Ensayo Muestreo [PDF]

Zitiervorschau

El muestreo El muestreo es una herramienta de la investigación científica, cuya función básica es determinar que parte de una población debe examinarse, con la finalidad de hacer inferencias sobre dicha población, el muestreo es importante porque a través de él podemos hacer análisis de situaciones de una empresa o de algún campo de la sociedad. El estudio de las muestras permite hacer estimaciones de características desconocidas de la población (tales como media, desviación típica, proporciones, etc). Las características o medidas obtenidas de una muestra se llaman estadísticos; y las medidas correspondientes a la población parámetros. Cuando una medida muestral o estadístico es utilizada como representante de una característica poblacional o parámetro se denomina estimador. Se puede decir que el muestreo es útil gracias a que podemos acompañarlo de un proceso inverso, que llamamos generalización. Es decir, para conocer un universo lo que hacemos es (1) extraer una muestra del mismo, (2) medir un dato u opinión y (3) proyectar en el universo el resultado observado en la muestra. Esta proyección o extrapolación recibe el nombre de generalización de resultados. La generalización de resultados añade cierto error al mismo, esto quiere decir que si se toma una muestra al azar de 1.000 personas y se les pregunta si fuman, y se obtiene que el 25% de la muestra fuma. La simple lógica nos dice que si de 1.000 personas elegidos al azar el 25% fuma, este dato debería ser indicativo de lo que obtendríamos si preguntásemos a los 122 millones de personas. 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. Entre los errores más comunes que se pueden cometer en el muestreo son: Realizar conclusiones generales a partir de la observación de sólo una parte de la Población, a esto se le denomina error de muestreo, también se realizan conclusiones hacia una Población mucho más grandes de la que originalmente se tomo la muestra. A

esto se le llama error de Inferencia. En la estadística se usa la palabra población para referirse no sólo a personas si no a todos los elementos que han sido escogidos para su estudio y el término muestra se usa para describir una porción escogida de la población. Afortunadamente, el error que se comete al generalizar resultados puede acotarse gracias a la estadística. Para ello usamos dos parámetros: el 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, y el nivel de confianza, que es el nivel de certeza que tengo de que realmente el dato real esté dentro del margen de error. La teoría del muestreo se basa en el concepto de muestra aleatoria simple. Una muestra aleatoria simple es aquella muestra 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 en mi 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 si) de personas, podemos aprovechar esta agrupación para mejorar la calidad de mi muestra (o reducir el tamaño de la misma). Existen diferentes criterios de clasificación de los diferentes tipos de muestreo, aunque en general pueden dividirse en dos grandes grupos: métodos de muestreo probabilísticos y métodos de muestreo no probabilísticos. Los métodos de muestreo probabilísticos son aquellos que se basan en el principio de equiprobabilidad. Es decir, aquellos en los que todos los individuos tienen la misma probabilidad de ser elegidos para formar parte de una muestra y, consiguientemente, todas las posibles muestras de tamaño n tienen la misma probabilidad de ser seleccionadas. Sólo estos métodos de muestreo probabilísticos nos aseguran la representatividad de la muestra extraída y son, por tanto, los más recomendables. Dentro de los métodos de muestreo probabilísticos encontramos los siguientes tipos: Muestreo aleatorio simple, el muestreo sistemático, el muestreo estratificado y por último el muestreo por conglomerados. El Muestreo aleatorio simple, es la técnica de muestreo en la que todos los elementos que forman el universo y que, por lo tanto, están descritos en el marco muestral, tienen idéntica probabilidad de ser seleccionados para la muestra. El procedimiento empleado es el siguiente: 1) se asigna un número a cada individuo de la población y 2) a través de algún medio mecánico (bolas dentro de una bolsa, tablas de

números aleatorios, números aleatorios generados con una calculadora u ordenador, etc.) se eligen tantos sujetos como sea necesario para completar el tamaño de muestra requerido, Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad práctica cuando la población que estamos manejando es muy grande. Por su parte el muestreo sistemático, se trata de una muestra sistemática que es obtenida cuando los elementos son seleccionados en una manera ordenada. La manera de la selección depende del número de elementos incluidos en la población y el tamaño de la muestra. El número de elementos en la población es, primero, dividido por el número deseado en la muestra. El cociente indicará si cada décimo, cada onceavo, o cada centésimo elemento en la población va a ser seleccionado. El primer elemento de la muestra es seleccionado al azar. Por lo tanto, una muestra sistemática puede dar la misma precisión de estimación acerca de la población, que una muestra aleatoria simple cuando los elementos en la población están ordenados al azar. El riesgo este tipo de muestreo está en los casos en que se dan periodicidades en la población ya que al elegir a los miembros de la muestra con una periodicidad constante (k) podemos introducir una homogeneidad que no se da en la población.

Así

mismo el Muestreo Estratificado: Trata de obviar las dificultades que

presentan los anteriores ya que simplifican los procesos y suelen reducir el error muestral para un tamaño dado de la muestra. Consiste en considerar categorías típicas diferentes entre sí (estratos) que poseen gran homogeneidad respecto a alguna característica (se puede estratificar, por ejemplo, según la profesión, el municipio de residencia, el sexo, el estado civil, etc.). Lo que se pretende con este tipo de muestreo es asegurarse de que todos los estratos de interés estarán representados adecuadamente en la muestra. Cada estrato funciona independientemente, pudiendo aplicarse dentro de ellos el muestreo aleatorio simple o el estratificado para elegir los elementos concretos que formarán parte de la muestra, para aplicar el muestreo estratificado, se divide la población en grupos homogéneos, llamados estratos, los cuales son heterógeneos entre si. Después se recurre a uno de dos métodos posibles: a) Se selecciona al azar en cada estrato un número especificado de elementos correspondientes a la proporción del estrato de la población total b) Se extrae al azar un número igual de elementos de cada estrato y damos un peso a los resultados de acuerdo a la proporción del estrato en la población total El muestreo estratificado es adecuado cuando la población ya está dividida en grupos de diferentes tamaños y queremos reconocer este hecho.

