MÉTODOS Y TÉCNICAS DE INVESTIGACIÓN SOCIAL

TEMA 7: EL UNIVERSO Y LA MUESTRA

1. INTRODUCCIÓN
Al investigador social “rara vez le es dado hacer una investigación sobre la totalidad del universo
que le interese considerar. No hay más remedio que trabajar sobre una pequeña porción de esta
realidad a la que llamamos muestra. Para sacar conclusiones de un trabajo efectuado sobre una
muestra válido para la totalidad del universo, es absolutamente necesario que esta muestra sea
representativa del universo” (Bugeda)
La finalidad de la representatividad es permitir hacer inferencias desde las muestras hacia las
poblaciones objeto de estudio. Estas inferencias se hacen de manera racional y probabilística, no
con certeza. (Kish)
2. EL UNIVERSO, O EL TODO
Universo o población es el conjunto de personas, elementos o sucesos que constituyen el objeto
de una investigación, y a quienes se referirán los resultados. Así como: la población española,
mujeres extremeñas, usuarios de un producto, trabajadores de una empresa, accidentes laborales,
despachos de un ministerio…
Aunque luego utilizaremos en un sentido distinto los conceptos estadísticos de población finita e
infinita, ningún universo tiende a la infinitud. Todo universo, o población a estudiar tiene unos
límites que deben ser reconocibles, y reconocidos.
3. LA MUESTRA COMO PARTE DEL TODO
La muestra es un conjunto reducido de unidades, o porción del total, que expresa las
características o representa la conducta, del universo en su conjunto. Es representativa del todo.
La muestra representa al universo al reproducir lo más exactamente posible las
características de la totalidad de la población que compone el universo.

Al investigador no le interesan las características de los elementos que componen la muestra,

sino que a través de las mismas pretende inferir en las características del conjunto. Al hacer
un experimento, una encuesta u otro tipo de estudio, se trata de obtener conclusiones generales
acerca de la población total, el universo.
Sin embargo, no es una porción casual del todo. Para ser una muestra ha de ser una porción
consciente y lógicamente delimitada.
4. UNA PARTE REPRESENTATIVA:
La muestra descansa en el principio de que las partes representan al todo. Es representativa en la
medida en que refleja las características que definen la población de la que fue extraída.
Hablaremos de muestra representativa cuando son:
- Fiables: Producen los mismos resultados con el mismo universo y en similares
circunstancias. Se garantiza definiendo con precisión los conceptos
- Válidas: Miden bien lo que se pretende medir (el problema fundamental de la
investigación social) Sólo podemos decir que una medida es válida cuando nos ponemos
de acuerdo en lo que podemos medir.
De ahí la importancia de acotar el universo y conocer las unidades que lo componen y su
diversidad de características, para realizar el muestreo con garantías.
 5. FUNDAMENTO ESTADÍSTICO
El concepto de muestra tiene un fundamento estadístico:
- Elegida correctamente y en las proporciones adecuadas, los resultados obtenidos de la
misma se pueden generalizar a un conjunto del universo.
- Los resultados son válidos para el universo del que se ha extraído la muestra dentro de
unos márgenes de error y probabilidad que se pueden determinar estadísticamente.
Para ello, hay que resolver tres problemas:
1) Cuántos investigar
2) Cómo seleccionarlos
3) Quiénes son los seleccionados
6. CONDICIONES DE LA MUESTRA

Una muestra descansa en algunos principios o condiciones:

- Representatividad: Reflejo de las características del universo. Representación de

