I.

INTRODUCCIN
A diferencia de los cientficos fsicos que realizan experimentos, los
cientficos sociales y de la vida silvestre llevan a cabo encuestas para
recolectar una muestra. Reconocemos as, que existen diferencias de
un campo de la ciencia a otro, en la naturaleza de las poblaciones y la
naturaleza en la que una muestra puede ser extrada. Por ejemplo, la
poblacin de animales de una especie particular pueden contener
nicamente un nmero pequeo de elementos. Las limitaciones en el
procedimiento de muestreo tambin varan de un rea de la ciencia a
otra. El muestreo en las ciencias fsicas frecuentemente pueden ser
ejecutadas bajo condiciones experimentales controladas. Tal control es
prcticamente imposible en las ciencias sociales y manejo de recursos
naturales. Por ejemplo, un investigador en medicina puede comparar el
crecimiento de ratas sometidas a dos frmacos diferentes. Para este
experimento los pesos iniciales de las ratas y la ingesta diaria de
alimento pueden ser controlados para reducir alguna variacin
indeseable en el experimento. En contraste, muy pocas variables
pueden ser controladas al estudiar el efecto de las condiciones
ambientales sobre el nmero de venados en la Pennsula de Yucatn.
Las tcnicas descritas en este captulo se han aplicado primordialmente
en el diseo y anlisis de encuestas, por ello el nombre dado a esta
rea de la estadsti ca. No obstante, las tcnicas han sido ampliadas y
mejoradas para dar cabida al muestreo de poblaciones biolgicas, en
ramas como la Ecologa o el Manejo de Recursos Naturales. En este
captulo se presentan mtodos bsicos para el diseo y anlisis del
muestreo de poblaciones finitas tiles al manejador de recursos
naturales. Al revisar cada tema, tenga presente que el objetivo
primordial de cada seccin es la inferencia. Identifique el procedimiento
de muestreo asociado a cada seccin, los parmetros poblacionales de

inters, sus estimadores y los lmites asociados a los errores de

estimacin.

1. MUESTREO
1.1
CONCEPTO.
Las tcnicas de muestreo son un conjunto de tcnicas estadsticas
que estudian la forma de seleccionar una muestra representativa de
la poblacin, es decir, que represente lo ms fielmente posible a la
poblacin a la que se pretende extrapolar o inferir los resultados de
la investigacin, asumiendo un error mesurable y determinado.
Cuando queremos estudiar alguna caracterstica de una poblacin
para obtener el mximo de informacin veraz, se nos plantea un
problema relacionado con la eleccin de los individuos. Puesto que
no podemos estudiar a toda la poblacin por varias razones (proceso
largo y coste elevado, entre otros), debemos elegir estudiar una
muestra que sea representativa y que nos permita extrapolar los
resultados que obtengamos a la poblacin de referencia. Sin
embargo, debemos considerar que el empleo de tcnicas de
muestreo implica una serie de ventajas y limitaciones. Entre las
ventajas se incluyen una mayor eficiencia en trminos econmicos y
mayor rapidez de obtencin de resultados. Por ejemplo, si para
realizar nuestro estudio necesitamos una muestra de x pacientes,
considerando que sta sea representativa de la poblacin de estudio,
y recogemos informacin acerca de x + 100, estamos derrochando
ms dinero y tiempo del necesario. Si empleamos slo el tamao
muestral necesario, seleccionando la muestra de manera que
2

represente lo ms fielmente posible a la poblacin, podremos

obtener tambin mayor validez, puesto que el tiempo y dinero
ahorrados se podrn emplear en recoger la informacin o variables
del estudio con mayor precisin y fiabilidad, implicando una mayor
validez interna final del estudio. Por otra parte, entre las limitaciones
de las tcnicas de muestreo se incluyen los errores que se pueden
cometer, como son el error aleatorio y el error sistemtico o sesgo,
de los que hablaremos en este mismo captulo.

1.2

VENTAJAS Y DESVENTAJAS

Ventajas
1)

Cuando la poblacin sea infinita o tan grande que sea imposible la

enumeracin completa de cada uno de los elementos o unidades.

