El muestreo: qué es y por qué funciona

¿Qué es el muestreo?

El muestreo es el proceso de seleccionar un conjunto de individuos de

una población con el fin de estudiarlos y poder caracterizar el total de la
población.

La idea es bastante simple. Imagina que queremos saber algo de un

universo o población, por ejemplo, qué porcentaje de los habitantes de
México fuma habitualmente. Una forma de obtener este dato sería
contactar con todos los habitantes de México (122 millones de personas)
y preguntarles si fuman. La otra forma sería seleccionar un subconjunto
de individuos (por ejemplo, 1.000 personas), preguntarles si fuman y usar
esta información como una aproximación de la información buscada.
Pues bien, este grupo de 1.000 personas que me permiten conocer mejor
cómo se comportan el total de mexicanos es una muestra, y la forma en
que los seleccionamos es la técnica de muestreo.

En la definición anterior hemos introducido dos términos fundamentales a

lo largo de esta serie de posts:

1)  Universo o población: Es el total de individuos que deseo estudiar o

caracterizar. En el ejemplo anterior, el universo lo forman los habitantes
de México, pero podemos pensar en todo tipo de universos, más
generales o más concretos. Por ejemplo, si quiero saber cuánto fuman
de media los fumadores de México, el universo en este caso serían "los
fumadores de México".
2)  Muestra: Es el conjunto de individuos del universo que selecciono
para estudiarlos, por ejemplo a través de una encuesta. 
 
¿Por qué funciona el muestreo?

El muestreo es útil gracias a que podemos acompañarlo de un proceso

inverso, que llamamos generalización de resultados. Es decir,
para conocer un universo lo que hacemos es:

1)  Extraer una muestra del mismo.

2) Medir un dato u opinión.
3) Proyectar en el universo el resultado observado en la muestra.
generalización de resultados añade cierto error al dato que medimos.
Imagina que tomamos una muestra al azar de 1.000 personas de México
y les preguntamos si fuman. Obtengo que el 25% de la muestra fuma. La
simple lógica nos dice que si de 1.000 mexicanos elegidos al azar el 25%
fuma, este dato debería ser indicativo de lo que obtendríamos si
preguntásemos a los 122 millones de mexicanos. Ahora bien, el azar
podría haber hecho que haya escogido para mi muestra más fumadores
de lo que correspondería a la proporción exacta que hay en el universo o,
por el contrario, que en mi muestra los fumadores estén algo
infrarepresentados. El azar podría hacer que el porcentaje de fumadores
en la población fuese algo diferente del 25% que hemos observado en la
muestra (tal vez un 25,2%, por ejemplo). Por lo tanto, la generalización
de resultados de un muestra a un universo conlleva aceptar que
cometemos cierto error, tal y como ilustra el siguiente esquema.

Afortunadamente, el error cometido al generalizar resultados puede

acotarse gracias a la estadística. Para ello suelen usarse dos
parámetros:
 margen de error, que es la máxima diferencia que esperamos que
haya entre el dato observado en mi muestra y el dato real en el
universo.
  nivel de confianza, que es el nivel de certeza que tenemos de que
el dato real esté dentro del margen de error.

Por ejemplo, en nuestro caso de fumadores mexicanos, si selecciono una

muestra de 471 individuos y les pregunto si fuman, el resultado que
obtenga tendrá un margen de error máximo de ±5% con un nivel de
confianza del 97%. Esta forma de expresar los resultados es la correcta
cuando usamos muestreo.

El tamaño de la muestra

¿Qué tamaño de muestra necesito usar para estudiar cierto universo?

Depende del tamaño del universo y del nivel de error que esté dispuesto
a aceptar, tal y como explicábamos en su día en este post. Cuanta más
precisión exija, mayor muestra necesito. Si quiero tener una certeza
absoluta en mi resultado, hasta el último decimal, mi muestra tendrá que
ser tan grande como mi universo.

