Sei sulla pagina 1di 3

"Universos y muestras, Chitarroni - Cuatitativas - Aguirre"

November 17, 2014

QU COSA ES UNA MUESTRA?


Poblacin conjunto de elementos definidos por ciertas especificaciones: por ejemplo, las personas que
votaron en las ltimas elecciones, los habitantes de CABA de 14 aos y ms aos, etc.
Al interior de una poblacin, pueden distinguirse subpoblaciones o estratos que nos interese considerar
en forma separada para el anlisis: por ejemplo, dentro de las personas que votaron en la ltima eleccin
pueden separarse a las mujeres de los varones.
En muchas ocasiones, las poblaciones son excesivamente grandes para ser indagadas en su totalidad o
por ah no se justifica hacerlo as. En estos casos se recurre a una muestra subconjunto de los
elementos que componen la poblacin obtenidos bajo ciertos recaudos de manera que satisfagan
nuestras necesidades.
Muestras probabilsticas o aleatorias. Muestras no probabilsticas

POR QU USAR MUESTRAS? Apelamos a ellas toda vez que los universos que queremos indagar son
demasiado vastos, dispersos o numerosos.

MUESTRAS PROBABILSTICAS O ALEATORIAS los elementos de la poblacin que integrarn la


muestra son seleccionadas por procedimientos de azar. En el momento inicial, todos tienen alguna
probabilidad de ser seleccionados, que no siempre ni necesariamente ha de ser igual para todos. Para
que esto sea posible, en el momento de seleccionar la muestra debieran estar presentes todos los
elementos que componen la poblacin.
Para plantearlo de modo simple, debiramos tener, por ejemplo, un listado que contuviera todos los
elementos que componen el universo, para poder elegir por sorteo cierta cantidad de ellos. Este listado,
que se denomina marco muestral, no siempre existe ni es fcilmente accesible. An cuando el listado
exista, suele suceder que no incluya la totalidad de los elementos.
Nunca podemos estar seguros de que lo que averiguamos en una muestra ser exactamente as en la
poblacin.
El cociente entre la cantidad de elementos incluidos en una muestra y el total de la poblacin o universo,
se denomina fraccin de muestreo: nmero muy pequeo.

UNA MUESTRA MS GRANDE ES MEJOR? Tiende a ser mejor, pero el tamao muestral es
independiente de la magnitud del universo.
En las situaciones usuales del muestreo estamos tratando de estimar algo que desconocemos: un
parmetro del universo, a partir de los resultados de una muestra de casos. A medida que agregamos
casos a la muestra, el resultado tiende a aproximarse al parmetro, independientemente de cul sea el
tamao del universo, que bien podra ser infinito sin que esto dejara de ser cierto.
Cuanto ms grande sea la muestra, podremos confiar ms en que se parece a la poblacin.

ERROR MUESTRAL Y PROBABILIDAD (PRECISIN Y CONFIANZA)


La precisin o margen de error con que podemos hacer una estimacin y la confianza o probabilidad con
que podemos afirmar que esa estimacin es correcta, pues nunca estaremos seguros del todo.
La primera de estas dos ideas remite al tamao del error de muestreo. Con una muestra ms grande se
consigue aumentar la precisin o, en otras palabras, achicar el error de estimacin.
Afirmamos que por grande que fuera la muestra, nunca podramos garantizar una estimacin exacta.
Siempre hay un error de estimacin, pero disminuye a medida que crece el tamao de las muestras.

TAMAO DE LA MUESTRA.
Mtodo de ensayo y error resultara exasperante y antieconmico. Ms prudente sera tratar de
determinar cul es el tamao requerido. As se procede en realidad y el tamao muestral puede ser
determinado con fundamento estadstico. Ello exige la aplicacin de una serie de frmulas y clculos:
Uno de ellos es la precisin con que queremos estimar aceptaremos equivocarnos?, el error que
estamos dispuestos a aceptar
Otro es la confianza que pretendemos asignar a nuestras estimaciones, la seguridad que pretendemos
otorgar a nuestras estimaciones
Otra es la que estriba en una caracterstica de la poblacin: su heterogeneidad: los universos ms
heterogneos requieres muestras ms grandes.
Estos tres elementos se combinan en una frmula matemtica que permite determinar el tamao de la
muestra
Muy poco tienen que ver el tamao de la poblacin.

TIPOS DE MUESTRAS PROBABILSTICAS.


Existen varias maneras de obtener muestras probabilsticas. La opcin por unas u otras depende tanto de
los propsitos de la investigacin que se desea llevar a cabo, como de las caractersticas de la poblacin
a indagar y de los recursos y posibilidades con que cuenta el investigador.
Tipos:
Muestras al azar simple: hemos de contar con un listado completo de los N elementos que
componen la poblacin. Elementos deben ser numerados y se eligen mediante una tabla de nmeros al
azar, un bolillero o cualquier otro medio aleatorio, n elementos que integrarn la muestra. Constituyen
una suerte de ideal que muchas veces no puede alcanzarse. En primer lugar, porque frecuentemente no
tenemos un listado lo suficientemente completo de los elementos componentes de la poblacin, que nos
permita numerarlos y seleccionarlos con tanta sencillez. A veces resultaras costosas y poco prcticas.

