F2 =
E ((i&F)2
i'1
2
, y la desviacin estndar se define como F' F
Pg. 1
1. Conceptos bsicos.
2
E(xi&x)
1
2
Media: x' j xi , Cuasivarianza: s '
, y Desviacin estndar: s' s 2
n&1
n
Ntese que s2 tiene de divisor n-1 en lugar de n. Esto le convierte en un estimador
insesgado de la varianza poblacional.
Pg. 2
1.4. Estimacin
El objetivo de cualquier encuesta por muestreo es realizar inferencias acerca de una
poblacin de inters, partiendo de la informacin obtenida en una muestra de dicha poblacin.
Las inferencias en las encuestas por muestreo son usualmente dirigidas a la estimacin de ciertas
caractersticas numricas de la poblacin, tales como la media, el total o la varianza. Estas
Pg. 3
1. Conceptos bsicos.
medidas descriptivas numricas de la poblacin se denominan parmetros. Un estimador es una
funcin de variables aleatorias observables usado para estimar un parmetro. Por ejemplo, la
media muestral 0 puede ser usada como un estimador de la media poblacional F, ya que es una
funcin de las observaciones en la muestra. Por ello, querremos seleccionar un plan de muestreo
que nos asegure que E(x) = F y que V(x) es pequea.
En general, suponiendo que 2 es un estimador del parmetro 2. Dos propiedades son
deseables para 2:
1. E(2) = 0.
2. V(2) = F2 es pequea.
Un estimador que posee la propiedad 1 se dice que es insesgado. Si podemos contar con
dos estimadores insesgados de 2, generalmente daremos preferencia al que tenga la menor
varianza. Una vez que sabemos qu estimador 2 estamos usando en una situacin y conocemos
algo acerca de su distribucin de probabilidad, podemos evaluar la magnitud del error de
estimacin. Definimos el error de estimacin como |2 - 2|. Aunque no podemos establecer que
un estimador observado este dentro de una distancia especificada de 2, podemos, al menos
aproximadamente, encontrar un lmite e tal que
P(|2 - 2| # e) = 1 - "
para cualquier probabilidad deseada 1 - ", donde 0 < " < 1. Si 2 tiene una distribucin
normal, entonces e = z"/2F2, donde z"/2 es el valor que separa un rea de ("/2) en la cola del lado
derecho de la distribucin normal estndar. Si 1 - " = 0,95, entonces, z0,025 = 1,96, osea,
aproximadamente 2. Al intervalo (2 - e, 2 + e) se denomina intervalo de confianza para 2 con
coeficiente de confiabilidad (1 - "), con un lmite inferior de confianza (LIC) y un lmite superior
de confianza (LSC).
Pg. 4
Pg. 5
Pg. 6
Pg. 7
Pg. 8
Pg. 9
Pg. 10
Pg. 11
F2 N&n
( )
n N&1
Formulario._____________________________________________________
Estimador de la media poblacional : = 0 = 3xi / n
Exi &nx2
E(xi&x)2
s 2 N&n
2
( ) , donde s =
Varianza estimada de 0: V(0 ) =
=
n&1
n N&1
n&1
2
s
N&n
Lmite para el error de estimacin: z V )(x)'z
( )
n N
______________________________________________________________
La cantidad (N - n) / N se denomina correccin por poblacin finita (cpf). Cuando n
permanezca pequea con respecto al tamao de la poblacin N, n # (1/20)N, entonces la cpf
estar cercana a la unidad, la cpf puede despreciarse, y la varianza estimada ser 0 = s2 / n.
Problema 2. Existen N = 1000 registros de pacientes, y tomamos una muestra aleatoria de
n = 200 cuentas. La media muestral de la deuda fue 0 = $94,22, y la varianza muestral es 445,21.
Estimar (el promedio de la deuda para las 1000 cuentas del hospital), y establecer un lmite
para el error de estimacin.
El lmite para el error de estimacin, con z = 2, es e = $2,67.
= 0 = $94,22.
Ya que n es grande, la media muestral tendr una distribucin aproximadamente normal,
as que ($94,22 $2,67) es un intervalo de confianza para la media poblacin del 95,45%.
