TEMA 5: MUESTREO: LA SELECCIN DE LAS UNIDADES DE OBSERVACIN Lectura recomendada:

CATAL. L. Tcniques quantitatives d' investigaci social, Ed. Universitat d'Alacant, Secretariat de Promoci del Valenci. Pg. 45-57 CEA, M.A., (1998), Metodologa cuantitativa, Madrid, Sntesis Sociologa. Pg.160-213

Para aproximarse al conocimiento de la realidad social se utilizan las muestras de poblacin. Para aplicar esta estrategia debemos conocer los principios en los que se basa. Hay que distinguir entre Censos y Muestras: Estrategia de seleccin mediante censo: Se estudia a todos los elementos de la poblacin. Se utiliza para estudiar los elementos estructurales y ms estticos de la poblacin. Realizacin peridica tras largos intervalos de tiempo. Alto coste por la necesidad de emplear muchos recursos, tanto humanos como econmicos. La recogida de informacin y tratamiento de la misma lleva mucho tiempo.

Estrategia de seleccin mediante muestras - Se utilizan modelos reducidos de la poblacin o subgrupos de poblacin. - Los resultados son extrapolables a la poblacin de la que ha sido extrada la muestra (en el muestreo probabilstico: extrapolacin lgica) - Menor coste, por utilizacin de menos recursos, tanto humanos como econmicos. - Ahorro de tiempo. Tipos de muestreo Se pueden distinguir dos tipos estrategia muestral bien diferenciadas: el muestreo probabilstico y el no probabilstica, ambos poseen cualidades y caractersticas diferentes: MUESREO PROBABILSTICO til cuando el objetivo es cuantificar Todos los casos presentes en el marco muestral tienen la misma probabilidad o al menos una probabilidad conocida de aparecer en la muestra final La seleccin de elementos muestrales finales se debe al azar. Para la seleccin previa no se requiere un conocimiento elevado de la poblacin. Slo determinadas variables sociodemogrficas. Permite hacer inferencias estadsticas MUESTREO NO PROBABILSTICO til cuando el objetivo es cualificar Todos los casos no tienen la misma probabilidad de aparecer en la muestra final.

La seleccin de los elementos muestrales finales se debe a la intencionalidad del investigador. Para la seleccin previa se requiere un conocimiento elevado de la poblacin que se va a estudiar. Permite hacer inferencias lgicas

Mtodo cuantitativo Teoras: Positivismo, funcionalismo Objetivo: Generalizaciones o explicaciones basadas en procedimientos estandarizados de recogida de informacin Bsqueda de conocimiento a partir de la existencia previa de regularidades, leyes. Tcnicas cuantitativas (sondeos, encuestas...) Conocimiento sistemtico, comprobable, comparable, medible y replicable

Mtodo cualitativo Teoras: Historicismo, interaccionismo simblico,... Objetivo: reconstruccin de conceptos y acciones de la situacin estudiada Bsqueda de conocimiento a partir de la descripcin / comprensin de acciones significativas, de realidades subjetivas. Tcnicas cualitativas que permiten descripciones en profundidad e inmersin en contextos. El sentido no puede darse por supuesto, sino que va ligado a un contexto

Cada estrategia de muestreo es conveniente en: Diferentes estrategias de investigacin. En diferentes etapas de una misma investigacin

No puede decirse que una estrategia sea mejor que otra, desde el punto de vista tcnico deben adecuarse a la realidad objeto de estudio. Se debe considerar mantener un equilibrio ptimo entre el coste de la investigacin y la importancia de los resultados que se vayan a obtener. 1. MUESTREOS NO PROBABILSTICOS 1.1. 1.2. 1.3. 1.1. Muestreo de conveniencia Muestreo por cuotas Muestreo intencional

El muestreo de conveniencia Consiste en la seleccin de los casos que estn ms disponibles Se sita en los lmites del concepto tcnico de muestreo Se le denomina tambin fortuito o accidental. Es un muestreo fcil, rpido y econmico. Ej.: emisoras de radio y televisin que sacan un micrfono a la calle. No permite hacer inferencias sobre la poblacin a la que se supone que representa.

