EL PROBLEMA DEL MUESTREO El conjunto de las unidades seleccionadas para el estudio ser un subconjunto del conjunto total de las

unidades posibles. Nos referiremos a este subconjunto como una muestra (S) y al conjunto total como un universo (U). Cochran define la tcnica del muestreo: El propsito de la teora del muestreo es hacer mas eficiente el muestreo, desarrollar mtodos de seleccin de la muestra y de estimacin que proporcionen al mas bajo costo posible, estimaciones que sean lo suficientemente precisas para nuestros propsitos. Debe tenerse en mente exactamente a que nivel se aplico el muestreo probabilstica, por que solamente a ese nivel tiene algn sentido la comprobacin estadstica de hiptesis de generalizacin. Se puede formular las siguientes reglas: 1) Si se desea generalizar a un nivel: tomar una muestra probabilstica a ese nivel, tener una N suficiente como para permitir la generalizacin con un grado razonable 2) Si se desea anlisis estructural a un nivel, tomar una muestra estructural a ese nivel y utilizar los resultados como variables estructurales al nivel superior. 3) Si se desea anlisis contextual a un cierto nivel, tomar una muestra simple al azar o una muestra representativa al nivel superior, y una muestra probabilstica del nivel inferior, y usar los variables del nivel ms alto como variables contextuales al nivel mas bajo. Un problema que se debe tomar en cuenta es el de: como decidir el tamao de m, el numero de unidades de la muestra, no se puede aumentar mas tarde si resulta ser demasiado bajo. Los nuevos datos no pueden ser comparables con los antiguos. Puesto que existen 2 tipos de hiptesis que pueden ponerse a prueba en una muestra hay 2 clases de exigencias en cuanto m. Hiptesis Sustantiva: se refiere a la sociedad social, y que debe ser sometida a la verificacin emprica. Hiptesis de Generalizacin: que hacen referencia a los datos mismos 1) Criterios que surgen de la necesidad de poner a prueba hiptesis sustantivas. 2) Criterios que surgen de la necesidad de poner a prueba hiptesis de generalizacin. Se sacan muestras por 2 razones: no podemos tomar todo y no podemos tomar una, en consecuencia tomamos algunos en conformidad a un diseo ms o menos complejo. As tomamos en cuenta las influencias de diferentes ubicaciones de las unidades en el espacio fsico como en el espacio social. A falta de muestreo orientado hacia el tiempo, la solucin es la replicacin, la replicacin se parece a una muestra de escalones mltiples, el 1er escaln consiste en escoger diferentes contextos o diferentes cortes en el tiempo (muestras de espacio y tiempo) y los escalones sucesivos se desarrollan de cualquier manera.

La generalizacin a partir de un conjunto de replicaciones no ofrece dificultades, las replicaciones habitualmente no se llevan a cabo de esa forma (considerarlo como muestras probabilsticas de un U de replicaciones posibles) deben encontrarse otros principios para la generalizacin. Si existe semejanza y las dimensiones abarcan adecuadamente el universo se puede considerar la hiptesis de generalizacin como confirmada, al mismo tiempo, si las replicaciones varan con las dimensiones se habr obtenido nuevas ideas. En estadstica se conoce como muestreo a la tcnica para la seleccin de una muestra a partir de una poblacin. En estadstica, error muestral o error de estimacin es el error a causa de observar una muestra en lugar de la poblacin completa. El error muestral se refiere en trminos ms generales al fenmeno de la variacin entre muestras. El problema del muestreo surge, cuando la poblacin a estudiar es demasiado numerosa como para implicar costos de energa y dinero insuperable. Se trata entonces de seleccionar a un subconjunto que minimice esos costos al mismo tiempo que no se pierda la precisin. Diferencia entre los siguientes trminos: Error de Muestreo y Error no de Muestreo. La diferencia radica en los tipos de errores que son medidos o detectados en los resultados que arrojan las encuestas. Mientras que el Error de Muestreo seala desde las preguntas mal redactadas por los entrevistadores en las encuestas, indisposicin por parte de los entrevistados y clculos errados; el Error no de Muestreo localiza la informacin falsa suministrada por los entrevistados. En sntesis un Error de Muestreo usualmente ocurre cuando no se lleva a cabo la encuesta completa de la poblacin y, los Errores no de Muestreo pueden ocurrir en una encuesta completa de la poblacin. Cuando una muestra es aleatoria o probabilstica es posible calcular sobre ella el error muestral. Este error indica el porcentaje de incertidumbre, es decir, el riesgo que se corre que la muestra escogida no sea representativa. De tal modo que, si trabajamos con un error calculado en 5%, ello significa que existe un 95% de probabilidades de que el conjunto muestral represente adecuadamente al universo del cual ha sido extrado. A medida que incrementamos el tamao de la muestra el error tiende a reducirse, pues la muestra va acercndose ms al tamao del universo. Del mismo modo, para una muestra determinada, su error ser menor cuanto ms pequeo sea el universo a partir del cual se la ha seleccionado. As, para un universo de 10.000 casos, una muestra de 200 unidades tendr un error mayor que una de 300; una muestra de 200 casos, por otra parte, tendr un error mayor si el universo tiene 10.000 unidades que si ste posee solamente 2.000. Debemos advertir a los principiantes que el error muestral nunca debe calcularse como un porcentaje del tamao de la muestra respecto al del universo. La variacin de los errores al modificarse estas cantidades se da proporcionalmente, pero no de acuerdo a ecuaciones lineales. Para ello es preciso calcular, en cada caso, el error que podamos cometer, o porcentaje de riesgo, de acuerdo a los datos concretos disponibles y segn ciertas ecuaciones bien conocidas en estadstica.