Pero el tamaño de la muestra tiene una propiedad fundamental que

explica porqué el muestreo se usa tanto en tantos ámbitos del
conocimiento. Esta propiedad podría resumirse como sigue: a medida
que estudio universos mayores, el tamaño de muestra que necesito cada
vez representa un porcentaje menor de dicho universo.

Este fenómeno lo explican de forma muy didáctica en Gaussianos.com,

un interesante blog dedicado a las matemáticas. Supongamos que
queremos hacer una encuesta para conocer un porcentaje (podría ser el
de gente que fuma) con un nivel de error determinado, por ejemplo, un
margen de error del 5% y una confianza del 95%. Si el universo a
estudiar fuese de tan sólo 100 personas, mi muestra tendría que ser de
79,5 individuos (es decir, 79,5% del universo, lo que representa un parte
muy importante del total del universo).  Si el universo fuese de 1.000
personas, mi muestra debería ser de 277,7 personas (27,7% del
universo). Y si mi universo fuese de 100.000 personas, la muestra
necesaria sería de 382,7 personas (3,83% del universo).
Por lo tanto, a medida que trabajo con universos más grandes, la
muestra que necesito debe ir creciendo pero de forma no proporcional,
tiende a estancarse y cada vez representa un porcentaje más pequeño
del universo. A partir de cierto tamaño de universo (en torno a 100.000
individuos), el tamaño de la muestra ya no necesita crecer más. La
siguiente tabla nos muestra algunos ejemplos:

Tamaño de muestra necesaria para tener un error del 5% con un

nivel de confianza del 95%
 
Universo Muestra necesaria %

10 10 100%

100 80 80%

1.000 278 27,8%

10.000 370 3,7%

100.000 383 0,38%

1.000.000 384 0,038%

10.000.000 385 0,004%

100.000.000 385 0,0004%

  

Los datos anteriores nos dicen que por grande que sea el universo, con
385 personas puedo estudiar cualquier dato con el mismo nivel de error
(margen de 5%, confianza de 95%). Por esta razón el muestreo es tan
poderoso: nos permite hacer afirmaciones altamente precisas de una
gran cantidad de individuos a través de un parte muy pequeña de los
mismo.
Como contrapartida, el ejemplo anterior ilustra que el muestreo no
funciona bien en universos pequeños. Si tengo una clase de 10 alumnos,
la opinión de cada uno de ellos es fundamental para conocer la opinión
global, no puedo prescindir de ninguno. Si no quiero superar el error que
nos hemos propuesto, en un universo de 10 individuos necesito
encuestar a todos ellos.

Ventajas Inconvenientes

- Introducimos error (controlado) en el

- Necesitamos estudiar menosresultado, debido a la propia naturaleza del
individuos, necesitamos menosmuestreo y a la necesidad de generalizar
recursos (tiempo y dinero). resultados.

- La manipulación de datos es- Tenemos el riesgo de introducir sesgos

mucho más simple. Si con unadebido a una mala selección de la muestra.
muestra de 1.000 personas tengoPor ejemplo, si la forma en que
suficiente, ¿para qué quiero analizarseleccionamos individuos para la muestra
un fichero de millones de registros? no es aleatoria, los resultados pueden
verse seriamente afectados.

La muestra aleatoria simple: definición y alternativas

La técnica más simple de muestreo, a partir de la cual se desarrollan en

resto de técnicas, es el muestreo aleatorio simple. Una muestra
aleatoria simple es aquella en la que se seleccionan individuos del
universo de forma totalmente aleatoria. Esto implica que todos los
individuos deben tener idéntica probabilidad (no nula) de ser
seleccionados para la muestra.

Pero una cosa es la teoría y otra la práctica. Sólo en entornos muy

controlados es posible hacer muestras aleatorias. Por otra parte, cuando
tenemos universos compuestos por grupos homogéneos (entre sí) de
personas, podemos aprovechar esta agrupación para mejorar la
precisión de la muestra (o reducir el tamaño de la misma).

En los próximos posts abordaremos qué tipos de muestreo existen,

empezando por las dos grandes familias de técnicas: el muestreo
probabilístico y el no probabilístico.