Seleccin de la muestra

En una investigacin siempre tenemos una muestra?

No siempre, pero en la mayoria de las situaciones si realizamos el estudio en una muestra. Solo
cuando queremos realizar un censo debemos incluir en el estudio a todos los sujetos o casos
(personas, animales, plantas, objetos) del universo o la poblacion.
Lo primero: sobre que o quienes se recolectaran datos?
Aqui el interes se centra en "que o quienes", es decir, en los sujetos, objetos, sucesos o
comunidades de estudio (las unidades de anilisis), lo cual depende del planteamiento de la
invetigacin.
En la practica esto no parece ser tan simple para muchos estudiantes, que en propuestas de
invetigacin y de tesis no logran una coherencia entre los objetivos de la invetigacin y la unidad
de anilisis de la misma.
Por lo tanto, para seleccionar una muestra, lo primero que hay que hacer es definir la unidad de
anlilisis (personas, organizaciones, periodicos, comunidades, situaciones, eventos, etc.). EI
sobre que o quienes se van a recolectar datos depende del planteamiento del problema a
investigar y de los alcances del estudio. Estas acciones nos llevaran al siguiente paso, que
consiste en delimitar una poblacion.
Para el proceso cuantitativo la muestra es un subgrupo de la poblacion de interes (sobre el cual
se recolectaran datos, y que tiene que definirse o delimitarse de antemano con precision), este
debera ser representativo de la poblacion. EI investigador pretende que los resultados
encontrados en la muestra logren generalizarse o extrapolarse a la poblacin (en el sentido de la
validez extema que se comento al hablar de experimentos). EI inters es que la muestra sea
estadisticamente representativa.
Mueslra Subgrupo de la poblaci6n del cual se recolectan los datos y debe ser
representativo de dicha poblacion.
Cmo se delimita una poblacion?
Una vez que se ha definido cual sera la unidad de analisis, se procede a delimitar la poblacion
que va a ser estudiada y sobre la cual se pretende generalizar los resultados. Asi, una pobiacion
es el conjunto de todos los casos que concuerdan con una serie de especificaciones (Selltiz et al.,
l98o).
Una deficiencia que se presenta en algunos trabajos de invetigacin es que no describen lo
suficiente las caracteristicas de la poblacion o consideran que la muestra la representa de manera
antomatica.
Es preferible entonces establecer con claridad las caracteristicas de la poblacion, con la finalidad
de delimitar cuales seran los parmetros muestrales.
Las poblaciones deben situarse claramente en tomo a sus caractersticas de contenido, de lugar y
en el tiempo.
AI seleccionar la muestra debemos evitar tres errores que pueden presentarse: l) no elegir a
casos que debern ser parte de la muestra (participantes que debern estar y no fueron
seleccionados). 2) incluir a casos que no debern estar porque no forman parte de la poblacion y
3) seleccionar casos que son verdaderamente inelegibles (Mertens, 2oo5).