sectores diferenciados y específicos.
- Confianza: Garantizar la fiabilidad y validez de los resultados. Si se repitiera, los
resultados deberían ser los mismos con una determinada probabilidad.
- Tamaño: Condicionado por las dos condiciones anteriores: la definición del tamaño de
las muestras exige información previa de la estructura del universo investigado
7. LA RELACION ENTRE UNIVERSO Y MUESTRA ES PUES TANTO…
Cuantitativa: representa una fracción:
- Fracción de muestreo: % muestra respecto universo. Útil para estratificar la muestra
igual que el universo.
- Coeficiente de elevación: Número de veces que la muestra está contenida en el universo.
Cualitativa: Debería tener las mismas características de la población que representa.
- Importante en universos estratificados
- Difícil en la práctica, pues siempre se producen fallos (encuestas no realizadas, no
válidas, etc)
- Las discrepancias con la realidad deben corregirse ponderando los resultados. Según su
característica esté sub o sobre representada.
8. ES INEVITABLE UTILIZAR EL MUESTREO SI…
- La población es muy grande (el conjunto de una región, de un país...)
- La población está muy fragmentada y distante (muchos centros de producción de una
empresa en distintos países)
- La población es difícilmente accesible (barrios peligrosos, población enferma)
- Se trata de un experimento con grupos de control
- Se trata de un estudio piloto, previo para el desarrollo de una investigación en
profundidad.
- Disponemos de poco tiempo o medios limitados
 9. A VECES PUEDE OBVIARSE SI…
- Se investiga un grupo o colectivo pequeño. Ejemplo: un equipo de trabajo
- Se trata de una investigación de casos. Ejemplo: un modelo organizativo.
- No podemos construir una muestra suficiente representativa. Ejemplo: inmigrantes
ilegales llegados en pateras; indígenas en un territorio no controlado
administrativamente…
- No tenemos limitaciones temporales ni de medios.
10. BASES DE LA MUESTRA
Substrato material que da soporte al universo o población: Censo, registro, plano, listado,
catalogo, base de datos…
Hay que tener en cuenta que la población puede estar:
- Censada: Existe en sentido material y formal. Existe base de la muestra.
- No censada: Existe en sentido real o material, pero no en sentido formal, por lo que o
existe base de la muestra.
o Hay que optar por un muestreo aleatorio imperfecto
o En Ciencias Sociales es muy habitual.
11. CONDICIONES DE LA BASE DE LA MUESTRA
En el registro las unidades deben estar individualizadas, de forma que se pueda elegir mediante
sorteo (fundamento del muestreo aleatorio)
Debe evitarse su ordenación, que podría ocasionar una selección sesgada o no representativa.
Si se utilizan bases ya existentes hay que comprobar que estén actualizadas.

