UNIDAD #9 SELECCIN DE LA MUESTRA

1. Objetivos de aprendizaje Al terminar este captulo, el alumno ser capaz de: Identificar los diferentes tipos de muestras en la investigacin cuantitativa, sus procedimientos de seleccin, sus caractersticas, las situaciones en que es conveniente utilizar cada uno y sus aplicaciones. Enunciar los conceptos de muestra, poblacin y procedimiento de seleccin de la muestra. Determinar el tamao adecuado de la muestra en distintas situaciones de investigacin. Obtener muestras representativas de la poblacin estudiada cuando hay inters por generalizar los resultados de una investigacin a un universo ms amplio.

2. Sintesis del tema En el captulo se analizan los conceptos de muestra, poblacin o universo, tamao de la muestra, representatividad de la muestra y procedimiento de seleccin Se presenta una tipologa de muestras: probabilsticas y no probabilsticas. Se explica cmo definir a las unidades de anlisis, (participantes, otros seres vivos, objetos, sucesos o comunidades), de las cuales se habrn de recolectar los datos. Asimismo, en el captulo se presenta cmo determinar el tamao adecuado de una muestra cuando pretendemos generalizar los resultados a una poblacin, y cmo proceder para obtener la muestra, dependiendo del tipo de seleccin elegido.

3. En una investigacin siempre tenemos una muestra? No siempre, pero en la mayora de las situaciones s realizamos el estudio en una muestra. Slo cuando queremos realizar un censo debemos incluir en l estudio a todos los sujetos o casos (personas, animales, plantas, objetos) del universo o la poblacin. Por ejemplo, los estudios motivacionales en empresas suelen abarcar a todos sus empleados para evitar que los excluidos piensen que su opinin no se toma en cuenta. Las muestras se utilizan por economa de tiempo y recursos.

4. Lo primero: sobre qu o quines se recolectarn datos? Aqu el inters se centra en "qu o quines", es decir, en los sujetos, objetos, sucesos o comunidades de estudio (las unidades de anlisis), lo cual depende del planteamiento de la investigacin. As, en el caso de que el objetivo sea describir el uso que hacen los nios de la televisin, lo ms factible sera interrogar a un grupo de nios. Tambin servira entrevistar a los padres de los nios. Escoger entre los nios o sus padres, o ambos, dependera no slo del objetivo de la investigacin, sino del diseo de la misma. Por lo tanto, para seleccionar una muestra, lo primero que hay que hacer es definir la unidad de anlisis (personas, organizaciones, peridicos, comunidades, situaciones, eventos, etc.). El sobre qu o quines se van a recolectar datos depende del planteamiento del problema a investigar y de los alcances del estudio. Estas acciones nos llevarn al siguiente paso, que consiste en delimitar una poblacin. Para el proceso cuantitativo la muestra es un subgrupo de la poblacin de inters (sobre el cual se recolectarn datos, y que tiene que definirse o delimitarse de antemano con precisin), ste deber ser representativo de la poblacin.

5. Cmo se delimita una poblacin? Una vez que se ha definido cul ser la unidad de anlisis se procede a delimitar la poblacin que va a ser estudiada y sobre la cual se pretende generalizar los resultados. As, una poblacin es el conjunto de todos los casos que concuerdan con una serie de especificaciones (Selltiz et al., 1980). Una deficiencia que se presenta en algunos trabajos de investigacin es que no describen lo suficiente las caractersticas de la poblacin o consideran que la muestra la representa de manera automtica. Es comn que algunos estudios que slo se basan en muestras de estudiantes

universitarios (porque es fcil aplicar en ellos el instrumento de medicin, pues estn a la mano) hagan generalizaciones temerarias sobre jvenes que tal vez posean otras caractersticas sociales. Es preferible entonces establecer con claridad las caractersticas de la poblacin, con la finalidad de delimitar cules sern los parmetros mustrales.