Las generalizaciones sobre la informacin recogida no posee ningn rigor tcnico. Slo se justifica en investigaciones en fase exploratoria o en la fase de elaboracin de instrumentos de recogida de informacin: en pretest de cuestionarios, escalas, guas de entrevista, etc. Muestreo por cuotas Similar a un muestreo aleatorio estratificado con afijacin proporcional. Diferencia con el muestreo aleatorio: en la seleccin final de las unidades de muestreo, en la seleccin de la persona a encuestar, rompe la cadena de aleatoriedad. Procedimiento: o Seleccin de unas variables de control que van a servir para estratificar a la poblacin, como la edad, sexo, regin geogrfica, etc. Debe existir informacin previa estandarizada sobre estas variables, ej.: censos, padrones, o Se seleccionan las variables de control que se supone que estn relacionadas con los objetivos de segmentacin de la poblacin. o Se determina la proporcin de poblacin que debe contener cada estrato. En la muestra debe aparecer representado cada estrato. o Hasta aqu, la seleccin es igual que se hara en un muestreo aleatorio estratificado. o Una vez obtenido el tamao de cada estrato, es decir, la cuota de personas a encuestar, con las caractersticas bsicas de segmentacin de la poblacin objeto de estudio. EDAD 18-30 31-45 46-65 18-30 31-45 46-65 2 4 3 1 3 4

1.2.

SEXO HOMBRES MUJERES

o En la seleccin de las personas fsicas por parte del encuestador es donde se puede romper la cadena de aleatoriedad, entrando en juego la intencionalidad del encuestador. o Idealmente la cuota debera reproducir, en menor tamao la poblacin de la que ha sido extrada la muestra. o Tericamente se supone que si la muestra final tiene las mismas caractersticas sociodemogrficas definidas en los estratos que la poblacin, deberan distribuirse de manera similar otras caractersticas importantes, como las opiniones, ingresos, etc o La ventaja de este tipo de muestreo es asegurarse la heterogeneidad y proporcionalidad de la muestra. Inconvenientes de la estrategia de seleccin por cuotas: o Dificultad de seleccionar un sistema de estratificacin que considere ms de tres variables, dado que el nmero de variables acta como una funcin multiplicativa al considerar los valores o categoras de las mismas. Ej: sexo, 2 categoras, edad: 3 categoras, 2x3 = 6 estratos o tipos de personas a entrevistar. o Libertad de eleccin del encuestador bajo los lmites de las caractersticas de control: posibles problemas: Entrevistar a amigos o conocidos: la muestra reproduce un perfil similar al entrevistado, introduciendo sesgo en la informacin. Recurrir a lugares pblicos o frecuentados para completar las cuotas: problema: el tipo de personas que frecuenta estos lugares tiene caractersticas distintas a los que no lo hacen. Elegir barrios o comunidades accesibles y poco conflictivos: sesgo de ms representacin de determinadas clases sociales.

Controles para evitar inconvenientes: o Seguir un sistema de rutas aleatorias o Seguir un sistema de seleccin por reas urbanas y geogrficas.

Los controles para evitar introducir la intencionalidad del entrevistador, en trminos rigurosamente tcnicos no se pueden estimar los errores de muestreo, y esto es lo que diferencia a un muestreo por cuotas de un muestreo probabilstico estratificado. Si se consigue salvar esta dificultad tcnica, es posible utilizarlo como sustituto de ste: - Tiene menor coste porque simplica la seleccin geogrfica y la dispersin de la muestra. 1.3. Muestreo intencional Estrategia vlida para muestras pequeas y muy especficas. Consiste en seleccionar casos por la informacin, especializada o por experiencia, que poseen para estudiarlos en profundidad. Son especialmente tiles en la caracterizacin de formas o perfiles sociales No son adecuados para la cuantificacin de la distribucin de una variable Se basa en el criterio de saturacin para introducir elementos en las muestras.