EI primer paso para evitar tales errores es una adecuada delimitacioD del universo o poblacin.
Los criterios que cada investigador cumpla dependen de sus objetivos de estudio, lo importante
es establecerlos de manera muy especifica. Toda invetigacin debe ser transparente, asi como
estar sujeta a critica y replica, este ejercicio no es posible si al examinar los resultados el lector no
puede referirlos a la poblacion utilizada en un estudio.
Poblacion o universo Conjunto de todos los casos que concuerdan con determinadas
especificaciones.
como seleccionar la muestra?
Hasta este momento hemos visto que se debe defiuir cual sera la unidad de an8.lisis y cuales son
las caracteristicas de la poblacion. En este inciso hablaremos de la muestra, o mejor dicho de los
tipos de muestra, con la finalidad de poder elegir la mas conveniente para un estudio.
La muestra es, en esencia, un subgrupo de la poblacion. Digamos que es un subconjunto de
elementos que pertenecen a ese conjunto definido en sus caracteristicas al que llamamos
poblacin.
Con frecuencia leemos y escuchamos hablar de muestra representativa, muestra al azar, muestra
aleatoria, como si con los simples terminos se pudiera dar mas seriedad a los resultados. En
realidad, pocas veces es posible medir a toda la poblacion, por lo que obtenemos o
seleccionamos una muestra y, desde luego, se pretende que este subconjunto sea un reflejo fiel
del conjunto de la poblacion. Todas las muestras -bajo el enfoque cuantitativo deben ser
representativas; por lo tanto, el uso de este termino resulta por demas inuitil. Los terminos al azar
y aleatorio denotan un tipo de procedimiento mecanico relacionado con la probabilidad y con la
seleccion de elementos; pero no logran esclarecer tampoco el tipo de muestra y el procedimiento
de muestreo. Hablemos entonces de estos conceptos en los signientes apartados.
Tipos de muestra: las muestras no probabilsticas y las muestras probabilisticas.
En las muestras no probabilisticas, la eleccion de los elementos no depende de la probabilidad,
sino de causas relacionadas con las caracteristicas de la invetigacin o de quien hace la muestra.
Aqui el procedimiento no es mecanico, si con base en formulas de probabilidad, sino que
depende del proceso de tomade decisiones de una persona o de un grupo de personas y, desde
luego, las muestras seleccionadas obedecen a otros criterios de invetigacin. Elegir entre una
muestra probabilistica o una no probabilistica depende de los objetivos del estudio, del esquema
de investigaci6n y de la contribuci6n que se piensa hacer con ella.
Muestra probabilstica Subgrupo de la poblacin en el que todos los elementos de esta
tienen la misma posibilidad de ser elegidos.
muestra no probabilstica o dirigida. Subgrupo de la que la eleccin de lo elementos no
depende de la probabilidad sino de las caractersticas de la investigacin.
como se selecciona una muestra probabilstica?
Resumiremos diciendo que la elecci6n entre la muestra probabilistica y la no probabilistica se
determina con base en el planteamiento del problema, las hipotesis, el diseo de invetigacin y el
alcance de sus contribuciones. Las muestras probabilisticas tienen muchas ventajas, quiza la
principal sea que puede medirse el tamao del error en nuestras predicciones. Se dice incluso
que el principal objetivo en el disefio de una muestra probabilistica es reducir al minimo este error,
al que se Ie llama error estandar (Kish, l995).
Las muestras probabilisticas son esenciales en los diseos de investigaci6n transaccionales,
tanto descriptivos como correlacionales-causales (las encuestas de opinion o surveys, por
ejemplo), donde se pretende hacer estimaciones de variables en la poblacion. Estas variables se

miden y se analizan con pruebas estadsticas en una muestra, donde se presupone que esta es
probabilistica y todos los elementos de la poblacion tienen una misma probabilidad de ser
elegidos. Las unidades o elementos muestrales tendran valores muy parecidos a los de la
poblacion, de manera que las mediciones en el subconjunto nos daran estimados precisos del
conjunto mayor. La precision de dichos estimados depende del error en el muestreo, que es
posible calcular.
Para hacer una muestra probabilistica es necesario entender los siguientes terminos y sus
definiciones:
La poblacion, a la que se Ie suele denominar como N, es un conjunto de elementos.
La muestra, a la que se Ie simboliza como n, es un subconjunto de la poblaci6n N.
En una poblacion N (previamente delimitada por los objetivos de la investigaci6n), nos interesa
establecer valores de las caracteristicas de los elementos de N.
Nos interesa conocer valores promedio en la poblaci6n, lo cual se expresa como:
Y = al valor de una variable determinada (f) que nos interesa conocer, digamos un promedio.
Tambien nos interesa conocer:
v = la varianza de la poblacion con respecto a determinadas variables (la varianza indica la
variabilidad).
Como los valores de la poblacion no se conocen, seleccionamos una mnestra n ademas, a traves
de estimados en la mnestra, inferimos valores de la poblacion (y sera la estimacin del valor de V,
el cual desconocemos).
En la muestra, y es un estimado promedio que podemos determinar. Sabemos que en nuestra
estimacion habra una diferencia (V - Y = ?), es decir, un error, el cual dependera del numero de
elementos muestreados. A dicho error se Ie conoce como error estandar (se).
se = la desviacion estandar de la distribucion muestral y representa la fluctuacion de y.
(se)2 = el error estandar al cuadrado, cuya formula nos servira para calcular la varianza (V) de la
poblacion (N), asi como la varianza de la muestra (n) sera la expresion S2.
s' = varianza de la muestra, la cual podra determinarse en terminos de probabilidad donde
s2=P(I-P).
P = porcentaje estimado de la muestra, probabilidad de ocurrencia del fenomeno, la cual se
estima sobre marcos de muestreo previos o se define, la certeza total siempre es igual a uno, las
posibilidades a partir de esto son "P" de que si ocurra y "q" de que no ocurra (p + q = l). De aqu
se deriva l - p.
Como se habra podido observar, cuando hablamos de un termino de la muestra se simboliza con
una letra mimiscula (n, s, se). Si se trata de un termino de la poblacion. se simboliza con una letra
mayliscula (N, 5).
Para una muestra probabilistica necesitamos principalmente dos cosas: determinar el tamao de
la muestra (n) y seleccionar los elementos muestrales, de manera que todos tengan la misma
posibilidad de ser elegidos. Para lo primero, daremos una formula que contiene las expresiones
ya descritas. Para lo segundo, requerimos un marco de seleccion adecuado y un procedimiento
que permita la aleatoriedad en la seleccion. Hablaremos de ambas cosas en los siguientes
apartados.