Pg. 12
V(J) = V(N0) = N 2
s 2 N&n
(
n N
s 2 N&n
(
n N
3.3. Seleccin del tamao de muestra para estimar la media y total poblacionales
Las observaciones cuestan dinero. Por lo tanto, si la muestra es muy grande, tiempo y
talento son desperdiciados. Por el contrario, si el nmero de observaciones incluidas en la
muestra es muy pequeo, compramos informacin inadecuada, por lo que nuevamente hacemos
un mal gasto. El nmero de observaciones necesarias para estimar una media poblacional con
un lmite para el error de estimacin de magnitud B, se encuentra al establecer dos desviaciones
estndar del estimador 0 igual a B, y resolviendo esta expresin para n. Es decir, debemos
resolver:
z V )(x)'B
Pg. 13
NF2
2
(N&1)D%F
, donde D = B2 / z
En una situacin prctica, la solucin para n presenta un problema debido a que la varianza
poblacional F2 es desconocida. Puesto que la varianza muestral s2 frecuentemente se encuentra
disponible de un experimento anterior, podemos obtener un tamao de muestra aproximado al
reemplazar F2 por s2 en la ecuacin. Si N es muy grande, el (N-1) puede ser reemplazado por N.
Problema 1. Calcular la cantidad promedio de dinero para las cuentas por cobrar de un
hospital. No conocemos la varianza poblacional F2, pero se sabe que la mayora de las cuentas
caen dentro de una amplitud de variacin de $1000 cuentas abiertas. Encontrar el tamao de la
muestra necesaria para estimar con un lmite para el error de estimacin B = $3.
Necesitamos una estimacin de F2. La amplitud de variacin es aproximadamente igual a
4 desviaciones estndar (4F). As,
100 = 4F ----> F 100/4 = 25 --------> F2 625
Por otro lado, D = B2/z2 = 9/4 = 2,25.
As, segn la frmula anterior, n =217,56 218 observaciones para estimar con un lmite
para el error de estimacin de $3,00.
De manera semejante, podemos determinar el nmero de observaciones necesarias para
estimar un total poblacional J, con un lmite para el error de estimacin de magnitud B. El
tamao de muestra requerido se encuentra al establecer dos desviaciones estndar del estimador
igual a B y resolviendo esta expresin para n. Esto es, debemos resolver
z V(Nx)'B , o zN V(x)'B
El tamao de la muestra requerido para estimar J con un lmite de error B, ser,
n=
NF2
2
(N&1)D%F
, donde D = B2/4N2 .
Pg. 14
Pg. 15
V(Jppt ) =
xi
1
(
&Jppt)
j
n(n&1)
Bi
x
1
1
ppt' J ppt' j ( i
N
Nn
Bi
1
V(ppt) = N 2n(n&1)
z V(ppt)
Lmite para el error de estimacin:
Pg. 16
j(
xi
Bi
&Jppt)
Nmero de
Componentes
Intervalo
acumulado
Bi
10
1-10
10/150
12
11-22
12/150
22
23-44
22/150
45-52
8/150
16
53-68
16/150
24
69-92
24/150
93-101
9/150
10
102-111
10/150
112-119
8/150
10
31
120-150
31/150
Pg. 17
Pg. 18
Pg. 19
0st =
1
1
[N1x1%N2x2%.........%N Lx L]' j Nix i
N
N
Pg. 20
4.3. Seleccin del tamao de muestra para estimar la media y total poblacionales
La cantidad de informacin en una muestra depende del tamao de muestra n, ya que V(0st)
decrece con el incremento de n. Si queremos que la estimacin de 0st est dentro de B unidades
de la media poblacional, hemos de igualar
z V(Nx st) = B;
osea, V(0st) = B2/Z2. Esta ecuacin contiene la varianza poblacional de 0st en lugar de la
varianza estimada. Para N grande, la varianza real es muy similar a la varianza estimada, con s12,
s22, .........., sL2 reemplazadas por F12, F22, .........., FL2 .
Hay muchas maneras para asignar un tamao de muestra n a los diversos estratos. En cada
caso, el nmero de observaciones ni asignado al i-simo estrato es una fraccin del tamao de
muestra total. Denotamos esta fraccin por wi. Por ello, podemos sealar: ni = nwi, con i = 1, 2,
......, L.