Tipos de muestreo intencional: 1.3.1. Muestreo de casos extremos Elementos o casos cuyos valores se encuentran en los extremos del rango de una variable. Ej.: los valores extremos de la variable autoubicacin ideolgica: Extrema izquierda y extrema derecha. 1.3.2. De casos poco usuales o raros Elementos o casos cuyos valores en el rango de una variable son poco frecuentes o raros. Ej: afectados por enfermedades raras, ganadores de premios importantes en la lotera. 1.3.3. De casos con mxima variacin Casos que presenten entre s grandes diferencias en cuanto al objeto de estudio, para que puedan estudiarse en profundidad las caractersticas de los mismos. Ej: Personas que tiene confesiones religiosas muy diferentes. 1.3.4. De subgrupos homogneos Caso o sujetos con experiencia social o condiciones sociales similares. Ej: lderes de movimientos sociales 1.3.5. Estructurales Casos o sujetos que ocupan determinadas posiciones sociales, normalmente forman parte de redes jerrquicas o de comunicacin. Se considera que por la posicin social que ocupa, el acceso a la informacin y a la reflexin sobre la misma ser diferente que el resto de poblacin que no ocupa determinada posicin, siempre en relacin con el objeto de estudio. 1.3.6. De informantes estratgicos Compuesto del estructural y homogneo, se basa en la idea de que el conocimiento y la informacin est desigualmente distribuido. Los elementos seleccionados sern los que mayor informacin posean y sta sea relavante para los objetivos de la investigacin 1.3.6.1. De bola de nieve o en cadena Empleado para acceder a poblaciones de difcil acceso, apoyndose en informantes iniciales que aporten informacin sobre otros informantes relevantes, formando una bola de nieve, cada vez ms grande o una cadena de informantes. 1.3.6.2. De expertos Utilizado para pedir la opinin cualificada de personas que son consideradas expertas en el

tema en cuestin, seleccionndolas entre otras personas expertas o lugares clave. 1.3.7. De criterio Consiste en seleccionar elementos que se ajusten a un criterio predeterminado en los objetivos de la investigacin. Ej: haber formado parte de un plan regional de integracin sociolaboral. 1.3.8. De casos crticos Seleccin de elementos que sirvan de referencia lgica para el resto de la poblacin. Ej: inmigrantes que deciden ir a otros pases en condiciones muy precarias. 1.3.9. De casos confirmatorios y contradictorios Seleccin de casos que sirvan para confirmar o contradecir algunas de las generalizaciones o ayudar a plantear hiptesis, una vez que la investigacin ya est avanzada. 2. MUESTREO PROBABILSTICO El muestreo probabilstico posee una potencialidad muy especial dentro de la Investigacin Cientfica. Para ello la herramienta fundamental es la estadstica inferencial. Tal y como expresa El propsito principal de los mtodos estadsticos es legitimar generalizaciones sobre poblaciones usando datos de muestras. No es habitual emplear censos, en los cuales la estadstica adecuada es la descriptiva. Ciertamente, una media obtenida de una muestra tiene un margen de error, un intervalo de confianza dentro del cual se encuentra probablemente el valor real de la poblacin. Cuando se aplica la tcnica de encuesta a una muestra de poblacin implica: - identificar una poblacin, - determinar el diseo de una muestra, - seleccionar una muestra representativa, - obtener datos de esa muestra, - grabarlos y tratarlos estadsticamente para su anlisis de forma que puedan efectuarse inferencias sobre el conjunto de la poblacin. La ventaja del muestreo probabilstico reside en su capacidad para estimar el posible error que afecte a la medicin (estimado muestral) en su intencin de determinar el valor del parmetro poblacional. A cambio de eso el muestreo probabilstico est sujeto a fuertes restricciones tcnicas, que son las que permiten que estadsticamente exista un aval respaldando los resultados de una encuesta. - En ese sentido, el muestreo aleatorio simple, por ejemplo, que es el menos complejo tericamente hablando es, en un sentido prctico, el ms difcil de utilizar. Esto quiere decir que la teora del muestreo se complicar en tanto en cuanto intente formular estrategias que sean tiles en la prctica para la investigacin. El hecho bsico es que la teora del muestreo, en sus nociones centrales, es bastante asequible, y las complejidades que llega a adquirir son precisamente consecuencia de la diferencia entre la sociedad real y una situacin experimental (ej. Bombo de la lotera). Una estrategia complicada de muestreo probabilstico acostumbra a ser la respuesta a que la realidad social lo es an ms. - Si existiera un ordenador accesible que contuviera el censo de poblacin, y de modo rpido y econmico pudiese extraer muestras aleatorias, los problemas seran exclusivamente de tipo econmico para recoger dichas muestras. Cada elemento muestral tendra nombre y direccin, y la extraccin sera directa. Esta situacin ideal no existe, y lo que se hace es emplear datos agregados del censo, o del

