El muestreo

Cuando un investigador realiza en ciencias sociales un experimento, una

encuesta o cualquier tipo de estudio, trata de obtener conclusiones generales
acerca de una población determinada. Para el estudio de ese grupo, tomará un
sector, al que se conoce como muestra.

Las poblaciones que el investigador puede estudiar son muy diversas, pero
generalmente se relacionan con personas. Por ejemplo, puede estudiar la
opinión de las amas de casa con respecto a ciertos métodos de planificación
familiar, la edad promedio de los alumnos de una escuela, el coeficiente
intelectual promedio de los universitarios, etc.

Desde luego, es de fundamental importancia que se empiece el estudio

definiendo la población que se va a estudiar. Las poblaciones suelen ser muy
numerosas, por lo que es difícil estudiar a todos sus miembros; además de que
esto no es posible, no es necesario. Es como si quisiéramos estudiar la
composición química del agua de un río y para ello tratáramos de analizar todo
el líquido que corre por su cauce, cuando solamente necesitamos algunas
muestras para realizar ese estudio y para llegar a conclusiones generalizables
con respecto a la composición química del agua a todo el río.

En ciencias sociales, las muestras no se obtienen tan fácilmente, puesto que

los eventos se relacionan siempre con personas, las cuales son mucho menos
estables en cuanto a sus pautas de actividades, valores, actitudes y conductas
que algunos de los fenómenos que se estudian en las ciencias naturales.

Universo y Muestra

Una muestra es un conjunto de unidades, una porción del total, que nos
representa la conducta del universo en su conjunto.

Una muestra, en un sentido amplio, no es más que eso, una parte del todo que
llamamos universo y que sirve para representarlo.

Sin embargo, no todas las muestras resultan útiles para llevar a cabo un trabajo
de investigación. Lo que se busca al emplear una muestra es que, observando
una porción relativamente reducida de unidades, se obtengan conclusiones
semejantes a las que lograríamos si estudiáramos el universo total. Cuando
una muestra cumple con esta condición, es decir, cuando nos refleja en sus
unidades lo que ocurre en el universo, la llamamos muestra representativa.
Por lo tanto, una muestra representativa contiene las características relevantes
de la población en las mismas proporciones en que están incluidas en tal
población. Sus conclusiones son susceptibles de ser generalizadas al conjunto
del universo, aunque para ello debamos añadir un cierto margen de error en
nuestras proyecciones. 

Las muestras pueden ser clasificadas, en una primera división en

probabilísticas y no probabilísticas.
 En las muestras probabilísticas, la característica fundamental es que todo
elemento del universo tiene una determinada probabilidad de integrar la
muestra, y esa probabilidad puede ser calculada matemáticamente con
precisión.

Las muestras probabilísticas pueden ser:

Aleatoria simple: (se debe construir un marco de muestreo)

Aleatoria estratificada: (Se debe conformar grupos homogéneos del marco de

muestreo)

Aleatorio Sistemático: (también demanda la conformación de un marco de

muestreo)

Aleatorio por Conglomerado: (Las unidades de muestreo la constituyen

grupos de unidades de observación)

 En las muestras no probabilísticas ocurre lo contrario y el investigador no tiene

idea del error que puede estar introduciendo en sus apreciaciones.

Las muestras no probabilísticas más usadas son:

 Muestra accidental. Es aquella que se obtiene sin ningún plan

preconcebido; las unidades elegidas resultan producto de circunstancias
fortuitas. Si entrevistamos a los primeros 50 transeúntes que pasan por
cierta calle o medimos la profundidad del mar a lo largo de un trayecto entre
dos puntos cualesquiera, estaremos en presencia de una muestra
accidental.
 Muestra por cuotas. Consiste en predeterminar la cantidad de elementos
de cada categoría que habrán de integrar la muestra. Así podemos asignar
una cuota de 50 hombres y 50 mujeres a una muestra de 100 individuos,
asumiendo que ésa es la distribución de la población total.
 Muestra intencional. Las unidades se eligen en forma arbitraria,
designando a cada unidad según características que para el investigador
resulten de relevancia. Se emplea, por lo tanto, el conocimiento y la opinión
personal para identificar aquellos elementos que deben ser incluidos en la
muestra. Se basa, primordialmente, en la experiencia de alguien con la
población.

