Muestra Y Universo

INTRODUCCION En las actividades de investigación científica y tecnológica es muy útil el empleo de muestras. El análisis de una muestra permite inferir conclusiones susceptibles de generalización a la población de estudio con cierto grado de certeza (Holguin y Hayashi, 1993). Al desarrollar un proyecto de investigación “el total de observaciones en las cuales se esta interesado, sea su número finito o infinito, constituye lo que se llama una población,” (Walpole y Myers, 1996, p. 203). La muestra es una pequeña parte de la población estudiada. La muestra debe caracterizarse por ser representativa de la población. De acuerdo con Briones (1995) “una muestra es representativa cuando reproduce las distribuciones y los valores de las diferentes características de la población..., con márgenes de error calculables”. Los anteriores conceptos reflejan que al analizar una muestra se esta aplicando la inferencia estadística con el propósito de “... conocer clases numerosas de objetos, personas o eventos a partir de otras relativamente pequeñas, compuestas por los mismos elementos,” (Glass y Stanley, 1994, p. 241). En términos generales la información que arroja el análisis de una muestra es mas exacta incluso que la que pudiera arrojar el estudio de la población completa.

OBJETIVOS - Determinar las cualidades que caracterizan una buena muestra. - Conocer como se hace la selección de una muestra. - Seleccionar la muestra apropiada para ejemplos de investigación y describir el procedimiento a seguir para conformar esa muestra. - Aprender a reconocer si el grupo elegido es verdaderamente representativo del conjunto. - Conocer mediante teoría y ejemplo el significado del tamaño de la muestra y su aplicación en la metodología de la investigación

DEFINICION Muestra Cuando no es conveniente considerar todos los elementos de la población, lo que se hace es estudiar una parte de esa población. Una parte de la población se llama muestra. La muestra siempre debe tener las mismas características del universo, ya que es representativa de este. Según algunos autores : "Se llama muestra a una parte de la población a estudiar que sirve para representarla". Murria R. Spiegel (1991). "Una muestra es una colección de algunos elementos de la población, pero no de todos". Levin & Rubin (1996). "Una muestra debe ser definida en base de la población determinada, y las conclusiones que se obtengan de dicha muestra solo podrán referirse a la población en referencia", Cadenas (1974). Ejemplo; El estudio realizado a 50 miembros del Colegio de Ingenieros del Estado Cojedes. El estudio de muestras es más sencillo que el estudio de la población completa; cuesta menos y lleva menos tiempo. Por último se aprobado que el examen de una población entera todavía permite la aceptación de elementos defectuosos, por tanto, en algunos casos, el muestreo puede elevar el nivel de calidad. Una muestra representativa contiene las características relevantes de la población en las mismas proporciones que están incluidas en tal población. Los expertos en estadística recogen datos de una muestra. Utilizan esta información para hacer referencias sobre la población que está representada por la muestra. En consecuencia muestra y población son conceptos relativos. Una población es un todo y una muestra es una fracción o segmento de ese todo. Una muestra puede ser de dos tipos: no probabilistica y probabilistica. En la muestra no probabilistica la selección de las unidades de análisis dependen de las características, criterios personales, etc. del investigador por lo que no son muy confiables en una investigación con fines científicos o tecnológicos. Este tipo de muestra adolece de fundamentación probabilistica, es decir, no se tiene la seguridad de que cada unidad muestral integre a la población total en el proceso de selección de la