12. TIPOS PRINCIPALES DE MUESTREO

- Aleatorios (Probabilísticos)
o Con igual probabilidad (Aleatorio simple)
o Con distinta probabilidad, pero conocida
 Sistemático
 Estratificado
 De conglomerado
o Probabilidad desigual y no conocida (Semi-probabilístico)
 De cuotas
 De rutas aleatorias
- No aleatorios (No probabilístico)
o Intencional
o Bola de nieve
o Estructural o cualitativo
- Mixtos
o De panel
o Polietápicos
o Compuestos
o En fases
 13. MUESTREOS PROBABILISTICOS
Proceso en el que se conoce la probabilidad que tiene cada elemento de integrar la muestra.
- Muestreo aleatorio simple
o Procedimiento en el cual todos los elementos tienen la misma probabilidad de ser
seleccionados
o Estadísticamente se dice que la probabilidad, conocida previamente, es distinta
de cero y de uno
o Por medio de un sorteo riguroso se eligen las unidades hasta completar el tamaño
de la muestra.
o Sus dificultades hacen que se usen tablas de números aleatorios.
o Ejemplo: Valiéndose de la lista de alumnos, asignamos un número a cada uno.
Luego todos los números se introducen en una caja por extraer, por sorteo, los
integrantes de la muestra.
- Muestreo sistemático
o Se basa en la selección de un elemento en función de una constante k (coeficiente
de elevación). De esta manera se escoge un elemento k veces.
o La base no puede estar ordenada, para evitar sesgos.
o Se elige al azar la primera unidad, tiene que ser inferior al coeficiente de
elevación.
 Si el coeficiente de elevación no es un número entero se utilizará unas
veces el entero inferior y otras el entero superior.
 Otras opciones de muestreo sistemático: individuos cuyo nombre
empiece por una letra; nacidos en una fecha; cuyo número de orden acabe
en una cifra…
- Muestreo estratificado
o En universos no homogéneos, formados por subconjuntos (estratos) que
representan categorías de interés, la muestra se construye teniendo en cuenta
esos estratos.
o Se divide la población en subconjuntos con características comunes.
o Se selecciona una muestra diferenciada para cada uno de los estratos (afijación
de la muestra) cuyo tamaño puede ser:
 Proporcional: en función del peso de la población del estrato
 Simple: el mismo tamaño a cada estrato
 Óptima: en función del peso y de la varianza de cada estrato
 Mixto: de manera distinta en cada estrato
 Estadísticamente es más preciso si la media ponderada de las varianzas
de los distintos estratos es menor que la varianza del conjunto del
universo.
o Razones de uso de la muestra estratificada:
 Precisión en las estimaciones: si la media de las varianzas de los estratos
es inferior a la varianza del universo, se reduce el error.
 Poder utilizar diferentes métodos de muestreo o fracciones de muestreo
en los distintos estratos
 Adaptarse a grupos de población específicos de interés en algún aspecto
de la investigación.
 Se debe estratificar en cualquier caso en función de las variables
utilizadas en la investigación.
 Las unidades de muestreo dentro de cada estrato serán lo más
homogéneas posible
 Si conocemos la estratificación del universo, pero no se puede formar la
base de muestreo por estratos, se hace muestreo por cuotas.
- Muestreo por conglomerados (clusters)
o Se basa en la división del universo en conjuntos menores (conglomerados), de
entre los que sólo se escogerán algunos para ser muestreados.
 El más utilizado es el geográfico, pero a pequeña escala (analizando un
barrio, un fenómeno de masas, etc.) puede utilizarse otro tipo (familias,
filas de asientos en un estadio, mesas electorales…)
o Proceso:
 Paso 1: Delimitación de grupos o conglomerados
 Paso 2: Selección aleatoria de los conglomerados a estudiar
 Paso 3: Selección de los sujetos individuales en los conglomerados
seleccionados:
 Muestra por conglomerados en una etapa: Se incluyen a
todos los sujetos de los conglomerados seleccionados
 Muestra por conglomerado en dos etapas: Sólo se selecciona
un número de sujetos de cada conglomerado mediante muestreo
aleatorio simple o sistemático.
o Diferencias con el muestreo estratificado:
 Mientras en el muestreo estratificado se toman datos de todos los estratos
de la población, en el de conglomerados sólo se selecciona
(aleatoriamente) un cierto número de conglomerados.
 Eso hace que parte de los conglomerados queden sin representación
mientras que en el estratificado todos los estratos están representados
o Ventajas y desventajas:
 Es más barato, es rápido y es fácil:
 En lugar de obtener una muestra de todo un país o región (casi
imposible en el muestreo aleatorio simple), se concentra el
esfuerzo en algunos conglomerados.
 Definir conglomerados es más fácil que definir estratos (exigen
conocer previamente la estructura de la población)
 Es posible aumentar el tamaño final de la muestra, pues las
unidades finales encuestadas/analizadas son más accesibles
(concentrados en los conglomerados)
 Es menos representativa: la tendencia de las unidades en un
conglomerado a tener características similares provoca que haya
tipologías sobrerrepresentadas o infrarrepresentadas, sesgando los
resultados.
 El error estándar es mayor
 El cálculo del error estándar es más complejo de hacer
o Lo más importante en esta técnica:
 Dar a todos los conglomerados iguales posibilidades de ser
seleccionados
 Los conglomerados deben ser lo más heterogéneo posible, en tanto que
representaciones del universo, pues si son poco heterogéneos el error se
incrementa.
 14. MUESTREO SEMIPROBABILÍSTICO
Aleatorio, con probabilidad no conocida.
- Por cuotas:
o Como en el muestro por estratificación se basa en el conocimiento previo de las
características de la población, para establecer cuotas según cada categoría (edad,
sexo, situación geográfica, categoría socioprofesional...).
 Una vez determinada la dimensión del sondeo que se desea efectuar,
basta con calcular el número de individuos por cada criterio elegido, en
función de la cuota de la categoría en la población.
o Para a diferencia del muestreo estratificado, la elección de los sujetos en cada
estrato se realiza a criterio del investigador.
 Sea los más cercanos, un grupo de voluntarios, quienes cumplan
determinadas características que se considere una variable importante…
o Algunos autores lo consideran no probabilístico porque no es auténticamente
aleatorio.
 Se basa en la hipótesis que la información que deseamos obtener está
correlacionada con la población, pero es solo una hipótesis de
representatividad difícilmente demostrable
 La elección de los individuos seleccionados se hace por métodos no
probabilísticos, sea los más cercanos, un grupo de voluntarios, etc., lo
que no permite calcular probabilidades de pertenencia a la muestra
 No obstante, el uso de cuotas pone cierto control a los sesgos, y garantiza
que en una serie de variables clave se reproduce la composición de la
población en la muestra. Las cuotas mejoran la representatividad, aunque
no sepamos cuánto.
o Es un tipo de muestra muy habitual en estudios telefónicos y personales, cuando
falta de marco muestral preciso (como podría ser un censo de población), pues
con las cuotas se asegura un nivel de representatividad aceptable
o Es la técnica que predomina en estudios online a través de paneles
o Ventajas
 Ofrece resultados útiles a un coste razonable
 Si se han elegido correctamente las variables sobre las que segmentar los
resultados suelen ser fiables
 Al ser menos costoso puede aumentarse la muestra. Pruebas empíricas
han mostrado que con un tamaño de la muestra superior en un 50% a la
aleatoria, el error es equivalente (Sierra Bravo)
 Los resultados deben ponderarse para ajustarlos a la realidad
o Inconvenientes
 La imposibilidad de acotar el error que estamos cometiendo
 El riesgo de obviar una cuota relevante en un estudio
 Si en un estudio electoral no fijamos una cuota por regiones y
resulta que la tendencia de voto es muy diferente en unas
regiones respecto a otras, los resultados globales estarán
fuertemente distorsionados.
 - Por rutas aleatorias
o Pretende evitar los inconvenientes del muestreo por cuotas
o Se fija a cada entrevistador el itinerario a seguir para realizar las entrevistas y los
puntos donde deben realizarse las mismas o los criterios para seleccionar esos
puntos
 Por ejemplo: Toma la primera calle a la izquierda, y tras el siguiente giro
a la izquierda se toma la primera casa. Se repite el ciclo
o Se pueden fijar los criterios para seleccionar individuos a entrevistar o cuotas de
individuos dentro de la ruta

