CIENCIA 15

MARTES 19•OCT•21

Bastan unos cotidiana, en inferencias poblaciona-

les realizadas a partir de un puñado
divides ese número por el total de
porotos que sacaste. ¿Puedes tener

pocos botones
Margen de error, intervalo
de confianza, tamaño de la
muestra. Hugo de los Campos
nos hace un recorrido por
terrenos de la estadística que
vale la pena tener presentes no
sólo al hablar de ciencia, sino
también en un país que mira las
encuestas con suma atención.
hugo de los campos*
y tan difíciles de especificar, que
muchas veces relevamientos sobre
poblaciones totales (por ejemplo, los
censos) se corrigen con estimacio-
nes realizadas sobre muestras (por
ejemplo, las encuestas continuas de
hogares) en cuya aplicación participa
personal especializado. De modo
que, aunque resulte contraintuitivo,
las buenas muestras suelen ser más
precisas que los relevamientos sobre
poblaciones totales.
de casos? En este artículo nos aden-
tramos en el no tan misterioso mun-
do de las muestras probabilísticas.
Atributos, no casos
Para comprender los aspectos lógicos
involucrados en las inferencias a
partir de muestras, debemos antes
que nada asumir que aquellas no se
realizan para conocer casos (como
personas, partículas de salsa o gotas
de agua que salen de rosetas) sino
atributos que se manifiestan en casos.
Cada persona es única, eso es
cierto. Pero también lo es cada gota
de agua, como cada roca, cada es-
trella o cada mosca. Cuando pone-
mos la mano debajo de la ducha no
la seguridad de que esa proporción
es la misma en el total de porotos
dentro del saco? No. Si embargo,
si sacas un número muy grande de
puñados y estimas en cada caso la
proporción de porotos negros, obten-
drás una distribución de proporciones
que asumirá la forma del gráfico 1.
1. DISTRIBUCIÓN DE PROPORCIONES
OBTENIDAS EN UN GRAN NÚMERO
DE MUESTRAS

L
a mayor parte de la investigación
científica se realiza sobre unos
pocos casos, extraídos de una
población mayor. En muchas ocasio-
nes debemos hacerlo por razones de
costo y de tiempo. Piensa por ejemplo
en las estimaciones del desempleo que
el Instituto Nacional de Estadística
reporta mensualmente. Sólo pueden
hacerse a partir de muestras. Censar
a toda la población económicamente
activa del país cada mes resulta im-
posible por una cuestión de recursos.
En otras sería insensato hacerlo,
con independencia de los costos.
Las pruebas de efectividad de las
vacunas contra el SARS-CoV-2 se
hacen en muestras de personas. No
tiene sentido vacunar a toda la pobla-
ción para evaluar si las vacunas son
efectivas. La idea es saberlo antes de
iniciar una intervención planetaria.
En todos los casos existe, sin em-
bargo, una razón adicional de orden
técnico: si bien las estimaciones a
partir de muestras introducen un tipo
de error que llamamos estadístico,
toda recolección de datos produce
además los llamados errores de me-
dición. Estos ocurren en los propios
procesos de recolección de la infor-
mación. Cuando, por ejemplo, utili-
zamos un formulario con preguntas
(una encuesta nos viene a la mente),
distintos modos de formularlas por
parte de los entrevistadores, de ha-
cer aclaraciones a los entrevistados
o de registrar sus respuestas pro-
ducen errores en las mediciones.
Típicamente, cuanto más grande
es el número de casos, menos error
estadístico se obtiene, pero más error
de medición se acumula. Los errores
de medición suelen ser tan grandes
Solemos utilizar muestras muy
pequeñas en términos relativos. Con
una gota de sangre pueden deter-
minarse con bastante precisión los
niveles de glucosa en organismos
como los humanos, que en su edad
adulta portan algo más de cinco litros
de sangre. Con 20 gramos de tierra
puede conocerse la acidez de un suelo
de decenas de metros cuadrados. Del
mismo modo, una buena muestra de
individuos humanos permite conocer
con bastante precisión la distribución
de comportamientos, opiniones o
actitudes en toda la población del
país que habitan. De hecho, utiliza-
mos este procedimiento en la vida
cotidiana todo el tiempo.
