Es el mtodo estratificado la mejor va a seguir para el anlisis de datos derivados de un muestreo probabilstico? FELIPE LESCAS CRUZ Lic.

En Biologa Marco terico: La importancia de un entendimiento claro sobre el concepto de distribuciones muestrales es vital para comprender la inferencia estadstica. Es un hecho cotidiano que en cualquier investigacin, ya sea sobre un medio social, biolgico, o relacionado con el medio ambiente, se persiga la realizacin de una inferencia acerca de la poblacin estudiada, dependiendo de la informacin contenida en una muestra de la misma. La carencia de algunos recursos monetarios, de tiempo, de personal, entre sobrellevan a la toma de tal decisin. Los procedimientos para seleccionar la muestra que mejor represente a esta poblacin son sin duda alguna un aspecto cotidiano de gran importancia en cualquier investigacin. Es importante entender que cuando se analiza la informacin contenida en la muestra el objetivo principal del investigador es el de hacer inferencias para la poblacin, de all que partimos definiendo algunos trminos como Universo estadstico y Poblacin estadstica. Es comn encontrar que lo que se desea realizar para esa poblacin es simplemente estimar uno o ms parmetros. Otro concepto que aparece en estas definiciones es el de Inferencia o Inferencia Estadstica que es simplemente el proceso mediante el cual los resultados obtenidos en la muestra son extrapolados o aplicados a la poblacin, es decir que se realiza la estimacin de los parmetros, proceso que se fundamenta en la teora de probabilidades (Sierra, 1991). De all que entendemos la Muestra como un subconjunto de la poblacin; cuando se trabaja con todos los individuos que conforman la poblacin, lo que se aplica es un Censo y en este caso no se hace inferencia ya que los parmetros son calculados directamente en la poblacin. En el momento en que se plantea la necesidad de seleccionar la muestra, es donde entra a jugar un papel importante el Muestreo este trmino se refiere a un conjunto de tcnicas que permiten seleccionar una muestra de elementos (unidades muestrales), de la poblacin. Existen dos maneras generales de realizar un muestreo, haciendo uso de un muestreo estadstico o aplicando un muestreo preferencial u opintico. En el Muestreo Opintico tal y como su nombre lo indica, las unidades muestrales las selecciona el investigador de acuerdo a su propio criterio, considerando que ha logrado

obtener una muestra representativa de la poblacin. En consecuencia, desde el punto de vista estadstico la informacin obtenida en esta muestra no puede ser tratada, ya que se considera sesgada y por tanto no puede fijarse un nivel de confianza al momento de emitir una inferencia acerca de cualquier parmetro en la poblacin. Otro problema al momento de seleccionar las unidades es que se requiere conocer muy bien el rea de estudio o de investigadores con experiencia en la zona. Por otra parte el Muestreo Estadstico o Probabilstico se define como una tcnica en la cual los individuos de la poblacin son seleccionados aleatoriamente, es decir, es posible conocer la probabilidad de seleccin de cada uno de ellos. Este principio de aleatorizacin, en la prctica, realmente es difcil mantenerlo y de all que se somete a una serie de restricciones, dando origen a algunos tipos de muestreo. El muestreo estadstico es importante ya que permite disminuir y calcular el Error de Muestreo que no es ms que la diferencia entre el valor real de la caracterstica calculada en la poblacin (parmetro) y el valor en la muestra (Estadstico o estimador). Entre las tcnicas de muestreo estadstico mas usados en el campo forestal, ambiental y social cabe mencionar el muestreo estratificado, el sistemtico, por conglomerados, por etapas y una gama de combinaciones entre ellos; no dejando de pensar siempre en el muestreo aleatorio simple. El Muestreo Aleatorio Simple (M.A.S) es considerado el ms exacto de todos, su metodologa de aplicacin consiste en la seleccin aleatoria de una muestra de tamao n entre las N unidades que constituyen la poblacin, de forma tal que cada una de ellas tengan la misma probabilidad de ser elegida, y las extracciones son independientes unas de otras. En la prctica cuando se tiene una zona extensa es difcil de implementar, ya sea por la distribucin espacial de las unidades de muestreo o unidades muestrales, por razones de costo, de espacio, tiempo, de heterogeneidad de la poblacin etctera. De all que se divida la poblacin y surge el Muestreo Estratificado Aleatorio (M.E.A) en el cual las unidades o elementos de la poblacin se agrupan en base a similaridades de alguna caracterstica llamada variable de estratificacin (usualmente de un factor del medio de tipo topogrfico, de vegetacin, barrios, urbanizaciones, etc.), formando los estratos, los cuales son homogneos dentro de s y heterogneos con respecto a otro; y luego dentro de cada uno de ellos se eligen las unidades de muestreo aleatoriamente, independientemente unas de otras. La estratificacin presenta algunas ventajas, tal como lo seala Scheaffer Mendenhall (1987), puede producir un lmite ms pequeo para el error de estimacin de los parmetros que se desean evaluar. El costo del levantamiento de la informacin puede ser reducido y se pueden obtener estimaciones para cada subgrupo o estrato.

El Muestreo Sistemtico consiste en distribuir los elementos de la muestra de acuerdo a un patrn definido. Se le dice sistemtico porque la seleccin de las unidades muestrales se realiza a una distancia constante, por ejemplo cada diez viviendas, cada 50 metros etc. En este tipo de muestreo se recomienda cuadricular el rea, o hacer uso de un mapa urbano para el caso de encuestas de hogares. Si se trabaja sobre toda el rea, tenemos un Muestreo Aleatorio Sistemtico; si se estratifica previamente el rea, tenemos el Muestreo Estratificado Sistemtico. La tcnica del Muestreo Sistemtico permite detectar variaciones espaciales en la comunidad, su aplicacin en el campo es realmente sencilla, pero sin embargo no permite una estimacin exacta de la precisin de la media (Matteuci y Colma, 1982 ). El inconveniente que presenta es que es un muestreo cerrado y una vez realizado no permite agregar un nmero de unidades muestrales a la muestra. En el Muestreo por Conglomerados las unidades o elementos de la poblacin se agrupan en base a diferencias bien marcadas de alguna caracterstica formando los conglomerados, los cuales son heterogneos dentro de s y homogneos con respecto a otro, es decir, lo contrario del muestreo estratificado. Un ejemplo que puede sealarse es el caso de una ciudad, un conglomerado sera una comunidad en la que est presente el barrio y la urbanizacin juntos, es decir, un sector de una clase social alta y uno de una clase social baja, obtenindose en el conglomerado la mayor variabilidad presente en la poblacin; las unidades muestrales se pueden seleccionar aleatoriamente o de manera sistemtica donde el punto de arranque es aleatorio. Muestreo aleatorio estratificado: PLANTEAMIENTO DEL PROBLEMA: Para este trabajo elegimos el muestreo aleatorio estratificado ya que es el mtodo que necesitamos analizar y en el cual nos basamos para realizar el trabajo deseado. En este caso como ya se menciono en el marco terico este mtodo nos ayuda para obtener de manera ms exacta una subpoblacin a la cual le dimos el nombre de estrato y con las cuales trabajamos. Para este caso analizamos el mtodo aleatorio estratificado como la base para la realizacin del estudio ya que con esto podemos elegir de manera adecuada la cantidad de estratos a medir y, con ello, evitar hacer un trabajo extra que no servir de nada ya que en base a las formulas de este mtodo podemos saber con exactitud cuantas submuestras debemos de tomar para tener la mayor certeza en los datos. Este mtodo tambin nos permite administrar de manera ms conveniente los recursos disponibles para as tener menores costos al momento de realizar el estudio, tambin nos

permite, si se utiliza de manera adecuada, tener estimaciones ms precisas y con menor varianza para toda la poblacin de estudio. HIPTESIS El muestreo aleatorio estratificado es eficiente para el conteo de una muestra probabilstica. MATERIALES Y MTODO MATERIALES Cinta adhesiva Gis Flexo metro Cuaderno de anotaciones Lpiz Calculadora

METODO Se midi un rea de un metro cuadrado Posteriormente se dividi en estratos de 25 cm x 25 cm, lo que nos dio un total de 16 estratos. Se escogi al azar 5 estratos mediante un sorteo. Los estratos que salieron sorteados fueron: 1, 9, 10, 13 y 15. Se procedi a contar el nmero de individuos por cada estrato de la muestra. Estos datos fueron registrados en una tabla como se muestra a continuacin: Estratos Nmero de piedras

Tabla 1: Formato de datos Posteriormente se calcularon las medidas de tendencia central y de dispersin para ser aplicadas a la formula de n. ANLISIS DE RESULTADOS A continuacin se presentara la tabla obtenida durante el conteo de individuos en los estratos. Estratos Nmero de

piedras 1 48 9 107 10 153 13 340 15 90 Tabla 2: Resultados de conteo. En base a los resultados anteriores se obtuvo el promedio, la desviacin estndar y el coeficiente de variacin. Los cuales se presentan a continuacin. Medidas Valor numrico Promedio 139.6 Desviacin estndar 113.94 Coeficiente de variacin 81.62 Tabla 3: Medidas para calcular n A continuacin se presentan el valor de t que esta relacionado con los grados de libertad y con el % error que es del 20% que es una conveccin ya establecida. Error 20% Valor t 2.776 Tabla 4: Medidas para la obtencin de n Los datos anteriores nos ayudaron a obtener el valor de n, que nos indic el nmero real a tomar de la poblacin. El valor de n se obtiene con la siguiente frmula:

Sustituyendo los datos en la formula nos queda:

Segn esta formula el tamao de la muestra es 0.17, lo cual nos indica que no es necesario realizar un segundo conteo y se podran tomar un de los valores arrojados en la tabla 2. Analizando este resultado resulta ilgico de acuerdo al tamao de estratos que se tienen. Despus de analizar los datos obtenidos nos dimos cuenta que haba un error en la formula lo cual distorsion el valor final de n.

CONCLUSIONES Al terminar este trabajo se puede concluir que el mtodo aleatorio estratificado es una buena opcin para realizar conteo probabilstico ya que con este podemos obtener muestras ms heterogneas y que abarquen una mayor variedad de la poblacin a trabajar. Otro aspecto importante a considerar es la organizacin de los involucrados para el estudio y realizar el anlisis de los clculos obtenidos en el primer conteo y con ello obtener el valor de n para el segundo conteo y evitar con ello realizar un trabajo insustancial como se pudo apreciar en este caso.