EL MUESTREO
1. POBLACIN Y MUESTREO
Entre las ventajas de la encuesta de muestreo se encuentran: (a) ahorro en los costes
de la investigacin, (b) ahorro de tiempo en la recogida y elaboracin de los datos,
(c) ventajas organizativas por el menor nmero de encuestadores, y (d) ventajas de
profundizacin, pues el ahorro de recursos econmicos y organizativos permite
incrementar la calidad de la encuesta.
2. ERROR DE MUESTREO
Una investigacin total proporciona el valor exacto del parmetro que se desea
conocer (La renta media de la poblacin X es de 950 ); sin embargo, una
investigacin por muestreo slo proporciona una estimacin (La renta media de la
poblacin X es de 950 25 , con un 95 % de probabilidades). As, una estimacin
comporta dos datos: un grado de confianza y un intervalo de confianza; el grado de
confianza indica las probabilidades (95 %) de que cualquier persona de la poblacin
elegida al azar contar con una renta que se encontrar dentro del intervalo de
confianza (950 25 ). Puesto que la estimacin proporcionada por la muestra (v) slo
es una aproximacin sobre el valor real de la poblacin (V), el error de muestreo (e) se
define como la diferencia entre ambos:
V ve
s p*q
e z * ( X ) z * * 1 f e z* * 1 f
n n 1
estadstica permite calcular el error de muestreo:
n Tamao de la muestra
1f Factor de correccin para poblaciones finitas
f Fraccin de muestreo f n/ N
3. TAMAO DE LA MUESTRA
Determinar el tamao de la muestra (n) constituye uno de los criterios bsicos para
definir la entidad de la investigacin y la previsin de sus costes. Para ello podemos
emplear las frmulas del error de muestreo (e), dando a e el error que estamos
dispuestos a aceptar y resolviendo la ecuacin para n.
z 2 * s2 z2 * p * q
n
e2 e2
n0
z 2 * s2 z2 * p * q n
n0 n
1 0
e2 e2 N
Es importante advertir que, aplicando las frmulas del tamao de la muestra, 2.500
casos son suficientes para obtener estimaciones con una notable precisin del 2 %
para cualquier tamao de poblacin (una ciudad, una comunidad, un pas, todo el
planeta!), y slo 400 para una precisin del 5 %. Sin embargo, todo ello es vlido
siempre que nos encontremos con una rigurosa muestra aleatoria simple, lo que en
muchos casos es irrealizable (problema de la practicabilidad del muestreo).
4. MUESTRAS PROBABILSTICAS
b) Muestreo sistemtico
Este modelo difiere del anterior slo en la tcnica de extraccin, pues los casos
de la muestra no se eligen por sorteo, sino uno cada k (intervalo de muestreo).
Existen dos posibilidades: (1) si se conoce N, entonces k = N/n, comenzando la
eleccin por un nmero elegido al azar entre 1 y k; en este caso, se deben vigilar
las periodicidades coincidentes en la poblacin, a fin de evitar que la muestra
rena unidades de anlisis con las mismas caractersticas. (2) Si no se conoce N,
entonces el investigador debe elegir un k lo ms aproximado posible: entrevistar
a un elector de cada k que salen del colegio electoral o de cada k
compradores que salen de un supermercado. La ventaja de este modelo es que
permite obtener muestras aleatorias incluso cuando no se dispone de lista de
miembros de la poblacin.
c) Muestreo estratificado
5. MUESTRAS NO PROBABILSTICAS
7. PONDERACIN
Este procedimiento ha sido criticado, pues no deja de ser una manipulacin de los
datos; sin embargo, y a pesar de su componente de arbitrariedad, resulta obvio que
toda muestra conlleva un error de distorsin cierto que la ponderacin contribuye a
corregir, aunque nunca de forma definitiva y completa. Los tres procedimientos de
ponderacin ms habituales son:
Por ltimo, es importante sealar que la estructura de una muestra depende, de forma
decisiva, del objetivo del estudio. As, por un lado se habla de: