Unidad 7: Muestreo estadstico

Universo: Conjunto total de unidades de anlisis que pretendemos estudiar y que coinciden en determinadas
caractersticas. La unidad de anlisis delimita el universo de observacin y, por lo tanto, recortan el problema a
investigar. Si la referencia es a individuos, el universo ser la poblacin total de la humanidad, de un pas, de un
rea, etc. Pero uno puede referirse a naciones, objetos, etc.
Poblacin: Conjunto de unidades de anlisis que se va a estudiar. Puede coincidir con el universo (ej: censo) o
con una muestra.

Muestra: Subconjunto del conjunto total universo- que debe satisfacer dos condiciones:
- en ella debe ser posible poner a prueba hiptesis.
- debe ser posible poner a prueba hiptesis de generalizacin de la muestra al universo- sobre las proposiciones
establecidas en la muestra. (Tiene que ver con la posibilidad de establecer generalizaciones. Para eso es necesario
una muestra probabilstica).

La muestra se extrae cuando el universo a estudiar es demasiado grande, y cuando se dispone de tiempo y
presupuesto escasos. Es ms rpido, ms econmico, se obtiene mayor cuidado en la precisin de las
observaciones, mayor entrenamiento y supervisin.

Tipos de muestras

Muestra predispuesta: Se seleccionan para probar hiptesis

Ventajas: La comprobacin o refutacin de la hiptesis pasa a ser resultado de procedimiento de muestreo
Desventajas: Exigen conocimiento previo del universo y del tipo de anlisis que se utiliza. A veces no se puede
generalizar.
Ejemplo: Para comprobar una hiptesis acerca del comportamiento poltico de todos los votantes, usamos slo
individuos que por pertenecer a un grupo especfico presentan peculiaridades que no son tpicas del conjunto de
la poblacin.

Muestras probabilsticas: Todos los elementos que componen el universo tienen una posibilidad conocida de ser
incluidos en la muestra. Veremos cuatro tipos: 1) muestra simple al azar, 2) muestra sistemtica, 3) muestra
estratificada, 4) muestra por conglomerados.

1) Muestra simple al azar: Todas las combinaciones tienen igual probabilidad de darse en la muestra. La
probabilidad depende del tamao del universo.
Procedimiento: Lista completa del universo y asignar un nmero a cada individuo.
A travs de una tabla de nmeros aleatorios, o algo similar se seleccionan los individuos de la muestra. El tamao
depende de la disponibilidad de recursos y la precisin deseada.
Ventajas: Tcnicas: Igual probabilidad de inclusin de todos los individuos en la muestra. Permite la
generalizacin. Proporciona base para calcular el grado de disparidad entre las medidas de la muestra y el
universo. Econmicas: Las derivadas de no tomar al universo entero.
Desventajas: Tcnicas: No hay un nmero suficiente de casos de grupos especiales. Puede haber distorsiones en
cuanto a la representatividad. Econmicas: Alto costo monetario y de tiempo.

2) Muestra sistemtica: No todas las combinaciones tienen igual probabilidad de darse en la muestra.
Procedimiento: Lista completa del universo. Slo se selecciona el primer individuo por un mtodo aleatorio. El
resto se selecciona a partir del primero, por ejemplo, cada 20 nmeros (en la muestra simple al azar todos los
casos se seleccionan aleatoriamente)
Ventajas: Tcnicas: Igual que en la muestra simple al azar. Econmicas: Ms fcil obtener la muestra
Desventajas: Tcnicas: Una vez que sali el primer nmero, la muestra dej de ser estrictamente probabilstica,
y puede arrastrar algn sesgo que haya en el listado. Econmicas: igual a la muestra simple al azar.