Muchos de nosotros, antes de en-
trar a la ducha, mojamos los dedos en
el agua para evaluar si la temperatura
es la que deseamos. Se trata de un
conjunto muy pequeño de gotas de
agua, en comparación con las que
conforman los litros que descienden
de la roseta. Cuando era niño, en
la casa donde vivía se solía cocinar
pasta los domingos al mediodía. En
algún momento previo a la comida,
alguien tenía que ir a probar la salsa
para saber si estaba ácida. En tal
caso se le agregaba un poco de azú-
car. Para determinar la acidez de la
salsa bastaba ingerir sólo parte del
contenido de una cuchara de las de
café. Eso también es muy poco en
relación con los litros de salsa que se
cocinan en una casa con una media
de nueve comensales.
Es claro que para este tipo de mues-
tras no basta un botón. Pero pareciera
que unos pocos resultan suficientes.
¿Cómo es posible confiar en la inves-
tigación científica, como en la vida
pretendemos conocer la inmensa
variedad de las gotas de agua, sino
sólo un atributo en particular: su
temperatura, aquí y ahora. 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0
Supongamos que queremos es-
timar la proporción de personas
Cómo leer el gráfico: Extrajis-
adultas con opinión favorable a la
te muchas muestras del saco de
derogación de la ley de urgente con-
porotos y calculaste en cada una
sideración (LUC). Mientras que los
la proporción de porotos negros.
casos alcanzan los casi tres millones
Ordenas los resultados obtenidos,
(uruguayos mayores de 18 años), la
ubicándolos en el lugar del eje que
proporción en que el atributo ocurre
va de 0 (ningún poroto negro) a 1
en la población, que es lo que nos
(todos los porotos negros) según cuál
interesa, puede variar entre 0 y 1.
haya sido la proporción de porotos
O, si preferimos expresarlo en por-
negros que obtuviste en cada una.
centajes, entre 0% y 100%. Se trata
Tras la extracción de un número muy
de un rango relativamente limitado,
grande de muestras, las columnas
en especial si decidimos prescindir
asumirán una forma muy similar a
de los decimales. Del mismo modo,
la que muestra el gráfico.
si nos interesa estimar la edad pro-
Si te tomas la molestia de contar
medio (en años cumplidos) de una
todos los porotos blancos y todos los
población, con independencia del
negros del saco, y calcular luego la
tamaño que tenga, el valor se hallará
proporción de estos últimos, com-
dentro de un rango con una amplitud
probarás que el valor obtenido en la
menor a la centena.
población es similar al que obtuviste
en las muestras ubicadas en el centro
La distribución normal
de la distribución. En el ejemplo, 0,6
Si estamos dispuestos a considerar
(o 60%) de porotos negros.
asuntos humanos como atributos,
Conocemos la forma de este grá-
idénticos formalmente a los que pue-
fico como distribución normal. Esta
den observarse en el resto del mundo,
fascinante propiedad de la naturaleza
nos encontramos en condiciones de
es confirmada sistemáticamente des-
conocer cómo funcionan las inferen-
de hace decenas de años en los más
cias por muestreo. En lo que sigue
diversos campos de la investigación
utilizo como ejemplo la estimación
científica. Destinamos recientemente
de proporciones, aunque el razona-
un artículo a describirla (ladiaria.
miento aplica, con leves ajustes, a
com.uy/AVLF).
promedios o cantidades absolutas.
Pero ¿de qué me sirve esta fasci-
Piensa en una población del tipo
nante propiedad de la naturaleza para
que sea, como un conjunto de porotos
mi problema de los porotos? Si para
blancos y negros en un saco. Quieres
estimar la proporción de porotos
negros en el saco. Tomas un puña-
do de porotos, cuentas los negros y
 CIENCIA
conocer la proporción de los negros
en el saco debo extraer miles de mues-
tras, prefiero dar vuelta el saco y con-
tar todos los porotos blancos y todos
los negros. Tenemos una alternativa
menos costosa. No es exacta, pero se
aproxima. En un par de apartados te
la presentamos.
Mezclar bien
Buena parte de las recetas de cocina
dicen en un momento: ahora mez-
clamos bien todos los ingredientes.