padrn municipal, para el diseo de la muestra y recurrir a mecanismos probabilsticos para la solucin final. Queremos, en este sentido concluir con una idea que no por conocida parece ser fcil de aceptar por algunos investigadores: la complejidad de los diseos maestrales responde a problemas reales de investigacin. En otras palabras, toda esa complejidad est en definitiva intentando superar las dificultades de seleccin muestral en determinadas circunstancias. Lo habitual es que el muestreo est integrado en una estrategia ms amplia de investigacin y, evidentemente, hay otras decisiones que influirn en el tipo de muestra que se efecte. Entre esas decisiones se encuentra el factor econmico. El diseo muestral que se elija tiene, generalmente, una gran dependencia de los recursos econmicos de que se dispone. As pues, el diseo muestral forma parte de un proceso de investigacin en el que se integra, donde existe un tema de estudio, unas tcnicas de aplicacin para los instrumentos de recoleccin de datos y una poblacin sobre las que aplicarlo. Vamos a considerar el muestreo en dos apartados. El primero est referido a - Los aspectos donde el investigador debe tomar decisiones sobre las limitaciones que la realidad impone sobre un diseo basado en muestras. Aqu y sobre estos aspectos, el investigador adquiere un claro conocimiento de la capacidad de inferencia de las mediciones que realice. Ej: una encuesta por internet - Las cuestiones estadsticas, relacionadas con el diseo formal de la muestra . Aqu las decisiones estn muy codificadas, en el sentido de que las preguntas y opciones de respuesta estn consideradas de forma sistematizada por la estadstica inferencial. El punto de partida para afrontar un diseo muestral es definir cul es la poblacin a estudiar. Este concepto de poblacin es empleado en un sentido tcnico indicando la totalidad de los elementos en estudio o universo. Por elemento se entiende la unidad de anlisis. La unidad de anlisis no tiene que estar compuesta por individuos, sino que puede tratarse de otros tipos, por ejemplo instituciones, textos, etc.

Es fundamental una buena definicin de la poblacin de acuerdo a los objetivos del estudio, dado que los resultados que se obtengan dependern directamente de ello. Cuando se habla de poblacin general, se entiende que la poblacin sobre la que se efecta el estudio est compuesta por hombres y mujeres de ms de 18 aos de edad, que habitan dentro de un rea geogrfica definida. Este tipo de poblacin general es bastante empleado en los estudios de opinin pblica. Otro ejemplo son los estudios sobre la juventud, que acostumbran a emplear un tramo de edad ms corto, entre 15 y 29 aos, por ejemplo. Los estudios de fecundidad definen otro tipo de poblacin especfica (mujeres en edad frtil) Etc.

Hay que recordar que se excluyen - Los ingresados en Prisiones, Hospitales, Cuarteles. - Los que se encuentran de viaje en el extranjero. - Determinados segmentos sociales: clase alta y baja. - ... Se pueden seguir enumerando los elementos excluidos en la prctica de la poblacin, pero lo importante es evaluar en qu grado su presencia o no presencia puede afectar al estudio.

