Estadística

Tercera Parte: Muestreo

Material de Cátedra:
 Licenciatura en Relaciones Internacionales
 Licenciatura y Profesorado en Geografía.
 Licenciatura en Gestión ambiental
 Carrera de Turismo

Autores:
Silvina Etcheverría
María del Carmen Romero

2018
INTRODUCCIÓN: Nociones de muestreo

Tal como ya se ha definido anteriormente, la población (o universo) es un

agregado de datos individuales acerca de los cuales se desea información. Es el conjunto
de todos los casos sobre los que se desea estudiar alguna o algunas características.
De esta manera, la población sobre la cual se desea trabajar:
 puede ser finita o infinita,
 puede referirse al pasado, al presente o al futuro.
 puede ser real (por ejemplo, los mayores de 18 años), potencial (por ejemplo,
los que podrían utilizar el servicio psicológico de un hospital) o hipotética.
Contrariamente al uso corriente del término “población”, los elementos no
tienen por qué ser personas. Puede estar compuesta por personas, grupos de personas,
ciudades, países, instituciones, comercios, calles, diarios, páginas de diarios, árboles,
etc.
Supongamos que se desea conocer qué proporción de una población presenta
un determinado valor en una variable dada. Si la población es pequeña, ello no ofrece
demasiados problemas. Por ejemplo, para conocer el porcentaje de mujeres entre los
alumnos presentes en un aula, se puede rápidamente contar cuántos alumnos hay y
cuántos son de sexo femenino. Este procedimiento, que consiste en un recuento de
todos los elementos en una población, se denomina censo.
Si por el contrario, la población de interés es de gran tamaño, por ejemplo, los
habitantes de las provincias cuyanas, podría resultar sumamente trabajoso obtener
información sobre todos sus elementos. En este caso convendrá utilizar una muestra.
Al hablar de una muestra, se hace referencia a una parte de la población, es decir
a subconjunto de unidades elementales, que es obtenida con el fin de averiguar algo
sobre el conjunto total de elementos que constituye esa población. Cuando se utiliza
una muestra, se lo hace en base a la creencia de que la exactitud de los resultados
obtenidos de ese modo es lo más próxima posible a lo que se hubiera obtenido
realizando un censo desprovisto de todo tipo de error sobre la población. Por supuesto,
tal creencia constituye una hipótesis que sólo sería demostrable realizando
paralelamente un censo sobre la misma población.
¿En qué casos se trabaja con una muestra y no con la población?
Además de cuestiones de dinero y de tiempo (menor costo y una mayor rapidez
en la obtención de los resultados), suele trabajarse con muestras en los siguientes casos:
 Cuando la población sea infinita o tan grande que el censo exceda las
posibilidades del investigador.
 Cuando la población sea suficientemente uniforme desde cierto punto de
vista lo que hará que cualquier muestra de una buena representación de la
población – con lo cual, carecerá de sentido examinar la población completa.
 Cuando el proceso de medida o investigación pueda ser destructivo Por
ejemplo: se quiere hacer un estudio sobre la cantidad de fósforos que vienen

1
 fallados. Para poder medir esta variable es necesario prender cada uno de los
fósforos – lo cual provoca la “destrucción” de los mismos.
El problema del muestreo consiste entonces en cómo seleccionar una muestra
de modo tal de obtener la máxima aproximación a los parámetros poblacionales
compatible con las restricciones de costo y de tiempo existentes. En caso de contar con
una cantidad ilimitada de recursos, lo mejor sería recurrir a un censo (ya que es la única
manera en la cual se obtendrá información sobre toda la población).
Es necesario aclarar que trabajar con muestras tiene un riesgo asociado. Es por
eso que es deseable contar con muestras que sean representativas. La idea de
representatividad se asocia a la posibilidad de que la muestra sea una réplica adecuada
de la población en lo referente a las variables relevantes.
Para ello, es necesario tener en cuenta cuestiones tales como:
 Tamaño de la muestra
 Tipo de muestreo utilizado (forma en la cual es seleccionada).

1. TAMAÑO DE LA MUESTRA
Determinar el tamaño adecuado para una muestra no es una tarea fácil y,
además, es una elección crucial ya que una mala elección puede traer consecuencias
negativas.
Está claro que si una muestra es demasiado grande, se habrá realizado una
inversión inútil; mientras que si es demasiado pequeña, no servirá a los propósitos de la
investigación.
Lamentablemente, no existe ninguna regla general del estilo “tomar un 10% de
la población” que asegure el éxito. Cada caso y situación particular merece un análisis
detallado.