1
3) Muestra estratificada (proporcional o no): No todas las combinaciones tienen igual probabilidad de darse
en la muestra. Sirve cuando el universo puede ser dividido en grupos o categoras (sexo, edad, nivel educativo).
Se logra una mayor homogenizacin de la muestra final. La muestra estratificada proporcional es aquella en que
la fraccin de muestreo es igual para cada estrato, en la no proporcional hay diferentes proporciones.
Procedimiento: Dividir el universo en estratos homogneos (proporcionales o no). Dentro del estrato seleccionar
individuos de modo aleatorio. Las fracciones en cada estrato pueden ser distintas o iguales.
Ventajas: Tcnicas: Igual que las anteriores, sumado a que garantiza la representatividad y elimina los errores
entre estrato. La proporcional, adems, posibilita conocer mejor a los grupos pequeos. Econmicas: Facilidad
de obtener la muestra. En la proporcional, si los estratos son homogneos, la muestra es ms econmica y menor.
Desventajas: Tcnicas: Supone conocimiento previo de las caractersticas que estratifican a la poblacin. La no
proporcional puede obtener pocos casos para los estratos pequeos. La proporcional exige estadstica compleja.
Econmicas: El costo monetario es mayor que en la muestra simple y de conglomerado. Alto costo temporal.

4) Muestra de conglomerados: No todas las combinaciones tienen igual probabilidad de darse en la muestra. Se
usa cuando el universo est disperso en extensas reas geogrficas.
Procedimiento: Dividir el universo en conglomerados o clusters, lo ms homogneos posible. Seleccionar cuales
deben constituir la muestra. Tomamos todas las unidades dentro de cada conglomerado seleccionado
Ventajas: Tcnicas: Igual que en los dos primeros tipos de muestra. Econmicas: Ahorro de dinero, sobre todo
porque permite la concentracin de entrevistadores en reas prximas. Ahorro de tiempo.
Desventajas: Tcnicas: Exige estadstica compleja. Se pierde precisin y el carcter aleatorio del muestreo.
Econmicas: Mnimas.

Ejemplo: Busco determinar ciertas caractersticas sociopsicolgicas en la Argentina. La unidad de anlisis es un

pas. Podemos utilizar varios escalones. En el primero, uso la divisin poltica del pas (las provincias).
Seleccionamos al azar, digamos 10 de esas provincias. Si se tratara de una muestra de un escaln, censara a todos
los habitantes de las provincias seleccionadas. Si quiero agregar ms escalones, puede seleccionar dentro de las
provincias, algunas ciudades y as seguir. Lo importante es que una vez que definimos los conglomerados, en
su interior tomamos todas las unidades.

Muestras no probabilsticas: No se conocen las probabilidades de cada elemento o individuo, de ser incluido en
la muestra. Tienen poco valor en trminos de estimacin, porque en ellas no es posible calcular el error de
estimacin de parmetros. Sin embargo, muchas veces sirven para que el investigador se inmersa en un tema.
Veremos tres formas de muestras no probabilsticas: 1) muestra causal, 2) muestra intencional, 3) muestra por
cuotas

1) Muestra casual: Es la tcnica preferida por los reporteros y algunas agencias de investigacin de mercado.
Procedimiento: Entrevistar a individuos de formas casual, hasta cierto nmero. Por ejemplo, uno de cada 8 que
pasan caminando por esta esquina, durante determinada cantidad de tiempo.
Ventajas: Exige personal menos entrenado, y por ende de menor costo.
Desventajas: Es casi imposible hacer una generalizacin vlida que vaya ms all de las caractersticas de los
individuos que, de casualidad, dieron su testimonio.

2) Muestra intencional: Pueden ser tiles en etapas exploratorias.

Procedimiento: Se seleccionan casos tpicos del universo, segn el criterio de un experto. Pueden ser
informantes clave que den informacin que gue el resto de la investigacin.
Ventajas: Exige personal menos entrenado, y por ende de menor costo.
Desventajas: Es casi imposible hacer una generalizacin vlida que vaya ms all de las caractersticas de los
individuos que, por ser sealados por el experto, dieron su testimonio.

3) Muestra por cuotas: Son en alguna medida muestras estratificadas, y son muy usadas por agencias de
investigacin de mercado.
Procedimiento: A una serie de entrevistadores le es fijado un grupo de individuos, con sus caractersticas
especificadas (hombres, casados, menores de 50, propietarios de auto) Cada entrevistador selecciona por su
cuenta y entrevista segn un cuestionario, hasta completar su cuota.
Ventajas: Exige personal menos entrenado, y por ende de menor costo.
Desventajas: Es casi imposible hacer una generalizacin vlida que vaya ms all de las caractersticas de los

2
individuos que dieron su testimonio. Puede aparecer el sesgo del entrevistador.