El tamao de la muestra
Cuando se hace una muestra probabilistica, uno debe preguntarse: dado que una poblacion es de
N, lcmil es el menor nrimero de unidades muestrales (personas, organizaciones, capitulos de
telenovelas, etc.) que necesito para conformar una muestra (n) que me asegure un determinado
nivel de error estandar, digamos menor de o.ol?
La respuesta a esta pregunta busca encontrar la probabilidad de ocurrencia de V, asi como que
mi estimado de y se acerque a V, el valor real de la poblaci6n. Si establecemos el error estndar y
lo fijamos en o.ol, sugerimos que esta fluctuacion promedio de nuestro estimado y con respecto a
los valores reales de la poblacion V no sea> o.ol, es decir, que de loo casos, 99 veces mi
prediccion sea correcta y que el valor de y se sitUe en un intervalo de confianza que comprenda
el valor de Y.
Resumiendo, para una determinada varianza (V) de Y, lque tan grande debe ser mi muestra? Ello
se determina en dos pasos:
l. n' = -'z = Tamano provisional de la muestral = varianza de la muestralvarianza de la poblacin V
2. n = --"n-' --l + n'IN
EI segundo procedimiento estriba en como y de donde seleccionar a esos 298 sujetos.
Stats@ Programa incluido en el CD anexo que nos sirve para determinar el tamano de una
muestra aleatoria simple y generar numeros aleatorios para seleccionar los caSDS de la
muestra de una base de datos o listado de la poblaci6n.
Muestra probabilistica estratificada
En ocasiones el interes del investigador es comparar sus resultados entre segmentos, grupos o
nichos de la poblaci6n, porque asi lo seala el planteamiento del problema.
Pero a veces, nos interesan grupos que constituyen minorias de la poblacion o universo y
entonces si la muestra es aleatoria simple, resultara muy difcil determinar que elementos o casos
de tales grupos sern seleccionados. Imaginemos que nos interesan personas de todas las
religiones para contrastar ciertos datos, pero en la ciudad donde se efectuara el estudio la
mayoria es
Ejemplos de estratos en la variable religion serian: catolicos, protestantes, judios, mabometanos,
budistas, etc. Y de la variable grado o nivel de estudios: infantil, primaria, secundaria, bachillerato,
universidad (o eqnivalente) y posgrado.
Mueslra probabillslica estratificada Subgrupo en el que la poblacion se divide en
segmentos y se selecciona una muestra para cada segmento.
Muestreo probabilistico por racimos
En algunos casos, en que el investigador se ve limitado por recursos financieros, por tiempo, por
distancias geogr8.ficas o por una combinaci6n de estos y otros obstaculos, se recurre al muestreo
por racimos o clusters. En este tipo de muestreo se reducen costos, tiempo y energia, al
considerar que muchas veces las unidades de anillsis se encuentran encapsuladas o encerradas
en determinados lugares fisicos o geogr8.ficos, a los que se denomina racimos.
Racimos Son sinonimos de clusters o conglomerados.
Muestrear por racimos implica diferenciar entre la unidad de an8.lisis y la unidad muestral. La
unidad de an8.lisis indica quienes van a ser medidos, o sea, los participantes o casos a quienes