muestra. El muestreo no probabilistico comprende los procedimientos de muestreo intencional y accidental: a) Muestreo Intencional. El muestreo intencional es un procedimiento que permite seleccionar los casos característicos de la población limitando la muestra a estos casos. Se utiliza en situaciones en las que la población es muy variable y consecuentemente la muestra es muy pequeña. b) Muestreo Accidental: El muestreo accidental consiste en tomar casos hasta que se completa el número de unidades de análisis que indica el tamaño de muestra deseado. Los anteriores procedimientos de muestreo no son recomendables para una investigación científica. El muestreo probabilistico permite conocer la probabilidad que cada unidad de análisis tiene de ser integrada a la muestra mediante la selección al azar. Este tipo de muestreo comprende los procedimientos de muestreo simple o al azar, estratificado, sistemático y por conglomerados o racimos. a) Muestreo Simple: De acuerdo con Webster (1998) “una muestra aleatoria simple es la que resulta de aplicar un método por el cual todas las muestras posibles de un determinado tamaño tengan la misma probabilidad de ser elegidas”. Esta definición refleja que la probabilidad de selección de la unidad de análisis A es independiente de la probabilidad que tienen el resto de unidades de análisis que integran una población. Esto significa que tiene implícita la condición de equiprobabilidad (Glass y Stanley, 1994). Los pasos para obtener una muestra aleatoria simple son: 1 Definir la población de estudio. 2 Enumerar a todas las unidades de análisis que integran la población, asignándoles un número de identidad o identificación. 3 Determinar el tamaño de muestra óptimo para el estudio. 4 Seleccionar la muestra de manera sistemática utilizando una tabla de números aleatorios generada por medios computacionales para garantizar que se tiene un orden aleatorio. Por ejemplo, para obtener una muestra de alumnos del Instituto Tecnológico de Nuevo Casas Grandes a los que se les aplicará una encuesta. Lo primero que se hace es enumerar a todo el alumnado de la institución. Se obtiene una lista de los alumnos matriculados y se les asigna un número a cada uno de ellos en orden alfabético y

ascendente. Suponiendo que el total de alumnos es de 700 se utilizan los números 000, 001, 002, 003,...,699. Se determina el tamaño de muestra, suponiendo que en este caso es de tamaño 75. Enseguida se utiliza la tabla de números aleatorios formando números de tres dígitos aceptando como unidad de análisis muestral a todos aquellos que esten comprendidos entre el 000 y el 699. b) Muestreo Estratificado. Este procedimiento de muestreo determina los estratos que conforman una población de estudio para seleccionar y extraer de ellos la muestra. Se entiende por estrato todo subgrupo de unidades de análisis que difieren en las características que se van a analizar en una investigación. Por ejemplo, si se va a realizar un estudio correlacional entre el tipo de perfil profesional y los ingresos económicos de los egresados del Instituto Tecnológico de Cd. Cuauhtémoc que laboran en las empresas instaladas en la Región Noroeste del Estado de Chihuahua y cuya edad fluctúa entre 25 y 45 años se procede a dividir la población de estudio en cinco estratos. Cada estrato representa una de las cinco carreras que ofrece esta institución educativa (contaduría, administración, informática, ingeniería industrial e ingeniería en sistemas computacionales). Como se puede deducir del anterior ejemplo, este procedimiento integra unidades de análisis a la muestra provenientes de todos los estratos que conforman la población. La base de la estratificación adopta diversos criterios como edad, sexo, ocupación, etc. Una modalidad muy precisa en este tipo de muestreo es el procedimiento de muestreo estratificado proporcional. Procedimiento de muestreo que permite seleccionar a las unidades de análisis que integrarán la muestra en proporción exacta al tamaño que tiene el estrato en la población, es decir, “el estrato se encuentra representado en la muestra en proporción exacta a su frecuencia en la población total,” (D´Ary, Jacobs y Razavieh, 1982, p. 138). Los pasos a seguir para seleccionar una muestra proporcionalmente estratificada son: 1) Definir la población de estudio. 2) Determinar el tamaño de muestra requerido. 3) Establecer los estratos o subgrupos. 4) Determinar la fracción total de muestreo por estrato dividiendo el tamaño del estrato entre el tamaño de la población de estudio. 5) Multiplicar la fracción total de muestreo por estrato por el tamaño de la muestra para obtener la cantidad de unidades de análisis de cada estrato que se integrarán a la unidad muestral.

6) Selección y extracción de la muestra aplicando el procedimiento de muestreo aleatorio simple. Al aplicar este procedimiento de muestreo al ejemplo: Si se tiene que seleccionar una muestra de 500 personas, de una comunidad de 5000 habitantes repartidos en cinco colonias, en donde el tamaño de cada estrato es: colonias A = 1000, B = 1500, C = 500, D = 1250 y E = 750, la muestra es: c) Muestreo Sistemático. Una muestra sistemática se obtiene determinando cada hésima unidad o késimos casos. Un késimo caso representa el intervalo de selección de unidades de análisis que serán integradas a la muestra, se obtiene mediante la expresión: N :n por ejemplo si se va a encuestar a una muestra de tamaño 50 de una población de 500, el intervalo de selección es de tamaño 10. Este intervalo de selección indica que se habrá de formar cada décimo caso de la población para integrarlo a la muestra. El primer caso se selecciona arbitrariamente o al azar. Suponiendo que en este ejemplo el primer caso seleccionado sea el número 13, el segundo será el 23 y así sucesivamente hasta completar el tamaño de muestra deseado. d) Muestreo por Racimos. Se utiliza cuando el investigador esta limitado por factores de tiempo, distancia, fuentes de financiamiento, entre otros. Las unidades de análisis se encuentran encapsuladas o encerradas en determinados lugares físicos o geográficos que se denominan racimos. En este tipo de muestreo es imprescindible diferenciar entre unidad de análisis entendida como quiénes va a ser medidos y unidad muestral que se refiere al racimo a través del cual se logra el acceso a la unidad de análisis. Por ejemplo si se va a realizar una encuesta sobre las condiciones salariales en las empresas industriales, la unidad muestral son las industrias y las unidades de análisis estan representadas por los obreros que laboran en ellas. Universo poblacion y muestra Universo Universo es el conjunto de personas, cosas o fenómenos sujetos a investigación, que tienen algunas características definitivas. Ante la posibilidad de investigar el conjunto en su totalidad, se seleccionara un subconjunto al cual se denomina muestra. Población

Se da el nombre de población a un conjunto de individuos y objetos acerca del cual se quiere saber algo. Muchas veces no es conveniente considerar cada uno de los elementos de la población para calcular ese promedio o ese porcentaje. En otros casos, considerar todos lo elementos de la población no proporciona ninguna utilidad. Población es el conjunto de todos los elementos que cumplen ciertas propiedades y entre los cuales se desea estudiar un determinado fenómeno (pueden ser hogares, número de tornillos producidos por una fábrica en un año, lanzamientos de una moneda, etc. ). Llamamos población estadística o universo al conjunto de referencia sobre el cual van a recaer las observaciones. En Estadística la población, también llamada universo o colectivo es el conjunto de elementos de referencia sobre el que se realizan las observaciones. En epidemiología una población es un conjunto de sujetos o individuos con determinadas características demográficas, de la que se obtiene la muestra o participantes en un estudio epidemiológico a la que se quiere extrapolar los resultados de dicho estudio (inferencia estadística). El número de elementos o sujetos que componen una población estadística es igual o mayor que el número de elementos que se obtienen de ella en una muestra (n). Existen distintos tipos de poblaciones que son: •

Población base: es el grupo de personas designadas por características personales, geográficas o temporales, que son elegibles para participar en el estudio.

•

Población muestreada: es la población base con criterios de viabilidad o posibilidad de realizarse el muestreo.

•

Muestra estudiada: es el grupo de sujetos en el que se recogen los datos y se realizan las observaciones, siendo realmente un subgrupo de la población muestreada y accesible. El número de muestras que se puede obtener de una población es una o mayor de una.

•

Población diana: es el grupo de personas a la que va proyectado dicho estudio, la clasificación característica de los mismos, lo cual lo hace modelo de estudio para el proyecto establecido.

EL TAMAÑO DE LA MUESTRA: Al realizar un muestreo probabilística nos debemos preguntar ¿Cuál es el número mínimo de unidades de análisis ( personas, organizaciones, capitulo de telenovelas, etc), que se necesitan para conformar una muestra (

que me asegure un error estándar

menor que 0.01 ( fijado por el muestrista o investigador), dado que la población

es

aproximadamente de tantos elementos. En el tamaño de una muestra de una población tenemos que tener presente además si es conocida o no la varianza poblacional. Una muestra probabilistica depende de:

–Recursos disponibles, –Heterogeneidad de las variables, –Sujetos a estudiar, técnica de muestreo, –Tipo de análisis, grado de precisión que deben tener los datos, entre otros. Uno de los métodos para definir la muestra lo aporta Fisher; para lo cuál elige dos criterios: –Los recursos disponibles; fija el tamaño máximo de la muestra, siempre tomar la muestra mayor posible, mientras más grande mas posibilidad de ser representativa y menor será el error de muestreo. –Plan de análisis de los datos; fija tamaño mínimo de la muestra, el tamaño de la muestra deberá ser suficiente para permitir un análisis confiable de los cruces de variables, para probar si las diferencias entre proporciones son estadísticamente significativas. Para determinar el tamaño de muestra necesario para estimar

con un error máximo

permisible prefijado y conocida la varianza poblacional (

) podemos utilizar la

formula:

(1) que se obtiene de reconocer que

dado por la expresión

es el error estándar o error máximo prefijado y está

para el nivel de confianza

y constituye una

medida de la precisión de la estimación, por lo que podemos inferir además que . Ejemplo 1.2 Se desea estimar el peso promedio de los sacos que son llenados por un nuevo instrumento en una industria. Se conoce que el peso de un saco que se llena con este instrumento es una variable aleatoria con distribución normal. Si se supone que la desviación típica del peso es de 0,5 kg. Determine el tamaño de muestra aleatoria necesaria para determinar una probabilidad igual a 0,95 de que el estimado y el parámetro se diferencien modularmente en menos de 0,1 kg. Solución:

Evidentemente un tamaño de muestra no puede ser fraccionario por lo que se debe aproximar por exceso. El tamaño de muestra sería de 97. Si la varianza de la población es desconocida, que es lo que mas frecuente se ve en la práctica el tratamiento será diferente, no es posible encontrar una fórmula cuando la varianza poblacional es desconocida por lo que para ello aconsejamos utilizar el siguiente procedimiento-

Primeramente, se toma una pequeña muestra, que se le llama muestra piloto, con ella se estima la varianza poblacional ( sustituyendo

(

)

por

su

) y con este valor se evalúa en la formula (1), estimación

(

).

El

valor

de obtenido

aproximadamente el valor necesario, nuevamente con ese valor de

será

se extrae una

muestra de este tamaño de la población se le determina la varianza a esa muestra, como una segunda estimación de ( muestra con el

) y se aplica de nuevo la formula (1), tomando la

obtenido como muestra piloto para la siguiente iteración, se llegará a

cumplir con las restricciones prefijadas. Se puede plantear esta afirmación ya que la de

tiende a estabilizarse a medida que aumenta alrededor de la

por lo que

llegará el momento en que se encuentre el tamaño de muestra conveniente, sin embargo, en la práctica es mucho más sencillo pues, a lo sumo con tres iteraciones se obtiene el tamaño de muestra deseado, este procedimiento para obtener el tamaño de muestra deseado se puede realizar utilizando en Microsoft Excel en la opción análisis de datos las opciones estadística descriptiva para ir hallando la varianza de cada una de las muestras y la opción muestra para ir determinado las muestras pilotos. Para obtener el tamaño de la muestra utilizando este método recomendamos la utilización de un paquete de computo como por ejemplo el Microsoft Excel, aplicando las opciones muestra y estadística descriptiva. Para determinar el tamaño de la muestra cuando los datos son cualitativos es decir para el análisis de fenómenos sociales o cuando se utilizan escalas nominales para verificar la ausencia o presencia del fenómeno a estudiar, se recomienda la utilización de la siguiente formula:

(2)

siendo

sabiendo que:

es la varianza de la población respecto a determinadas variables. es la varianza de la muestra, la cual podrá determinarse en términos de probabilidad como es error estandar que está dado por la diferencia entre ( y la media muestral.

) la media poblacional

es el error estandar al cuadrado, que nos servirá para determinar =

es la varianza

, por lo que

SELECCIÓN DE LA MUESTRA

•La selección depende del objetivo del estudio y de la hipótesis inicial •Factores variables independientes como sexo, edad, nivel educacional, lugar de origen, etc. deberán estar representados en la muestra Muestreo al azar

•Asignación de números a los individuos y selección de aquellos que aparezcan en la tabla de muestreo al azar o uno de cada X individuos

•Desventaja –Inclusión de números desiguales de individuos Muestreo intencionado

•Establecer de antemano las categorías sociales y el número de individuos que se desea incluir.