Para fijar el tamao de la muestra adecuado a cada investigacin es preciso primero determinar el porcentaje de error que estamos dispuestos a admitir. La teora de muestreo establece las condiciones mediante las cuales las muestras son seleccionadas de manera tal que el subconjunto resultante de la manera contenga el mnimo de sesgos posibles. TIPOS DE MUESTREO MUESTRAS PREDISPUESTAS: son aquellas que han sido seleccionadas de manera que la comprobacin o la refutacin de las hiptesis pasan a ser el resultado de procedimientos de muestreo. MUESTRAS NO PREDISPUESTAS: aquellas cuya probabilidad de extraccin es conocida. Hay 2 tipos de estas muestras. Muestras cuya posibilidad de ser extradas es probabilstica o las que no son probabilsticas, son esencialmente de cuatro tipos: muestra aleatoria, sistemtica, estratificada y por conglomerados. Mientras que las no probabilsticas son de tres tipos: muestra casual, intencional y por cuota. MUESTRA CON PROBABILIDAD O PROBABILISTICAS: la caracterstica distintiva de las muestras probabilsticas es que todo individuo u objeto ha de tener una probabilidad conocida de quedar incluida en la muestra ya que para poder formular inferencias estadsticas es absolutamente necesario que todas las probabilidades sean conocidas. MUESTREO SIMPLE AL AZAR: aqu todos los elementos tienen la misma probabilidad de ser seleccionados. La extraccin de una muestra aleatoria simple en una poblacin finita, requiere de un listado de todos los elementos de la poblacin. MUESTREO SISTEMATICO: es muy similar al muestreo aleatorio simple, hay que elaborar un listado de todos los elementos que incluye la poblacin, una vez con el listado de poblacin, la diferencia estriba en el mtodo para la seleccin de los casos. En una muestra aleatoria o procedimientos similares para seleccionar cada elemento; aqu la seleccin se realiza por un procedimiento mecnico ms simple. MUESTREO POR CONGLOMERADOS: muchas de las investigaciones tienen como objeto de estudio a unidades tales como naciones, estados y similares, que admiten subdivisiones. Es til cuando los elementos a estudiar se encuentran dispersos a lo largo de reas geogrficas extensas o en situaciones similares, donde los costos para alcanzar las unidades resultan ser muy elevados. MUESTRA ALEATORIA SIMPLE: debe de ser preferida al resto de las otras muestras, particularmente cuando no se conoce lo suficiente sobre los parmetros poblacionales. Cuando es posible estratificar hay que hacerlo, ya que esto homogeneiza la muestra y los clculos consiguientes resultan de mayor riqueza y representatividad. MUESTRAS NO PROBABILISTICAS: estas tienen poco valor es trminos de inferencia, ya que no es posible a partir de ellas hacer generalizaciones. Sin embargo, a

veces resultan tiles en trminos de inversin por parte del investigador en el tema. MUESTRAS CASUALES: son las muestras mas utilizadas por los reporteros de televisin y de radio, as como de algunas agencias de mercado. La tcnica consiste en entrevistar a los individuos en forma casual (uno de cada individuo que pase por la calle). MUESTRA INTENCIONALES: se selecciona los casos segn el criterio de algn experto. Estas muestras son la importancia en las etapas exploratorias de la investigacin, sobre todo si se utilizan a estos casos como la informantes claves. MUESTRA POR CUOTAS: son muestras casi estratificadas y son utilizadas por las agencias de investigacin de mercados. En esta tcnica se fijan un nmero de individuos por entrevistar y se deja totalmente al entrevistador, profesional o no, su localizacin. El sesgo que introduce el entrevistador es una de las desventajas ms importantes que tienen este tipo de muestreo.