Pues en lo que refiere a las muestras
probabilísticas, este es el requisito
de inicio. Si los casos (en realidad,
los valores que asume el atributo de
interés, en los diferentes casos) no
se encuentran bien mezclados, no
sale la torta. Si podemos determinar
la cantidad de glucosa en sangre
analizando una gota es porque los
niveles de glucosa se distribuyen
uniformemente en todo el torrente
sanguíneo (se encuentran bien mez-
clados). Lo mismo sucede con la salsa
de la pasta del domingo. Pero como
somos buenos en el arte de realizar
inferencias a partir de muestras,
solemos, de todos modos, revolver
la salsa antes de probar una pizca.
En términos técnicos debemos
asegurarnos de que todos los casos
tengan una probabilidad conocida,
y distinta de cero, de resultar selec-
cionados. Comúnmente se utiliza la
expresión igual probabilidad de ser
seleccionados. Resulta más sencillo
entenderlo de ese modo: si la probabi-
lidad de seleccionar un poroto negro
es menor a la de seleccionar uno blan-
co (por ejemplo, porque los porotos
negros están en el fondo del saco) las
muestras que extraiga no resultarán
muy confiables (voy a sacar sistemáti-
camente mayor proporción de porotos
blancos). Pero conociendo la proba-
bilidad de selección de cada tipo de
poroto y con algunos cálculos poste-
riores, el problema se resuelve. Lo im-
portante es que las chances de formar
parte de la muestra sean conocidas.
El tamaño no importa
Bien. Extraemos unidades de una
población, que han sido bien revueltas
antes de la sacada. Vamos a estimar la
proporción en que se manifiesta un atri-
buto en esas unidades. ¿Cuántas debe
incluir la muestra para que la estima-
ción se aproxime al valor poblacional?
Muchas veces pensamos que eso
depende del tamaño de la población.
Si es chica requeriré una muestra chi-
ca; si es grande, una grande. No es así.
Al menos no a partir de poblaciones
con cierto número de casos (10.000
es un buen número).
Piénsalo de este modo: si para es-
timar el grado de acidez de un litro
de salsa basta probar una cucharada,
para estimar eso mismo en diez litros
de salsa, ¿necesitas probar diez cucha-
radas? No, basta con una en ambos
casos, siempre que hayas revuelto bien
la salsa. Lo mismo vale para la gota
de sangre en el caso de un humano
bebé, un humano adulto o un elefante.
En este caso el sistema circulatorio se
encarga de mezclar. Por eso, aunque
también resulte contraintuitivo, con
una buena muestra aleatoria de igual
tamaño puedes obtener estimaciones
bastante precisas de comportamien-
tos, opiniones o actitudes en Uruguay,
México o India. El tamaño, en este
asunto, no importa.
Lo que importa es la variedad
El secreto está en la heterogeneidad de
la población en relación con el atributo
cuya proporción, promedio o cantidad
queremos estimar a partir una muestra.
Considera el gráfico 2A. Todas las
muestras que extrajimos reportan
el mismo valor. ¿Cómo puede ser?
Existen dos posibilidades: o bien el
tamaño de todas las muestras coincide
con el de la población, o bien todos
los casos de la población presentan el
mismo valor en el atributo bajo estu-
dio. Si, por ejemplo, todos los porotos
del saco son negros, cada muestra que
extraigas, con independencia de su ta-
maño, reportará una proporción igual
a 1. Si quieres estimar el promedio
de edad de una población integrada
exclusivamente por personas de 18
años, cualquier muestra que extraigas
te reportará una media de 18. En tales
condiciones una muestra de un solo
caso es suficiente para determinar con
precisión el parámetro poblacional.
Aquí sí, para muestra basta un botón.
La situación contraria corresponde
a un máximo de heterogeneidad. El
gráfico 2B representa una supuesta
distribución de proporciones obte-
nidas de muestras extraídas de una
población muy heterogénea respecto
del atributo en cuestión.
Tenemos que conocer entonces
el grado de heterogeneidad de la
población.
Cuando se trata es de estimar pro-
medios, las cosas se complican un
2A. DISTRIBUCIÓN DE MUESTRAS DE
UNA POBLACIÓN HOMOGÉNEA
1 o dejes de hacer.