•Elección al azar de los hablantes para completar cada subgrupo Número de individuos

•Asegurar validez y representatividad de la muestra –Idealmente = 25/100.000 hablantes –5 hablantes por subgrupo socialmente homogéneo –Muestra proporcional al número de individuos por subgrupo social Estratificación socioeconómica

•Estudio sociológico que establezca los estratos sociales •Método objetivo –Medición de parámetros

•Método subjetivo –Evaluación subjetiva del investigador Muestra socioeconómica homogénea

•No incluye clase social como variable independiente •Ejemplos

–Considerar solamente sexo y edad –Concentrarse en un determinado sector urbano CUALIDADES DE UNA BUENA MUESTRA Para que una muestra posea validez técnico estadística es necesario que cumpla con los siguientes requisitos: •

Ser representativa o reflejo general del conjunto o universo que se va a estudiar, reproduciendo de la manera más exacta posible las características de éste.

•

Que su tamaño sea estadísticamente proporcional al tamaño de la población.

•

Que el error muestral se mantenga dentro de límites aceptables.

VENTAJAS Y LIMITACIONES DEL USO DE MUESTRAS Ventajas: • Costo reducido: resulta obvio que si no se estudia la totalidad de sujetos sino una muestra de ellos, los recursos financieros, materiales, personal, etc necesarios para hacer la investigación serán menores. • Mayor rapidez: de igual forma, la recolección de la información se hará en menos tiempo. • Mayor exactitud: al estudiar una muestra se reduce el volumen de trabajo, por lo cual es posible entonces emplear personal más capacitado, supervisar con mayor cuidado las actividades de campo, el procesamiento de los datos, y de esta forma obtener resultados más exactos que los que obtendríamos de estudiar toda la población. • Mayores posibilidades: Existen casos en los cuales no es posible estudiar toda la población, como por ejemplo, cuando ésta es infinita o muy grande o cuando el proceso de medida para estudiar la característica deseada es destructivo (determinar la dosis letal de una droga por ejemplo, o al consumir un artículo para juzgar sobre su calidad). En ese caso solo es posible estudiar una muestra. Limitaciones: • No se debe emplear muestras cuando la población es muy pequeña

• La teoría del muestreo es compleja y no es del dominio de la mayoría de los investigadores, por lo que con frecuencia deben buscar apoyo en especialistas en la materia.

TIPOS DE MUESTREO Se conoce como muestreo el proceso de obtención de la muestra. Puede ser probabilístico y no probabilístico. Hablamos de un muestreo probabilístico cuando los integrantes de la muestra se escogen al azar y por lo tanto, puede calcularse con antelación la probabilidad de obtener cada una de las muestras que pueden formarse de esa población o la probabilidad que tiene cada elemento de la población de ser incluido en la muestra. •

Un procedimiento tal, que al escoger un grupo pequeño de una población se pueda tener un grado de probabilidad de que ese pequeño grupo efectivamente posee las características del universo que estamos estudiando. Pardinas.

•

Muestreo es el proceso utilizado para escoger y extraer una parte del universo o población de estudio con el fin de que represente al total.

•

Todo subgrupo de una población constituye una muestra, PERO; o

NO TODOS SON REPRESENTATIVOS DE ELLA.

o

TAMPOCO TIENEN LA MISMA PROBABILIDAD DE SER ESCOGIDOS.

•

Existen dos tipos:

1- Muestreo Aleatorio Simple y 2- Muestro No-Probabilistico. MUESTREO PROBABILISTICO •

Es el método que consiste en extraer una parte o muestra de una población o universo, de tal forma que todas las muestras posibles de tamaño fijo tengan la misma posibilidad de ser seleccionadas. o

En el caso anterior se indica sacar más de una muestra debido a la dificultad para asegurar que una muestra al azar sea representativa.

o

Atendidos ciertos criterios se puede confiar en que la muestra será representativa.

•

Para que el muestreo sea probabilístico o aleatorio es requisito que todos y cada uno de los elementos de la población tenga la misma probabilidad de ser seleccionado, además esa probabilidad es conocida.

