0,01, entonces es más difícil rechazar la
hipótesis nula y la potencia disminuye.

2/15/2023 PRESENTATION TITLE 27

Poder estadístico
• La direccionalidad de la prueba también afecta la
potencia.
• Si se utiliza una prueba de dos colas (es decir, no
direccional), el investigador se reserva la opción de
rechazar la hipótesis nula en cualquier dirección.
• Mantener las opciones abiertas en ambas direcciones le
cuesta poder al investigador

28
Poder estadístico
• El factor más difícil de especificar en cualquier
determinación de poder es el tamaño del efecto real.
• Cuando un tratamiento es extraordinariamente efectivo, el
efecto del tratamiento es relativamente fácil de detectar y,
por lo tanto, el poder es alto.

29
2/15/2023 PRESENTATION TITLE 30
Poder estadístico
• Especificar el tamaño del efecto antes de realizar el estudio
es problemático: si uno supiera el tamaño del efecto para
cualquier experimento de antemano, no habría necesidad
de realizar el estudio.
• Sin embargo, el tamaño del efecto debe estipularse antes
de poder determinar el número de participantes.
• Investigación previa
• Especificar el tamaño del efecto que tiene significancia práctica

31
Poder estadístico
• El poder de 0.80 se ha convertido en el estándar aceptado.
• Un nivel de potencia de 0,80 se refiere a un nivel de
probabilidad; es decir, el 80% de las veces se detectará el
tamaño del efecto estipulado.
• También significa que hay un 20% de probabilidad de que
no se encuentren resultados estadísticamente significativos
cuando el efecto de hecho existe.

32
PRESENTATION TITLE
Advertencias
sobre el tamaño
de la muestra
1. Todos los procedimientos suponen
que se cumplen los supuestos de la
prueba estadística elegida. Cuando se
violan las suposiciones, el poder
generalmente disminuye, así que tenga
cuidado.

34
Advertencias
sobre el tamaño
de la muestra
2. Aunque a menudo se escuchan
reglas empíricas sobre el tamaño de
las muestras tenga en cuenta que tales
reglas casi siempre son engañosas.

35
Advertencias sobre el tamaño de la
muestra
3. La regla general de que cuantos más participantes haya en
un experimento, mejor, también es engañosa. Ciertamente, el
investigador quiere tener un número suficiente de
participantes para tener una oportunidad razonable (digamos
80%) para detectar un efecto de un tamaño específico. Sin
embargo, el uso de demasiados participantes plantea la
posibilidad de que se pueda detectar un tamaño del efecto
muy pequeño.

36
 Debido a que se puede obtener
significancia estadística para efectos
triviales, a menudo se recomienda que
los investigadores informen el tamaño y
la potencia del efecto además de los
niveles de significancia.

37
Validez externa y problemas de
población
La validez externa se refiere a la posibilidad de
generalizar los hallazgos entre personas, o
momentos (tiempo).

38
Uso de diseños factoriales para
estudiar la validez externa
• Para determinar cómo se aplican los resultados a
varios grupos de personas, se puede agregar al
diseño una variable de estado relacionada con las
personas para crear un diseño factorial.
• Se pueden identificar interacciones

39
 Uso de diseños factoriales para
estudiar la validez externa
Tratamiento Tratamiento Tratamiento
A B C

Nivel Clase media

Económico
Pobre

40
Consideraciones sobre la
generalización
• El conocimiento del área sustantiva debe informar la
elección de variables relacionadas con la validez externa.
• No es prudente incluir variables cuando no hay una razón
de peso para su inclusión. La simple identificación de las
diferencias de grupo en alguna variable tiene una utilidad
limitada.
• El objetivo de la investigación es la comprensión, y la
investigación podría utilizarse de manera rentable para
explorar las diferencias observadas entre los grupos.

41
Consideraciones sobre la
generalización
• Se debe seleccionar (reclutar) un número igual de
participantes de cada tipo
• La validez externa a menudo se establece utilizando
múltiples estudios.
• Los investigadores utilizan una estrategia llamada
replicación sistemática, que consiste en replicar un
experimento mientras se varía un solo elemento. Al variar
sistemáticamente un elemento a lo largo del tiempo, el
investigador puede identificar sus efectos.

42
 Referencias
Mertens, D.M. (2019). Research and evaluation in education
and psychology (5th ed.). Thousand Oaks, CA: Sage

2/15/2023 PRESENTATION TITLE 43