6. Cmo se delimita una poblacin? Est claro que en dicha investigacin la unidad de anlisis son los nios. Pero, de qu poblacin se trata?, de todos los nios del mundo?, de todos los nios del pas? Sera muy ambicioso y prcticamente imposible referirnos a poblaciones tan grandes. Esta definicin elimina, por lo tanto, a nios del pas que no vivan en el rea metropolitana de la ciudad de capital, a los que no van a la escuela, a los que asisten a clases por la tarde (turno vespertino) y a los infantes ms pequeos. El primer paso para evitar tales errores es una adecuada delimitacin del universo o poblacin. Los criterios que cada investigador cumpla dependen de sus objetivos de estudio, lo importante es establecerlos de manera muy especfica.

7. Cmo seleccionar la muestra? Hasta este momento hemos visto que se debe definir cul ser la unidad de anlisis y cules son las caractersticas de la poblacin. En este inciso hablaremos de la muestra, o mejor dicho de los tipos de muestra, con la finalidad de poder elegir la ms conveniente para un estudio. La muestra es, en esencia, un subgrupo de la poblacin. Digamos que es un subconjunto de elementos que pertenecen a ese conjunto definido en sus caractersticas al que llamamos poblacin. En realidad, pocas veces es posible medir a toda la poblacin, por Lo que obtenemos o seleccionamos una muestra y, desde luego, se pretende que este subconjunto sea ur reflejo fiel del conjunto de la poblacin. Todas las muestras bajo el enfoque cuantitativo deben ser representativas; por lo tanto, el uso de este trmino resulta por dems intil. Los trminos al azar y aleatorio denotan un tipo de procedimiento mecnico relacionado con la probabilidad y con la seleccin de elementos; pero no logran esclarecer tampoco el tipo de muestra y el procedimiento de muestreo.

8. Tipos de muestra En las muestras probabilsticas, todos los elementos de la poblacin tienen la misma posibilidad de ser escogidos y se obtienen definiendo las caractersticas

de la poblacin y el tamao de la muestra, y por medio de una seleccin aleatoria o mecnica de las unidades de anlisis. Imagnese el procedimiento para obtener el nmero premiado en un sorteo de lotera. Este nmero se va formando en el momento del sorteo. En las loteras tradicionales, a partir de las esferas con un dgito que se extraen (despus de revolverlas mecnicamente) hasta formar el nmero, de manera que todos los nmeros tienen la misma probabilidad de ser elegidos. En las muestras no probabilsticas, la eleccin de los elementos no depende de la probabilidad, sino de causas relacionadas con las caractersticas de la investigacin o de quien hace la muestra. Aqu el procedimiento no es mecnico, ni con base en frmulas de probabilidad, sino que depende del proceso de toma de decisiones de una persona o de un grupo de personas y, desde luego, las muestras seleccionadas obedecen a otros criterios de investigacin. Elegir entre una muestra probabilstica o una no probabilstica depende de los objetivos del estudio, del esquema de investigacin y de la contribucin que se piensa hacer con ella.

9. Cmo se selecciona una muestra probabilstica? Resumiremos diciendo que la eleccin entre la muestra probabilstica y la no probabilstica se determina con base en el planteamiento del problema, las hiptesis, el diseo de investigacin y el alcance de sus contribuciones. Las muestras probabilsticas tienen muchas ventajas, quiz la principal sea que puede medirse el tamao del error en nuestras predicciones. Se dice incluso que el principal objetivo en el diseo de una muestra probabilstica es reducir al mnimo este error, al que se le llama error estndar (Kish, 1995). Las muestras probabilsticas son esenciales en los diseos de investigacin transeccionales, tanto descriptivos como correlacionales-causales (las encuestas de opinin o surveys, por ejemplo) , donde se pretende hacer estimaciones de variables en la poblacin. Las unidades o elementos mustrales tendrn valores muy parecidos a los de la poblacin, de manera que las mediciones en el subconjunto nos darn estimados precisos del conjunto mayor.

10. Cmo se selecciona una muestra probabilstica? Para hacer una muestra probabilstica es necesario entender los siguientes trminos y sus definiciones: La poblacin, a la que se le suele denominar como N, es un conjunto de elementos. La muestra, a la que se le simboliza como n, es un subconjunto de la poblacin N. En una poblacin N (previamente delimitada por los objetivos de la

investigacin), nos interesa establecer valores de las caractersticas de los elementos de N. Nos interesa conocer valores promedio en la poblacin, lo cual se expresa como: Y = al valor de una variable determinada (Y) que nos interesa conocer, digamos un promedio. Tambin nos interesa conocer: V = la varianza de la poblacin con respecto a determinadas variables (la varianza indica la variabilidad).