Formulario. __________________________________________________________
Tamao de muestra aproximada que se requiere para estimar o J con un lmite B para el
error de estimacin:
L
2 2
con D=B2/z2 para estimar ,
j (Ni Fi )/w i
y D=B2/4N2 para estimar J.
n' i'1
N 2D%j N iFi2
L
i'1
_______________________________________________________________________
Para usar esta ecuacin, debemos obtener aproximaciones de las varianzas poblacionales
2
F1 , F22, .........., FL2 , usando las varianzas muestrales de un experimento previo, o conociendo la
amplitud de variacin de las observaciones dentro de cada estrato.
Pg. 21
(N iFi)/ ci
(N1Fi)/ ci%..............%(NLFL)/ cL
Pg. 22
'n
(N iFi)/ ci
j (NkFk)/ ck
k'1
i'1
N 2D%j NiFi2
L
i'1
N iFi
j N iFi
n=
(j N iFi)2
N 2D%j N iFi2
L
i'1
_______________________________________________________________________
Problema 2. La misma firma publicitaria decide utilizar entrevistas por telfono para
reducir costos. El costo es, entonces, el mismo en los tres estratos. Las desviaciones estndar
siguen siendo 5, 15, y 10 respectivamente. La empresa desea estimar la media poblacional con
un lmite para el error de estimacin igual a 2 horas. Encontrar el tamao aproximado de la
muestra n y los tamaos de muestra para los tres estratos.
Hallamos que D = 1, y que n = 56,34 o bien 57.
Entonces, n1 = nw1 = (57)(0,30) = 17,
n2 = nw2 = (57)(0,35) = 20
n3 = nw3 = (57)(0,35) = 20.
Pg. 23
ni = n (Ni / N) ,
n=
1
ND% j NiFi2
N i'1
________________________________________________________________________
L
Problema 4. La empresa publicitaria del ejemplo anterior considera que las varianzas
aproximadas que se usaron en los ejemplos previos son errneas y que las varianzas de los
estratos son iguales, con un valor igual a 10. Mediante entrevistas por telfono, con lo que los
costos son iguales, se desea estimar el nmero promedio de horas por semana que se ve la
televisin en los hogares del municipio, con un lmite para el error de estimacin de 2 horas.
Encontrar el tamao de muestra y los tamaos de estratos necesarios para lograr esta exactitud.
D = 1, con lo que n = 75,6 o bien 76.
n1 = 38; n2 = 15; n3 = 23.
Problema 5. En el mismo ejemplo, supngase que los costos de ver la televisin son de $9
para los pueblos A y B, y de 16$ para la zona rural. Las varianzas son, aproximadamente, 5, 15,
y 10, respectivamente. Dado que la empresa publicitaria tiene nicamente $500 para gastar en
muestreo, elegir el tamao de muestra y la asignacin que minimice V(0st).
Con estos datos, en un problema anterior, encontramos que w1=0,32; w2=0,39; y w3=0,29.
Ya que el costo total debe ser igual a $500, tenemos que
c1n1 + c2n2 + c3n3 = 9n1 + 9n2 + 16n3 = 500.
Ya que ni = nwi : 9n(0,32) + 9n(0,39) + 16n(0,29) =500
Despejando, tenemos que n = 45,33.
As, n1 = 14; n2 = 18; y n3 = 13.
Pg. 24
1
N2
1
1
(N1p1%.........%N LpL)' j Nip i
N
N
2
j Ni (
piq i Ni&n i
)(
)
ni&1
Ni
2
j (N i piqi)/wi
L
n'
i'1
N D%j Nipiqi
2
i'1
Pg. 25
Ni piqi
j Ni piqi
(j Ni piq i)2
n'
N 2D%j N ipiq i
,y
n'
Problema 2. Supngase del ejemplo anterior que se van a efectuar entrevistas por telfono,
por lo que los costos de muestreo son los mismos en todos los estratos. Deseamos estimar la
proporcin poblacional p con un lmite de 0,1 para el error de estimacin. Encontrar el tamao
de muestra apropiado para lograr este lmite al costo mnimo.
n = 61,08 o bien 62, con n1=29, n2=12, y n3=21.
