1

Introduccin a la metodologa de investigacin Social

Muestreo
2
Sumario
1. Validez Externa
2. Amenazas a la Validez Externa:
Estrategias de mejora
3. Terminologa del muestreo
4. Distribucin Muestral
5. Muestreo Probabilstico
6. Muestreo No Probabilstico
Muestreo
3
Poblacin
GENERALIZACIN
A LA POBLACIN
GENERALIZACIN
A LA POBLACIN
EXTRACCIN
DE LA MUESTRA
EXTRACCIN
DE LA MUESTRA
MUESTRA
Aproximaciones
a la
Validez Externa
Modelo de Muestreo
Modelo de Similitud y Proximidad
Muestreo y Validez externa
4
Qu

podra cuestionarse de nuestra generalizacin?;
En qu

se nos podra criticar?
Personas
Lugares
Tiempos
Poblacin, Aleatoriedad, Tamao,...
Estrategias de mejora
Precisin en similitud-proximidad
Mltiples contextos
Contextos
Amenazas a la validez externa
5
Hacia quin queremos
generalizar?
Poblacin
Terica
Poblacin
del estudio
Marco de
Muestreo
Muestra escogida
Muestra final
A qu

poblacin tenemos
acceso?
Cmo podemos acceder
a ella?
Quines hemos seleccionado
para el estudio
Quin ha respondido?
Hacia quin queremos
generalizar?
Terminologa del muestreo
6
poblacin
muestra
respuesta
Variable

Caso
Dato
Estadstico
Parmetro
Media = 3,75
Media = 3,72
1 2 3 4 5
Terminologa estadstica
7
Media Media Media
La distribucin
muestral........
es la distribucin de un
estadstico a lo largo
de un infinito
nmero de muestras
muestra muestra muestra
Distribucin Muestral
8
Desviacin Tpica Desviacin Tpica
Error standard
o muestral....
refleja la dispersin de
las medias en torno a
la media de la
distribucin muestral
muestra muestra muestra
Desviacin Tpica
Error estndar o error muestral
9
Tipos de Muestreo
MUESTREO PROBABILSTICO (RANDOM)
(MUESTREO NO-PROBABILISTICO (NON-RANDOM)
Todos los casos tienen una probabilidad conocida previamente de ser seleccionados,
pero la probabilidad de cada uno no es necesariamente igual
(todos los miembros de la poblacin tienen oportunidad, pero puede que sta no sea la
misma para todos)
Se necesita tener el CENSO completo de la poblacin en ese momento
(actualizado).
E.g.: simple random, systematic or interval, stratified, cluster, multi-stage,...
Esa probabilidad no es conocida prreviamente,
(principal fuente de sesgo: no todos los miembros de la poblacin tienen oportunidad)
E.g.: available, volunteers,... (accidentals or conveniences)
modal instance, heterogeneity or for diversity, expert, quota, snowball, (purposives)
10
Muestreo Aleatorio Sistemtico Muestreo Aleatorio Cluster
N=100
Deseanos

n=20
N/n=5
Elegimos aleatoriamente un
nmero entre 1 y 5
(por ej.

4)
Comenzamos por el 4 y
seleccionamos un elemento cada
5 unidades
Crdoba
Almera
Avila
Soria
Cuenca
Muestreo Multifactico
1. Muestreo Cluster
1.1. Muestreo Estratificado
1.1.1 Muestreo Sistemtico
1.1.1.1 Muestreo Simple
Muestreo Probabilstico
11
Ventajas-Inconvenientes Mtodos probabilsticos
Considerado el ms fiable y seguro acercamiento para representar a una poblacin
Puede usar un modelo estadstico (e.g.: Gauss) para hacer estimaciones sobre los
parmetros poblacionales sin necesidad de calcularlos (Mean, confidence interval,
standard error, etc.)
Conseguir un Censo completo y actualizado es muy dificil, y muchas veces imposible.
En caso de conseguirlo, 1) la persona seleccionada tendr que estar disponible cuando
2) y si est disponible, aun tendr que aceptar colaborar.
3) es posible que haya migrado a otro lugar o fallecido.
Estas circunstancias supondran el inmediato incumplimiento de las
condiciones que definen y exige este acercamiento.
Este acercamiento no garantiza la representatividad.
La muestra nunca estar libre de posibles sesgos.
12
Inconvenientes de los prob. desde punto de vista prctico
Mtodos de muestreo probabilsticos son muy caros (dinero y tiempo).
Muchos estudios que fueron planeados o diseados o intentados para ser
probabilsticos terminaron siendo no-probabilsticos debido a no-intencionales o
inevitables caractersticas del mtodo de muestreo seguido.
(
p
e
r
o

f
a
c
t
u
r
a
d
o
s

c
o
m
o

t
a
l
e
s
)
Por qu hay tantos mtodos?
Cada mtodo de muestreo intenta conseguir representatividad superando una diferente dificultad,
en unos casos sta ser el coste, en otros la imposibilidad de cumplir los requisitos de un mtodo.
En la investigacin social aplicada hay muchas situaciones en las que no es posible, prctico
o tericamante sensato hacer muestreo probabilstico.
Entonces podemos pensar en el amplio abanico de no-probabilsticas alternativas, las cuales
son normalmente clasificadas en dos grandes tipos: accidentales e intencionales.
13
Muestreo

No-Probabilstico
Expertos y
Decision-Makers
Accidental,
Casual o De
Conveniencia
Intencional o
Deliberado
Muestra de Conveniencia
Muestras Disponibles
Muestra de Voluntarios
Modal instance
Heterogeneidad
Expertos
Por Cuotas
Snowball o En Cascada
No-proporcional
Proporcional
Usando los %
de la poblacin
(ej. hombres/mujeres)
14
The SIZE case: agreeing the sample size
2
2
e
q p
Z N

For:
Population size unknown.
Z Gauss value = 1.96 (=0.05)
p and q = 0.5
error = 5% 0.05
Non considering the effect size
For 5% error 384

400 cases by country
SENIORS SAMPLE
EXPERTS SAMPLE
N = 60 by common agreement (20+20+20)
15
The SIZE case: Seniors quota distribution
Computing of proportions was based on the obtained percentages of participation in interviews
carry out in previous phase corresponding to the three established criteria (and in this order):
LIVING_AREA, AGE_GROUP and GENDER. And the same for all countries.
URBAN
207
Male
40
Female
68
Male
31
Female
54
Male
5
Female
9
65-74
108
75-84
85
85+
14
SUBURBAN
139
Male
27
Female
45
Male
21
Female
36
Male
4
Female
6
65-74
72
75-84
57
85+
10
RURAL
55
Male
10
Female
18
Male
8
Female
14
Male
2
Female
3
65-74
28
75-84
22
85+
5
16
FIN