MUESTREO ALEATORIO SIMPLE •

Más sencillo, más usado. Se caracteriza porque cada unidad tiene la misma probabilidad de ser incluida en la muestra.

EXISTEN VARIAS MODALIDADES: a)- Por medio del uso de tabla de números aleatorios. b)- Muestreo sistemático. c)- Muestreo estratificado. d)- Muestreo por conglomerado I- SORTEO: Se coloca en un recipiente tarjetas o fichas que representen a cada unidad del universo y luego seguir la siguiente secuencia: 1- Identificar y definir la población. 2- Establecer la estructura muestral; lista real de las unidades o elementos de la población. 3- Determinar el numero que conformará la muestra. 4- Anote la secuencia individual en tarjetas, hasta completar el Universo, luego depositelo en un recipiente. 5- Extraer una a una las unidades correspondientes a la muestra. 6- Controle el tamaño de la muestra seleccionada. También puede realizarse el muestreo de otra forma, como escoger de manera aleatoria de números. Desventajas: No se puede utilizar si el universo es muy grande.

II- TABLA DE NÚMEROS ALEATORIOS: más rápido y práctico. Consiste en disponer el universo distribuido como números en varias columnas y filas, de los que se seleccionará la muestra: 1- Identifique y defina la población. 2- Establezca el listado real de las unidades o elementos del universo. 3- Determine el numero de unidades que será la muestra. 4- Asegurar la enumeración de cada unidad del universo. 5- Determine el orden en que se usará la tabla, definiendo las combinaciones que se harán. 6- Seleccione las unidades muestrales, listandolas para eliminar las repeticiones. 7- Asegúrese de la cantidad de unidades seleccionadas hasta completar la muestra, puede necesitarse en caso que no se hallen o desaparezcan números ya listados.

III- MUESTREO SISTEMATICO: Cada unidad tiene igual probabilidad de ser seleccionada.Varia el proceso de selección de las muestra. 1- Seleccione el numero de unidades que conformará la muestra. 2- Asegure la cantidad del universo y que todas las unidades están numeradas. 3- Calcule el “Número de selección sistemática”, intervalo numérico que servirá para la selección de la muestra. N:n; 500/100= 5 (intervalo de selección muestral). 4- Determine la unidad por donde se iniciará la selección de la muestra, azar o sorteo, definiendo las primeras 5 por la que se iniciará. 5- Conforme la muestras; si el primer numero es 4, los siguientes serán 9, 14, 19, hasta completar la muestra. Hasta completar 100.

IV- MUESTREO ESTRATIFICADO: Se caracteriza por subdividir a la población en subgrupos o estratos, debido a la variabilidad que presentan las variables principales del estudio. Ej: Presión arterial, debe medirse en hombres y mujeres. * Muestreo estratificado proporcional, es en el que se elige una proporción por cada estrato. Ej: Si se toma una muestra de una población en que el 15% fuma y el 85% no, se deberá mantener la misma proporción. * Muestreo estratificado no proporcional, Es en el que no se mantiene la proporción, esto es más conveniente cuando se intenta comparar estratos. Ej: se selecciona el 50% que fuma y el 50% que no fuma.

•

Tener en cuenta que: o

No hacer muchos estratos.

o

No estratificar con respecto a muchas variables.

1- Seleccione el numero de unidades que conformará la muestra. 2- Determine los estratos o subgrupos que hará, según la variable que está estudiando. 3- Asegurese del número que compone cada estrato, numerados y fácilmente identificables. 4- Calcule el porcentaje que constituirá la muestra Con el ejemplo anterior; 500...100%, entonces 100...20%., por lo tanto 20. 5- Calcule el 20% de cada estrato y seleccionelo. 6- Al hacer la selección puede hacerlo por azar simple o usando una tabla. * Secuencia utilizable para un muestreo estratificado proporcional. * Los estratos se dan en forma natural (hombres-mujeres, viejos-jóvenes, etc. V- MUESTREO POR CONGLOMERADO: Se utiliza cuando no se cuenta con un listado detallado de las unidades del universo. Se procede a tomar grupos o conjuntos de unidades (conglomerados). Por la dificultad de organizar las unidades muestrales, el investigador define los estratos, tampoco conoce la distribución de la variable. 1- Definir y seleccionar los conglomerados a estudiar. 2- Hacer listado de las unidades que componen los conglomerados. 3- Seleccionar la muestra con alguno de los métodos antes mencionados.