2B. DISTRIBUCIÓN DE MUESTRAS
DE UNA POBLACIÓN MUY
HETEROGÉNEA RESPECTO
DEL ATRIBUTO EN ESTUDIO
0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0
3. INTERVALOS DE CONFIANZA
Y MARGEN DE ERROR DE LAS
ESTIMACIONES MUESTRALES
P es la proporción
del atributo en
la población
Margen de error P - 3% P P + 3%
}
Intervalo 95% de las posibles muestras
de confianza
poco. Para conocer cuán variadas son
las edades en la población, necesito
relevar todos los casos. Pero la idea es
no hacerlo (si no, ¿qué sentido tiene
extraer luego una muestra?). Existen,
sin embargo, formas de aproximarse,
indirectamente. Pero cuando tratamos
con proporciones tenemos una solu-
ción sencilla: la mayor heterogeneidad
corresponde a la proporción p = 0,5.
En nuestro ejemplo, la mitad de
los porotos son negros (y la otra mi-
tad blancos o distintos de negro, que
en este caso significa lo mismo). El
máximo grado de heterogeneidad se
calcula como p x (1-p) lo cual equivale
a decir 0,5 x 0,5 = 0,25. Cualquier valor
distinto de p supone menor heteroge-
neidad y, por tanto, el producto de p x
(1-p) devolverá un valor inferior a 0,25.
El problema no es equivocarnos,
sino no saber cuánto
Piensa en la precisión de tus estima-
ciones muestrales como el volumen
de un audio que se puede aumentar
o reducir con dos perillas. La prime-
ra dice heterogeneidad del atributo;
la segunda, tamaño de la muestra.
En realidad, sólo puedes mover la
segunda. Los atributos son más o
menos heterogéneos en el mundo,
con independencia de lo que tú hagas
Como no sabes cuánta variabilidad
tiene tu atributo en la población, una
opción conservadora es subir esa pe-
rilla al máximo, es decir, suponer el
máximo posible de heterogeneidad
(cuando trabajamos con proporcio-
nes, poner la perilla en 0,25). Ahora
sólo tienes que tomar una decisión
respecto de la segunda perilla: el
tamaño de tu muestra.
Cuanto mayores sean sus tamaños,
siempre que sean aleatorias, menos
variación observarás en los estimado-
res muestrales que obtengas tras las
distintas extracciones. Vimos que, si
ese tamaño es igual al de la población,
las estimaciones coincidirán con el
valor poblacional (primera alternativa
de interpretación del gráfico 2A). Del
mismo modo, cuanto menores sean
sus tamaños, más indeterminada será
la distancia entre las estimaciones
muestrales y el valor poblacional.
La distribución representada en el
gráfico 2B puede considerarse una
ilustración de resultados de muchas
mediciones sobre muestras aleatorias
muy pequeñas.
Sabes que la distribución de los
promedios o proporciones que ob-
tengas de todas las muestras aleato-
rias posibles que puedas extraer, de
tamaño menor al de la población y
con algún grado de heterogeneidad,
tenderán a distribuirse normalmente
(asumirán la forma de una campana).
La pregunta no es cómo hacer para
que el resultado de una muestra en
particular coincida con el de la po-
blación, sino qué tamaño de muestra
necesitas para asegurarte de que de
todas las muestras posibles que pu-
dieras extraer, un porcentaje muy alto
(como el 95% o el 99%) caerá en la
parte central de la distribución y a una
distancia no muy grande del valor po-
blacional (por ejemplo, no alejándose
en menos o más de 3% de ese valor).
