Tema VII. UNIVERSO Y MUESTRA.

Conceptos básicos

Otro elemento que debe plantearse claramente ene l diseño metodológico es la población o
grupo en que se realizara la investigación. Al respecto, se utilizan los términos “universo” y
“muestra”, ambos relacionados entre sí.

Universo

Es el conjunto de individuos u objetos de los que se desea conocer algo en una

investigación.

Es la totalidad de individuos o elementos en los cuales puede presentarse determinada

característica susceptible de ser estudiada. 2- es toda la agregación o cumulo de casos que
cumple con un conjunto predeterminado de criterios.

El universo o población puede estar constituida por personas, animales, registros

médicos, los nacimientos, las muestras de laboratorio, los accidentes viales, entre otros. El
universo es el grupo de sujetos al que se generalizaran los hallazgos. Por esto es importante
identificar correctamente a la población desde el inicio del estudio y hay que ser específico
al incluir sus elementos.

Como ejemplo se puede analizar el caso de un estudio de las características de las

estudiantes de maestría. ¿Podrán incluirse las de inicio reciente y las de término? ¿Las de
una escuela de maestría o todas las de la región norte?

Muestra

Es un subconjunto o parte del universo o población en que se llevara a cabo la investigación

con el fin posterior de generalizar los hallazgos al todo.

Una muestra probabilística es aquella extraída de una población de tal manera que todo
miembro de esta ultima tenga una probabilidad conocida de estar en al muestra.
De cualquier población o universo de tamaño N, puede extraerse un cierto número de
muestras distintas de tamaño n (siempre y cuando el tamaño de N sea lo suficientemente
grande como para garantizar el muestreo)

Es por esta razón que las poblaciones pequeñas se toman en su totalidad.

Unidades de observación
Son los elementos del universo en que se medirán o estudiaran las variables de interés.

Unidad de muestreo

Es el elemento utilizado para seleccionar la muestra. En muchos casos la unidad de

observación y análisis son las mismas, pero hay casos en que no lo son. Ejemplo: si se
desea estudiar las infecciones respiratorias agudas en niños menores de tres años,
seguramente no se podrá tener información sobre cuántos son, dónde viven, cómo se
llaman, por lo que sería imposible extraer una muestra de niños. El investigador tendrá que
tomar una muestra de casas para poder llegar a los menores.

Muestreo

En primer lugar, si lo que se busca es estudiar algo en un grupo menor que el total para
luego generalizar los hallazgos al todo, esa parte que se estudia tiene que ser
representativa del universo, es decir, debe poseer las características básicas del todo. Por
ejemplo, si en la carrera de psicología hay un 55% de mujeres y un 45% de hombres, la
muestra deberá aproximarse a esta proporción. Es evidente que la mejor forma de estar
seguros de conocer el universo seria estudiándolo todo, sin embargo, esto no siempre es
posible o conveniente; por ejemplo, cuando el universo es finito (cuando está constituido
por un numero delimitado o conocido de unidades o elementos) puede surgir la
imposibilidad de estudiarlo todo por ser el universo muy grande, o por no contarse con los
recursos suficientes. En el caso de un universo infinito (cuando está formado por una
cantidad ilimitada de unidades), la imposibilidad de estudiarlo todo surge por no conocerse
su magnitud.

En general, en las investigaciones se trabaja con muestras, y a pesar de que no haya

garantía de su representatividad, hay una serie de ventajas que se pueden destacar:

- Permite que el estudio se realice en menor tiempo.

- Se incurre en menos gastos.
- Permite profundizar en el análisis de las variables.
- Permite tener mayor control de las variables a estudiar.

No obstante, dado que es una muestra, la misma no puede ser seleccionada

arbitrariamente. Los estudiosos de este campo han planteado algunas consideraciones que
deben tenerse en cuenta en el proceso de muestreo.

- 1- Definir en forma concreta y especifica cuál es el universo a estudiar. Tal como se

dijo antes, debe hacerse una delimitación cuidadosa de la población en función del
problema, objetivos, hipótesis, variables y tipo de estudio, definiendo cuáles serán
las unidades de observación y las unidades de muestreo en casos que estas no sean
iguales ( familias, viviendas, manzanas, estudiantes, escuelas, animales, u otros).
 Por ejemplo, en un estudio la familia o la vivienda puede ser la unidad de muestreo,
pero el jefe de familia puede ser la unidad de observación. Como se dijo antes, en la
mayoría de los casos ambas unidades coinciden.