Ej: Si se estudiará las escuelas primarias, sobre un fenómeno, 1º se seleccionan las escuelas luego, se determinan los cursos que se estudiarán, y finalmente los alumnos, con método aleatorio. * No es tan confiable con muestreo aleatorio.

MUESTREO NO PROBABILISTICO •

También conocido como “muestreo por conveniencia”, No es aleatorio, por ello se deconoce la probabilidad de selección de cada unidad, esto hace que pierda credibilidad.

•

Su característica principal es que el investigador utiliza algunos criterios para seleccionar la muestra.

EXISTEN DOS TIPOS FUNDAMENTALES:

1- Muestreo Intencional o Deliberado y 2- Muestreo Accidental o por Comodidad. 1- MUESTREO INTENCIONAL O DELIBERADO: •

El investigador decide, según los objetivos, los elementos que integrarán la muestra, considerando aquellas unidades supuestamente “típicas” de la población que se desea conocer.

•

El investigador conoce la población y sus características que pueden ser utilizadas para seleccionar la muestra.

2- MUESTREO ACCIDENTAL O POR COMODIDAD: •

Se toman las unidades o casos que están disponibles en un momento dado; consultantes en box, asistentes a un curso, etc.

•

El muestreo por “cuota”, es en el que el investigador selecciona la muestra de acuerdo a fenómenos a estudiar, solo les interesa cumplir con la cuota muestral.

* En general no se recomienda el uso de muestreo no estratificado para investigaciones cuantitativas, debido a que no permite calcular el error del muestreo.

ADECUACIÓN Y REPRESENTATIVIDAD DE LA MUESTRA Uno de los problemas fundamentales que se le plantea al investigador en relación con el muestreo consiste en saber si el grupo elegido es verdaderamente representativo del conjunto; para que lo sea, los rasgos de los elementos o individuos elegidos para la muestra deben ser similares a los de toda la población. La representatividad es la característica más importante de una muestra. El muestreo adquiere todo su sentido en cuanto que garantiza que las características que se quieren observar en la población quedan reflejadas adecuadamente en la muestra. Generalizar a la población a partir de la muestra sólo está justificado si ésta representa realmente a la población. “Preservar la representatividad es el atributo más importante que debe reunir el muestreo, lo que nos permitirá generalizar a la población los resultados obtenidos en la muestra”. Fox señala que para lograr la representatividad se requiere: 1. Conocer qué características (variables) están relacionadas con el problema que se estudia; 2. Capacidad para medir esas variables, y 3. Poseer datos de la población sobre estas características o variables para usarlos como variable de comparación. El mismo autor señala que si no se cumple alguna de estas condiciones, para algunas de las características, se pierde la capacidad de buscar deliberadamente la representatividad en cuanto a ella. La selección aleatoria de la muestra garantiza la ausencia de sesgo en el proceso de selección de la misma, ayuda a garantizar su representatividad, pero esta circunstancia no es garantía total para que estemos seguros de que la muestra al azar es representativa de la población de la que se ha extraído.

Se espera que sea representativa de las características relevantes de la población, pero pudiera no serlo. Lo normal es que lo sea, ya que lo típico, lo representativo de la población, es lo que aparece con más frecuencia, pero no hay seguridad total. El muestreo estratificado proporcional asegura, en cambio, la representatividad en cuanto a una o dos características (Jiménez Fernández, 1983). Si se poseen datos sobre la población se pueden comparar con ellos la muestra invitada y/o la aceptante y, mediante algún contraste de significación adecuado (por ejemplo chicuadrado), determinar si difieren de ella en las características que interesa en una investigación dada. Si el contraste indica que no hay diferencias significativas en las variables consideradas, se puede admitir la representatividad de la muestra para las características en cuestión, pero nada se puede afirmar sobre la representatividad de la muestra respecto de cualquier otra variable Si, por el contrario, no se ha logrado representatividad en una o varias variables, el investigador tiene dos opciones: a) trabajar con la muestra no representativa y contar con ese límite; b) seleccionar más elementos de la población, con la esperanza de que una muestra mayor sí sea representativa, aunque el estudio tenga una muestra mayor de buscada inicialmente. Para realizar el contraste de representatividad de las muestras respecto de la población, hemos supuesto que se tienen datos sobre ella. Si no se tuvieran datos de la población, no se puede realizar el contraste de la muestra invitada y/o aceptante con respecto a la población. Entonces se recurre a contrastar la muestra aceptante con la invitada. Sobre la muestra productora de datos siempre posee valores el investigador, ya que su referente comparativo es la muestra aceptante. Un informe sobre los elementos que se negaron a participar, de los que aceptaron participar pero luego no pudieron y de los que aceptando, en un primer momento, se negaron a hacerlo al conocer más profundamente la investigación; orientará al investigador y al destinatario de la investigación sobre la posibilidades de sesgo en esta etapa del muestreo.