en ultima instancia vamos a aplicar el instrumento de medicion. La unidad muestral (en este tipo
de muestra) se refiere al racimo por medio del cUal se logra el acceso a la unidad de an8.lisis. EI
muestreo por racimos supone una seleccion en dos etapas, ambas con procedimientos
probabilisticos. En la primera, se seleccionan los racimos, siguiendo los pasos ya senalados de
una muestra probabilistica simple o estratificada.
En la segunda, y dentro de estos racimos, se selecciona a los sujetos u objetos que van a
medirse. Para ello se hace una seleccion que asegure que todos los elementos del racimo tienen
la misma probabilidad de ser elegidos.
Mueslra probabilislica por racimos Subgrupo en el que las unidades de anal isis se
encuentran encapsuladas en determinados lugares ffsicos.
l Como se lleva a cabo el procedimiento de seleccion de la muestra?
Cuando iniciarnos nuestra exposicion sobre la muestra probabilistica, sedalarnos que los tipos de
muestra dependen de dos cosas: del tamaiio de la muestra y del procedimiento de seleccion.
De lo primero hemos hablado con todo detalle, de lo segundo trataremos ahora. Se determina el
tamaiio de la muestra n, pero lcomo seleccionar los elementos muestrales? Se precisa el numero
de racimos necesario y lcomo se seleccionan los sujetos dentro de cada racimo? Hasta el
momento solo hemos dicho que los elementos se eligen de manera aleatoria, pero lcomo se hace
esto?
Las unidades de anilisis o los elementos muestrales se eligen siempre aleatoriamente para
asegurarnos de que cada elemento tenga la misma probabilidad de ser elegido. Se utilizan tres
procedimientos de seleccion:
Tombola
Muy simple y no muy rapido, consiste en numerar todos los elementos muestrales del uno al
ntimero n. Racer fichas o papeles, uno por cada elemento, revolverlos en una caja, e ir sacando n
numero de fichas, segtin el tamano de la muestra. Los ntimeros elegidos al azar conformaran la
muestra.
Numeros random o numeros aleatorios
EI uso de numeros random no significa la seleccion azarosa o fortuita, sino la utilizacion de una
tabla de ntimeros que implica un mecanismo de probabilidad muy bien disenado. Los numeros
random de la Corporacion Rand fueron generados con una especie de ruleta electronica.
Seleccion sistematica de elementos muestrales
Este procedimiento de seleccion es muy uti! e implica elegir dentro de una poblacion N un numero
n de elementos a partir de un intervalo K. Este Ultimo (K) es un intervalo que se va a determinar
por el tamaiio de la poblacion y el tamaiio de la muestra. De manera que tenemos que K = Nln,
en donde K = un intervalo de seleccion sistematica, N = la poblacion y n = la muestra.
Listados y otros marcos muestrales
Las muestras probabilisticas requieren la determinacion del tamano de la muestra y de un
proceso de seleccion aleatoria que asegure que todos los elementos de la poblacion tengan la
misma probabilidad de ser elegidos. Todo esto lo hemos visto, aunque nos falta exponer sobre
algo esencial que precede a la seleccion de una muestra: el marco muestral. Este constituye un