15. MUESTREOS NO ALEATORIOS

A menudo es difícil conseguir construir una muestra aleatoria auténtica, por limitaciones
presupuestarias, falta de tiempo o por dificultades para construir una base muesstral de calidad.
La alternativa es entonces un muestreo no probabilístico (entre ellos incluyen muchos autores a
los semi probabilísticos)
- La muestra no probabilística no es fruto de un proceso de selección aleatoria
- Los individuos normalmente se seleccionan en función de su accesibilidad o a criterio
personal e intencional del investigador
El problema del muestreo no probabilístico es que es muy probable que queden fuera grupos con
características importantes. Esto implica que la muestra puede representar a toda la población con
precisión o no.
Los resultados de la investigación no pueden ser utilizados para hacer generalizaciones sobre toda
la población.

- Bola de nieve:
o Se utiliza cuando no se dispone de una base muestral accesible o en poblaciones
difíciles de ser estudiadas con los métodos tradicionales (ej. emigrados
retornados, sintecho, adictos a alguna sustancia o actividad, etc)
o Las unidades muestrales se van eligiendo a partir de referencias aportadas por los
sujetos entrevistados
 Los nuevos casos remiten a otros individuos, la muestra va aumentando
como una “bola de nieve”
o Procedimiento:
 Ola cero: Una inicial de personas que se sabe pertenecen al colectivo
investigado
 Primera ola: Lista inicial más otras nuevas citadas por ellas con las
características que nos interesa investigar
 Este procedimiento puede seguir haciendo nuevas olas hasta que ya no
aparezcan personas nuevas
o Ventaja: Acceso a grupos difíciles a bajo coste
o Inconveniente: dificultad de identificar a nuevos individuos.
Muestras en investigación cualitativa