11. Cmo se selecciona una muestra probabilstica? Como los valores de la poblacin no se conocen, seleccionamos una muestra n adems, a travs de estimados en la muestra, inferimos valores de la poblacin (y ser la estimacin del valor de Y, el cual desconocemos). En la muestra, y es un estimado promedio que podemos determinar. Sabemos que en nuestra estimacin habr una diferencia (Y - y = ?), es decir, un error, el cual depender del nmero de elementos muestreados. A dicho error se le conoce como error estndar (se). se = la desviacin estndar de la distribucin muestra! y representa la fluctuacin de y. {se}2 = el error estndar al cuadrado, cuya frmula nos servir para calcular la varianza (V) de la poblacin (N), as como la varianza de la muestra (n) ser la expresin s2. s2 = varianza de la muestra, la cual podr determinarse en trminos de probabilidad donde s2=p(l-p). p = porcentaje estimado de la muestra, probabilidad de ocurrencia del fenmeno, la cual se estima sobre marcos de muestreo previos o se define, la certeza total siempre es igual a uno, las posibilidades a partir de esto son "/" de que s ocurra y "q" de que no ocurra {p + q = 1). De aqu se deriva 1 -p. Como se habr podido observar, cuando hablamos de un trmino de la muestra se simboliza con una letra minscula (n, s, s). Si se trata de un trmino de la pobkcin, se simboliza con una letra mayscula (ff, S). Para una muestra probabilstica necesitamos principalmente dos cosas: determinar el tamao de la muestra (n) y seleccionar los elementos mustrales, de manera que todos tengan la misma posibilidad de ser elegidos. Para lo primero, daremos una frmula que contiene las expresiones ya descritas. Para lo segundo, requerimos un marco de seleccin adecuado y un procedimiento que permita la aleatoriedad en la seleccin. Hablaremos de ambas cosas en los siguientes apartados.

12. El tamao de la muestra Cuando se hace una muestra probabilstica, uno debe preguntarse: dado que

una poblacin es de N, cul es el menor nmero de unidades mustrales (personas, organizaciones, captulos de telenovelas, etc.) que necesito para conformar una muestra (n) que me asegure un determinado nivel de error estndar, digamos menor de 0.01? La respuesta a esta pregunta busca encontrar la probabilidad de ocurrencia de P, as como que mi estimado de y se acerque a Y, el valor real de la poblacin. Si establecemos el error estndar y lo fijamos en 0.01, sugerimos que esta fluctuacin promedio de nuestro estimado y con respecto a los valores reales de la poblacin Y no sea > 0.01, es decir, que de 100 casos, 99 veces mi prediccin sea correcta y que el valor de y se site en un intervalo de confianza que comprenda el valor de Y. Resumiendo, para una determinada varianza [V] de Y, qu tan grande debe ser mi muestra? ' Ello se determina en dos pasos:

13. El tamao de la muestra Pongamos el siguiente caso: en el ejemplo que ya habamos mencionado en este captulo, delimitamos una poblacin para un estudio de directores generales, en el cual consideramos a "todos aquellos directores generales de empresas industriales y comerciales que, en 1983, tenan un capital social superior a 30 millones de pesos, con ventas superiores a los 100 millones de pesos y con ms de 300 personas empleadas". Con estas caractersticas se precis que k poblacin era de N = 1176 directores generales, ya que 1176 empresas reunan las mencionadas caractersticas. Cul es entonces el nmero de directores generales (n) que se debe entrevistar, para tener un error estndar menor de 0.015, y dado que k poblacin total es de 1176? N = tamao de la poblacin de 1 176 empresas. y = valor promedio de una variable = 1, un director general por empresa. se = error estndar = 0.015, determinado por nosotros V2= varianza de k poblacin al cuadrado. Su definicin se2: cuadrado del error estndar s2 = varianza de la muestra expresada como k probabilidad de ocurrencia de y p = 0.9 . . ' ' n' = tamao de la muestra sin ajustar n = tamao de la muestra Si lo sustituimos, tenemos que: Es decir, para nuestra investigacin necesitaremos una muestra de 298 directores generales. Se trata del primer procedimiento para obtener k muestra probabilstica: determinar su tamao con base en estimados de la poblacin. El segundo procedimiento estriba en cmo y de dnde seleccionar a esos 298 sujetos.