A lo primero le damos el nombre
de intervalo de confianza. A lo se-
gundo, margen de error. Para esto
último basta considerar el valor que

decidimos admitir y expresarlo como
una proporción. Por ejemplo, si esta-
mos dispuestos a obtener estimacio-
nes con un error máximo de +-3% uti-
lizamos el valor 0,03. Para lo primero
tenemos un pequeño secreto (todos
los cocineros lo tienen). El área de la
distribución normal puede tratarse
como una función, que devolverá
valores específicos para cada subárea
que definamos como nuestro inter-
valo de confianza. No necesitamos
hacer cálculos complejos. Los valores
pueden consultarse en una tabla que
conocemos como distribución Z. Estos
son los que corresponden a los inter-
valos de confianza más utilizados:
Intervalo
de confianza Valor Z
90% 1,64
95% 1,96
98% 2,32
99% 2,57
Resultado
Ya tenemos todos los ingredientes
necesarios para determinar el ta-
maño de una muestra (m) de las que
llamamos aleatorias simples (todos
los casos, como las bolillas de un boli-
llero, tienen la misma probabilidad de
selección) extraída de una población
infinita (que en este contexto equivale
a decir de tamaño desconocido). La
fórmula es la siguiente:
m = Z2 x (p x (1-p))
e2
Cómo leer la fórmula: Multiplica-
mos el valor del intervalo de confian-
za que estamos dispuestos a admitir,
elevado al cuadrado (Z2) por el grado
de heterogeneidad del atributo en
la población (p x (1-p)). Dividimos
el resultado por el margen de error
máximo que aceptamos que tengan
nuestras estimaciones, elevado al
cuadrado (e2).
Si, por ejemplo, asumimos un in-
tervalo de confianza de 95% (Z=1,96),
suponemos la mayor heterogeneidad
posible del atributo en la población
(0,25) y aceptamos un margen de error
de +-3% (0,03), obtenemos:
M = 1,962 x 0,25 = 1.067
0,032
Este es el número mágico. Con
1.067 casos, extraídos con igual
probabilidad de selección, de una
población de tamaño desconocido,
obtienes estimaciones de cualquier
proporción poblacional, con un error
máximo de +-3%, 95% de las veces.
Si el tamaño de la población es
pequeño, te conviene utilizar una
fórmula que considere ese número.
Como es obvio, obtendrás muestras
más pequeñas (para una población
de 500 casos, seguro una muestra
de tamaño menor a 500, aunque no
tanto más pequeña). Pero a partir
de los 10.000 casos, el tamaño de la
población no afecta la estimación
del tamaño muestral.
Si por razones de costo o de tiempo
1.067 es un número muy grande, pue-
des ajustar el intervalo de confianza o
el margen de error. Por ejemplo, si estás
dispuesto a admitir un error de +-5%
en tus estimaciones, necesitas, en las
condiciones descritas, sólo 385 casos.
Motivos para desconfiar
Tras la difusión de la célebre Ley
de Murphy (si algo puede salir mal,
saldrá mal) fueron descubiertas otras
de similar tenor. Tom Gilb, ingeniero
de sistemas de California, reportó la
siguiente: no se debe confiar en las
computadoras, pero menos aún en
los seres humanos. La Ley de Gilb se
aplica también a los problemas de
muestreo: no se debe confiar en el
azar, pero menos aún en las personas
que trabajan con él.
La idea de intervalo de confianza
es ilustrativa respecto del primer
problema. Cuando afirmo que mi
estimación se realiza con 95% de
confianza estoy diciendo que de cada
100 muestras que pudiera extraer,
en las mismas condiciones y con el
mismo tamaño, en 95 de ellas el valor
verdadero (el de la población total)
estará contenido en el intervalo. Y en
5 no. Si mi muestra en particular es
una de las muchas primeras o una
de las pocas segundas, no lo puedo
saber. Esta limitación es importan-
te desde que las probabilidades no
tienen nada que decir sobre el caso
único: una vez extraída, la estimación
se encontrará dentro del intervalo de
confianza o fuera de él.
Sin embargo, como para arribar
a conclusiones en la ciencia normal-
mente se realizan muchos estudios
sobre muestras independientes, si
estos arrojan valores similares para
un mismo atributo, la probabilidad
de que todos se hayan obtenido de
muestras ubicadas en los extremos
de la distribución se aproxima rá-
pidamente a cero. Por ejemplo, la
probabilidad de que tres muestras
reporten valores ubicados fuera del
intervalo (si asumimos uno de 95%,
que los resultados de las tres mues-
tras hayan caído fatalmente en el
5% restante) es 0,05 x 0,05 x 0,05 =
0,0001. Un argumento más en favor
de replicar las observaciones y los ex-
perimentos, en lugar de conformarse
con la revisión por pares, para dar por
buenos resultados de investigación.