2. TIPOS DE MUESTREO
Desde el punto de vista de la teoría del muestreo, existen solamente dos grandes
categorías de muestras:
 Muestras probabilísticas o “al azar”
 Muestras no probabilísticas
Las primeras (muestras probabilísticas) se caracterizan porque permiten
especificar la probabilidad que tiene cada elemento de la población de ser incluido en
la muestra. En el caso más sencillo, cada uno de los elementos tiene la misma
probabilidad de integrar la muestra, pero ésta no es una condición necesaria. Lo que sí
es necesario, es que, para cada elemento, se debe poder especificar cuál es la
probabilidad de inclusión.
En cuanto a las muestras no probabilísticas, no existe forma de determinar la
probabilidad que tiene cada elemento de ser seleccionado, y ni siquiera se tiene la
seguridad de que cada elemento tenga alguna posibilidad de ser seleccionado.

2
 El muestreo probabilístico es el único que posibilita que el investigador pueda
calcular el grado en el cual los resultados basados en la muestra tienden a diferir de lo
que habría obtenido si hubiera trabajado con toda la población.
Cuando se utiliza el muestreo probabilístico, se puede especificar el tamaño de
la muestra que se necesita si se quiere tener un cierto grado de certeza de que los
resultados de la muestra no difieran en más de una determinada cantidad de aquellos
que habría producido un estudio de la población total.
Las principales ventajas del muestreo no probabilístico son la comodidad y la
economía, ventajas que pueden superar los riesgos supuestos en la no utilización del
muestreo probabilístico. Sin embargo, es necesario no perder de vista que si se trabaja
con muestras no probabilísticas, no hay manera de evaluar estadísticamente los
resultados obtenidos a partir de la muestra.
Las formas principales de muestreos no probabilísticos son:
 Muestras accidentales
 Muestras intencionadas
Los principales tipos de muestreos probabilísticos son:
 Muestreo simple al azar
 Muestreo sistemático
 Muestreo estratificado
 Muestreo por conglomerados

2.1. Muestras probabilísticas

En la investigación, el azar no es algo que se pueda presuponer como
naturalmente dado; de hecho, se busca garantizar el azar, lo cual requiere recurrir a
procedimientos con frecuencia caros y laboriosos. Es por esto que en las muestras
probabilísticas o aleatorias, se requiere que todos los elementos de una población
tengan una probabilidad conocida de ser seleccionados.

2.1.1. Muestreo aleatorio o simple al azar

Es el ejemplo más sencillo de un procedimiento de muestreo probabilístico. El
interés principal reside en que este tipo de muestreo es utilizado como base de otros
que son más sofisticados.
En este tipo de muestreo, todos los elementos de la población tienen la misma
probabilidad de ser seleccionados y, además, todas las combinaciones de elementos
para un tamaño dado de la muestra presentan la misma probabilidad de selección.
El requisito imprescindible para seleccionar una muestra simple al azar es
disponer de un listado de todos los elementos que componen la población. Una vez
obtenido o confeccionado el listado, se enumeran cada uno de los elementos.
La extracción de la muestra puede realizarse de las siguientes maneras, entre
otras:

3
  Se colocan en un bolillero tantas bolillas (numeradas) como elementos
tenga la población y se extraen bolillas hasta completar el total requerido
por el tamaño de la muestra.
 Se colocan en una bolsita papelitos con los números de individuos y se
extraen tantos como elementos tenga la muestra.
 Tabla de números al azar.

2.1.2. Muestreo sistemático

Se trata de un procedimiento que, además de simplificar notablemente la
selección de las unidades, presenta las mismas virtudes que el muestreo al azar simple.
Aquí también se requiere contar con el listado de todas las unidades, las cuales
deberán ser numeradas correlativamente.
Consiste en elegir los individuos de la muestra a intervalos sistemáticos, es decir,
a intervalos iguales a partir de un primer individuo que se elige según el método
aleatorio simple.
Se divide la cantidad total de elementos que integran la población por la cantidad
total de elementos que constituyen la muestra, estableciendo, de esta manera, la
fracción de muestreo. Si se divide el total de la población en tantas partes como indique
el tamaño de muestra, dicha muestra se podría completar seleccionando un elemento
de cada una de las partes.
Se selecciona un solo número al azar, que se corresponderá con el primer
elemento a ser seleccionado (de la primera parte); a este número se le suma la fracción
de muestreo y se obtiene el segundo elemento (de la segunda parte); luego se suma
nuevamente la fracción obteniendo la unidad siguiente, y así sucesivamente hasta
completar la muestra.
Ejemplo 1

N = 200 (tamaño de la población)

n = 20 (tamaño de la muestra)
La fracción de muestreo estará dada por: N /n = 200 / 20 = 10
Por lo tanto, la población quedará dividida en 20 partes y cada una de ellas
contiene 10 individuos.
Se selecciona aleatoriamente un individuo de los 10 primeros, por ejemplo, el
individuo 4; el segundo individuo será el 14 (4 + 10), el tercero será el 24 (14 + 10) y así
sucesivamente. Por lo tanto, la muestra quedará conformada por los individuos:

1 Individuo 4 11 Individuo 104

2 Individuo 14 12 Individuo 114
3 Individuo 24 13 Individuo 124
4 Individuo 34 14 Individuo 134

4
 5 Individuo 44 15 Individuo 144
6 Individuo 54 16 Individuo 154
7 Individuo 64 17 Individuo 164
8 Individuo 74 18 Individuo 174
9 Individuo 84 19 Individuo 184
10 Individuo 94 20 Individuo 194

En este diseño ni todos los elementos ni todas las combinaciones de elementos

tienen las mismas posibilidades de ser seleccionados. Para el ejemplo dado, como el
primer elemento seleccionado fue el 4, el elemento 15 no tiene ninguna posibilidad de
ser elegido.