- 2- La muestra a seleccionar tiene que ser representativa de esa población para poder
hacer generalizaciones válidas. Se estima que una muestra es representativa cuando
reúne las características principales de la población en relación a la variable o
condición particular que se estudia. Nótese que se ha dicho características
principales, ya que a veces es casi imposible pretender que esa muestra tenga todas
las características o particularidades de la población. La representatividad de una
muestra está dada por su tamaño y por la forma en que el muestreo se ha realizado.

Algunos aspectos relevantes de la muestra y el muestreo incluyen:

- Cualquier subconjunto de elementos de una población es una muestra de ella.

- De cada población puede extraerse un número indefinido de muestras.
- Cuando se utiliza la muestra se pretende conocer las características de la
población.
- Las muestras a estudiar, por lo tanto, debe ser representativa de la población, pues
este es requisito fundamental para poder hacer generalizaciones válidas para la
población.
- Muestra representativa es aquella que reúne en si las características principales de
la población y guarda relación con la condición particular que se estudia.
- Los aspectos fundamentales que se deben considerar en la extracción de una
muestra representativa son:
- El sistema de muestreo utilizado
- El tamaño de la muestra.

Tamaño de la muestra

Este es un aspecto que genera discusión en los investigadores, especialmente los que
inician en este campo. El tratado del muestreo es un tema profundo sobre el cual hay
mucho escrito y para lo cual se requiere conocimiento de la estadística.

La tendencia de los investigadores que se inician es querer aplicar una fórmula

que les indique cuál será el número de sujetos que deben incluir en la muestra. Sin
embargo, no es esto lo más importante. Una muestra probabilística o no dependerá de
muchos aspectos como los recursos disponibles, la heterogeneidad de las variables y
sujetos a estudiar, la técnica que se emplee en el muestreo, el tipo de análisis que se
utilizara, el grado de precisión que deben tener los datos, entre otros.

Según Fisher, el tamaño de la muestra debe definirse partiendo de dos criterios:

uno, los recursos disponibles, que fijan el tamaño máximo de la muestra; el otro, los
requerimientos del plan de análisis que fija el tamaño mínimo de la muestra. En torno
al primer criterio, lo recomendable es tomar la muestra mayor posible. La lógica indica
que mientras más grande es la muestra, mayor representatividad tendrá y menor será el
margen de error, el cual siempre está presente. En relación al segundo criterio, el mismo
autor plantea, que el tamaño de la muestra deberá ser suficiente para permitir un análisis
confiable de los cruces de variables, para obtener el grado de precisión requerido en la
estimación de proposiciones, y para probar si las diferencias entre las proposiciones son
estadísticamente significativas.

Si se plantea hacer cruces de variables se recomienda no tener menos de 20 ó

30 casos en cada una de las subcategorías de las variables independientes principales.
O sea, que si se va a analizar un determinado efecto en hombres y mujeres tendría que
tenerse como mínimo de 40 a 60 casos. Esto significa a su vez que la variabilidad, o sea
la proporción de casos que se espera en cada subcategorías de la variable, tendría que
ser considerada. Significa también que cuando los fenómenos son homogéneos, las
muestras requeridas serían más pequeñas, y cuando la variabilidad es mayor se
necesitaran muestra más grandes.

A manera de resumen se puede decir, que lo importante no es la proporción que

la muestra representa del total del universo, sino el tamaño absoluto de la muestra.

Por ejemplo, si se tiene una población de 100 individuos habrá que toar por lo menos
el 30% para no tener menos de 30 casos, que es lo mínimo recomendado para no caer
en la categoría de muestra pequeña. Pero si la población fuese de 50.000 individuos,
una muestra del 30% representara 15.000; 10% serán 5.000 casos y 1% dará una
muestra de 500 casos. En este caso es evidente que una muestra de 1% o menos podrá
ser adecuada para cualquier tipo de análisis que se desee realizar.

100 sujetos = 30% (30 casos)

50.000 sujetos = 30% (15.000 casos)

50.000 sujetos = 10% (5.000 casos)

50.000 sujetos = 1% (500 casos) *

Hay que decir también, que una muestra grande, no necesariamente es representativa,
pues esta cualidad depende de muchos otros factores y no solo del tamaño. Es
importante el diseño del muestreo, así como la forma en que se realizara en el campo.