 Teniendo en cuenta las consideraciones o criterios para que una muestra

sea representativa. Considere la siguiente situación de muestreo: “Se desea
comparar el peso promedio de los niños menores de 12 años, en una
ciudad, entre el estrato socioeconómico más alto y el estrato más bajo. Para
ello se toma una muestra en un parque de atracciones donde concurren
muchos niños, y teniendo el cuidado de preguntar al niño entrevistado si
tiene menos de doce años y el lugar donde vive”. Se podría considerar la
muestra resultante como:
 Su respuesta:
Sesgada
Correcta: Porque al considerar solamente las unidades de
observación que asisten a un lugar determinado en este caso el
parque de referencia la muestra resulta visiada.

 En ciencias sociales, las muestras no se obtienen tan fácilmente,

puesto que los eventos se relacionan siempre con personas, las
cuales son mucho menos estables en cuanto a sus pautas de
actividades, valores, actitudes y conductas que algunos de los
fenómenos que se estudian en las ciencias naturales.
Teniendo en cuenta esta consideración cuál de los siguientes tipos de
muestreo sería el adecuado para seleccionar una muestra
representativa, de una población que es demasiado grande con altos
niveles de analfabetismo y no tiene un listado completo de todas las
unidades poblacionales analfabetas.
Su respuesta:
Muestreo por conglomerados
Correcto: Este es el tipo adecuado de muestreo para casos similares
al planteado, porque las unidades de muestreo son grupos de
unidades.

 Se ha proyectado realizar una encuesta sobre el consumo de leche en las

familias. El número de familias de la población es 6000 y el tamaño de la
muestra 840, con la siguiente clasificación de profesión u oficio:
Profesionales: 100 Comerciantes: 200

Operarios: 2000 Agricultores: 600

Servicios Generales: 1900 Empleados: 1200
Teniendo en cuenta la fracción de muestreo que representa esta muestra, y
mediante la asignación proporcional, el número de familias que deberán
incluirse en la muestra, correspondiente a la categoría de Agricultores, es:
Su respuesta:
Ninguna de las anteriores
Correcto. Porque el tamaño de muestra estratificado se determina
proporcional al tamaño del estrato respecto a tamaño de la población total.

Muestras Aleatorias

Como dijimos, en ellas cada uno de los elementos del universo tiene una
probabilidad determinada y conocida de ser seleccionado. Los procedimientos
más usuales para la obtención de muestras aleatorias son

 Azar simple. Este procedimiento se inicia confeccionando una lista de

todas las unidades que configuran el universo, numerando correlativamente
cada una de ellas. Luego, mediante cualquier sistema (tabla de números al
azar, programas de computación), se van sorteando al azar estos números
hasta completar el total de unidades que deseamos que entren en la
 muestra. De este modo, la probabilidad que cada elemento tienen de
aparecer en la muestra es exactamente la misma. Si cada uno de los
elementos que integran la población no tiene la misma posibilidad de ser
elegido, se habla entonces de una muestra viciada. Este método nos
garantiza una selección completamente aleatoria, pero resulta muy lento y
costoso, pues nos obliga a elaborar listas completas de todas las unidades
de interés, lo que a veces es sencillamente imposible. Por este motivo, sólo
se emplea cuando los universos son relativamente pequeños.
 Azar sistemático. También se requiere de un listado completo de las
unidades que integran el universo en estudio. Luego se efectúan las
siguientes operaciones:

1. Se calcula la constante K, que resulta de dividir el número total de unidades

que componen el universo por el número de unidades que habrán de
integrar la muestra:

K = N/n

Donde:

N = número total de unidades que componen el universo.

n = número total de unidades que integrarán la muestra.

2. Se efectúa un sorteo para elegir un número que sea inferior o igual al valor
de K. Como primera unidad para integrar la muestra se elige aquella que,
en la lista general, posea idéntico número de orden al sorteado. Si
designamos con A este primer valor, la segunda unidad elegida será la que
lleve el número A + K, la tercera corresponderá a A + 2K y así
sucesivamente hasta llegar a A + (n – 1)K.

 Supongamos un universo constituido por 2.800 elementos, del que

deseamos obtener una muestra, con el muestreo sistemático, de 70 casos.
Tenemos entonces:
N = 2.800
n = 70
K = 2.800 / 70 = 40
Ahora, mediante cualquier procedimiento, buscamos al azar un número
entero cuyo valor figure entre los límites de 1 y 40. En este caso, el número
elegido es el 32. De acuerdo con este criterio de selección sistemático, la
tercera unidad que pasará a formar parte de la muestra será la que lleve el
número de orden
Su respuesta:
112
Correcto: Se aplica de manera adecuada el procedimiento de selección del
tipo de muestreo sistemático.

