Vous êtes sur la page 1sur 8

TECNICAS DE MUESTREO

Muestreo Probabilstico
Forman parte de este tipo de muestreo todos aquellos mtodos para los que se
puede calcular la probabilidad de extraccin de cualquiera de las muestras
posibles. Este conjunto de tcnicas de muestreo es el ms aconsejable, aunque
en ocasiones no es posible optar por l. En este caso se habla de muestras
probabilistas, pues no es correcto hablar en rigor de muestras
representativas dado que, al no conocer las caractersticas de la poblacin, no es
posible tener certeza de que tal caracterstica se haya conseguido.
Tipos
Sin reposicin de los elementos :' Cada elemento extrado se descarta para la
subsiguiente extraccin. Por ejemplo, si se extrae una muestra de una "poblacin"
de bombillas para estimar la vida media de las bombillas que la integran, no ser
posible medir ms que una vez la bombilla seleccionada.
Con reposicin de los elementos: Las observaciones se realizan con remplazo
de los individuos, de forma que la poblacin es idntica en todas las extracciones.
En poblaciones muy grandes, la probabilidad de repetir una extraccin es tan
pequea que el muestreo puede considerarse con reposicin aunque, realmente,
no lo sea.
Con reposicin mltiple: En poblaciones muy grandes, la probabilidad de repetir
una extraccin es tan pequea que el muestreo puede considerarse con
reposicin.
Para realizar este tipo de muestreo, y en determinadas situaciones, es muy til la
extraccin de nmeros aleatorios mediante ordenadores, calculadoras o tablas
construidas al efecto.
Muestreo sistemtico
Se utiliza cuando el universo o poblacin es de gran tamao, o ha de extenderse
en el tiempo. Primero hay que identificar las unidades y relacionarlas con el
calendario (cuando proceda). Luego hay que calcular una constante, que se
denomina coeficiente de elevacin:
K= N/n
Donde N es el tamao del universo y n el tamao de la muestra.

Para determinar en qu fecha se producir la primera extraccin, hay que elegir al


azar un nmero entre 1 y K; de ah en adelante tomar uno de cada K a intervalos
regulares. Ocasionalmente, es conveniente tener en cuenta la periodicidad del
fenmeno.
Esto quiere decir que si tenemos un determinado nmero de personas que es la
poblacin (N) y queremos escoger de esa poblacin un nmero ms pequeo el
cual es la muestra (n), dividimos el nmero de la poblacin por el nmero de la
muestra que queremos tomar y el resultado de esta operacin ser el intervalo,
entonces escogemos un nmero al azar desde uno hasta el nmero del intervalo,
y a partir de este nmero escogemos los dems siguiendo el orden.
Muestreo estratificado
Consiste en la divisin previa de la poblacin de estudio en grupos o clases que se
suponen homogneos con respecto a alguna caracterstica de las que se van a
estudiar. A cada uno de estos estratos se le asignara una cuota que determinara
el nmero de miembros del mismo que compondrn la muestra. Dentro de cada
estrato se suele usar la tcnica de muestreo sistemtico, una de las tcnicas de
seleccin ms usadas en la prctica.
Segn la cantidad de elementos de la muestra que se han de elegir de cada uno
de los estratos, existen dos tcnicas de muestreo estratificado:

Asignacin proporcional: el tamao de la muestra dentro de cada estrato


es proporcional al tamao del estrato dentro de la poblacin.

Asignacin ptima: la muestra recoger ms individuos de aquellos


estratos que tengan ms variabilidad. Para ello es necesario un conocimiento
previo de la poblacin.

Por ejemplo, para un estudio de opinin, puede resultar interesante estudiar por
separado las opiniones de hombres y mujeres pues se estima que, dentro de cada
uno de estos grupos, puede haber cierta homogeneidad. En la asignacin
proporcional, si la poblacin est compuesta de un 55% de mujeres y un 45 % de
hombres, se tomara una muestra que contenga tambin esos mismos porcentajes
de hombres y mujeres. En la asignacin ptima, si todos los hombres piensan
igual, pero las mujeres son impredecibles, se tomara una muestra con ms del
55% de mujeres.