Problema 3. En el mismo ejemplo, con entrevistas por telfono, la empresa considera que
la proporcin de hogares donde se ve el programa X est cercana a 0,4 en cada uno de los tres
estratos, y desea estimar la proporcin poblacional p con un lmite de 0,1 para el error de
estimacin. Encontrar el tamao de muestra n con este lmite al mnimo costo.
Tenemos que n = 73,3 o bien 74, y que n1=37, n2=15, y n3=22.
Pg. 26
j yi
j xi
Pg. 27
j xi
nN
(y i&rx i)2
n&1
j yi
(Jx)'rJx
x
j i
N&n
1 j
Varianza estimada de Jy : V )(Jy)'Jx V )(r)'Jx ( )( 2 )
)
nN
(y i&rx i)2
n&1
Pg. 28
j yi
(x)'rx
j xi
Varianza estimada de y :
nN
(y i&rx i)2
n&1
)
V )(y)
R = r.
Jy = r Jx .
y = r x .
Varianzas aproximadas:
V )(r)'( N&n )( 12 ) j
nN
(y i&rx i)2
n&1
Pg. 29
Pg. 30
j (yi&y)(xi&x) j yixi&nxy
'
2
2
2
(x
&x)
j i
j x i&nx
N&n
Varianza estimada de yL : V(yL) = ( )(
Nn
1
n&2
Pg. 31
109
112
-3
40
36
+4
Pg. 32
N&n j (yi&ymi)
)
n&1
NnM2
)
Varianza estimada de : V (y)'(
)
Pg. 33
Cong.
N
resid.
mi
Ingreso
cong.
yi
$96000
14
10
49000
12
121000
15
53000
42000
16
50000
65000
17
32000
52000
18
22000
40000
19
45000
75000
20
37000
65000
21
51000
45000
22
30000
10
50000
23
39000
11
85000
24
47000
12
43000
25
41000
13
540000
Cong.
N
resid.
mi
ingreso
cong.
yi
Formulario. ____________________________________________________________
Estimador del total poblacional J: My'M
j yi
j mi
N&n j (yi&ymi)
Varianza estimada de M: V (My)'M V (y)'N (
)
Nn
n&1
Pg. 34
6.2. Seleccin del tamao de muestra para estimar medias y totales poblacionales
Ahora vamos a suponer que el tamao del conglomerado (unidad de muestreo) ha sido
elegido, y vamos a considerar nicamente el problema de seleccionar el nmero de
conglomerados n.
Pg. 35
NFc
ND%F 2
B 2M2
j
s c2'
(yi&ymi)2
n&1
,o
j
sc2'
(yi&y t)2
n&1
B2
D' para estimar J y N.
N 2z 2
z2
______________________________________________________________________
D'
para estimar , y
Problema 1. En el problema anterior, supngase que los datos ofrecidos representan una
muestra preliminar de ingresos en la ciudad. Qu tan grande debe tomarse la muestra en una
encuesta futura para estimar el ingreso promedio por persona con un lmite de $500 de error?
sc2 = 634.479.260
M puede ser estimada por m = 6,04.
n = 166,58 167 conglomerados que se deben muestrear.
Problema 2. De nuevo en el mismo ejemplo, qu tan grande se necesita una muestra para
estimar el ingreso total de todos los residentes, con un lmite de $1.000.000 de error. Supngase
que hay 2.500 residentes en la ciudad (M = 2500).
sc2 = 634.479.260
n = 212,88 213.
Problema 3. En el mismo ejemplo, los datos provienen de un estudio preliminar de ingresos
en la ciudad y no se conoce M. Qu tan grande se debe tomar la muestra para estimar el ingreso
total de todos los residentes con un lmite de $1.000.000 para el error de estimacin?
sc2 = 474.556.667
n = 182,88 183.
(ai&p )mi)2
N&n
j
Varianza estimada de p: V (p )'(
)
n&1
NnM2
)
Pg. 36
NFc
ND%F 2
, donde D'
B 2M2
sc2'
, y
2
)
j (ai&p mi)
n&1
z2
_________________________________________________________________________
Problema 1. Se va a realizar un nuevo estudio en la misma ciudad con el propsito de
estimar la proporcin p de residentes que alquilan la casa en que viven. Qu tan grande se debe
tomar la muestra para estimar p, con un lmite de 0,04 en el error de estimacin?
sc2 = 0,530
D = 0,0146
n = 33,40 34 conglomerados.