2)

Cuando la poblacin tenga las mismas caractersticas tal que una

muestra sea una imagen aceptable de la misma poblacin.

3)

Con respecto a la parte tcnica operacional y administrativa

tenemos:

a.

Economa de tiempo y dinero

b.

Ampliacin del alcance de una investigacin.

c.

Mejor formacin y control del personal que interviene en la

investigacin.

d.

Mayor

control,

calidad,

rapidez

eficiencia

en

el

procesamiento y publicacin de los datos.

e.

Permite la verificacin posterior a una investigacin utilizando

menor personal y otros recursos.

f.

Mayor confiabilidad y precisin de los datos obtenidos.

Desventajas
1) No permite hacer clculos, proyecciones o tabulaciones con
respecto a sectores pequeos de una poblacin o cuando se
requiere informacin de cada elemento de la poblacin, ya que las
dudas seran tan importantes que no es posible tener una acertada
prediccin en base de la muestra.
2) El clculo de los resultados est sujeto a los errores del muestreo en
s y de errores ajenos al muestreo.
3) Las investigaciones completas ofrecen un margen ms slido y
eficiente de exactitud que los obtenidos en base a la muestra.
4) En base a una muestra se dificulta la tabulacin cruzada de algunas
caractersticas investigadas.
5) Las probabilidades de error se multiplican en las diferentes
operaciones y en las complicaciones que surjan de su propio
mecanismo.
6) La preparacin estadstico-matemtica del muestrista para el diseo
eficiente de la muestra en todas sus etapas.

2. TECNICAS DE MUESTREO
Como ya hemos mencionado, para que las conclusiones obtenidas a
partir de una muestra sean vlidas para una poblacin, la muestra
debe haberse seleccionado de forma que sea representativa de la
poblacin a la que se pretende aplicar la conclusin. Sin embargo, no
4

existe un mtodo de muestreo que garantice plenamente que una

muestra sea representativa de la poblacin que sometemos a
estudio. La mejor forma de asegurar la validez de las inferencias es
seleccionar la muestra mediante una tcnica aleatoria. A este tipo de
muestreo se le denomina muestreo probabilstico y puede definirse
como aquel en que todos los individuos de la poblacin tienen una
probabilidad de entrar a formar parte de la muestra (normalmente
equiprobable, es decir, con la misma probabilidad). Los diseos en
que interviene el azar producen muestras representativas la mayora
de las veces, aunque no garantizan la representatividad de la
poblacin que sometemos a estudio. Aunque en muchos estudios no
es posible obtenerla rigurosamente de esta forma, es importante
seleccionarla intentando que sea lo ms parecida posible a la
poblacin de inters. En este caso, el muestreo no probabilstico
utiliza mtodos en que no interviene el azar y por lo tanto, se
desconoce la probabilidad asociada a cada individuo para formar
parte de la muestra. Normalmente estos mtodos se utilizan en
estudios exploratorios o intencionales, en los cuales no es necesario
proyectar los resultados. El inconveniente de este mtodo es que no
puede asegurarse la representatividad de la muestra.
II.

CLASIFICACIN DE LOS METODOS DE MUESTREO

Como acabamos de explicar, el muestreo probabilstico es el que

todos los individuos de la poblacin a estudiar tienen una
probabilidad conocida asociada al hecho de entrar en el estudio.
Entre los mtodos de muestreo probabilsticos ms utilizados en
investigacin encontramos los siguientes: Muestreo aleatorio simple,
estratificado,

sistemtico

muestreo

en

etapas

mltiples.

continuacin se describen las caractersticas de cada uno de los

sistemas de muestreo.
5

a) MUESTREO ALEATORIO SIMPLE

Se caracteriza porque cada elemento de la poblacin tiene la
misma probabilidad de ser escogido para formar parte de la
muestra. Una vez censado el marco de la poblacin, se asigna un
nmero a cada individuo o elemento y se elige aleatoriamente. La
aleatorizacin puede realizarse mediante listas de n- meros
aleatorios generados por ordenador, aplicndolas para escoger
de la poblacin los individuos o sujetos que coincidan con los
nmeros obtenidos. Este tipo de muestreo se caracteriza por su
simplicidad y fcil comprensin, aunque tambin posee algunas
limitaciones, ya que no siempre es posible disponer de un listado
de todos los individuos que componen la poblacin, generalmente
cuando son poblaciones grandes. Si se seleccionan muestras
pequeas mediante este mtodo pueden aparecer errores
aleatorios, no representando la muestra adecuadamente a la
poblacin. Un ejemplo de muestreo aleatorio simple sera la
eleccin de los individuos a travs de la eleccin realizada
totalmente al azar de un cierto nmero de DNI.
b) MUESTREO ESTRATIFICADO
En este tipo de muestreo la poblacin de estudio se divide en
subgrupos o estratos, escogiendo posteriormente una muestra al
azar de cada estrato. Esta divisin suele realizarse segn una
caracterstica que pueda influir sobre los resultados del estudio.
Por ejemplo, en el caso de seleccionar una muestra para evaluar
la altura, dada la heterogeneidad entre hombres y mujeres, la
variable de gnero podra ser una variable de estratificacin. Si la
estratificacin se realiza respecto un carcter se denomina
muestreo estratificado simple, y si se realiza respecto dos o ms
caractersticas se denomina muestreo estratificado compuesto. Si
tenemos constancia o suponemos a priori que la poblacin de
6

estudio presenta variabilidad de respuesta con respecto a alguna

caracterstica propia, deberemos tener en cuenta este tipo de
muestreo, dado que se producen esti maciones ms precisas
cuanto ms homogneos sean los elementos del estrato y ms
heterogeneidad exista entre estratos. As pues, entre las ventajas
de este tipo de muestreo es que tiende a asegurar que la muestra
represente adecuadamente a la poblacin en funcin de la
variable de estratificacin seleccionada, sin embargo, debe
conocerse la distribucin de la poblacin en las variables de
estratificacin, clara desventaja de este muestreo. Para obtener
la muestra en cada uno de los estratos pueden aplicarse
diferentes fracciones de muestreo, pudiendo ser proporcional al
tamao en relacin a la poblacin, es decir, la distribucin se
realiza de acuerdo con el peso o tama- o de la poblacin de cada
estrato. Por ejemplo, si de los 5 millones de hipertensos
espaoles hay un 35% de pacientes que fuman, podemos
estratificar

de

manera

que

en

nuestra

muestra

queden

representados al igual que en el total de la poblacin, la misma

proporcin de hipertensos fumadores (35%) y de no fumadores
(65%).
c) MUESTREO SISTEMTICO:
El muestreo sistemtico es muy similar al muestreo aleatorio
simple. La diferencia se obtiene en que en este tipo de muestreo
se divide el total de la poblacin de estudio entre el tamao de la
muestra, obteniendo una constante de muestreo (k). La primera
unidad que formar parte de la muestra debe estar entre 1 y k y
se elige al azar; a partir de esta unidad se van seleccionando
sistemticamente uno de los k individuos siguiendo un orden
determinado. Por ejemplo, si obtenemos un valor de k=10 y
seleccionamos al azar el nmero 6, deberamos elegir todas las
historias clnicas que finalizaran en 6: 006, 016, 026 ....
7

Es un mtodo de muestreo muy sencillo de realizar y que cuando

la poblacin esta ordenada siguiendo una tendencia conocida,
asegura una cobertura de unidades de todos los tipos. La
principal limitacin es que si la constante se asocia al fenmeno
de inters puede cometerse un sesgo.
d) MUESTREO EN ETAPAS MULTIPLES:
Consiste en empezar a muestrear por algo que no constituye el
objeto de la investigacin (unidades primarias), y obtener una
muestra dentro de cada una de ellas (unidades secundarias).
Pueden utilizarse sucesivamente tantas etapas como sean
necesarias, y en cada una de ellas, una tcnica de muestreo
diferente. Este mtodo de muestreo se utiliza cuando la poblacin
de referencia es muy amplia y dispersa, ya que facilita la
realizacin del estudio. Principalmente, el muestreo en etapas
mltiples se utiliza en estudios multicntricos, donde debemos
elegir primero los hospitales y despus de haberlos seleccionado,
realizamos el muestreo de pacientes dentro del mismo.
VENTAJAS Y DESVENTAJAS DE LOS DISTINTOS MUESTREOS
PROBABILSTICOS
Como ya hemos mencionado anteriormente, los diferentes
mtodos para captar a los sujetos a constituir la muestra,
presentan una serie de ventajas y desventajas, que mostramos
en resumen en la Tabla:

III.

CLASIFICACIN

DE

LOS

TIPOS

DE

MUESTREO

NO

PROBABILSTICO
Los procedimientos no probabilsticos son aquellos en los que no
conocemos la probabilidad de que un elemento de la poblacin
pase a formar parte de a muestra ya que la seleccin de los
elementos muestrales dependen en gran medida del criterio o
juicio del investigador. La muestra, en este caso, se selecciona
mediante procedimientos no aleatorios. Los mtodos anteriores
(probabilsticos) no son mejores que los no probabilsticos sino
que simplemente nos permiten calcular el error muestral que se
est cometiendo. Los tipos de muestreo no probabilstico son:
muestreo de conveniencia, muestreo discrecional y muestreo por
cuotas, de los que pasaremos a explicar brevemente:
9

a) Muestreo de conveniencia.
El investigador decide qu individuos de la poblacin pasan a
formar parte de la muestra en funcin de la disponibilidad de
los mismos (proximidad con el investigador, amistad, etc.).
b) Muestreo Direccional.
La seleccin de los individuos de la muestra es realizada por
un experto que indica al investigador qu individuos de la
poblacin son los que ms pueden contribuir al estudio. Este
muestreo es adecuado si dentro de la poblacin que
queremos estudiar, existen individuos que no queremos que
se nos escapen por utilizar un mtodo totalmente aleatorio o
de conveniencia.
c) Muestreo por Cuotas.
Si se conocen las caractersticas de la poblacin a estudiar,
se elegirn los individuos respetando siempre ciertas cuotas
por edad, gnero, zona de residencia, entre otras que habrn
sido prefijadas.
IV.

CALCULO DEL TAMAO MUESTRAL

Para determinar el tamao muestral necesario para que los
resultados de un estudio sean extrapolables a toda la
poblacin se deben considerar diferentes situaciones, en
funcin del objetivo de nuestro estudio: determinacin de
parmetros y contraste de hiptesis. En la determinacin de
parmetros nuestro objetivo ser determinar mediante una
muestra valores de nuestra poblacin de inters, por ejemplo,
determinar la proporcin de pacientes con insuficiencia renal
aguda; mientras que en el contraste de hiptesis nuestro
objetivo estar encaminado a evaluar el resultado obtenido en
nuestra muestra con respecto a hiptesis previas establecidas,
por ejemplo, si la respuesta de un tratamiento nuevo es igual
10

a la asociada a un tratamiento ya conocido. Veamos dos de las

situaciones ms comunes en el clculo del tamao muestral.
a) Determinacin de Parmetros:
Supongamos que se desea hacer inferencia sobre un valor de
la poblacin como puede ser una proporcin (por ejemplo: la
prevalencia de diabetes en la poblacin) o una media
(ejemplo: la media de colesterol en la poblacin).
-

Para estimar una Proporcin:

Para estimar una proporcin debemos tener una idea
aproximada del parmetro que queremos medir. Se puede
obtener a partir de estudios pilotos o una revisin de la
literatura. Generalmente, ante la imposibilidad de disponer
de informacin de referencia se utiliza el valor de 0,5
(50%), proporcin con la que se obtiene el tamao
muestral mximo necesario (llamado el criterio de la
mxima indeterminacin). Cuando queremos estimar una
proporcin, debemos elegir la precisin (e) que se quiere
obtener para determinar el parmetro que queremos
medir, de manera que sta sea la oscilacin mnima del
valor a estimar, o lo que es lo mismo, decir su intervalo de
confianza. El tamao muestral necesario para la estimacin
de una proporcin se obtendra como:

11

Cuanto mayor es la precisin deseada, mayor es el tamao muestral

necesario para la estimacin del parmetro. En el caso que la poblacin
que se desea estudiar sea finita y con un tamao conocido (N) se utiliza
la frmula:

Veamos un ejemplo. Pretendemos estudiar la prevalencia de Diabetes

Mellitus 2 y no conocemos el valor aproximado de la proporcin de
diabticos en la poblacin. Considerando un nivel de confianza al 95%
y una precisin deseada del 6%, la muestra necesaria para nuestro
objetivo sera de:

Si la poblacin de la que pretendemos estudiar la prevalencia de DM en

una cierta ciudad, donde viven 20000 habitantes (poblacin finita), con
el mismo nivel de confianza y precisin deseados que en el ejemplo
anterior, necesitaramos una muestra de:

Para poblaciones con un nmero de individuos elevado no es necesario

disponer del total de la poblacin, puesto que ambas frmulas
proporcionan el mismo tamao muestral.
12

Para Estimar una Media:

En el caso de la estimacin de una media, como puede ser el media del

colesterol, se debe tener una idea de la varianza (S2 ) de la distribucin
de la variable. Para la estimacin de una media se calcula el tamao
muestral como:

Como en el caso anterior, el clculo de la muestra en el caso de

poblaciones finitas debe calcularse a partir de una nueva frmula,
aunque para poblaciones elevadas proporcionan tambin el mismo
tamao muestral.

b) Contraste de Hiptesis
En el caso de analizar la muestra mediante un contraste de
hiptesis, se precisa conocer la magnitud de la diferencia a
detectar, que tenga inters clnicamente relevante (se pueden
comparar dos proporciones o dos medias), una idea aproximada de
los parmetros de la variable que se quiere estudiar, el nivel de
significacin (riesgo de cometer un error tipo I), el poder estadstico
(1- el riesgo de cometer un error tipo II) y la direccin de la
hiptesis alternativa (unilateral o bilateral). Estos trminos se vern
explicados en el captulo 10. Pruebas de contraste de hiptesis.
Estimacin puntual y por intervalos. Veamos un ejemplo para la
13

comparacin de dos proporciones. Se pretende evaluar un nuevo

tratamiento para el alivio del dolor. Sabemos por datos previos que
la eficacia del tratamiento habitual est alrededor del 70% y se
considerar el nuevo frmaco clnicamente relevante si alivia el
dolor en un 90%. Fijamos el riesgo en 0,05 y deseamos un poder
estadstico del 80%:

V.

ESTIMACIN DE UNA POBLACIN A PARTIR DE UNA MUESTRA.

INTERVALOS DE CONFIANZA
El hecho de trabajar con muestras introduce una fuente de variacin en
los resultados. Por ejemplo, seleccionamos una muestra representativa
de 100 individuos, a partir de la cual se observa una media de edad y
una desviacin estndar (DE). Al repetir dicha experiencia en una
nueva muestra de 100 individuos el resultado probablemente no sera
idntico al obtenido en la primera muestra, aunque no debera ser muy
diferente. Lo mismo pasara por cada muestra aleatoria de 100
individuos obtenida de la poblacin. La media de la distribucin de
medias muestrales es la media poblacional () y su desviacin estndar
(conocida como error estndar de la media EEM) tiene el valor S/n (S
desviacin estndar de la muestra y n nmero de individuos de la
muestra). No debe confundirse el significado del EEM con el de DE. La
DE corresponde a la desviacin estndar de la distribucin de los
valores individuales observados en los sujetos de la muestra, mientras
que EMM es una medida de dispersin de la distribucin de las medias
muestrales. Como hemos visto con el Teorema Central del Lmite y
mediante los valores asociados a la distribucin normal estandarizada
Z, aplicando las propiedades de la distribucin Normal a la distribucin
de medias muestrales, puede decirse que el intervalo de 1,96 x EEM
14