MUESTRAS EN INVESTIGACIÓN CUALITATIVA

TIPO DE MUESTREO CONCEPTO CARACTERÍSTICAS
Unidades escogidas según la Suele utilizarse la estrategia
conveniencia del de “bola de nieve”.
investigador o los objetivos Se localiza un informador
de la investigación (riqueza clave que a su vez identifica
de información, posición que a otro, y así sucesivamente.
Intencional o de ocupa…)
conveniencia Ejemplo: personas con
títulos de posgrado que
tengan más de 20 años de
experiencia en el campo
educativo y hayan ocupado
un cargo directivo.
Selección de los casos que Muy útil cuando se pretende
Casos extremos expresan los extremos del conocer las fronteras de la
rango de una variable acción social.
Selección de casos cuyos Útil en
valores en el rango de la contextos/problemáticas de
Casos atípicos variable sean poco frecuentes alta conflictividad social (Por
(no necesariamente ejemplo, para descubrir
extremos) discursos de consenso)
Selección de los individuos Útil en el estudio de
en virtud de sus posiciones estructuras sociales
conectadas dentro de una jerarquizadas o analizando
Sondeo estructural
estructura o cadena de dimensiones
decisiones. comunicacionales de los
problemas.
Selección de casos que Útil para el abordamiento de
pueden servir de referencia problemas emergentes o
Casos críticos lógica para el resto de la prospectivos.
población con relación al
tema de estudio.

Criterios para la definición del tamaño de la muestra en investigación cualitativa (entrevistas en

profundidad, historias de vida, etc).
- El número de entrevistas a realizar se determina por el punto de saturación definido por
Bertaux como el momento a partir del cual cada entrevista no aporta información nueva
- El punto de saturación se logra a partir de 25-30 entrevistas
- Etapas habituales del proceso de saturación
o De 1 a 10 casos: Variabilidad/Diversidad
o De 11 a 15 casos: se entienden las pautas estructurales
o De 16 a 25 casos: se conocen bien las pautas estructurales
o De 26 a 30 casos: redundancia en el conocimiento. Se alcanza el proceso de
saturación.
 16. MUESTREOS REPETIDOS (SERIES)
Los hay de dos tipos:
- Superpuestos: Se trabaja con dos muestras distintas de la misma población, sirve para
verificar o triuangular los resultados
- Sucesivos: Se repite la encuesta cada cierto tiempo: permite conocer los cambios que se
producen en la población.
Opciones diversas:
- De panel: Se encuesta siempre a la misma muestra, lo que permite conocer los cambios
y qué categorías han cambiado
- Panel renovado: En cada ocasión se encuesta a una muestra nueva, lo que permite conocer
los cambios, pero no quienes son los que han cambiado
- Panel renovado parcialmente: Se puede renovar en cada ocasión una parte de la muestra,
para adaptarse a los cambios que se producen en la población (más envejecida, llegada
de nuevos grupos étnicos, etc)
- Panel rotatorio: Se puede realizar una muestra inicial completa, pero en las etapas
siguientes elegir submuestras, lo que ahorra costes. Se puede ir rotando la muestra.