1
ppt' j y i
n
1
2
)
j (y i& ppt)
n(n&1)
V )() ppt)'
z V )() ppt)
Pg. 37
M
j yi
n
2
2
)
Varianza estimada de Jppt : V )(J) )' M
j (y i& ppt)
ppt
n(n&1)
Pg. 38
7. Muestreo polietpico
El muestreo por conglomerados en dos etapas es una extensin del concepto del muestreo
por conglomerados. Un conglomerado frecuentemente contiene demasiados elementos para
obtener una medicin de cada uno de ellos, o stos son tan semejantes quela medicin de slo
unos cuantos proporciona informacin sobre un conglomerado completo. Cuando esto ocurre,
el experimentador puede seleccionar una muestra aleatoria de conglomerados y despus tomar
una muestra aleatoria de los elementos dentro de cada conglomerado.
Definicin. Una muestra por conglomerados en dos etapas se obtiene seleccionado primero
una muestra aleatoria de conglomerados y posteriormente una muestra aleatoria de los elementos
de cada conglomerados muestreados.
El primer problema en la seleccin de una muestra por conglomerados en dos etapas es la
eleccin de conglomerados apropiados. Dos condiciones son deseables: proximidad geogrfica
de los elementos dentro de un conglomerado, y tamaos de conglomerado convenientes para su
manejo. Para seleccionar la muestra, primero obtenemos un marco que liste todos los
conglomerados en la poblacin. Posteriormente seleccionamos una muestra aleatoria de
conglomerados, aplicando los procedimientos de muestreo aleatorio. Como tercer paso,
obtenemos marcos que listen todas las unidades de cada uno de los conglomerados
seleccionados. Finalmente, seleccionamos una muestra aleatoria de los elementos de cada uno
de esos marcos.
V )())'(
)'(
N j Miy i
)
M
n
Mi&mi si2
N&n
1
1
2
)(
)s b2%
M
(
)( )
j i
N nM2
Mi
mi
nNM2
Pg. 39
7. Muestreo polietpico.
j (yij&y i)
m
j (Miy i&M )
sb2'
,
n&1
) 2
donde
si2' j'1
m &1
j Miy i
n
Mi&mi s i2
N&n N2 2 N
2
)( )
)( )sb % j Mi (
Varianza estimada de J: V (J )'M2V ( )'(
n
Mi
mi
N
n
)
Pg. 40
donde
j
sr2'
N&n
)
(r)'(
)(
nM
n&1
1
nNM2
j
s i2'
) 2
Mi2(y i&r)
)s 2%
2 r
, y
Mi2(
Mi&mi s i2
)( )
Mi
mi
(yij&y i)2
mi&1
M &m pi qi
Varianza estimada de p: V (p )'( N&n )( 1 )s 2% 1
Mi2( i i )(
)
j
r
2
N nM2
M
m
&1
nNM
i
i
)
Pg. 41
7. Muestreo polietpico.
donde
j
s r2'
Mi2(pi&p ))2
n&1
Mi
mi
pi
50
10
0.40
65
13
0.38
45
09
0.22
48
10
0.30
52
10
0.50
58
12
0.25
42
08
0.38
66
13
0.31
40
08
0.25
10
56
11
0.36
Fb2 Fw2
%
n nm
(1)
Pg. 42
Fw2ci
Fb2c2
sw2'