14. 2. Tiposde muestrasprobabilisticas Preocupacin principal al hacer una muestra: que sea representativa de la

poblacin Que sea una buena muestra, que se parezca a la poblacin. Los resultados sern sensatos (los parmetros se parecern a los estadsticos) Si seguimos ciertas reglas: podremos calcular matemticamente, a partirdel estadstico, el valor aproximadodel parmetro

15. 2.1. Muestreoaleatorio simple Mecanismo ideal para la mejor muestra posible: el muestreo aleatorio simple, muestreo en el que Cada elemento de la poblacin tiene la misma probabilidadde ser escogido Todas las posibles muestras del tamao muestral escogido (n) tienen la misma probabilidad de ser seleccionadas

16. 2.1. Muestroaleatorio simple Ejemploterico: Todos los nombres en una lista Papeletao bola porcadanombre Mezcla y extraccin de las n bolas o papeletas Cumplelas dos condiciones 17. 2.1 Muestroaleatorio simple En la prctica: Numerar todos los sujetos de la poblacin Obtenerlista de nmerosaleatorios. En libros: ejemplo, Apndice B, Tabla 6 Porordenador (Excel) www.random.org Propiedades: Cadanmeroelegidoseparadamente Igual probabilidad de ser 0, 1, 2, ... 9 Ninguna influencia de unos nmeros en otros Escoger los n primeros nmeros aleatorios

18. 2.1. Muestreoaleatorio simple Ejemplocon EXCEL A =aleatorio.entre(nmero;nmero) da un nmeroaleatorio entre los valores mnimo y mximo indicados Si nmero de sujetos en poblacin es 3000 y quiero 30 casosen la muestra A 30 celdas =aleatorio.entre(1;3000)

Si poblacin=40.000.000 y necesito 1.000 A 1.000 celdas =aleatorio.entre(1;40000000)

casos

para

la

muestra

19. 2.1. Muestreoaleatorio simple Este es el mecanismo ideal Estadstica inferencial: se basa en este modelo ideal de muestreo aleatorio simple Casi todos los mtodos de inferencia: suponen que la muestra se ha obtenido por este mtodo En la vida real: pocas veces aplicamos este mtodoestrictamente. Aplicamos ms habitualmente otros mtodos de muestreoprobabilsticos.

20. 2.2 Otrosmuestreosprobabilisticos Mtodos de muestreo probabilstico: aquellos en los que es posible calcular la probabilidad de aparicin de cada una de las muestras posibles El muestreo aleatorio simple es un muestreo probabilstico Otrosmtodosprobabilsticos: Todos los sujetos igual probabilidad de formar parte de la muestra No todas las muestras posible (combinaciones de n sujetos) tienenla mismaprobabilidad

21. 2.2.1 Muestreosistematico Poblacin ordenada en lista numerada Dividimos el tamao de la poblacin (N) por el tamao muestral (n): obtenemos el factor de elevacin. Ejemplo: poblacin de 25.000, muestra de 500. Factor de elevacin= 50. Escogemos al azar (nmeros aleatorios) un sujeto entre el primero y el que ocupa el puesto igual al factor de elevacin. Ejemplo: entre los 50 primeros, el 24. Sumamos a ese nmero el factor de elevacin hasta completar la muestra: 24, 74, 124, 174, 224, 274...

22. 2.2.1 Muestreosistematico Es ms sencillo que muestreo aleatorio simple Pero normalmente produce un resultado igual de bueno: se pueden usar los mismos mtodos de estadsticainferencial

Todos los sujetos igual probabilidad de estar No todas las muestras igual probabilidad de aparecer

en

la

muestra

23. 2.2.1 Muestreosistematico Perfectamente seguro cuando no hay ningn orden en la poblacin Peligro de sesgo: si orden en poblacin en forma de ciclos que coincide con el valor del factor de elevacin Ejemplo: Estudio de los contenidos de un peridico, poblacin son los peridicos de cada da en uno o ms aos y factor de elevacin 7 o mltiplo de 7. Todos los das seleccionados sern el mismo dade la semana Igual con otros fenmenos cclicos: entradas de cine, ventas en restaurantes o tiendas, trfico, usode transportespblicos....