alrededor de la media poblacional incluye el 95% de las medias

obtenidas en muestras del mismo tamao. Dado que los valores
poblacionales y son desconocidos, puede decirse que la media
poblacional tiene aproximadamente un 95% de probabilidades de
encontrarse entre los lmites de 1,96 x EMM alrededor de la media
observada. Estos intervalos se les denominan intervalos de confianza
(IC) del 95%. La amplitud del intervalo ser menor en cuanto mayor
sea el tamao de la muestra. El intervalo de confianza para una media
se obtendra como X y para una proporcin como siendo:

Por ejemplo, supongamos que entre los 264 sujetos estudiados

encontramos un 11% de diabticos. Para estimar el verdadero
porcentaje de pacientes diab ticos, asumiendo que la muestra es
representativa de la poblacin, debemos calcular el IC. El IC del 95%
tiene por lmites 7,1% y 14,8%, encontrando el verdadero porcentaje
de diabticos en la poblacin de estudio entre el estos valores, con el
95% de confianza.
VI.

ERRORES Y SESGOS MS FRECUENTES

Al seleccionar una muestra pueden cometerse dos tipos de errores: los
errores aleatorios y los errores sistemticos o sesgos. El error aleatorio
corresponde a la diferencia entre el resultado obtenido a partir de la
muestra y la realidad de la poblacin. Realmente, siempre existe una
diferencia entre el resultado obtenido de una muestra y el resultado
que deberamos haber obtenido de la poblacin y es debida a no
estudiar la poblacin completa. El error aleatorio se debe en mayor
parte al azar y no afecta a la validez interna del resultado, pero puede
disminuir la probabilidad de encontrar relacin entre las variables
estudiadas. Aunque el error aleatorio no puede eliminarse a no ser que,
como acabamos de citar, estudiemos toda la poblacin; aumentando el
15

tamao de la muestra y la precisin de las mediciones puede

disminuirse dicho error. Los errores sistemticos o sesgos son los
errores que se cometen en el procedimiento del estudio. Los sesgos no
se modifican al aumentar el tamao muestral. La definicin de los
distintos tipos de sesgos se limita a los errores relacionados con la
validez interna de los estudios. La distincin entre los diferentes tipos
de sesgos es a menudo difcil de realizar, sin embargo se pueden
definir tres tipos segn el origen, tal como se presentan a continuacin:
sesgos de seleccin, sesgos de informacin y sesgos de confusin.
a) Sesgos de seleccin:
Se refiere a la distorsin en la estimacin del efecto derivada de
la forma en que se han seleccionado los sujetos de la muestra.
La muestra no refleja adecuadamente a la poblacin, es decir,
que la variable medida es diferente entre los pacientes
participantes en el estudio y los no participantes (edad, sexo,).
Dentro de los sesgos de seleccin existen algunas modalidades:
sesgo de autoseleccin, sesgo de Berkson (o de admisin), La
prevencin y el control de los sesgos deben realizarse mediante
un diseo cuidadosamente planteado, se deben identificar todos
los posibles orgenes de sesgos e intentar controlarlos. El sesgo
de seleccin no suele ser controlable en la fase de anlisis.
b) Sesgos de seguimiento:
Se cometen cuando no se observan por igual a ambos grupos de
estudio, o si se pierden ms sujetos de un grupo que de otro (no
ocurrido al azar) a lo largo del estudio.
c) Sesgos de informacin:
Aparecen cuando existen diferencias sistemticas en la manera
en que los datos sobre la exposicin o el efecto son obtenidos en
los diferentes grupos de estudio. Un ejemplo claro, puede ser el
sesgo de observacin en ensayos clnicos, que se evita mediante
las tcnicas de enmascaramiento o de ciego. Otro ejemplo de
16