)2
Fb 's i2&
sw2
m
Pg. 43
7. Muestreo polietpico.
Formulario. _____________________________________________________________
1
)
Estimador de la media poblacional : ppt' j y i
n
Varianza estimada de ppt :
V )(ppt)'
1
) 2
j (y i&ppt)
n(n&1)
)
z V )(ppt)
M
j yi
n
2
Varianza estimada de Jppt : V )(J)ppt)' M j (y i&)ppt)2
n(n&1)
z V )(Jppt)
_______________________________________________________________________
Problema 1. Se desea muestrear tres hospitales de entre los
seis que existen en una ciudad, con el propsito de estimar la
1
328
1-328
proporcin de pacientes que han estado (o estarn) en el hospital
por ms de dos das consecutivos. Puesto que los hospitales
2
109
329-437
varan en tamao, stos sern muestreados con probabilidades
3
432
438-869
proporcionales al nmero de sus pacientes. En los tres hospitales
4
220
870-1089
muestreados se examinar un 10 % de los registros de los
5
280
1090-1369
pacientes para determinar cuantos pacientes permanecern por
ms de dos das en el hospital. Con la informacin de la tabla,
6
190
1370-1559
seleccionar una muestra de tres hospitales con probabilidad
proporcionales al tamao.
Deben ser elegidos tres nmeros aleatorios entre el 1 y el 1559, y localizar estos nmeros
en la columna del intervalo acumulado.
Problema 2. Supngase que los hospitales muestreados
Hospita
Pacientes
>2
dieron los siguientes datos sobre el nmero de pacientes con
l
muestreado
das
permanencia de ms de dos das. Estimar la proporcin de
s
pacientes con permanencia de ms de dos das, para los seis
3
43
25
hospitales, y establecer un lmite para el error.
5
28
15
ppt : 1/3 (0,58 + 0,54 + 0,42) = 0,51
V (ppt ) = 0,0025
6
19
08
Lmite para el error de estimacin: 0,10.
Hospital
N
pacientes
Int.
acumul.
Pg. 44
8. Ir hacia la gente
El trmino metodologa designa el modo en que enfocamos los problemas y buscamos las
respuestas. En las ciencias sociales se aplica a la manera de realizar la investigacin. La eleccin
de una metodologa u otra depender de los supuestos, los intereses y los propsitos. En las
ciencias sociales han prevalecido dos perspectivas tericas principales. La primera, el
positivismo, con autores como A. Comte y E. Durkheim, y que busca los hechos o causas de los
fenmenos sociales con independencia de los estados subjetivos de los individuos. As,
Durkheim afirma que el cientfico social debe considerar los hechos o fenmenos sociales como
cosas que ejercen una influencia externa sobre las personas. La segunda perspectiva principal
es la fenomenolgica, con autores como Berger, Luckmann o Husserl, y que busca entender los
fenmenos sociales desde la propia perspectiva del actor examinando el modo en que se
experimenta el mundo. La realidad que importa es lo que las personas perciben como importante.
Puesto que positivistas y fenomenlogos abordan diferentes tipos de problemas y buscan
diferentes clases de respuestas, sus investigaciones exigen distintas metodologas. El positivista
adoptar el modelo de investigacin de las ciencias naturales (cuestionarios, inventarios, etc.)
para obtener datos susceptibles de anlisis estadstico. El fenomenlogo usar mtodos
cualitativos (observacin participante, la entrevista en profundidad, etc.) para obtener datos
descriptivos. As, el fenomenlogo lucha por lo que Max Weber denomina verstehen, esto es,
comprensin en un nivel personal de los motivos y creencias que estn detrs de las acciones de
las gentes.
Pg. 45
8. Ir hacia la gente.
6. Para el investigador cualitativo, todas las perspectivas son valiosas. Este investigador
no busca la verdad o la moralidad, sino una comprensin detallada de las perspectivas de
otras personas. A todas se las ve como iguales.
7. Los mtodos cualitativos son humanistas. En lugar de estudiar estadsticamente a las
personas, el investigador cualitativo tratar de conocerlas en lo personal, intentar experimentar
lo que ellas sienten en sus luchas cotidianas en la sociedad. Aprender sobre conceptos tales
como belleza, dolor, fe, sufrimiento, etc., cuya esencia se pierde en otros enfoques
investigatorios.
8. Los investigadores cualitativos dan nfasis a la validez en su investigacin. Buscarn el
asegurar un estrecho ajuste entre los datos y lo que la gente realmente dice y hace. Mientras que
los investigadores cualitativos subrayan la validez, los cuantitativos hacen hincapi en la
confiabilidad y la reproducibilidad de la investigacin. Lo cual no debe llevar a creer que a los
investigadores cualitativos no les preocupa la precisin de sus datos.