Cuando la poblacin ha sido definida, es el momento de afrontar la tarea de obtener una muestra de ella. La cuestin central de cualquier diseo muestral es cmo seleccionar aquellos elementos de la poblacin que van a formar parte de la muestra. Es decir, la extraccin del elemento (individuo, institucin, etc.) que va a facilitar la informacin. Si el criterio de seleccin es probabilstico, cada elemento de la poblacin posee una probabilidad conocida y diferente de cero para ser incluido en la muestra. La consecuencia de esto es que se evitan los sesgos de seleccin y es factible emplear la teora estadstica para considerar las propiedades de los estimados. Una vez definida la poblacin que va a ser objeto de muestreo, necesitamos alguna forma de identificar a los elementos que forman parte de la poblacin. A esto se le denomina marco muestral. Deming (1960) define el marco muestral como el conjunto de materiales fsicos (censos, mapas, listas, directorios, archivos) que nos permite dar cuenta del universo pieza a pieza. Sin embargo, el marco muestral est en relacin al diseo de muestra que se elija. As, en un muestreo polietpico, es evidente que la lista que se posea en la primera etapa no ser la de las unidades de anlisis que, al final, son el objeto del estudio. Existen dos formas de construir un marco muestral, que coinciden con los dos modos de definir en lgica un conjunto (o subconjunto). - Hacer u obtener un listado con todos los elementos. - Proveer de una regla para identificarlos. Listar todos los elementos no siempre es posible y muchas veces es una opcin ms positiva, en la medida en que los elementos puedan ser identificados, el generar una regla para localizar y seleccionar los casos. En el caso que se posea un listado con todos los elementos de la poblacin, ese constituir el marco muestral. El poseer un buen marco muestral que facilite como mnimo de un medio para identificar y localizar los elementos, as como el modo en que est organizada esta informacin, tiene una influencia sustancial en el diseo muestral. La calidad de la informacin que constituye el marco muestral es esencial para un muestreo eficaz y fiable. Los problemas ms frecuentes que pueden aparecer en un marco muestral son los considerados por Kish (1965): 1.- Elementos perdidos - Un marco muestral inadecuado puede serlo porque la intencin con la que se genera ese marco muestral no pretenda abarcar a toda la poblacin que va a ser objeto de estudio - Un marco muestral puede ser incompleto, porque aunque pretenda abarcar a toda la poblacin falle en el intento. Es ms fcil localizar un marco muestral inadecuado que uno incompleto, y las posibles soluciones son ms viables para el primer caso. Los elementos perdidos constituyen un problema bastante serio, pues esos casos no poseen ninguna probabilidad de estar incluidos en la muestra, con lo que sta dejar de ser representativa de la poblacin. En ocasiones es posible evitar el problema de los elementos perdidos redefiniendo la poblacin de forma que los incluya. Esto es fcil de hacer en el caso de los marcos muestrales inadecuados, aunque se trata de una solucin bastante imperfecta. Se debe intentar completar el marco muestral recurriendo a otras posibles fuentes alternativas, si bien, esto nos llevar a la posible duplicacin de elementos. 2.- Elementos extraos Los listados o datos estadsticos pueden recoger elementos que no estn incluidos en la poblacin

objeto del estudio, con lo que afectarn al proceso de diseo muestral. 3.- Agrupaciones Los datos excesivamente agregados de algunos listados pueden ocasionar problemas de seleccin de la muestra. 4.- Duplicaciones Los elementos pueden aparecer duplicados por encontrarse en diferentes listados, lo que incrementa su posibilidad de ser seleccionado para la muestra. Se debe intentar la mayor coincidencia entre el marco muestral y la poblacin objeto de estudio, dado que, estrictamente hablando, slo pueden efectuarse inferencias sobre elementos presentes en el marco muestral. El principio a respetar es que la muestra sea representativa, lo que significa que todos los elementos que componen la poblacin tienen una probabilidad conocida e independiente de formar parte de la muestra. - En una muestra aleatoria, y, por tanto, representativa, la probabilidad de seleccionar a un elemento es la misma que la de seleccionar a cualquier otro. - En segundo lugar, la probabilidad de seleccionar a un elemento debe ser independiente de que se elija a cualquier otro. Es decir, la extraccin de un elemento no condiciona las probabilidades de que otro sea elegido. En la prctica, un muestreo aleatorio puede operativizarse de varias formas: la ms tradicional es la utilizacin de la tabla de nmeros aleatorios, es decir, una lista de dgitos ordenados aleatoriamente del 0 al 9. Muestreo Aleatorio Simple Marco muestral: Listado de estudiantes de la Universidad de Alicante: Ej.: 33.200 o 1.- Asignamos un nmero a cada uno de ellos. o Despus tomamos una tabla de nmeros aleatorios y decidimos en qu direccin la vamos a leer (de izquierda a derecha, comenzando hacia arriba, de derecha a izquierda, en diagonal, etc):