sesgo de informacin sera el que se comete al medir una

variable continua redondeando las cifras (presin arterial) o
cuando los sujetos son clasificados de forma equivocada
respecto a la exposicin o el efecto (mentira acerca el consumo
de alcohol). Los sesgos de informacin son difciles de predecir y
de cuantificar. stos se pueden reducir con unas definiciones
claras y precisas de exposicin y efecto. En el caso de producirse
se debe intentar identificar la direccin y la magnitud de la
influencia que puedan producir.
d) Sesgos de confusin:
Los distintos grupos de pacientes difieren sistemticamente
entre ellos en el momento de iniciar el estudio, en trminos de
otras variables o factores distintos a la propia intervencin del
estudio (factor de confusin). Se presenta cuando el efecto de la
intervencin de estudio se confunde con el efecto de uno o ms
factores de confusin (edad, nivel de estudios, ). El objetivo de
la asignacin al azar de los tratamientos en los estudios
experimentales es lograr la formacin de grupos homogneos en
lo que se refiere a todas las caractersticas que puedan influir en
desarrollar el evento. Los sesgos de confusin pueden prevenirse
mediante

el

muestreo

estratificado,

usando

el

factor

de

confusin como variable de estratificacin. A diferencia de los

otros tipos de sesgos, stos pueden corregirse en la fase del
anlisis,

realizando

un

anlisis

separadamente

para

los

diferentes subgrupos en funcin de los posibles factores de

confusin o ajustando dichas diferencias en la comparacin entre
grupos.
VII.

CONSIDERACIONES IMPORTANTES

17

La importancia de un buen diseo incluye tambin el tipo de

muestreo, que debe garantizar la seleccin de una muestra
representativa de la poblacin de estudio. El tamao muestral
tiene una importancia determinante puesto que un tamao de
muestra insuficiente puede desvirtuar los resultados de un
estudio y un tamao de muestra excesivo requiere del uso de
recursos innecesarios y la posible exposicin de un grupo de
pacientes a un determinado riesgo sin que esto sea necesario.
Sin embargo, el caso del sesgo es ms complejo puesto que
podemos solucionarlo si nos damos cuenta a tiempo. Si ste
tiene lugar durante el diseo y funcionamiento del estudio y no
puede

ser

eliminado,

deberemos

considerar

que

nuestra

investigacin no apunta hacia lo que queremos demostrar. Otras

veces no se han tenido en cuenta factores que podan influir en
la respuesta y, sin tiempo de reaccin, los valores obtenidos
contienen un sesgo imposible de eliminar. Es recomendable
anticiparse

los

posibles

sesgos,

es

decir,

evaluar

conscientemente el estudio en la fase de diseo para tener en

cuenta el mximo de factores que permitan la correcta
estimacin de los parmetros.
POR QU TOMAR MUESTRAS?
Hay tres razones principales por las que en una poblacin se deben
tomar muestras en lugar de realizar censos:
1. Puede ser imprctico un censo completo debido al costo y el
esfuerzo involucrados (p.e. un botnico puede no tener suficiente
tiempo para muestrear cada planta en un rea).

18

2. El muestreo es ms rpido que un conteo completo (p.e. una

administracin gubernamental puede decidir tomar una muestra del
10% de la poblacin porque los resultados de un censo completo
pueden estar parcialmente obsoletos en el momento en que sean
procesados).
3. Las muestras pueden ser ms exactas que los censos completos.
La tercera razn puede ser sorprendente. Esto sucede porque a
menudo los errores ms grandes en la encuesta no son los errores de
muestreo (debidos a los efectos casuales al seleccionar las unidades
experimentales). Ms bien, son los errores de no-muestreo que se
deben a cosas como un muestreo sesgado, datos mal registrados,
preguntas no entendidas correctamente, registros perdidos, etc. Una
muestra relativamente pequea pero bien organizada puede dar
mejores resultados que una encuesta completa o una muestra
grande que no puede ser administrada debido a la falta de recursos.