Y finalmente el muestreo conglomerado: es una técnica utilizada cuando hay agrupamientos "naturales" relativamente homogéneos en una población estadística. Las unidades hospitalarias, los departamentos universitarios, una caja de determinado producto, etc., son conglomerados naturales. En otras ocasiones se pueden utilizar conglomerados no naturales como, por ejemplo, las urnas electorales. Cuando los conglomerados son áreas geográficas suele hablarse de "muestreo por áreas". Para obtener una muestra de conglomerados, primero dividir la población en grupos que son convenientes para el muestreo. En seguida, seleccionar una porción de los grupos al azar o por un método sistemático. Finalmente, tomar todos los elementos o parte de ellos al azar o por un método sistemático de los grupos seleccionados para obtener una muestra. Bajo este método, aunque no todos los grupos son muestreados, cada grupo tiene una igual probabilidad de ser seleccionado. Por lo tanto la muestra es aleatoria. Una muestra de conglomerados, usualmente produce un mayor error muestral (por lo tanto, da menor precisión de las estimaciones acerca de la población) que una muestra aleatoria simple del mismo tamaño. Los elementos individuales dentro de cada "conglomerado" tienden usualmente a ser iguales. Por ejemplo la gente rica puede vivir en el mismo barrio, mientras que la gente pobre puede vivir en otra área. Cabe mencionar que también en este apartado se encuentra los muestreos no probabilísticos que no son más que aquella técnica donde las muestras se recogen en un proceso que no brinda a todos los individuos de la población iguales oportunidades de ser seleccionados. Entre ellos se encuentra el muestreo por cuotas, el muestreo por bola de nieve y el muestreo intencional o por conveniencia. El muestreo por cuotas que es aquella técnica en el que los investigadores pueden formar una muestra que involucre a individuos que representan a una población y que se eligen de acuerdo con sus rasgos o cualidades. Ofrece resultados útiles a un coste efectivo y, si se han elegido correctamente las variables sobre las que segmentar, dichos resultados suelen ser fiables. Consta de tres fases: 1. Segmentación: Se divide la población a estudiar en grupos de forma exhaustiva y mutuamente exclusiva, de forma similar a la división en estratos empleada en el muestreo estratificado. Se espera que el investigador evalúe la proporción en que los subgrupos existen en la población. Esta proporción debe mantenerse en la muestra seleccionada utilizando este método de muestreo. Por último, En el tercer paso del muestreo por cuotas, el investigador debe seleccionar el tamaño de la muestra manteniendo la proporción evaluada en el paso

anterior. Si el tamaño de la población es 500, el investigador puede escoger una muestra de 50 elementos. Por su parte el muestreo por bola de nieve: Se basa en que los individuos seleccionados para ser estudiados reclutan a nuevos participantes entre sus conocidos. El nombre de "bola de nieve" proviene justamente de esta idea: del mismo modo que una bola de nieve al rodar por una ladera se va haciendo más y más grande, esta técnica permite que el tamaño de la muestra vaya creciendo a medida que los individuos seleccionados invitan a participar a sus conocidos. La bola de nieve se usa con frecuencia para acceder a poblaciones de baja incidencia y a individuos de difícil acceso por parte del investigador. Entre sus principales ventajas tenemos que: Permite muestrear a poblaciones de difícil acceso, es un proceso económico y sencillo, requiere poca planificación y pocos recursos humanos: los propios sujetos entrevistados hacen de mano de obra. Por el contrario el muestreo intencional o de conveniencia es una técnica de muestreono aleatorio utilizada para crear muestras de acuerdo a la facilidad de acceso, la disponibilidad de las personas de formar parte de la muestra, en un intervalo de tiempo dado o cualquier otra especificación práctica de un elemento particular, esta técnica Consiste en seleccionar a los individuos que convienen al investigador para la muestra. Esta conveniencia se produce porque al investigador le resulta más sencillo examinar a estos sujetos, ya sea por proximidad geográfica, por ser sus amigos, etc. Finalmente podemos decir que el muestreo es una técnica que se desprende de la estadística el cual es muy útil en varios ámbitos de actividades que desarrolla el ser humano , gracias al muestreo podemos conocer a ciertas poblaciones sin importar su tamaño ya que esta técnica solo toma una muestra y en base a ello se obtienen conclusiones dando como un beneficio directo bajo costo y resultados en menor costo, A diferencia del muestreo probabilístico, la muestra no probabilística no es un producto de un proceso de selección aleatoria. Los sujetos en una muestra no probabilística generalmente son seleccionados en función de su accesibilidad o a criterio personal e intencional del investigador. La desventaja del método de muestreo no probabilístico es que no se toman pruebas de una porción desconocida de la población. Esto implica que la muestra puede representar a toda la población con precisión o no. Por lo tanto, los resultados de la investigación no pueden ser utilizados en generalizaciones respecto de toda la población.