Tipos de muestreo

Según Pardinas, el muestreo consiste en:

Seguir un método, un procedimiento tal que al escoger un grupo pequeño de una

población se pueda tener un grado de probabilidad de que ese pequeño grupo
efectivamente posee las características del universo que estamos estudiando.

Tipos de muestreo

Probabilístico

Aleatorio simple Sistemático Estratificado Conglomerado

No probabilístico.

Por conveniencia o Intencional o deliberado Por cuotas

comodidad

Muestreo se refiere al proceso utilizado para escoger y extraer una parte del
universo o población de estudio con el fin de que represente al total.

Si bien es cierto que cualquier subgrupo de una población constituye una muestra,
no todos son representativos de ella, y tampoco tienen la misma probabilidad de ser
escogidos; es por ello que se habla de la muestra “probabilística” y la “no
probabilística”

Muestreo probabilístico (aleatorio)

Para que un muestreo sea aleatorio es requisito que todos y cada uno de los elementos
de la población tenga la misma probabilidad de ser seleccionados. Además, esa
probabilidad es conocida.

Es el método que consiste en extraer una parte (o muestra) de una población o universo,
de tal forma que todas las muestras posibles de tamaño fijo tengan la misma posibilidad
de ser seleccionadas. KERLINGER.

Muestreo aleatorio simple.

Este método es uno de los más sencillos y tal vez el más utilizado; se caracteriza porque
cada unidad tiene la probabilidad equitativa de ser incluida en la muestra. En este tipo
de muestreo hay varias modalidades. En uno de ella, el procedimiento es un tipo de rifa
o sorteo (por ejemplo, colocando en una tómbola la ficha o tarjeta que contenga el
 número o nombres que corresponda a cada unidad del universo); se sugiere la siguiente
secuencia de acciones:

- Identifique y defina la población.

- Establezca el marco o estructura de muestra, que consiste en una lista real de unidades
o elementos de la población.
- Determine el número que conformara la muestra
- Extraiga una por una las unidades correspondientes a la muestra. Cada número
indicara la unidad a formar parte de la muestra.

Este método no puede ser utilizado cuando la población es grande, siendo aplicable
solamente cuando la población es pequeña. Existen otras modalidades de este tipo de
muestreo, tales como escoger cada unidad muestral a través de la selección aleatoria de
números o páginas de un libro.

Otra técnica utilizada en el muestreo aleatorio simple es hacer uso de la tabla de números
aleatorios; este método es más rápido y practico. Esta tabla consta de números
aleatoriamente distribuidos en carias columnas verticales y filas horizontales, de los que se
puede seleccionar cada unidad que contendrá la muestra. El procedimiento y la secuencia
con que se hará la selección de las unidades muéstrales puede variar, ya sea en forma
vertical, horizontal, transversal o cualquier otra forma determinada por el investigador; lo
importante es que el orden a seguir debe definirse con antelación. Como punto de partida
debe seleccionarse el número de columnas que serán necesarias según el tamaño del
universo, así como las filas y columnas con las que se iniciará. Por ejemplo, si se desea
extraer de 800 historias clínicas una muestra de 200, se tomara números de tres dígitos, ya
que pueden ser elegidos desde 001 hasta 800. El procedimiento sugerido es el siguiente:

- Identifique y defina la población.

- Establezca el marco de muestra o estructura muestral, que consiste en un listado real
de las unidades o elementos del universo.
- Determine el número de unidades que conformara la muestra.
- Asegúrese que cada una de las unidades del universo este numerada.
- Determine el orden en que hará uso de la tabla, la columna y la fila con que iniciará y
las subsiguientes. Puede hacer uso de cualquier combinación pero definida con
antelación.
- Proceda a la selección de las unidades muéstrales, listándolas de tal manera que se
determine fácilmente cuando hay repetición de números, los que serán sustituidos
por otros.
- Asegúrese periódicamente de la cantidad de unidades que ha ido seleccionando hasta
completar la muestra. Puede optar por seleccionar una muestra mayor al tamaño que
usara, para los casos en que sea necesario la substitución de unidades no accesibles
en el momento de la recolección de datos.
 Para ejemplificar esta fase y considerando la situación anterior de tomar una muestral
de 100 historias clínicas de un colectivo de 500 pacientes, y si se ha decidido iniciar con las
columnas 10, 11, 12 y la fila 1, el primer número muestral será el 486, 088,189 y 121, etc.
Nótese que se ha eliminado el 858, el 608 y 576 porque sobrepasan a 500. (MOSTRAR
TABLA)

Este tipo de muestreos es menos costoso y requiere de menos tiempo que los otros. Al
usar este método se debe tener la seguridad de que ese número de selección no presenta
alguna característica cíclica o periódica que haga que la muestra pierda la representatividad
deseada. Por ejemplo, si se toma una muestra de viviendas en las que el número de
selección sistemática coincida con una ubicación tal que las hace diferentes al resto de las
casas, se tendrá una muestra no representativa del universo.