2.1.3. Muestreo estratificado

En algunas situaciones hay razones para pensar que determinadas características
de la población pueden encontrarse fuertemente relacionadas con las variables que se
desean estudiar. Si quisiéramos estudiar, por ejemplo, la cantidad de inasistencias que
se producen en un mes en una determinada escuela, podríamos suponer que estarían
relacionadas con la distancia que tienen los alumnos desde su casa a la escuela.
En estos casos, se pretende asegurar que la muestra estará compuesta por
elementos que respondan a los distintos valores de las características de la población.
Por ejemplo, no se quiere correr el riesgo de que sólo sean seleccionados alumnos que
viven “cerca” de la escuela sino que se quieren considerar todos los casos posibles.
Para ello, se dividen todos los individuos en grupos o categorías homogéneas en
su interior, pero diferentes entre sí. Cada uno de estos grupos o categorías se
denominan estratos y se deben definir de manera que cada individuo figure en sólo uno
de ellos. Para el ejemplo con el cual se está trabajando, podrían definirse varios estratos:
los que viven a menos de 5 cuadras, 5 cuadras como mínimo y menos de 10, 10 cuadras
como mínimo y menos de 20, 20 cuadras o menos.
Una vez definidos los estratos, se seleccionan muestras independientes para
cada uno de ellos.
Una de las razones por las cual se estratifica es que se obtiene, para un mismo
tamaño de muestra, un mayor grado de precisión.
El primer requisito para la división en estratos homogéneos es que se haga por
criterios que se supongan correlacionados con la variable en estudio. Por ejemplo:
queremos estudiar la tasa de fecundidad de una comunidad. Se sabe que la fecundidad
guarda relación con la religión, la educación, el nivel económico y la edad. Se puede
dividir la población tomando como criterio cualquiera de estas cuatro variables; pero es
conveniente elegir aquélla que produzca estratos más homogéneos desde el punto de
vista de fecundidad. También se puede estratificar tomando las cuatro variables
simultáneamente.

5
 A cada uno de los estratos se lo trata exclusivamente como si fuera un universo
y, por lo tanto, puede aplicarse cualquiera de las técnicas de muestreo (por ejemplo
aleatorio simple).

2.1.4. Muestreo por áreas o conglomerados

Excepto cuando se trata con poblaciones pequeñas y concentradas en un mismo
lugar, es necesario una costosa inversión económica a la hora de relevar datos. Cuanto
más distantes son las entrevistas, mayores son los gastos de desplazamiento y tiempo
empleado.
Existen también otros factores que con frecuencia hacen difícil o imposible
satisfacer las condiciones del muestreo por azar, sistemático o estratificado. Por
ejemplo: será más fácil obtener permiso para entrevistar tres o cuatro clases en una
escuela que obtener permiso en muchísimas escuelas para entrevistar a uno o dos
alumnos en cada una.
Por tales razones, los estudios en gran escala raramente utilizan los muestreos
anteriores sino el muestreo por conglomerados. En este tipo de muestras no se
seleccionan los elementos directamente. En lugar de ellos, se seleccionan grupos o
conjuntos de elementos. Por ejemplo, se puede dividir la ciudad en barrios; luego
seleccionar aleatoriamente algunos de ellos como muestras. El objeto del muestreo por
conglomerados consiste en seleccionar grupos los más heterogéneos posibles dentro de
sí pero similares entre sí.
Ejemplo 2:

Se quiere seleccionar una muestra de niños que estén cursando el 7º grado. Se

procede de la siguiente manera:
Se seleccionan al azar algunas provincias; luego se seleccionan al azar algunos
distritos escolares para cada provincia seleccionada; luego se seleccionan algunas
escuelas para cada distrito seleccionado y por último se entrevista a todos los alumnos
de los 7º grados de las escuelas seleccionadas. También podría haberse seleccionado al
azar un grupo de los alumnos mencionados. Por otra parte, todas las veces que se realizó
la selección al azar se podría haber hecho una selección en forma sistemática.

Nota:
El desarrollo del tema muestreo fue confeccionado a partir de:
Baranger, Denis. “Construcción y análisis de datos: Una introducción al uso de técnicas
cuantitativas en la investigación social”. Posadas. Universidad Nacional de Misiones,
1992.