24. 2.2.2 Muestreo estratificado Muestreoaleatorio estratificado Dividimos la poblacin en diferentes grupos, o estratos, y tomamos de cada uno de ellos una muestraaleatoria simple Lo hacemos cuando conocemos que la poblacin contiene grupos o subpoblaciones que son homogneosinternamente (estratos), perosospechamos que son muy diferentes entre ellos respectoa la caractersticaestudiada

25. 2.2.2 Muestreo estratificado Muestreo estratificado proporcional Ejemplo: muestrade estudiantes sospechamos que sexo influye en respuesta apregunta Sabemos proporcin de hombres y mujeres en poblacin Muestreo estratificado proporcional: Calcular nmero de hombres y mujeres en la muestra, manteniendo la proporcin de la poblacin Muestra aleatoria simple de mujeres y hombres Resultado: mejor que muestreo aleatorio simple

26. 2.2.2 Muestreo Ejemplo:

Muestreo estratificado estudio comparativo

no de

estratificado proporcional acceso a

servicios de salud entre personas que viven en municipios pequeos, medianos y grandes Si muestreo aleatorio simple: muy poca gente de municipios pequeos. Muestra muy pequea error muestral grande imposible hacerinferencia y comparacin. Solucin: muestreo estratificado con muestras del mismo tamao de personas que viven en municipios pequeos, medianosy grandes.

27. 2.2.3 Muestreoporconglomerados A veces muestreo aleatorio simple, sistemtico o estratificado no esposible. Requieren listas (totales o por estratos) En muchos casos: esas listas no existen (o no son accesibleslegalmente). Pero s existen listas de grupos heterogneos de sujetos, o conglomerados. Hacemos muestreo aleatorio de conglomerados Dentro de los conglomerados elegidos: todos los elementos, o muestreo aleatorio simple

28. 2.2.3 Muestreoporconglomerados Ejemplo: estudio sobre estudiantes universitarios espaoles No hay lista de todos los estudiantes, ni por estratos Pero s: lista de universidades y facultades Muestreoporconglomerados: Muestreo aleatorio simple de universidades Idem de facultades Idem de grupos Dentro del grupo (ya hay lista): todos, o muestreo aleatorio simple

29. 2.2.3 Muestreoporconglomerados Solucin muy prctica cuando conglomerados definidosgeogrficamente: enormereduccincostes extraccin datos (viajes, tiempo, etc...) Diferencia con estratos: Estratosson homogneosinternamente; interesaconocerdiferencias entre estratos Conglomeradosson heterogneosinternamente; no interesa particularmente diferencias; es slo un medio de tomar datos ms econmico y simple

30. 2.2.3 Muestreoporconglomerados Requisitos: los conglomerados lo ms heterogneos posibles (como la poblacin) internamente; muy parecidos entre s Esto nunca es del todo as Sobretodoconglomeradosgeogrficos: genteigual vive junta (barrios, ciudades) Resultados: ms error muestral que muestra aleatoriasimple Mtodosinferencia: diferentes

31. 2.2.4 Muestreopolietapico Combinacin de varios mtodos de muestreo Para poblacionescomplejas Diferentes pasos en la seleccin de la muestra que usandiferentesmtodos Ejemplo: Municipios de Lima-Callao son conglomerados, pero heterogneosentre s. Hacer estratos de conglomerados por tamao de la poblacin, o por actividad econmica dominante Seleccionaraleatoriamente, dentro de cadaestrato, un nmerode municipios (muestreo estratificado porconglomerados)

32. 2.2.4 Muestreopolietapico Dentro de cada municipio, las manzanas son conglomerados. Distribuir las manzanas de cada municipio en estratos por niveles de renta, u otro indicador conocido Hacer muestreo aleatorio de manzanas en cada estrato de cada municipio (otra vez: muestreo estratificado porconglomerados). En cada manzana hacer un muestreo sistemtico de casas. En cada casa hacer un muestreo aleatorio simple de los individuos residentes en la casa. 33. Muestreosno probalisticos Aquellos en los que no es posible calcular la probabilidad de las diferentes muestras NO ES POSIBLE aplicar mtodos de estadstica inferencialcuando usamos estos muestreos Tpicoejemplo: muestravoluntaria Cupn en revista, que pide contestacin por correo Oyentes de programa de radio o televisin, a los que se pide que llamen a un telfono. Doble distorsin: el programa y el sentimiento intenso sobreel tema.