Muestras al azar sistemtica: requiere tambin de un listado o marco muestral. El paso inicial
consiste en obtener un cociente entre N (cantidad de elementos que componen la poblacin) y n
(cantidad de ellos que hemos de incluir en la muestra).
El muestreo al azar sistemtico asegura dispersin a lo largo de toda la poblacin, pero podra acarrear
algn inconveniente en caso de que el listado guardara un orden predeterminado y no azaroso.

Muestras estratificadas: antes de seleccionar la muestra, se separa el universo en estratos o


subuniversos. Para ello debemos disponer un marco muestral, vale decir, un listado de los elementos
que componen la poblacin, que contenga la informacin suficiente como para hacer tal divisin. Uno no
elige arbitrariamente la variable estratificadora. Ejemplo: se debe seleccionar una muestra de escuelas
de la CABA para evaluar el rendimiento de los alumnos, antes de obtenerla podramos estratificar la
ciudad con criterios geogrficos: zona sur, zona norte, barrios centrales porque sabemos que estas
zonas difieres en su conformacin socioeconmica y es probable que influya en los rendimientos
escolares de los alumnos.
Por qu estratificamos? Asegurarnos de que en nuestra muestra habr suficientes elementos de cada
uno de estos estratos; o se le debe otorgar a los estratos un peso diferente en la muestra del que tienen
en la poblacin: muestreo estratificado no proporcional.
Cmo distribuimos los casos entre los estratos? obtener una muestra estratificada proporcional,
manteniendo fracciones de muestreo.

Muestreo por conglomerados: cuando hay de etapa nica, se seleccionan al azar slo una vez.
La eficacia de este tipo de muestras depende de dos factores: 1. Cuanto mayor es la relacin entre q de
conglomerados seleccionados y cantidad existente en el universo. 2. La muestra ser tanto mejor cuanto
ms se parezcan los conglomerados entre s.
Conglomerados polietpicos o de fases mltiples: tipo de muestreo del que sueles valerse las encuenstas
de hogares, as como las de opinin y los sondeos electorales.

MUESTREO NO PROBABILSTICO: los propsitos del muestreo son diferentes. O bien no contamos con
los recursos necesarios como para aspirar a una muestra de azar: ya vimos que para que sean eficaces
tienen que ser grandes. Pero una muestra grande existe un amplio operativo que demanda considerable
logstica. Y podra ocurrir que el presupuesto no alcanzara sino para un centenar de casos. Es aqu donde
entran las muestras que no se obtienen mediante procedimientos de azar, sino seleccionando cierto tipo
de casos elegidos voluntariamente.

Muestreo coincidental: tambin accidental. Es el ms objetable desde el punto de vista de las


ciencias sociales, aunque muchas veces no queda otro remedio que emplearlo. Se trata de seleccionar
a las personas que pasan casualmente por el sitio donde se ha ubicado el encuestador: generalmente
un punto por donde pasa mucha gente, tal como una estacin ferroviaria o una esquina cntrica.
Podra ser que el encuestador se autoimponga una pauta. Aunque lo ms usual es que aborde a los que
parece menos apurados o le inspiran ms confianza. Quienes tienen alguna oportunidad de ser
seleccionados son aquellos que pasan cerca. Son seleccionados de manera fortuita y casual: pero
casualidad no es equivalente a azar. Por lo tanto, no cabe hablar de errores de muestreo no de
probabilidades de acertar o de equivocarse. No forma parte de procederes cientficos.

Muestreo por cuotas: es tenido por la mejor alternativa para sustituir al muestreo probabilstico
en procura de obtener una razonable rplica en pequeo de la poblacin, cuando no se cuenta con la
posibilidad de llevar a cabo un muestreo al azar. Guarda semejanza con el muestreo estratificado pero
no debe ser confundido con l.
Necesario conocer la distribucin en el universo de ciertas variables importantes que nos permitan
construir las cuotas.
Una vez deretminada esta composicin de la muestra, repartiramos los casos definidos en funcin de
sexo y edad entre los encuestadores: ellos debieran buscar libremente a los entrevistados, con la sola
condicin de que respondieran a estas especificaciones.
Por este procedimiento, no estaramos eligiendo al azar ni otorgando a todos los habitantes de la ciudad
alguna probabilidad de integrar la muestra, porque los encuestadores elegiran a su entero arbitro,
probablemente entre sus conocidos.

Muestreo intencional: se aparta bastante de la lgica tenida en cuenta hasta aqu. En este tipo
de muestreo no buscado en modo alguno que la muestra se parezca a la poblacin.

PLAN DE MUESTREO: Conviene formularse las siguientes preguntas:

queremos que la muestra se parezca a la poblacin?.


tenemos tiempo y recursos para una muestra de azar?.
tenemos un listado razonablemente actualizado y completo?.
estn los elementos del universo agrupados en unas unidades mayores, que faciliten su
captura?.
se trata de una poblacin concentrada o dispersa?

Potrebbero piacerti anche