Una prueba de significación adecuada entre estas dos muestras (aceptante y final) serviría para ver si difieren significativamente en algunas de las variables básicas o si, por el contrario, la muestra productora de datos sigue siendo representativa de la muestra aceptante, lo que demuestra que esa/s característica/s no han sido consideradas para no participar. Por último, es necesario preguntarse qué pérdida puede tolerarse desde la selección de la muestra inicial hasta llegar a la que proporciona los datos. Al mismo tiempo, hay que tener en cuenta que se tiene constancia probada de que las personas que no responden tienen opiniones o patrones de conducta distintos de las que responden; y que el porcentaje de la pérdida también depende, para su representatividad, de cómo se distribuyan las respuestas en la diferentes categorías de la variable. No es igual un 48% de “sí” y un “52% de “no” ante determinada pregunta que un 16% y un 84% (Jiménez Fernández, 1983: 249). En cualquier caso, no existe una única respuesta cuantitativa. Se suele considerar que una pérdida del 25% debe preocupar, aún cuando no existan diferencias estadísticamente significativas; “cuando sea inferior al 50% «se debe leer y escribir con cuidado»; y cuando la proporción es menor del 40% no se deberían dar a conocer los datos, ni considerarlos como conclusiones válidas. Son útiles como estudios pilotos, pero no se pueden aceptar sin hacer un estudio posterior más exhaustivo”

CONCLUSIÓNES

- Para que una muestra proporcione datos confiables, éstos deben ser representativos de la población, es decir, que los errores del muestreo deben ser relativamente pequeños para que ésta no pierda su validez. Ninguna muestra da garantía absoluta en relación con la población de donde ha sido extraída, de ahí, la importancia de poder determinar el posible margen de error y la frecuencia de los mismos dentro del conjunto. - La selección de la muestra es uno de los pilares de la investigación. - Existen diferentes ventajas que ofrece el uso de una muestra como un bajo costo, mayor rapidez en la obtención de datos, así como una mayor exactitud

- Para poder estudiar todos los elementos o sujetos a los cuales se refiere el problema es necesario que la cantidad de sujetos y la forma como son seleccionados, sean adecuada. - Es importante apuntar que mediante este trabajo se le muestra a los investigadores cómo poder seleccionar el tamaño de una muestra para que sea representativa con relación a la población a trabajar.

BIBLIOGRAFÍA GIL PASCUAL, J. A. (2004): Bases Metodológicas de la Investigación Educativa. (Análisis de datos). UNED, Madrid. BUENDÍA EISMAN, L.; COLÁS BRAVO, M.P. y HERNÁNDEZ PINA, F. (1998): Métodos de investigación en Psicopedagogía. McGraw-Hill, Madrid. www.angelfire.com/emo/tomaustin/Met/metinacap.htm - 134k books.google.com.pe/books?isbn=9685748667... http://74.125.47.132/search?q=cache:rCOS_XKU4WoJ:www.ucla.edu.ve/dme dicin/departamentos/medicinapreventivasocial/SEB/investigacion/muestreo. pdf+Ventajas+y+limitaciones+del+uso+de+una+muestra&hl=es&ct=clnk &cd=10&gl=pe www.ucla.edu.ve/dmedicin/departamentos/medicinapreventivasocial/SEB/investigacion /muestreo.pdf