 Se desea realizar una encuesta donde se intuye que las opiniones sobre el
tema en cuestión van a ser muy dependientes del ingreso económico de los
 habitantes. Se trata de una ciudad donde la mayoría de vecindarios son
mixtos (se entremezclan pobres y ricos), con pocos situados en ambos
extremos. De las siguientes opciones. ¿Cuál sería el tipo de muestreo más
indicado para hacer el estudio estadístico correspondiente?
Su respuesta:
Muestreo simple al azar
Correcto: La distribución de las unidades de observación están distribuidas
de manera adecuada para su aplicación.

 En el proceso de selección de una muestra, si cada uno de los elementos

que integran la población tiene la misma posibilidad de ser elegido, se habla
entonces de:
Su respuesta:
Muestreo aleatorio simple
Correcto: La equidad en el proceso de muestreo es un principio del MAS

Tamaño de muestra y Error muéstral

Recordemos que la muestra descansa en el principio de que las partes

representan al todo y, por tal, refleja las características que definen a la
población de la cual fue extraída, lo cual nos indica que es representativa. Es
decir, que para hacer una generalización exacta de una población, es
necesario tomar una muestra representativa. Por lo tanto, la validez de la
generalización depende de la validez y tamaño de la muestra.

 Cuando trabajamos con muestras, generalmente se presentan dos tipos de

errores:

 Error sistemático. Llamado de distorsión o sesgo de la muestra, se

presentan por causas ajenas a la muestra:

 Situaciones inadecuadas: se presentan, por ejemplo, cuando el encuestador

tiene dificultades para obtener la información y la sustituye por la que más
fácilmente está a su alcance, que no siempre es la más confiable.
 Insuficiencia en la recolección de datos: hay distorsión por falta de
respuestas, o respuestas inadecuadas, ya sea por ignorancia o falta de
datos relativos a los elementos incluidos. Distorsiones del encuestador
causadas por prejuicios, interés personal o por fallas en la aplicación de
instrumentos.
 Errores de cobertura a causa de que no se han incluido elementos
importantes y significativos para la investigación que se realiza.

 Error de muestreo o muestral. Cualquiera sea el procedimiento utilizado y

la perfección del método empleado, la muestra diferirá de la población. A
esta diferencia se la denomina error de muestreo.

Cuando una muestra es aleatoria o probabilística, 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 elegida no sea representativa. 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 extraído.

A medida que incrementamos el tamaño de la muestra, el error muestral tiende

a reducirse, pues la muestra va acercándose más al tamaño del universo.

 Tomando en consideración la existencia del error de muestreo, entendido

como la diferencia que se presenta entre el valor estimado con los datos de
la muestra y el valor real e hipotético de la población. Puede considerarse
que la relación entre el error de muestreo y el tamaño de la muestra
obtenido con un error determinado es:
Su respuesta:
Inversamente proporcional
Correcto: Porque un incremento o disminución del error de muestreo
generá efectos similares en el tamaño de muestra.

 Existen dos criterios para valorar si una muestra debe ser considerada

representativa de una población: Uno de ellos es que la forma de selección
debe ser aleatoria y el otro se relaciona con:
Su respuesta:
El tamaño de la muestra
Correcto: La representatividad de la muestra depende tanto del mecanismo
de selección, como del tamaño de la muestra

Tipos de estimación y sus características

ESTIMACION
En estadística se llama estimación al conjunto de técnicas que permiten dar un
valor aproximado de un parámetro de una población a partir de los datos
proporcionados por una muestra.
En su versión más simple, una estimación de la media de una determinada
característica de una población de tamaño N sería la media de esa misma
característica para una muestra de tamaño n.
ESTIMADOR
Un estimador de un parámetro poblacional es una función de los datos
muestrales. En pocas palabras, es una fórmula que depende de los valores
obtenidos de una muestra, para realizar estimaciones.
Por ejemplo, un estimador de la media poblacional? sería la media muestral,
según la siguiente fórmula:
donde (x1, x2, …, xn) sería el conjunto de datos de la muestra.
En el ejemplo se habla de una estimación puntual. Sin embargo, el estimador
es una variable aleatoria que asigna a cada valor de la función su probabilidad
de aparición, esto es, la probabilidad de la muestra de la que se extrae.
ESTIMACION PUNTUAL
Consiste en la estimación del valor del parámetro mediante un sólo valor,
obtenido de una fórmula determinada. Por ejemplo, si se pretende estimar la
talla media de un determinado grupo de individuos, puede extraerse una
muestra y ofrecer como estimación puntual la talla media de los individuos de la
muestra.
Estimación por intervalos
Consiste en la obtención de un intervalo dentro del cual estará el valor del
parámetro estimado con una cierta probabilidad. En la estimación por intervalos
se usan los siguientes conceptos:
Intervalo de confianza
El intervalo de confianza es una expresión del tipo [?1, ?2] ó ?1 ? ? ? ?2, donde
? es el parámetro a estimar. Este intervalo contiene al parámetro estimado con
una determinada certeza o nivel de confianza.
Variabilidad del parámetro
Si no se conoce, puede obtenerse una aproximación en los datos aportados
por la literatura científica o en un estudio piloto. También hay métodos para
calcular el tamaño de la muestra que prescinde de este aspecto. Habitualmente
se usa como medida de esta variabilidad la desviación típica poblacional y se
denota?