marco de referencia que nos permita identificar fisicamente los elementos de la poblaci6n, la
posibilidad de enumerarlos y, por ende, de proceder a la seleccion de los elementos muestrales
(los casos de la muestra). Normalmente se trata de un !istado existente o una !ista que es
necesario confeccionar ad hoc, con los casos de la poblacion.
Marco muestral Es un marco de referenda que nos permite identificar ffsicamente los
elementos de la poblacion, aSI como la posibilidad de enumerarlos y seleccionar los
elementos muestrales.
Los !istados existentes sobre una poblacion son variados: guias telefonicas, !istas de miembros
de las asociaciones, directorios especializados, !istas oficiales de escuelas de la zona, bases de
datos de los alumnos de una universidad o de los c!ientes de una empresa, registros medicos,
catastros, nominas de una organizacion, etc. En todo caso hay que tener en cuenta lo completo
de una !ista, su exactitud, su veracidad, su calidad y su nivel de cobertura en relacion con el
problema a investigar y la poblacin que va a medirse, ya que todos estos aspectos influyen en la
seleccion de la muestra.
Archivos
Mapas
Vohimenes
Periodos registrados
En la invetigacin que se vincula con sesiones terapeuticas, entrevistas con pacientes o reos,
etc., se dispone de los listados de archivos que por lo comtin guardan las instituciones.
Tamafia optima de una muestra
Las muestras probabilisticas requieren dos procedimientos basicos: l) la determinacion del tamaiio
de la muestra y 2) la seleccion aleatoria de los elementos muestrales. El primer procedimiento fue
descrito en su modalidad mas simple en la seccion sobre el tamaiio de la muestra.
Precisar adecuadamente el tamaiio de la muestra puede tornarse muy complejo, esto depende
del problema de invetigacin y la poblacion a estudiar.
Distribud6n nonna!: Esta distribucion en forma de campana se Iogra generalmente con muestras
de loo o mas unidades muestrales, y es uti! y necesaria cuando se hacen inferencias de tipo
estadistico (ver figura 8.S).
Teorema del limite central Senala que una muestra de mas de cien casas sera una muestra
con una distribucin normal en sus caracterfsticas, lo cual sirve para el prop6sito de hacer
estadfstica inferencial.
Como Y cuciles son las muestras no probabilisticas?
Las muestras no probabilisticas, tambien lIamadas muestras dirigidas, suponen un
procedimiento de seleccion informal_ Se utilizan en mucbas invetigacines cuantitativas y
cualitativas. Por el momento comentaremos su esencia y utilidad desde una perspectiva
cuantitativa y ejemplificaremos la diferencia con las muestras probabilisticas.
La muestra dirigida selecciona sujetos "tipicos" con la vaga esperanza de que sean casos
representativos de una poblacion determinada. Por ello, para fines deductivos-cuantitativos,
donde

la generalizacion o extrapolacion de resultados hacia la poblacion es una finalidad en sl misma,

las muestras dirigidas en este sentido implican mucbas desventajas. La primera es que, al no ser
probabilisticas, no es posible calcular con precision el error estindar, es decir, no podemos
calenlar con que nivel de confianza hacemos una estimacion. Esto es un grave inconveniente si
consideramos que la estadistica inferencial se basa en la teoria de la probabilidad, por lo que las
pruebas estadisticas en muestras dirigidas tienen un valor limitado a la muestra en sl, mas no a la
poblacion. Es decir, los datos no pueden generalizarse a esta, la cual no se considero en sus
parametros ni en sus elementos para obtener la muestra. Recordemos que, en las muestras de
este tipo, la eleccion de los sujetos no depende de que todos tengan la misma probabilidad de ser
elegidos, sino de la decision de un investigador o grupo de personas que recolectan los datos.
La tinica ventaja de una muestra no probabilistica -desde la vision cuantitativa- es su utilidad para
determinado diseiio de estudio que requiere no tanto una representatividad de elementos de una
poblacion, sino una cuidadosa y controlada eleccion de sujetos con ciertas caracteristicas
especificadas previamente en el planteamiento del problema.
Para el enfoque cualitativo, al no interesar tanto la posibilidad de generalizar los resultados, las
muestras no probabilisticas o dirigidas son de gran valor, pues logran -si se procede
cuidadosamente y con una profunda inmersion inicial en el campo-- obtener los casos (personas,
contextos, situaciones) que interesan al investigador y que lIegan a ofreeer una gran riqueza para
la reeoleeeion y el anilisis de los datos.
Muestreo al azar por marcado telefonico
Muestra multietapas o polietipica
Este concepto significa que para extraer la muestra hemos utilizado diversos procedimientos.
seleccion implico estratos y racimos: en
Una maxima del muestreo y el alcance del estudio
Ya sea que se trate de un tipo de muestreo u otro, lo importante es elegir a los informantes (o
casos) adecuados, de acuerdo con el planteamiento del problema y lograr el acceso a ellos.
Los estudios exploratorios regularmente emplean muestras dirigidas o no probabilisticas, aunque
podrian usarse muestras probabilisticas. Las invetigacines experimentales, la mayora de las
veces utilizan muestras dirigidas, porque como se comento, es dificil manejar grupos grandes
(debido a ella se ha insistido que, en los experimentos, la validez extema se consolida mediante
la repeticion o reproducci6n del estudio). Los estudios no experimentales descriptivos o
correlacionales-causales deben emplear muestras probabilisticas si quieren que sus resultados
sean generalizados a una poblacion.
RESUMEN
En el captulo se defini el concepto de muestra.
Adems, se describi como seleccionar una muestra en el proceso cuantitativo. Lo primero que
se debe plantear es sobre que o quienes se van a recolectar los datos, lo cual corresponde a la
definicin de la unidad de anilisis. Despues, se procede a delimitar claramente la poblacion, con
base en los objetivos del estudio y en cuanto a caracteristicas de contenido, de lugar y de tiempo.
La muestra es un subgrupo de la poblacion puede ser probabilistica o no probabilistica.
Elegir qne tipo de muestra se requiere depende del enfoque y alcances de la invetigacin, los
objetivos del estudio y el diseo.

