¿Qué es el muestreo?

El muestreo es el proceso de seleccionar un conjunto de individuos de una población con

el fin de estudiarlos y poder caracterizar el total de la población.

La idea es bastante simple. Imagina que queremos saber algo de un universo o

población, por ejemplo, qué porcentaje de los habitantes de México fuma habitualmente.
Una forma de obtener este dato sería contactar con todos los habitantes de México (122
millones de personas) y preguntarles si fuman. La otra forma sería seleccionar un
subconjunto de individuos (por ejemplo, 1.000 personas), preguntarles si fuman y usar
esta información como una aproximación de la información que busco. Pues bien, este
grupo de 1.000 personas que me permiten conocer mejor cómo se comportan el total de
mexicanos es una muestra, y la forma en que los selecciono es el muestreo.

¿Por qué funciona el muestreo?

El muestreo es útil gracias a que podemos acompañarlo de un proceso inverso, que

llamamos generalización. Es decir, para conocer un universo lo que hacemos es (1)
extraer una muestra del mismo, (2) medir un dato u opinión y (3) proyectar en el
universo el resultado observado en la muestra. Esta proyección o extrapolación recibe el
nombre de generalización de resultados.

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.

Afortunadamente, el error que cometo al generalizar resultados puede acotarse gracias

a la estadística. Para ello usamos dos parámetros: el margen de error, que es la máxima
diferencia que esperamos que haya entre el dato observado en mi muestra y el dato real
en el universo, y el nivel de confianza, que es el nivel de certeza que tengo de que
realmente el dato real esté dentro del margen de error.

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.