Académique Documents
Professionnel Documents
Culture Documents
La generalización de resultados añade cierto error al mismo. Imagina que tomamos una
muestra al azar de 1.000 personas de México y les preguntamos si fuman. Obtengo que
el 25% de la muestra fuma. La simple lógica nos dice que si de 1.000 mexicanos elegidos
al azar el 25% fuma, este dato debería ser indicativo de lo que obtendríamos si
preguntásemos a los 122 millones de mexicanos. Ahora bien, el azar podría haber hecho
que haya escogido para mi muestra más fumadores de lo que correspondería a la
proporción exacta que hay en el universo o, por el contrario, que en mi muestra los
fumadores estén algo infra-representados. El azar podría hacer que el porcentaje de
fumadores en la población fuese algo diferente del 25% que hemos observado en la
muestra (tal vez un 25,2%, por ejemplo). Por lo tanto, la generalización de resultados de
una muestra a un universo conlleva aceptar que cometemos cierto error, tal y como
ilustra el siguiente esquema.
Por ejemplo, en nuestro caso de fumadores mexicanos, si selecciono una muestra de 471
individuos y les pregunto si fuman, el resultado que obtenga tendrá un margen de error
máximo de +-5% con un nivel de confianza del 97%. Esta forma de expresar los
resultados es la correcta cuando usamos muestreo.