TEMA 6.

TÉCNICAS CUANTITAITVAS: MUESTREO

En la realidad investigadora se presentan multitud de ocasiones en las que podemos estar interesados en medir una o varias
características (cuantificables o no) de un determinado colectivo llamado Población o Universo.

Por motivos de tiempo y coste, es imposible efectuar el análisis a todos y cada uno de los elementos de la población, por lo que
el estudio se realiza sobre una pequeña porción de la población, denominada Muestra.

Antes de realizar cualquier estudio de investigación, deben plantearse una serie de cuestiones y seguir una metodología eficaz para
llevar a cabo los objetivos previstos.

La planificación de un estudio de investigación, puede estructurarse en las siguientes etapas: diseño, recogida de datos, obtención
de resultados e interpretación (análisis y conclusiones).

El diseño se corresponde con la fase de definición y planificación general del estudio. Entre otros aspectos hay que considerar:

 Objetivo del estudio y las características objeto de interés.

 Si se trabajará sobre la población, o sobre una porción de ésta (muestra).
 El método de selección de la población o muestra más adecuado (recogida de datos).
 El tamaño de la muestra, o el error muestral admitido en el estudio y su grado de confianza, si trabajamos con
muestras.

Población vs muestra

Trabajar con muestras supone un menor coste económico y mayor rapidez. Es más barato entrevistar a 2.000 personas que a
70.000.
Los resultados a través del muestreo son estimativos, incluyen un posible error y van acompañados de una confianza de
ocurrencia.
Nunca podremos estar completamente seguros de cuál hubiera sido el resultado si se hubiera analizado todo el colectivo.
Este error, es el precio o peaje que hay que pagar al trabajar con muestras.

La [N] hace referencia a la población y la [n] a la muestra

Una vez que hemos decidido el tamaño de la muestra, debemos seleccionar que individuos o componentes forman parte de ella.
Para ellos existen diferentes metodologías que nos permitirán elegir a los miembros de la muestra de tal forma que sean
representativos de la población. Hay dos formas de elegir la muestra: al azar o no al azar. Esta circunstancia es básica para
determinar si los resultados del estudio serán extrapolables. Una vez seleccionados las personas que van a formar parte de la
muestra, se inicia el trabajo de campo.
 Muestreo probabilístico
La elección de los integrantes de la muestra es totalmente al azar (aleatoria). Todos los componentes de la población tienen una
probabilidad conocida y no nula de ser elegidos para la muestra. Es posible estimar el error muestral cometido. Los resultados
obtenidos sobre la muestra pueden generalizarse a la población, con una determinada probabilidad y error muestral. El coste
económico es superior a los no probabilísticos.
 Muestreo no probabilístico
La elección de los integrantes de la muestra no es al azar, sino por comodidad, y a juicio del propio investigador o
entrevistador. Las muestras obtenidas son sesgadas y no es posible estimar el error muestral. Los resultados obtenidos sobre la
muestra NO pueden generalizarse a la población. Su coste económico es inferior a los probabilísticos.

DIVISIÓN

Tamaño de muestra

 Universito finito: menos de 100.000 unidades

 Universo infinito: más de 100.000 unidades

Procedimiento de muestreo

 No probabilístico: Selección directa de unidades a observar / Sin representatividad estadística

- Muestreo accidental: Qué me coloque en la puerta de un super y vaya preguntando a la gente
- Muestreo de voluntarios
 - Muestreo por elecciones razonadas: hacer una encuesta a alumnos con buen expediente porque mi razonamiento es
que estos alumnos tengan una mirada sobre el plan de estudio más profunda
- Juicio de expertos
- Juicio por elección deliberada
- Muestreo por cuotas
 Probabilísticos: Cálculo de error y confianza / Aleatoriedad
- Muestreo aleatoria simple: sacando una bola al azar
- Muestreo sistemático: es por azar, pero bajo un criterio: por ejemplo entran por orden alfabético
- Muestreo por conglomerados: por ejemplo los conglomerados en la UCLM se dividirán por grados, campus, cursos.
- Muestreo estratificado: Seleccionar 50 estudiantes, divididos en estratos por año académico (primero, segundo,
tercero, cuarto)

Muestra no estadíditcas

• Muestras accidentales: Consiste en seleccionar los elementos de la muestra en función de su presencia en un lugar
determinado, en un momento preciso. † Limitación: personas sin probabilidad de ser elegidos
 Muestras de voluntarios: Se justifica en las fases exploratorias es estudios donde la población generalización a un
población no es un aspecto primordial
 Muestra por elecciones: Objetivo de la investigación es estudiar ciertas particularidades, no se busca la
representatividad
• Juicio de expertos: La selección de elementos típicos reposa sobre el conocimiento de los expertos
• Bola de nieve: Consiste en agregar a un núcleo de individuos todos los que están en relación con ellos. Es útil cuando se
trata de estudiar sistemas de relaciones o poblaciones difícilmente localizables.