VIII. EJERCICIO PROPUESTO DE MUESTREO

Suponga que estamos investigando sobre el porcentaje de alumnos
que trabajan de una poblacin de 20 alumnos de la Universidad de
Talca. Base de datos de la poblacin:

19

a. Elija una muestra aleatoria simple de tamao n=4 de esta

poblacin. Use la tabla de nmeros aleatorios adjunta,
empiece en la fila 1 columna 1 y contine seleccionando
hacia la derecha. Indique los pasos para elegir la muestra.

Respuesta:
Primero: Asignamos nmero a cada alumno del 1 al 20:

20

Segundo: Buscamos en la tabla de nmeros aleatorios 4 nmeros,

de dos dgitos, entre el 1 y el 20, sin repetir.

b. Indique cul es el Parmetro y cul es el Estadstico en

(a).
Respuesta: El Parmetro es el porcentaje de alumnos que
trabajan en la poblacin de tamao N=20 alumnos, es decir:

21

c. Elija una muestra estratificada de tamao n=4 de esta

poblacin. Use la tabla de nmeros aleatorios, en cada
alternativa empiece en la fila 1 columna 1 y contine
seleccionando hacia la derecha. Indique los pasos para elegir
la muestra.

Respuesta:
Para elegir una muestra estratificada, primero se dividen los
hombres de las mujeres se asignan nmero de identificacin a cada
estrato:

22

Usando la tabla de nmeros aleatorios, se elige una muestra

aleatoria simple de tamao n=2 de los hombres, buscando nmeros
del 1 al 12. Se parte de la fila 1 columna 1. Se usan dos dgitos.

Los nmeros elegidos son: 10 y 1. Por lo tanto la muestra del estrato

de hombres queda constituida por Fabin y Juan. Fabin NO trabaja y
Juan SI trabaja. Usando la tabla de nmeros aleatorios, se elige una
muestra aleatoria simple de tamao n=2 de las mujeres, buscando
nmeros del 1 al 8. Se parte de la fila 1 columna 1. Se usa un dgito.

23

Los nmeros elegidos son: 1 y 4. Por lo tanto, la muestra del estrato de

mujeres queda constituida por Alicia y Fernanda. Alicia y Victoria NO
trabajan. Por lo tanto, la muestra final queda constituida por Fabin,
Juan, Alicia y Fernanda. Finalmente, la proporcin de alumnos que
trabaja en la muestra estratificada es de 25%.
VIII. CONCLUSIONES
En el desarrollo de

esta

investigacin

se

resumen

algunas

caractersticas de las muestras, en este sentido se tiene que en la

prctica se ha venido destacando la necesidad de seleccionar una
muestra donde cada elemento de la poblacin o universo tenga una
probabilidad conocida de ser seleccionado, para lograr esto
debemos elegir un tipo de muestreo probabilstica con la finalidad
que el error del muestreo lo asuma simplemente el azar.
Por otra parte, el objetivo que persigue una muestra es que permite
efectuar estimaciones de valores del universo a partir de medidas
obtenidas de la misma, y al mismo tiempo permiten realizar clculos
de la seguridad o confiabilidad de tales estimaciones de manera
ms precisas utilizando pruebas estadsticas de hiptesis acerca del
universo.
Finalmente, es necesario conocer la teora del muestreo para decidir
la conveniencia de tomar o no muestras de una poblacin
considerando la naturaleza del diseo de investigacin y las
caractersticas peculiares del proyecto para enfrentar el problema.
As como decidir el tipo de muestra para un proyecto de
24

investigacin

teniendo en cuenta las variables que interesa

relacionar, el tipo de poblacin y las proporciones de los individuos.

IX.

BIBLIOGRAFA

GONICK, L. y SMITH, W. La Estadstica en comic. Madrid,

Espaa: Zendrera

Zariquiey.

http://www.itchihuahuaii.edu.mx/academico/CB/MEG/docu
mentos/1.1.htm

http://www.liccon.edu.uy/bedelia/cursos/metodos/material/
estadistica/estadistica.htm

http://www.mtas.es/insht/monitor/Inicio/PS/ix/psix08.pdf

http://server2.southlink.com.ar/vap/poblacion.htm

http://www.umce.cl/publicaciones/mie/mie_modulo6.pdf

25