De modo que del azar debemos des-
confiar, pero no mucho. Con los seres
humanos las cosas son distintas. Al
menos tres advertencias resultan ne-
cesarias para evaluar la calidad de las
inferencias realizadas por muestreo.
A) Generalmente las muestras
fallan porque no se respetan los pro-
cedimientos de selección aleatoria.
Con cada vez más frecuencia leemos,
por ejemplo, resultados de encuestas
realizadas a través de redes sociales,
sobre las que se intenta hacer inferen-
cias para grandes poblaciones. ¿To-
dos los integrantes de esas grandes
poblaciones tienen una probabilidad
conocida y distinta de cero de haber
sido seleccionados para esa encues-
ta? Si aplicas una encuesta entre tus
amigos de Facebook, es claro que no.
Todos quienes no sean amigos tuyos
tienen probabilidad cero de resultar
encuestados. Pero no es necesario
llegar a tales extremos. Los humanos
hemos desarrollado estrategias me-
nos transparentes para hacer trampas
en este sentido. La selección por cuo-
tas (un procedimiento lógicamente
insostenible por el cual se seleccio-
nan casos atípicos, pero incluyendo
intencionalmente en la muestra los
que reproduzcan una distribución
similar para un par de atributos como
el sexo y la edad) es generalmente
utilizada por empresas de opinión pú-
blica y de investigación de mercados.
Este es el primer aspecto a prestar
atención, al cual nos referimos antes:
si los ingredientes no fueron bien
mezclados, no sale la torta.
B) Cuando se calcula un tama-
ño de muestra, con un intervalo de
confianza y un margen de error es-
pecíficos, se considera el total de la
población. El objetivo es determinar
la confiabilidad de la estimación que
se realizará para una proporción,
promedio o cantidad, en la pobla-
ción total. Si luego decido reportar
valores de subpoblaciones, debo
recalcular los márgenes de error.
Supongamos que con 1.067 casos
obtengo que 40% de los uruguayos
habilitados para votar tiene opinión
16-17
MARTES 19•OCT•21
favorable a la derogación de la LUC.
El resultado debe leerse como que
entre 37% y 43% de los potenciales
electores tiene esa opinión, a 95%
de confianza. Luego reporto esa pro-
porción (expresada como porcentaje)
para Montevideo, afirmando que en
la capital tal opinión asciende a 50%.
En este caso estoy trabajando con
una muestra más pequeña. Si en su
diseño se mantuvo la distribución de
población en nuestro país, esta sub-
muestra incluirá aproximadamente
394 casos (37% de los electores del
país). Recuerda que el tamaño de
las muestras no se ve afectado por el
tamaño de las poblaciones, siempre
que sean grandes. Con 394 casos, el
margen de error aumenta a +-5%. De
modo que el último resultado debiera
reportarse como: en Montevideo,
entre 45% y 55% de los potenciales
votantes tiene opinión favorable a la
derogación de la ley.
Es habitual que en la presentación
de resultados de investigación se
reporten valores obtenidos de sub-
muestras de tamaño aún mucho más
pequeño (por ejemplo, personas jó-
venes, de sexo femenino, que residen
en Montevideo), lo que conduce a
márgenes de error tan grandes que
hacen imposible realizar cualquier
inferencia con seguridad.
Segundo aspecto a considerar:
¿sobre qué muestra efectiva se rea-
lizan las estimaciones?
C) Finalmente, hay que recordar
que a los errores estadísticos se suman
los de medición. Los casos de una
muestra pueden ser seleccionados
aleatoriamente, su tamaño puede
ser suficiente para hacer inferencias
con un amplio intervalo de confianza
y un bajo margen de error, pero si
en la recolección de datos existen
problemas, tampoco sale la torta.
Los errores de medición son, por lo
general, más peligrosos que los es-
tadísticos. No porque sean mayores,
sino porque no podemos determinar
con precisión cuál es su magnitud. Y
siempre se suman a los estadísticos,
dando por resultado un error total.
Siendo indeterminado el valor de uno
de los términos de la suma (el error de
medición), también lo es su resultado.
Tercer aspecto a tener en cuenta:
evalúa las competencias en materia
de medición de la institución o em-
presa que reporta los hallazgos. ■
Agradezco los valiosos comentarios de la
licenciada en Estadística Ana Coímbra a la
primera versión de este artículo.