MUESTREO ESTADISTICO

Sólo por el hecho de estar tomando una muestra de una población, ya estamos cometiendo un error. Aunque los resultados
obtenidos de la muestra sean generalizables a la población, siempre lo serán con un margen de error. Si conocemos la población
y el tamaño muestral, podemos calcular el error muestral, que se expresa en un intervalo. De la misma forma, podemos calcular
el tamaño muestral para un error impuesto.

El error de estimación crece en función del tamaño de la muestra y de las probabilidades en que se distribuye la característica
que medimos.

Lo más probable es acertar cuando hay una proporción asimétrica, por ejemplo la población se distribuye entre un 90% blanco y
10% negro, que si es un 50/50%, caso más desfavorable (mayor tamaño de muestra). El tamaño de la muestra depende también de
la proporción estimada en el universo de la característica sobre la que se desea obtener información. Se suele expresar por p el %
que posee la característica y por q el % que no la posee.

Se ha planteado la peor de las distribuciones i hay un 50%-50% porque vas a tener que tener que entrevistar a más personas. Esta
es la posición de partida de todas las encuestas porque no sabemos la distribución de opinión de la gente y por eso nos ponemos en
el peor de los casos, que se traduce en que mi muestra tiene que crecer

Cuando se establece el nivel de confianza y el error que deseamos asumir, el número de la muestra se calcula mediante fórmulas,
en función de si es una muestra finita o infinita (más de 100.00 unidades)

Intervalo de confianza

El intervalo de confianza va a ser dos veces le margen error, el de por arriba y por el debajo
Las muestras pequeñas tienen mayor margen de error.
El nivel de confianza suele de ser del 95% a la hora de trabajar es lo normal, si queremos ser más exactos al 99% y si no tenemos
dinero 90%
• Equivale a un par, o varios pares, de números entre los cuales se estima que estará cierto valor desconocido con una
determinada probabilidad de acierto. Indican el rango más probable en el que se encuentra el resultado para un promedio
o porcentaje desconocido de la población.
• Son iguales a dos veces el margen de error
• Intervalo de confianza= +/- margen de error
• Las poblaciones (y muestras) con mayor variabilidad generan intervalos de confianza más amplios.
 • Los tamaños de muestra más pequeños generan intervalos más amplios.

Teorema del límite central está en relación por la ley de los grandes números, cuantas más personas tengo van a tender a está
en el centro. cuando estamos midiendo una cosa como la opinión no tienen por qué distribuirse de forma normal.

Tomamos la ley de los grandes número que nos permite ver como va a ser la muestra.
Lo que estamos mirando es como van a ser las muestra en función a nuestro universo, y que en muy pocos casos donde la muestra
va a ser “rara”. Lo normal es tener un poco de todo.

En general, un mayor tamaño de la muestra, implica un menor error en los resultados, y una mayor fiabilidad de los
mismos. Existe una relación algebraica entre el tamaño de la muestra y el error muestral producido. No obstante, la muestra
típica oscila entre 1000 y 5000 individuos, dependiendo del presupuesto disponible. Cuando la muestra está por debajo del
5% de la población se dice que la población es infinita. Si está por encima se dice que es finita.
• Nivel de confianza
Si la población es suficientemente grande (población infinita) podemos usar lo que se conoce como “Teorema del límite
central”. Este teorema dice que la distribución de la población tiene un carácter “normal”. Y que casi toda la población se
aglutina en torno a su media estadística. También dice que la muestra que escogemos de la población tiene una distribución
normal. El nivel de confianza de la muestra nos dice que la característica extraída de esa muestra se cumplirá para el XX%
de los casos.
El nivel de confianza más corrientemente usado en investigación social es el de 2 σ que abarca el 95’5% del área de la curva e
indica que existe una probabilidad de que cualquier resultado obtenido en la muestra es válido para el universo: sólo existe un
riesgo del 4’5%. En ocasiones se usa un nivel de confianza de 3 σ. A mayor intervalo de confianza mayor será la garantía de que
los valores de la muestra se acerquen a los reales.
Error no muestral

Existen otros errores que pueden sesgar resultados y que no dependen de forma directa del tamaño muestral, ni de la proporción:

• Mala definición del universo de estudio o del marco muestral

• Mal diseño de variables, instrumentos de recogida de datos (cuestionarios, bases de datos, etc.)