o Se toma un nmero de inicio cualquiera, por ejemplo, ltima columna derecha, y se comienza a utilizar nmero aleatorios sucesivos hacia abajo, tal y como van apareciendo. 09117, 10402, 33764, 74397, 10877, 39885, 07439, hasta completar el tamao de n, por ejemplo si n=500, se seleccionarn de esta forma 500 nmeros, una vez descartados los que exceden de N (en amarillo), que es = 33.200 Muestreo aleatorio sistemtico Es similar al anterior, pero se diferencia en que slo se extrae al azar la primera unidad. - La primera unidad extrada al azar debe ser inferior al coeficiente de elevacin (N/n, el tamao del universo dividido por el tamao de la muestra). - El resto de unidades se obtiene sumando a esta primera cifra el coeficiente de elevacin, y sucesivamente al resultado se le va sumando el coeficiente de elevacin. Ej. Si tuviramos una poblacin de 1000 alumnos y queremos seleccionar una muestra de 100 alumnos para hacer una encuesta y aplicamos un muestreo sistemtico, dividiremos 1000 entre 100 y el coeficiente de elevacin sera 10.

Mediante una tabla de nmeros aleatorios o cualquier otro procedimiento seleccionaramos un nmero de 1 a 10, y el que salga sera la primera cifra a la que se ir sumando el coeficiente de elevacin. Ej.: si sale el 5, el siguiente sera 15, 25, 35, 45,

Muestreo aleatorio estratificado Se clasifican las unidades en un nmero reducido de grupos (estratos) a partir de su similitud, dictada por las caractersticas del marco muestral. La intencin es que cada estrato est representado en la muestra final. - Debe existir informacin sobre las variables de estratificacin en el marco muestral. - Las variables de estratificacin tienen que tener relacin con los objetivos de la investigacin. - Si estratificamos por ms de una variable, conviene que la primera sea la de ms importancia para los objetivos de la investigacin, la segunda variable de estratificacin, sea la segunda en importancia, y as sucesivamente. - Las variables ms habituales en ciencias sociales son sexo y edad, pero tambin est la ocupacin, el nivel de estudios, y en estudios de territorios amplios se suele estratificar por reas geogrficas menores (comarca, provincia, comunidad autnoma por tipo de hbitat (rural, urbano, semiurbano), tamao de hbitat, etc. Muestreo aleatorio por conglomerados Se selecciona la poblacin en grupos igual que en el estratificado, pero hay diferencias bsicas: Estratficado Conglomerados - Se busca la homogeneidad - se busca que cada dentro de los estratos y la conglomerado internamente heterogeneidad entre los sea heterogneo, pero que los estratos. diferentes conglomerados se parezcan entre s, ya que se necesita que cada uno de los conglomerados sea una representacin lo ms ajustada posible a la variedad de componentes del universo - Se extrae una muestra - Se selecciona aleatoriamente aleatoria de conglomerados y una muestra para cada estrato. sus integrantes conformarn la muestra final. - La unidad de muestreo es el - La unidad de muestreo son los conglomerado o conjunto de individuos. individuos o elementos. Los conglomerados suelen ser: - Unidades geogrficas (secciones censales, distritos, municipios, comarcas, provincias, comunidades autnomas) - Organizaciones, instituciones (colegios, hospitales, unidades administrativas) El muestreo por conglomerados se recomienda: - cuando se hacen estudios de mbito estatal o internacional, en los que la muestra puede quedar dispersa, - cuando se quiere reducir la duracin y el coste de la investigacin, - cuando no se tienen claras las unidades ltimas,