Muestreo sistemático.

Este tipo de muestreo es similar al aleatorio simple, en donde cada unidad del universo
tiene igual probabilidad de ser seleccionada, variando el proceso de selección de la muestra.
Las etapas que deben seguirse son las siguientes:

- Determine el número de unidades que conformara la muestra.

- Asegúrese de la cantidad que integra la población y que todas las unidades estén
numeradas.
- Calcule el denominado número de selección sistemática, que es el intervalo
numérico que servirá de base para la selección de la muestra. Este se calcula
dividiendo el total del universo(N) por la nuestra (n.)

Siguiendo el ejemplo anterior se tiene que N/n = 500/100 = 5; en este caso, 5 será el
intervalo para la selección de cada unidad muestral.

- Determine la unidad muestral por la que se iniciará la selección de la muestra; se

puede hacer al azar o por sorteo, definiendo de esas cinco primeras unidades la cifra
por la cual se iniciará la selección.
- Proceda a conformar la muestra. Si al realizar el sorteo le resulta el número 4 y dado
que el “número de selección sistemática” es 5, la primera unidad será 4 y las
siguientes 9, 14, 19, 24, y así sucesivamente, hasta completar los 100 elementos.

Muestreo estratificado.

Este término proviene de la palabra “estrato”. El tipo de muestreo así designado se

caracteriza por la subdivisión de la población en subgrupos o estratos, debido a que las
variables principales que deben someterse a estudio presentan cierta variabilidad o
distribución conocida que es importante tomar en cuenta para extraer la muestra. Por
ejemplo, si se desea realizar un estudio sobre consumo de drogas y se considera que el
 sexo es un factor importante, se extraerá una muestra del sexo masculino y otra del
grupo del sexo femenino. Debido justamente a que toma en cuenta la distribución de la
variable en el universo, este tipo de muestreo logra mayor representatividad que otros.

Otro ejemplo sería el caso de un estudio para determinar la oferta y demanda de

los agentes de salud. Dado que estos generalmente se agrupan en personal
comunitario, profesional o técnico, y dado que se prevé encontrar diferencias,
convendrá tomar los tres grupos como estratos. El tamaño de cada estrato puede ser el
mismo, o puede variar en cada uno de ellos. Esto es lo que se conoce como muestreo
estratificado proporcional, cuando se toma el porcentaje en cada estrato, según sea el
tamaño de unidades que contiene. Por ejemplo, si se desea tomar una muestra en una
población en al que el 15% fuma y el 85%no, se mantendrá la proporción, por cada 15
fumadores se incluirán 85 que no lo hacen. Cuando se toma la muestra sin mantener la
proporción en que se da la distribución de la variable en el universo, se habla de un
muestreo “muestreo estratificado no- proporcional” en el caso anterior se puede
tomar 50 personas fumadoras y 50 no fumadoras. Este tipo de muestreo es más
conveniente cuando lo que se desea es hacer comparaciones entre los estratos. Es
conveniente no hacer muchos estratos ya que complica el análisis estadístico posterior.
Tampoco es conveniente estratificar en base a muchas variables por la misma razón
ante expuesta.

El proceso que se recomienda es el siguiente:

- Determine o defina la población que constituirá la muestra.

- Determine los estratos o subgrupos que hará de esa población, según la variable que se
está estudiando.
- Asegúrese del número que compone cada estrato, que estén enumerados y que sean
fácilmente identificables.
- Calcule el porcentaje que constituirá esa población muestral del universo. Con el
ejemplo anterior esa proporción será del 20%. O bien, 500:100%:: 100: X, de lo que
resulta un porcentaje de 20. Esto es 100x100= 1.000/500=20.
- Calcule proporcionalmente el número de unidades que seleccionara de cada estrato
según el porcentaje determinado. Si uno de esos estratos tiene 180 unidades, el 20%
será de 36 elementos; 180: 100%: X: 20%; X=36. De ese estrato se seleccionaran 36
unidades de las 100 que debe contener la muestra. 180x20=360/100=36.
- Seleccione de cada estrato las unidades muestrales hasta tener la cantidad definida de
cada uno de ellos; puede hacerlo al azar simple (por sorteo o usando la tabla), según
el procedimiento discutido anteriormente.
• La secuencia anterior es aplicable en el caso de un muestreo estratificado
proporcional.