• Errores del investigador

• No respuesta

• Errores de criterio en la mediación (malas escalas, valoraciones, etc)

• Errores en el tratamiento de la información

Muestreo ponderado

Cuando la población incluye un grupo muy pequeño pero esencial, hay el riesgo de que ningún miembro de ese grupo quede
dentro de una muestra aleatoria.

Para asegurar por lo menos algunos de una minoría clave en la muestra, podemos incrementar deliberadamente la razón (el peso)
de la muestra sobre este grupo de especial importancia. Por supuesto que esto generará un desequilibrio en las mediciones que
se obtengan a partir de la muestra ponderada, pero será fácil restaurar el equilibro original.

Esto se hace así cuando se combinan los resultados; por ejemplo, al calcular la media de todas las mediciones daremos a las
mediciones de cada grupo su peso apropiado correspondiente a los porcentajes genuinos en la población.

Muestreo

Muestreo aleatorio simple

Antes de llevar a cabo el método de selección, ha de conocerse el tamaño de la muestra (n), aspecto que ha de ser considerado en
la fase de diseño.

– Se requiere de un listado ordenado de TODOS los elementos que forman parte de la población.
– Los elementos de la muestra se seleccionan mediante tablas de números aleatorios, en cualquier variante (papel, software,
calculadora, etc.)

– Todos los elementos tienen la misma probabilidad de ser elegidos.

– Este método es útil cuando la población es homogénea, respecto a la característica u objeto del estudio.
– Es un método sencillo si la población es pequeña, pero incómodo si es muy grande (necesitamos un listado de todos).
– Es el método menos preciso, y el que mayor error muestral produce.

– Ejemplo: en una fábrica de televisores, se selecciona una muestra aleatoria para proceder al control de calidad.

Muestreo aleatorio sistemático

Es parecido al muestreo aleatorio simple, pero con algunas diferencias:

– Solamente se elige de forma aleatoria el primer elemento de la lista. El resto de los elementos de la muestra, se eligen de
forma sistemática, por ejemplo, sumando 100 posiciones de la lista a cada elemento (coeficiente de elevación).

– Al igual que antes, es necesario tener una lista de todos los elementos de la población.
– El error que proporciona es similar al caso anterior.
– Ejemplo: Una encuesta telefónica.
Muestreo aleatorio estratificado

Es una de los métodos más utilizado en la investigación social (CIS) donde se dispone de información sobre las características de
la población, pero ésta NO es homogénea con relación a las variables objeto del estudio.

Características:

 Los elementos de la población se agrupan en conjuntos o estratos, de manera que dentro de ellos las características SÍ
son homogéneas. Las agrupaciones pueden ser por sexo, edad, clase social, nivel de formación, etc…

 En estudios a nivel nacional o internacional suelen estratificarse por ubicación geográfica (provincia, región,
municipio), o por tamaño del hábitat (número de habitantes).

 Por cada uno de los estratos se selecciona una muestra (submuestra) a través de los métodos anteriores (aleatorio simple
o sistemático).

 La muestra final está formada por cada una de las submuestras, asegurando la representatividad de cada estrato.

 Para un mismo tamaño muestral garantiza mejor la representatividad de la muestra, aumenta la fiabilidad o
confianza y minimiza el error.

 Es uno de los métodos más utilizados, conjuntamente con otros, en cualquier ámbito. Ejemplo: Audiencias de TV.

Ventajas e inconvenientes muestreo pobabilísitco

Ventajas

 No requiere un conocimiento previo de la composición del universo.

 Las posibilidades de acierto y error se pueden conocer mediante el cálculo de probabilidades.

 Representa el universo y todos los elementos tienen las mismas probabilidades de formar parte de la muestra.

 A medida que se va aumentando la magnitud de la muestra aumenta su carácter representativo.

Inconvenientes

 Requiere un universo catalogado.

 Es preciso numerar todas las unidades, lo que representa cierto trabajo adicional.

 La muestra suele ser muy grande y en consecuencia exige grandes gastos.