Para una descripcin general del muestreo estratificado y los mtodos de


inferencia asociados con este procedimiento, suponemos que la poblacin est
dividida en h subpoblaciones o estratos de tamaos conocidos N 1, N2,..., Nh tal que
las unidades en cada estrato sean homogneas respecto a la caracterstica en
cuestin. La media y la varianza desconocidas para el i-simo estrato son
denotadas por mi y si2, respectivamente.
Muestreo por etapas mltiples
Esta tcnica es la nica opcin cuando no se dispone de lista completa de la
poblacin de referencia o bien cuando por medio de la tcnica de muestreo simple
o estratificado se obtiene una muestra con unidades distribuidas de tal forma que
resultan de difcil acceso. En el muestreo a estadios mltiples se subdivide la
poblacin en varios niveles ordenados que se extraen sucesivamente por medio
de un procedimiento de embudo. El muestreo se desarrolla en varias fases o
extracciones sucesivas para cada nivel.
Por ejemplo, si tenemos que construir una muestra de profesores de primaria en
un pas determinado, stos pueden subdividirse en unidades primarias
representadas por circunscripciones didcticas y unidades secundarias que seran
los propios profesores. En primer lugar extraemos una muestra de las unidades
primarias (para lo cual debemos tener la lista completa de estas unidades) y en
segundo lugar extraemos aleatoriamente una muestra de unidades secundarias de
cada una de las primarias seleccionadas en la primera extraccin.
Muestreo por conglomerados
Se utiliza cuando la poblacin se encuentra dividida, de manera natural, en grupos
que se supone que contienen toda la variabilidad de la poblacin, es decir, la
representan fielmente respecto a la caracterstica a elegir, pueden seleccionarse
slo algunos de estos grupos o conglomerados para la realizacin del estudio.
Dentro de los grupos seleccionados se ubicarn las unidades elementales, por
ejemplo, las personas a encuestar, y podra aplicrsele el instrumento de medicin
a todas las unidades, es decir, los miembros del grupo, o slo se le podra aplicar
a algunos de ellos, seleccionados al azar. Este mtodo tiene la ventaja
desimplificar la recogida de informacin muestral.
Cuando, dentro de cada conglomerado seleccionado, se extraen algunos
individuos para integrar la muestra, el diseo se llama muestreo bietpico.
Las ideas de estratos y conglomerados son, en cierto sentido, opuestas. El primer
mtodo funciona mejor cuanto ms homognea es la poblacin respecto del