 En el enfoque cuantitativo las muestras probabilisticas son esenciales en diseos de

invetigacin por encuestas, donde se pretenden generalizar los resultados a una poblacion. La
caracteristica de este tipo de muestras es que todos los elementos de la poblacion al inicio tienen
la misma probabilidad de ser elegidos. Asi, los elementos muestrales tendran valores muy
aproximados a los valores de la poblacion, ya que las mediciones del subconjunto sern
estimaciones muy precisas del conjunto mayor. Tal precision depende del error de muestreo,
llamado tambin error estandar.
Para una muestra probabilistica necesitamos dos elementos: determinar el tamao de la
muestra y seleccionar los elementos muestrales en forma aleatoria.
El tamao de la muestra se calcula mediante formulas o por medio del programa Stats", que se
encuentra en el CD que acompaiia al hbro.
Las muestras probabilisticas son: simples, estratificadas, sistematicas y por racimos.
La estratificacion aumenta la precision de la muestra e implica el uso deliberado de submuestras
para cada estrato o categoria que sea relevante en la poblacion. Muestrear par racimos o
conglomerados implica diferencias entre la unidad de anailisis y Ia unidad muestral. En este tipo
de muestreo hay una seleccin en dos etapas, ambas con procedimientos probabilisticos. En la
primera se seleccionan los racimos: escuelas, orgauizaciones, salones de clase; en Ia segunda y
dentro de los racimos, a los participantes que van a ser medidos.
Los elementos muestrales de una muestra probabilistica siempre se eligen aleatoriamente para
asegurarnos de que cada elemento tenga Ia misma probabilidad de ser seleccionado. Es posible
utilizar tres procedimientos de seleccion: l) tombola, 2) cuadro de nUmeros aleatorios o el uso del
subprograma de mimeros aleatorios del Stats y 3) seleccion sistematica. Todo procedimiento de
seleccion depende de listados o bases de datos, ya sea existentes o construidas ad hoc. Los
listados pueden ser: la guia telefonica, listas de asociaciones, listas de escuelas oficiales, etc.
Cuaudo no existen listas de elementos de Ia poblacion, se recurren a otros marcos de referencia
que contengan descripciones del material, orgauizaciones o participantes seleccionados como
unidades de anilisis. Algunos de estos pueden ser archivos, hemerotecas y mapas, as! como
internet.
Las muestras no probabilisticas, pueden tambien llamarse muestras dirigidas, pues la eleccin
de sujetos u objetos de estudio depende del criterio del investigador.
En el teorema del limite central se seala que una muestra de mas de cien casos sera una
muestra con una distribucion normal en sus caracteristicas; sin embargo, la normalidad no debe
confundirse con probabilidad. Mientras lo primero es necesario para efectoar pruebas
estamsticas, lo segundo es requisito indispensable para hacer inferencias correctas sobre una
poblacion.