17. TIPOS DE MUESTREOS A ELEGIR

Depende de muchos factores: tipo de estudio, base de sondeo, tiempo, dinero, recursos, etc. En
general:
- Cuanto más cuantitativo-analítico sea el estudio, más probabilístico será el tipo de
muestreo
- Cuando más cualitativo-decisional sea, menos probabilístico
Algunos principios generales a tener en cuenta antes de decidir:
- Si nos interesa conocer características de la población clasificadas por categorías (sexo,
edad, estudios...) utilizaremos muestra estratificada
- Si estudiamos una población dispersa y de la que nos interesan más visiones de conjunto,
o de los grupos, que los individuos, utilizaremos muestra por conglomerados
- Si queremos hacer un estudio del cambio a lo largo del tiempo de un problema
determinado, utilizaremos una muestra de panel
- Si solamente queremos conocer el impacto de un hecho de forma inmediata y no
disponemos de tiempo ni recursos, utilizaremos una muestra accidental o de casos críticos
- Si no conocemos la estructura de la base de sondeo, muestra por cuotas
- Si queremos hacer un estudio en profundidad de un tema específico para lo que sólo nos
interesa entrevistar a las personas más representativas o que mejor conocimiento tienen
del tema, utilizaremos la muestra estructural, intencional o por bola de nieve
 18. ERROR MUESTRAL Y TAMAÑO DE LA MUESTRA
El error de muestreo y el tamaño de la muestra están estrechamente relacionados. Podemos:
- Seleccionar un tamaño de muestra y calcular el error que le corresponde
- Inversamente, fijar el error muestral admitido y calcular a partir de ahí el tamaño de la
muestra
- La fórmula matemática de la muestra deriva de la del error
El error está relacionado con el universo del que se saca la muestra:
- Divergencia entre los resultados medios obtenidos con la muestra en relación con alguna
variable y los existentes en el universo.
El error solo podemos conocerlo si:
- Calculamos la media del universo respecto a alguna variable, la media de la muestra
respecto a esa misma variable, y comparamos la divergencia.
- Como ello no es posible, determinaremos un error de tipo genérico, por métodos
estadísticos, válido para todas las muestras posibles del mismo universo con el mismo
tamaño
El error nos indica la amplitud máxima del intervalo en el que están comprendidos los resultados
reales en el universo (X ó N) en relación con los obtenidos con la muestra (x ó n)
- Un menor error indica una mayor precisión en los resultados

19. EL CÁLCULO PRÁCTICO DEL ERROR

Sin formación estadística específica, es mejor irse directamente a la utilización de las
herramientas de software.
- Programas específicos, o herramientas básicas web
- Macros de Excel y compatibles
Con formación estadística es posible comprender mejor la relación universo/muestra
20. ERROR MUESTRAL EN MUESTREO ALEATORIO SIMPLE
La fórmula del error para universos muy grandes o infinitos (considerados así los mayores de
100.000 Uds.) es:
σ2 ∗ 𝑝 ∗ 𝑞
𝑒2 =
𝑛
En poblaciones de menor tamaño o finitas, se introduce un factor de corrección (corrección por
poblaciones finitas) que establece una relación entre el tamaño del universo y el tamaño de la
muestra:

2
σ2 ∗ 𝑝 ∗ 𝑞 𝑁 − 𝑛
𝑒 = ∗
𝑛 𝑁−1
 21. ERROR MUESTRAL EN MUESTRAS ESTRATIFICADAS
El error será igual a la media ponderada del error de cada estrato. Normalmente el error en
muestras estratificadas es menor que el de muestras sin estratificar.
∑𝑛 ∗ 𝑃 ∗ 𝑄
𝑒2 = 𝜎2 ∗
𝑛2
22. TAMAÑO DE LA MUESTRA
Para una población infinita
σ2 ∗ 𝑃 ∗ 𝑄
𝑛 =
𝑒2
Para una población finita

σ2 ∗ 𝑝 ∗ 𝑞
𝑛 =
𝑒 2 ∗ (𝑁 − 1) ∗ (𝜎 2 ∗ 𝑝 ∗ 𝑞)

23. CONDICIONANTES DE LA MUESTRA

Factores que condicionan:

- Error de muestreo: inversamente proporcional

- Nivel de confianza exigido: directamente proporcional
- Varianza del universo: directamente proporcional
- Amplitud del universo

En poblaciones finitas a medida que aumenta el tamaño de la población hay que aumentar el
tamaño de la muestra para mantener el error.
- La corrección para poblaciones finitas debe mantenerse si el tamaño de la muestra
representa una fracción de muestreo alta, cuando es superior al 5% o al 10% del universo