estrato, aunque ms diferentes son stos entre s. En el segundo, ocurre lo


contrario. Los conglomerados deben presentar toda la variabilidad, aunque deben
ser muy parecidos entre s.
Homogeneidad de las poblaciones o sus subgrupos
Homogneo significa, en el contexto de la estratificacin, que no hay mucha
variabilidad. Los estratos funcionan mejor cuanto ms homogneos son cada uno
de ellos respecto a la caracterstica a medir. Por ejemplo, si se estudia la estatura
de una poblacin, es bueno distinguir entre los estratos mujeres y hombres porque
se espera que, dentro de ellos, haya menos variabilidad, es decir, sean menos
heterogneos. Dicho de otro modo, no hay tantas diferencias entre unas estaturas
y otras dentro del estrato que en la poblacin total.
Por el contrario, la heterogeneidad hace intil la divisin en estratos. Si se dan las
mismas diferencias dentro del estrato que en toda la poblacin, no hay por qu
usar este mtodo de muestreo. En los casos en los que existan grupos que
contengan toda la variabilidad de la poblacin, lo que se construyen son
conglomerados, que ahorran algo del trabajo que supondra analizar toda la
poblacin. En resumen, los estratos y los conglomerados funcionan bajo principios
opuestos: los primeros son mejores cuanto ms homogneo es el grupo respecto
a la caracterstica a estudiar y los conglomerados, si representan fielmente a la
poblacin, esto es, contienen toda su variabilidad, o sea, son heterogneos.
Muestreo no probabilstico
Es aqul para el que no se puede calcular la probabilidad de extraccin de una
determinada muestra. Por tal motivo, se busca seleccionar a individuos que tienen
un conocimiento profundo del tema bajo estudio y se considera que la informacin
aportada por esas personas es vital para la toma de decisiones.
Muestreo por cuotas
Es la tcnica ms difundida sobre todo en estudios de mercado y sondeos de
opinin. En primer lugar es necesario dividir la poblacin de referencia en varios
estratos definidos por algunas variables de distribucin conocida (como el gnero
o la edad). Posteriormente se calcula el peso proporcional de cada estrato, es
decir, la parte proporcional de poblacin que representan. Finalmente se multiplica
cada peso por el tamao de n de la muestra para determinar la cuota precisa en
cada estrato. Se diferencia del muestreo estratificado en que una vez determinada
la cuota, el investigador es libre de elegir a los sujetos de la muestra dentro de
cada estrato.
Muestreo de bola de nieve

Indicado para estudios de poblaciones clandestinas, minoritarias o muy dispersas


pero en contacto entre s. Consiste en identificar sujetos que se incluirn en la
muestra a partir de los propios entrevistados. Partiendo de una pequea cantidad
de individuos que cumplen los requisitos necesarios, servirn como localizadores
de otros con caractersticas anlogas.
Muestreo subjetivo por decisin razonada
En este caso las unidades de la muestra se eligen en funcin de algunas de sus
caractersticas de manera racional y no casual. Una variante de esta tcnica es
elmuestreo compensado o equilibrado, en el que se seleccionan las unidades de
tal forma que la media de la muestra para determinadas variables se acerque a la
media de la poblacin. La cual funciona en base a referencias o por
recomendacin despus se reconoce por medio de la estadstica.

INDICE DE JACCARD
El ndice de Jaccard ( IJ ) mide la similitud, disimilitud o distancias que existen
entre dos estaciones de muestreo. Es un ndice usado en ecologa. La formulacin
es la siguiente:
IJ: c/(a+b-c)
Donde:

a: es el nmero de especies presentes en la estacin A.

b: es el nmero de especies presentes en la estacin B.

c: es el nmero de especies presentes en ambas estaciones, A y B.

NDICE DE MARGALEF
utilizada para estimar la biodiversidad de una comunidad con base en la
distribucin numrica de los individuos de la diferentes especies en funcin del
numero de individuos existentes en la muestra analizada.
DMg= (s-1)/InN S=nmero de especies
N= nmero total de individuos

Valores inferiores a dos son considerados como zonas de baja biodiversidad y


valores superiores a cinco son indicativos de alta biodiversidad.