Muestreo por conglomerado.

 Este tipo de muestreo se usa en particular cuando no se dispone de una lista detallada y
enumerada de cada una de las unidades que conforman el universo y resulta muy complejo
elaborarla. Se denomina conglomerado debido a que en la selección de la muestra en lugar
de escogerse cada unidad se procede a tomar los subconjuntos o conjuntos de unidades, a
los que se llama “conglomerados”. Aunque quizá por ello se tienda a creer que es lo mismo
que el estratificado, ambos se diferencian en que en los primeros (conglomerados) los
subconjuntos se dan en la vida real o ya están agrupados de esa manera (escuela, fabricas,
bloques de casas y oros). En el de estratos el investigador decide las agrupaciones que
utilizara según la posible variabilidad de los fenómenos a estudiar. Otra diferencia es que
en el de estratos el investigador conoce la distribución de la variable, no así en el de
conglomerado.

El proceso se inicia definiendo los conglomerados, y continua con la selección de

los subconjuntos a estudiar, o sea, que se realizan muestreos de conglomerados. De estos
seleccionados se procede a hacer el listado de las unidades que componen cada
conglomerado, continuando posteriormente con la selección de las unidades que
conformaran la muestra, siguiendo algunos de los métodos aleatorios indicados.

Si se desea hacer un estudio en las escuelas de educación primaria sobre un

determinado fenómeno, inicialmente se selecciona las escuelas que se estudiaran. De esas
escuelas seleccionadas se determinaran los grados o clases que deben ser incluidos y
posteriormente se escogen los alumnos, que serán las unidades de observación, utilizando
uno de los métodos aleatorios.

Las inferencias que se hacen con base en una muestra por conglomerados no son tan
confiables como las que se obtienen de un estudio hecho por muestreo aleatorio.

Muestreo no probabilístico

Este tipo de muestreo, también conocido como “muestreo por conveniencia”, no es

aleatorio, razón por la que se desconoce la probabilidad de selección de cada unidad o
elemento del universo. Es hace que este método de selección de muestra no sea tan
confiable como es el muestreo probabilístico. Se caracteriza porque el investigador
selecciona la muestra siguiendo algunos criterios identificados para los fines del estudio.

Entre estos tipos de muestreo se citan el “intencional o deliberado” y los

“accidentales o por comodidad”. En los primeros el investigador decide, según los
objetivos, los elementos que integraran la muestra, considerando aquellas unidades
supuestamente “típicas” de la población que se desea conocer. En este caso el investigador
conoce la población y las características que pueden ser utilizadas para seleccionar la
muestra. En los accidentales, se toman los casos o unidades que están disponibles en un
momento dado. Por ejemplo, en un estudio sobre opinión de la mujer embarazada respecto
a la calidad de la atención recibida, el investigador selecciona en un consultorio externo a
las mujeres que asistieron ese día, según salen del consultorio. Un investigador aprovecha
para llenar una encuesta sobre planificación familiar al aplicársela a un grupo de médicos
reunidos para participar en un taller de educación sobre metodología de la investigación.
Este es el método más deficiente entre los que aquí se mencionan.

El otro tipo es el muestreo “por cuota”, que consiste en que el investigador selecciona
la muestra considerando algunos fenómenos o variables a estudiar, como sexo, raza,
religión, área de trabajo, etc. El paso inicial consiste en determinar la cantidad o cuota de
sujetos de estudio a incluirse y que poseen las características indicadas. Un ejemplo de esto
son las encuestas de opinión pública, en las que los encuestadores proceden a buscar las
personas hasta cubrir la cuota previamente fijada, sin preocuparse por áreas geográficas,
zonas u otro criterio. Oro ejemplo es el caso de una encuesta sobre trato humanizado al
paciente, que decide aplicar a 10 pacientes en cada servicio, sin considerar que el número
de pacientes es diferente en cada uno de ellos.

En términos generales no se recomienda utilizar el muestreo no-probabilístico en las

investigaciones cuantitativas, debido a que por sus características no permite calcular el
error de muestreo.