NO es una muestra representativa: es una muestra AUNQUE LLAMEN CIENTOS DE MILES DE PERSONAS!!!!

sesgada.

34. Muestreosno probabilisticos Otro ejemplo: muestreo de calle: entrevistador se planta en una esquina y entrevista a gente que pasa Muestra sesgada: lugar, hora, da de la semana, proceso de seleccin por el entrevistador de a quin parar... Otro ejemplo: Muestreo de conveniencia: empresa que encuesta a sus clientes para conocer las opiniones de los compradores de un producto; Sindicato que encuesta a sus afiliados para conocer opiniones de los trabajadores Todos estos ejemplos: error o sesgo de seleccin NO se pueden aplicar mtodos de estadstica inferencial NO son muestrasrepresentativas

35. 3. Azar y estudiosexperimentales Algunas veces (poco en ciencias sociales, ms en otrasciencias): estudiosexperimentales Experimento: comparar respuestas de los sujetos en alguna variable, bajo diferentes condiciones. A esas condiciones las llamamos tratamientos Ejemplos: medicina sobre enfermedad, mtodo de estudiosobrerendimientoacadmico, forma de funcionamientode crcelsobrereincidencia...

36. 3. Azar y estudiosexperimentales Papel del azar en estudios experimentales es doble Si es posible: el conjunto de la muestra, escogida al azar respecto a la poblacin Submuestras(reciben dos tratamientosdistintos; o una recibe tratamiento y la otra no): tambin al azar Efecto: en todos los otros factores no controlados los dos grupos sern similares.

BANCO DE PREGUNTAS
1. Cules son los tipos de muestra? Bsicamente categorizamos las muestras en dos grandes ramas: Las muestras no probabilsticas y las muestras probabilsticas. 2. Cmo se delimita una poblacin? Lo primero es decidir si nos interesa o no delimitar la poblacin y si pretendemos que esto sea antes de recolectar los datos o durante el proceso. 3. Cmo se selecciona una muestra bajo el enfoque cuantitativo? Resumiremos diciendo que la eleccin entre la muestra probabilstica y la no probabilstica se determina con base en los objetivos del estudio, el esquema de la investigacin y el alcance de sus contribuciones. 4. Cmo se lleva a cabo el procedimiento de seleccin de la muestra en el enfoque cuantitativo? Cuando iniciamos nuestra discusin de la muestra probabilstica, sealamos que los tipos de muestra dependen de dos cosas: del tamao de la muestra y del procedimiento de seleccin. 5. En qu consiste la tmbola? Consiste en enumerar todos los elementos muestrales del 1 al n. Hacer fichas, una por cada elemento revolverlas en una caja e ir sacando n fichas segn el tamao de la muestra. 6. Qu son los nmeros aleatorios? El uso de nmeros rondom no significa la seleccin azarosa o fortuita, sino la utilizacin de un cuadro de nmeros que implica un mecanismo de probabilidad muy bien diseado. 7. De qu requieren las muestra probabilsticas?

Requieren la determinacin del tamao de la muestra y de un proceso de seleccin aleatoria que asegure que todos los elementos de la poblacin tengan la misma probabilidad de ser elegidos. 8. Qu son los mapas? Los mapas son muy tiles como marco de referencia en muestras de racimo. 9. Cmo son las muestras no probabilsticas? Estas suponen un procedimiento de seleccin informal. 10. Cmo son las muestras de sujetos voluntarios? Son frecuentes en ciencias sociales y en ciencias de la conducta. 11. Cmo son la muestras por cuotas? Este tipo de muestra se utiliza mucho en estudios de opinin y de mercadotecnia. 12. Cmo es el estudio del caso? No es una eleccin de mtodo sino del objeto o la muestra que se va a estudiar.