9. Para el investigador cualitativo, todos los escenarios y personas son dignos de estudio.
Ningn aspecto de la vida social es demasiado frvolo o trivial como para ser estudiado. Todos
los escenarios y personas son, a la vez, similares y nicos: en cualquier grupo de personas se
pueden hallar algunos procesos sociales de tipo general, pero cada informante nos ofrecer algn
aspecto de la vida social.
10. La investigacin cualitativa es un arte. Los mtodos cualitativos no han sido tan
refinados y estandarizados como otros enfoques investigativos. El investigador debe ser un
artfice: debe crear su propio mtodo. Existen orientaciones, pero no reglas. Los mtodos sirven
al investigador; nunca es el investigador el esclavo de un procedimiento o tcnica.
Pg. 46
Pg. 47
Pg. 48
Pg. 49
Pg. 50
Pg. 51
10.4. Participacin
Cuando el compromiso activo en las actividades de las personas es esencial para lograr la
aceptacin, hay que participar por todos los medios, pero sabiendo dnde trazar la lnea divisoria.
En algunos escenarios se debe participar en actividades marginales. El observador participante
camina sobre una delgada lnea que separa al participante activo (participante como
Pg. 52
Pg. 53
Pg. 54
Pg. 55
Pg. 56
Pg. 57
Pg. 58
10.17. Triangulacin
Se llama triangulacin a la combinacin en un estudio nico de distintos mtodos o fuentes
de datos. La triangulacin puede ser concebida como un modo de protegerse de las tendencias
del investigador y de confrontar y someter a control recproco relatos de diferentes informantes.
Mediante la informacin obtenida en otras fuentes, los observadores pueden tambin obtener una
comprensin ms profunda y clara del escenario y de las personas estudiados. Prcticamente
todos los observadores participantes mantienen entrevistas y analizan documentos escritos
durante su investigacin de campo, o hacia su finalizacin, cuando el observador ha establecido
relaciones con las personas y puede obtener informacin ms especfica.
Los documentos escritos, tales como informes oficiales, comunicaciones internas,
correspondencia, contratos, nminas de salarios, archivos, formularios de evaluacin y diarios,
proporcionan una importante fuente de datos. Los investigadores pueden tambin analizar los
documentos histricos y pblicos a fin de obtener una perspectiva ms amplia respecto de un
escenario. Los peridicos, los archivos de la organizacin y las sociedades histricas locales
pueden ofrecer valiosa informacin.
Otra forma de triangulacin es la investigacin en equipo: dos o ms trabajadores de campo
estudian el mismo escenario o escenarios similares. Las tcnicas bsicas de la observacin siguen
siendo, en su mayora, las mismas. La investigacin en equipo tambin permite un alto grado de
flexibilidad en las estrategias y tcticas investigativas, ya que los investigadores diferirn en sus
habilidades sociales y en su capacidad para relacionarse con distintas personas.
Pg. 59
Pg. 60
Pg. 61
Pg. 62
Pg. 63
Pg. 64
11.8. El sondeo
A lo largo de las entrevistas, el investigador realiza el seguimiento de temas que
emergieron como consecuencia de preguntas especficas, alienta al informante a describir las
experiencias en detalle, y presiona constantemente para clarificar sus palabras. En la entrevista
cualitativa tenemos que sondear los detalles de las experiencias de las personas y los significados
que stas les atribuyen. El entrevistador no puede dar por supuesto que entiende exactamente lo
que la gente quiere decir, por lo que tiene que ensear al informante a ser un buen informante,
alentndolo continuamente a proporcionar descripciones detalladas de sus experiencias. Durante
la entrevista se debe continuar indagando para obtener clarificacin hasta que se est seguro de
lo que el informante quiere decir exactamente: reformular lo que dijo y pedir confirmacin, pedir
ejemplos, sealar lo que no est claro. Tambin en la entrevista en profundidad, el investigador
Pg. 65
Pg. 66
Pg. 67
Pg. 68
Pg. 69
Pg. 70
Pg. 71
Pg. 72
Pg. 73
Pg. 74
Pg. 75
Pg. 76
Pg. 77
Pg. 78
Pg. 79
Pg. 80
Pg. 81
Pg. 82