Factores que inciden en las estimaciones de parámetros

Error de la estimación
Es una medida de su precisión que se corresponde con la amplitud del
intervalo de confianza. Cuanta más precisión se desee en la estimación de un
parámetro, más estrecho deberá ser el intervalo de confianza y, por tanto,
menor el error, y más sujetos deberán incluirse en la muestra estudiada.
Llamaremos a esta precisión E, según la fórmula E = ?2 - ?1.
Nivel de confianza
Es la probabilidad de que el verdadero valor del parámetro estimado en la
población se sitúe en el intervalo de confianza obtenido. El nivel de confianza
se denota por (1-?), aunque habitualmente suele expresarse con un porcentaje
((1-?)•100%). Es habitual tomar como nivel de confianza un 95% o un 99%, que
se corresponden con valores ? de 0,05 y 0,01, respectivamente.
Valor ?
También llamado nivel de significación. Es la probabilidad (en tanto por uno) de
fallar en nuestra estimación, esto es, la diferencia entre la certeza (1) y el nivel
de confianza (1-?). Por ejemplo, en una estimación con un nivel de confianza
del 95%, el valor ? es (100–95)/100 = 0,05.
Valor crítico
Se representa por Z?/2. Es el valor de la abscisa en una determinada
distribución que deja a su derecha un área igual a ?/2, siendo 1-? el nivel de
confianza. Normalmente los valores críticos están tabulados o pueden
calcularse en función de la distribución de la población. Por ejemplo, para una
distribución normal, de media 0 y desviación típica 1, el valor crítico para ? =
0,05 se calcularía del siguiente modo: se busca en la tabla de la distribución
ese valor (o el más aproximado), bajo la columna “Área”; se observa que se
corresponde con ?0,64. Entonces Z?/2 = 0,64. Si la media o desviación típica
de la distribución normal no coinciden con las de la tabla, se puede realizar el
cambio de variable t=(X-?)/? para su cálculo.
Con estas definiciones, si tras la extracción de una muestra se dice que “3 es
una estimación de la media con un margen de error de 0,6 y un nivel de
 confianza del 99%”, podemos interpretar que el verdadero valor de la media se
encuentra entre 2,7 y 3,3, con una probabilidad del 99%. Los valores 2,7 y 3,3
se obtienen restando y sumando, respectivamente, la mitad del error, para
obtener el intervalo de confianza según las definiciones dadas.
Para un tamaño fijo de la muestra, los conceptos de error y nivel de confianza
van relacionados. Si admitimos un error mayor, esto es, aumentamos el
tamaño del intervalo de confianza, tenemos también una mayor probabilidad de
éxito en nuestra estimación, es decir, un mayor nivel de confianza.

 Los tres elementos que influyen en el margen de error en la construcción de

un intervalo de confianza son, la confiabilidad, la variabilidad y el tamaño de
la muestra. De acuerdo con estos criterios, la relación entre el error de
estimación y la variabilidad es:
Su respuesta:
Directamente proporcional
Correcto: Porque si se incrementa o disminuye la variabilidad los efectos
en el error de estimación, tendrán la misma dirección.

 La edad de los individuos de una población sigue una distribución normal.

Se extrae aleatoriamente una muestra de 300 pacientes cuya media es de
50 años, y la desviación típica es 10 años. Entonces:
Su respuesta:
Aproximadamente el 95% de los pacientes tienen edades entre 30 y 70
años.
Correcto. Porque La interpretación sobre los límites de un intervalo de
confianza, debe especificar la confiabilidad en % y el nombre de la variable
a que hace referencia el parámetro estimado.

Su puntuación es 38 (sobre 38).

Su calificación actual es 38.0 sobre 38