DISEÑO Y PROCEDIMIENTOS DE MUESTREO Muestra o censo
Terminología y fundamentos del muestreo Etapas den la
selección de la muestra Muestreo no probabilístico
Muestreo de conveniencia Muestreo de juicios Muestreo por cuotas
Muestreo de “bola de nieve” 5. Muestreo
probabilístico Muestreo aleatorio simple Muestreo
aleatorio sistemático Muestreo aleatorio estratificado
Muestreo por conglomerados 6. Determinación del
diseño muestral apropiado 7. Determinación del
tamaño de la muestra 7.1. Muestreo aleatorio simple 7.2.
Muestreo estratificado
2. TERMINOLOGÍA Muestreo: conjunto de operaciones
encaminadas a determinar una muestra, su tamaño y
demás características necesarios para identificar a
los elementos que la forman. Población: conjunto formado
por la totalidad de elementos con arreglo a unas
características concretas. Población de estudio:
conjunto de elementos sobre los que se toma la muestra. Muestra:
subconjunto de elementos de la población elegidos para
estudiar y así tratar de inferir características de
la población. Censo: relación completa de los
elementos de una población. Sesgo: error específico
de la muestra por falta de representatividad. Error muestral: es
el imputable al estudio de una parte de la población o
muestra. Error no muestral: es el que se produce en toda la
investigación como consecuencia de definiciones
conceptuales incorrectas, de fallos en los instrumentos de
medida, en la entrevista o en el desarrollo del trabajo de
campo.
2. TERMINOLOGÍA Marco muestral: listado que identifica a
los elementos de la población objetivo. Elemento: cada una
de las unidades sobre las que interesa obtener
información. Unidad muestral: unidad seleccionada de la
población para la aplicación de la técnica
de investigación; contiene los elementos de la
población que pueden formar parte de la muestra.
Parámetro: medida de una característica determinada
de una población. Si esta medida está referida a
una muestra entonces se denomina estadístico. La
diferencia entre ambos valores es el error muestral. Estimador:
es el valor muestral utilizado para inferir un valor poblacional.
Un estimador insesgado es un estimador cuya esperanza
matemática es el parámetro poblacional que estima.
Se dice que un estimador es consistente si al sustituir el
tamaño de la muestra por el del total de la
población la estimación coincide con el
parámetro poblacional. Distribución muestral: Es la
representación de los valores de los estadísticos
(la media, por ejemplo) con sus frecuencias.
2. TERMINOLOGÍA Teorema central del límite: si el
tamaño de la muestra es lo suficientemente grande (a
partir de 30) y si las muestras se extraen aleatoriamente, este
teorema nos dice que la distribución de muestreo de la
media aproximadamente tendrá una distribución
normal con una media igual a la de la población y con una
varianza igual a la varianza de la población dividida por
el tamaño de la muestra. Dispersión: medida
estadística del nivel de variación de la
opinión del colectivo total sobre el tema analizado
respecto al valor medio. Inferencia estadística: proceso
de estimación de resultados válidos para una
población a partir de los resultados obtenidos de una
muestra de esa población. Intervalo de confianza:
intervalo con una determinada probabilidad de incluir el valor
poblacional. Se determina a partir de los resultados muestrales y
el error de muestreo. Nivel de confianza: probabilidad de obtener
un intervalo de confianza concreto. Método de muestreo:
procedimiento utilizado para seleccionar de forma representativa
las unidades muestrales.
3. ETAPAS EN LA SELECCIÓN DE LA MUESTRA Definición
de la población objetivo: en términos de contenido,
unidades, extensión y tiempo. Identificar el marco
muestral: normalmente es imposible confeccionar una lista que no
excluya a algunos miembros de la población. Determinar el
método de muestreo: si la unidad de muestreo es diferente
del elemento es necesario especificar también cómo
se deben seleccionar los elementos dentro de la unidad de
muestreo. Determinar el tamaño de la muestra: se deben
considerar los siguientes factores cualitativos: Importancia de
la decisión. Naturaleza de la investigación.
Número de variables. Naturaleza del análisis.
Tamaños de muestra utilizados en estudios similares.
Restricciones de recursos.
3. ETAPAS EN LA SELECCIÓN DE LA MUESTRA Selección
material de la muestra: elegir los componentes de la muestra y
localizar materialmente la muestra, es decir, localización
física de las unidades. Decidir el trato que se ha de dar
a la falta de respuestas: se niega a responder, no se localiza,
no sabe contestar o no es accesible. Para reducir este riesgo de
no respuesta hay varios procedimientos: Mejorar el diseño
de la investigación para reducir las negativas. Repetir
los intentos. Estimar los efectos de la falta de respuesta en lo
que respecta a la calidad de la información.
4. MUESTREO NO PROBABILÍSTICO: CARACTERÍSTICAS La
selección de la muestra no es aleatoria, sino que se basa,
en parte, en el juicio del entrevistador o de responsable de la
investigación. No se basa en ninguna teoría de la
probabilidad y, por lo tanto, no es posible calcular la
precisión o acotar el error cometido. No es posible
calcular estos errores ni la confianza de las estimaciones que,
además, no siempre se reducen aumentando el tamaño
de la muestra. En el muestreo no probabilístico los
costes y la dificultad del diseño son más reducidos
(al no ser necesario disponer de un marco). Este muestreo puede
dar buenos resultados, pero también apareja el riesgo de
proporcionar una información errónea.
4. MUESTREO NO PROBABILÍSTICO Muestreo de conveniencia Las
muestras se seleccionan según un criterio de accesibilidad
o comodidad. Suele emplearse en centros comerciales, plazas,
estaciones de autobuses o de tren, metro, aeropuertos o lugares
de gran afluencia pública. Se utiliza para obtener un
mayor número de cuestionarios completados de forma
rápida y económica. Adecuado en la
investigación exploratoria que venga seguida de una
investigación adicional en la que se extraiga una muestra
probabilística. Muestreo de juicios La muestra es elegida
por un experto de acuerdo con su criterio, buscando las unidades
más representativas. Ejemplo: mercados de prueba,
presuntos líderes seleccionados en la investigación
de conducta de voto…. Se emplea cuando el tamaño de
la muestra es pequeño.
4. MUESTREO NO PROBABILÍSTICO Muestreo por cuotas Tiene
por objetivo asegurar que los diversos subgrupos de una
población estén representados en la muestra
respecto de las características pertinentes de la muestra
y con la proporción exacta que el investigador desee. La
selección accidental de sujetos puede producir sesgo. La
velocidad de recopilación de datos, los menores costes y
la comodidad son sus principales ventajas frente al muestreo de
probabilidad. Puede resultar apropiado cuando el investigador
sabe que es más probable que un cierto grupo
demográfico rehúse colaborar con una encuesta.
Muestreo de “bola de nieve” Los primeros elegidos
como encuestados (probablemente a juicio del investigador)
proponen y ayudan a la selección de los restantes de la
muestra. Esta técnica se utiliza para localizar por
referencias a miembros de poblaciones peculiares. Ventajas: los
reducidos tamaños de muestra y los costes. Sesgo porque la
persona sugerida por otro miembro de la muestra tiene una
probabilidad mayor de ser similar a la primera.
5. MUESTREO PROBABILÍSTICO: CARACTERÍSTICAS Las
muestras se seleccionan al azar, no se seleccionan por los
investigadores. Cada elemento de la población tiene la
misma probabilidad de ser elegido. Se puede conocer el error
muestral, el nivel de confianza y el nivel de precisión de
las estimaciones. Los resultados se pueden generalizar. Es el
único método que puede evaluar la representatividad
de la muestra. Es más caro que el muestreo no
probabilística. Es, en general, más lento y
complicado que el muestreo no probabilística.
5. MUESTREO ALEATORIO SIMPLE: INCONVENIENTES Su
utilización está supeditada a la existencia de una
“base de sondeo” donde se puedan enumerar todos los
elementos constituyentes del universo objeto de estudio. La
extracción al azar dispersa totalmente a los componentes
de la muestra. Imaginemos los costoso que sería ir a
Gerona a hacer una entrevista a una sola persona, a otra en
Cádiz, a otra en Vigo, … No tiene en cuenta
criterios de homogeneidad/heterogeneidad entre conjuntos de
elementos del universo. Es un método lento, sobre todo
cuando el número de elementos que constituyen el universo
objeto de estudio y/o la muestra es elevado.
5. MUESTREO ALEATORIO SISTEMÁTICO En primer lugar se
selecciona el “coeficiente de elevación”
(tamaño población/tamaño muestra), a
continuación se elige al azar un número inferior al
coeficiente de elevación. La primera unidad muestral es el
número elegido, la segunda unidad muestral se determina
agregando a ese primer número el coeficiente de
elevación y así sucesivamente hasta completar el
tamaño de la muestra. Es preciso un listado de los
elementos, que normalmente sigue algún criterio
coincidente o no con el interés objeto de
investigación: orden alfabético, domicilio, momento
o tiempo en que se produce un hecho, indicadores de
tamaño, otros indicadores. Este muestreo es sencillo,
fácil de ejecutar y menos caros que otros muestreos
aleatorios, sólo se efectúa una selección al
azar al principio y a partir de ahí el proceso es
automático. Este muestreo asegura un reparto de los
componentes de la muestra contribuyendo a evitar que esté
compuesta únicamente por valores extremos.
5. MUESTREO ALEATORIO ESTRATIFICADO Determina el número de
elementos a seleccionar de cada segmento, necesarios para formar
una muestra representativa. Es un proceso en dos fases en el que
la población se divide en estratos. El estrato debe ser
mutuamente excluyente y colectivamente exhaustivo.
Después, los elementos se seleccionan para cada estrato
mediante un procedimiento aleatorio, por lo general m.a.s.
Difiere del muestreo por cuotas en que los elementos de la
muestra se seleccionan en forma probabilística en vez de
hacerlo por conveniencia o por juicio. Un objetivo principal de
este muestreo es incrementar la precisión sin aumentar el
coste El criterio para la selección de las variables de
estratificación consiste en homogeneidad, heterogeneidad,
relación y coste. Las variables comúnmente
utilizadas incluyen características demográficas,
tipo de cliente (con o sin tarjeta), tamaño de la empresa
o tipo de industria.
5. MUESTREO ALEATORIO ESTRATIFICADO El número de estratos
a utilizar es cuestión de juicio, pero la experiencia
sugiere el uso de no más de seis. Procedimientos
utilizados para la estratificación de la muestra:
Afijación simple: se reparte la muestra total en partes
iguales para cada estrato. Afijación proporcional: la
muestra se reparte proporcionalmente a la población de
cada estrato. Afijación óptima o no proporcional:
se considera la mayor o menor heterogeneidad dentro de cada
estrato, lo que se mide por la desviación típica.
La corrección de la proporcionalidad con este criterio
exige más información de cada estrato, en concreto
la varianza o la desviación típica.
5. MUESTREO POR CONGLOMERADOS En ocasiones, con el fin de ahorrar
tiempo y disminuir costes, se divide la población total en
conglomerados o grupos de unidades maestrales excluyentes y
colectivamente exhaustivos. Luego se selecciona una muestra
aleatoria de grupos con base en una técnica de muestreo
probabilística, como el MAS. Para cada grupo seleccionado,
se incluyen todos los elementos en la muestra o se toma una
muestra de elementos en forma probabilística. Si todos los
elementos en cada grupo seleccionado están incluidos en la
muestra, el procedimiento se llama muestreo por conglomerados de
una etapa. Si una muestra de elementos se toma en forma
probabilística de cada grupo seleccionado, el
procedimiento es un muestreo por conglomerados en dos etapas. La
unidad muestral primaria ya no es el elemento de la
población sino un grupo mayor de elementos que
están situados cerca el uno del otro (por ejemplo,
ciudades).
5. DIFERENCIAS ENTRE MUESTREO POR CONGLOMERADOS Y ESTRATIFICADO
En el de conglomerados sólo se elige una muestra de
subpoblaciones, en el estratificado todas las subpoblaciones
(estratos) se seleccionan para muestreo posterior. El objetivo
del m. por conglomerados es incrementar la precisión al
reducir costes. En relación a la homogeneidad y la
heterogeneidad, el criterio para formar conglomerados es el
opuesto al de formar estratos. Los elementos dentro de un
conglomerado deben ser tan heterogéneos como sea posible,
pero los conglomerados mismos deben ser tan homogéneos
como sea posible. Cada conglomerado debe ser una
representación en pequeña escala de la
población. En el m. por conglomerados se necesita un marco
de muestreo sólo para aquellos agrupamientos seleccionados
para la muestra
5. MUESTREO POR CONGLOMERADOS Una forma común de este
muestreo es el muestreo por área, en el que los
agrupamientos consisten en áreas geográficas, como
países, zonas de casas o calles. El muestreo por
conglomerados se clasifica como técnica de muestreo
probabilístico porque o bien la selección de
conglomerados es aleatoria, o bien la selección de
elementos dentro de cada conglomerado es aleatoria. El
conglomerado ideal debería ser tan heterogéneo como
la propia población. Este muestreo puede resultar
problemático si las características y actitudes de
los elementos del conglomerado son demasiado similares.
6. DETERMINACIÓN DEL DISEÑO MUESTRAL APROPIADO
Grado de precisión: La selección de una muestra
representativa es importante para todos los investigadores. No
obstante, el grado de precisión necesario o la tolerancia
del investigador de los errores de muestreo y ajenos al muestreo
pueden ser distintos en cada proyecto, especialmente cuando la
reducción de la precisión pueda compensarse con el
ahorro de costes u otros beneficios. Recursos: Los costes
asociados a las diversas técnicas de muestreo
varían enormemente. Si los recursos financieros y humanos
del investigador son restringidos, habrán de eliminarse
ciertas opciones. Tiempo: El investigador que necesite cumplir
con un plazo o completar un proyecto rápidamente
seguramente elegirá un diseño simple que ocupe poco
tiempo . Conocimiento previo de la población:
disponibilidad de listas de sus miembros. Proyecto nacional o
local. Necesidad de análisis estadístico.