QU FUNCIONA
Escrito
por Carlos
Ochoa
Director de Marketing e Innovacin en Netquest. + info
19 de febrero 2015
Cada vez que miro las estadsticas de este modesto blog,
siempre observo la misma pauta: el trfico de visitas cumple
de forma precisa el principio de Pareto: el 20% de los posts
generan el 80% de las visitas. Y entre este 20% de posts ms
visitados destacan con mucha diferencia los posts dedicados
a cmo calcular el tamao de una muestra representativa
para hacer un estudio de opinin.
Viendo el gran inters que despierta esta cuestin, nos
proponemos inaugurar hoy una serie de posts dedicados al
muestreo: qu es, tcnicas de muestreo, cuando conviene
usar una tcnica u otra, etc. Esperamos que estos contenidos
sean de utilidad, ya sea a estudiantes de investigacin,
personas con curiosidad en estos temas o profesionales que
tengan estos conceptos un poco oxidados.
Qu es el muestreo?
El tamao de la muestra
Qu tamao de muestra necesito usar para estudiar cierto
universo? Depende del tamao del universo y del nivel de
error que est dispuesto a aceptar, tal y como explicbamos
en su da en este post. Cuanta ms precisin exija, mayor
muestra necesito. Si quiero tener una certeza absoluta en mi
resultado, hasta el ltimo decimal, mi muestra tendr que ser
tan grande como mi universo.
Pero el tamao de la muestra tiene una propiedad
fundamental que explica porqu el muestreo se usa tanto en
tantos mbitos del conocimiento. Esta propiedad podra
resumirse como sigue: a medida que estudio universos
mayores, el tamao de muestra que necesito cada vez
representa un porcentaje menor de dicho universo.
Este fenmeno lo explican de forma muy didctica en
Gaussianos.com, un interesante blog dedicado a las
matemticas. Supongamos que queremos hacer una encuesta
para saber un porcentaje (podra ser el de gente que fuma)
con un nivel de error determinado, por ejemplo un margen de
error del 5% y una confianza del 95%. Si el universo a
estudiar fuese de tan slo 100 personas, mi muestra tendra
que ser de 79,5 individuos (es decir, 79,5% del universo, lo
que representa un parte muy importante del total del
universo). Si el universo fuese de 1.000 personas, mi muestra
debera ser de 277,7 personas (27,7% del universo). Y si mi
universo fuese de 100.000 personas, la muestra necesaria
sera de 382,7 personas (3,83% del universo).
Universo
Muestra
necesaria
10
10
100%
100
80
80%
1.000
278
27,8%
10.000
370
3,7%
100.000
383
0,38%
1.000.000
384
0,038%
10.000.000
385
0,004%
100.000.000
385
0,0004%
Los datos anteriores nos dicen que por grande que sea el
universo, con 385 personas puedo estudiar cualquier dato con
el mismo nivel de error (margen de 5%, confianza de 95%).
Por esta razn el muestreo es tan poderoso: nos permite
hacer afirmaciones altamente precisas de una gran cantidad
de individuos a travs de un parte muy pequea de los
mismo.
Como contrapartida, el ejemplo anterior ilustra que el
muestreo no funciona bien en universos pequeos. Si tengo
una clase de 10 alumnos, la opinin de cada uno de ellos es
fundamental para conocer la opinin global, no puedo
prescindir de ninguno. Si no quiero superar el error que nos