TECNICAS PARA MEDIR LA BIODIVERSIDAD


MEDICIN DE LA DIVERSIDAD GAMMA
Whittaker (1972) define la diversidad gamma como la riqueza en especies de un
grupo de hbitats (un paisaje, un rea geogrfica, una isla) que resulta como
consecuencia de la diversidad alfa de las comunidades individuales y del grado de
diferenciacin entre ellas (diversidad beta). Desgraciadamente, la mayora de los
esfuerzos realizados para medir la biodiversidad en reas que incluyen ms de un
tipo de comunidad se limitan a presentar listas de especies de sitios puntuales
(diversidad alfa), describiendo la diversidad regional (gamma) nicamente en
trminos de nmeros de especies, o bien con cualquier otra medida de diversidad
alfa. Algunos estudios llegan a hacer comparaciones entre los sitios (diversidad
beta), pero no incluyen esta informacin en una medida de la biodiversidad
basada tanto en alfa como en beta.
Schluter y Ricklefs (1993) proponen la medicin de la diversidad gamma con base
en los componentes alfa, beta y la dimensin espacial:
Gamma = diversidad alfa promedio x diversidad beta x dimensin de la
muestra
donde:
diversidad alfa promedio = nmero promedio de especies en una comunidad
diversidad beta = inverso de la dimensin especfica, es decir, 1/nmero
promedio de comunidades ocupadas por una especie
dimensin de la muestra = nmero total de comunidades.
Si el paisaje estuviera conformado nicamente por parches de selva y cultivos, la
diversidad gamma de murcilagos de acuerdo a esta frmula es:
Gamma = 9 x 0.61 x 2 = 10.98
De esta forma, el valor de diversidad gamma obtenido est expresado en nmero
de especies y considera los elementos biolgicos analizados originalmente por
Whittaker (1972). Su valor suele aproximarse al nmero total de especies
registradas en todas las comunidades

Lande (1996) deriva tres frmulas para la diversidad gamma, la primera basada en
la riqueza de especies, la segunda en el ndice de Shannon y la tercera en el
ndice de Simpson. Estas frmulas dividen el valor de la diversidad gamma en dos
componentes aditivos y positivos: diversidad dentro de las comunidades (alfa) y
diversidad entre comunidades (beta), de forma que:
Gamma = alfa promedio + beta
Gamma = 9 + 3.2 = 12.2
En este caso encontramos que la diversidad alfa comprende el 73.77 y la
diversidad beta el 26.23% de la diversidad gamma del paisaje.
Clculo basado en el ndice de Simpson
Como el ndice de Simpson () refleja el grado de dominancia en una comunidad,
la diversidad de la misma puede calcularse como D = 1 -. En este caso, la
diversidad beta se calcula como:

As, la diversidad alfa tiene una contribucin del 95.95% y la diversidad beta del
4.05% a la diversidad gamma del paisaje.

Una medida interesante de la biodiversidad en reas con distintas comunidades es


el ndice de integridad de la biodiversidad (IB) propuesto por Majer y Beeston
(1996), que evala el grado de conservacin de la biodiversidad original en una
unidad de rea.
Este ndice es el producto de una medida de diversidad para un elemento
particular del paisaje y el rea que este elemento ocupa. Para ello, primero se
estandariza el rea donde se har el muestreo y se registra el nmero de especies
para cada elemento del paisaje. Se asigna un valor de 1.0 a la comunidad original;
si el 100% del rea del paisaje estuviera en un estado prstino, entonces el ndice
de integridad sera: IB =100 x 1.0 = 1. En el caso de un paisaje fragmentado con
solo un 40% del rea prstina, 40% del rea cubierta por una comunidad que
permitiera la existencia solamente de la mitad (0.5) de las especies, y 20% del
rea cubierta por una comunidad que permitiera la existencia solamente de la
cuarta parte (0.25) de las especies, entonces el ndice de integridad del paisaje
sera: IB = (40 x 1.0) + (40 x 0.5) + (20 x 0.25) = 65. Esto significa una prdida de
35 unidades de la integridad de la biodiversidad. Hay que resaltar que este ndice
de integridad mide nicamente la prdida de especies como consecuencia de la
reduccin de la comunidad original, pero no considera la llegada de nuevas
especies que se benefician con el cambio en los ecosistemas, como puede ser el
caso de especies asociadas a las actividades humanas.

http://biodiversidadestudioscp.blogspot.com/2010/04/indice-de-margalef.html
http://es.wikipedia.org/wiki/%C3%8Dndice_Jaccard
http://es.wikipedia.org/wiki/Muestreo_(estad%C3%ADstica)
file:///C:/Documents%20and
%20Settings/Administrador/Escritorio/Metodosparamedirbiodiversidad_Moreno.pdf